Un défi vieux de décennies dans les neurosciences a été résolu en exploitant l'intelligence artificielle (IA) pour identifier pour la première fois les signatures électriques de différents types de cellules cérébrales, dans le cadre d'une étude chez des souris dirigée par des chercheurs de l'UCL.
Les cerveaux sont constitués de nombreux types de neurones différents (cellules nerveuses dans le cerveau), chacune étant censée jouer des rôles différents dans le traitement des informations. Les scientifiques ont longtemps pu utiliser des électrodes pour enregistrer l'activité des neurones en détectant les «pointes» électriques qu'ils génèrent tout en remplissant les fonctions cérébrales.
Bien que l'enregistrement des pointes se soit révélé inestimable pour surveiller l'activité des neurones individuels au plus profond du cerveau, jusqu'à présent, la méthode a été « aveugle '' au type de neurone enregistré – ce qui rend impossible d'identifier comment différents neurones contribuent à l'opération globale du cerveau.
Dans une nouvelle étude, publiée dans Cellulel'équipe de recherche a surmonté ce problème en identifiant les «signatures électriques» distinctes de différents types de neurones dans le cerveau de la souris, en utilisant de brèves impulsions de lumière bleue pour déclencher des pointes dans des types de cellules spécifiques (une méthode appelée optogénétique).
Ils ont créé une bibliothèque des différentes signatures électriques pour chaque type de neurone, ce qui leur a ensuite permis de former un algorithme d'IA qui peut reconnaître automatiquement cinq types de neurones différents avec une précision à 95% sans autre avoir besoin d'outils génétiques. L'algorithme a également été validé sur les données d'enregistrement du cerveau de singes.
Les chercheurs disent qu'ils ont surmonté un obstacle majeur à pouvoir utiliser la technologie pour étudier les conditions neurologiques telles que l'épilepsie, mais qu'il reste encore « un long chemin » avant de pouvoir être utilisé dans des applications pratiques.
Pendant des décennies, les neuroscientifiques ont lutté avec le problème fondamental de l'identification de manière fiable des nombreux types de neurones différents qui sont simultanément actifs pendant le comportement. Notre approche nous permet désormais d'identifier les types de neurones avec plus de 95% de précision chez la souris et chez les singes.
Cette avancée permettra aux chercheurs d'enregistrer des circuits cérébraux car ils effectuent des comportements complexes tels que le mouvement. Comme les portes logiques sur une puce informatique, les neurones du cerveau sont des unités informatiques élémentaires qui se présentent en plusieurs types. Notre méthode fournit un outil pour identifier la plupart des portes logiques du cerveau en action en même temps. Avant, cela ne pouvait être fait qu'un à la fois et à un coût beaucoup plus élevé. «
Dr Maxime Beau, co-prime auteur de l'étude de l'UCL Wolfson Institute for Biomedical Research
Les auteurs disent que le fait que l'algorithme peut être appliqué entre différentes espèces lui donne un énorme potentiel pour être élargi à d'autres animaux et, éventuellement, à l'homme.
À court terme, la nouvelle technique signifie que, au lieu de nécessiter un génie génétique complexe pour étudier le cerveau, les chercheurs pourraient utiliser n'importe quel animal normal pour étudier ce que font différents neurones et comment ils interagissent les uns avec les autres pour générer un comportement.
L'un des objectifs ultimes est de pouvoir étudier les troubles neurologiques et neuropsychiatriques tels que l'épilepsie, l'autisme et la démence, dont beaucoup sont censés impliquer des changements dans la façon dont les différents types de cellules dans le cerveau interagissent.
Le professeur Beverley Clark, un auteur principal de l'étude de l'UCL Wolfson Institute for Biomedical Research, a déclaré: « Tout comme de nombreux instruments différents dans un orchestre contribuent au son d'une symphonie, le cerveau s'appuie sur de nombreux types de neurones distincts pour créer le comportement complexe que les humains et d'autres animaux présentent. Notre travail est analogue à l'apprentissage du son que chaque instrument fait et ensuite à l'enseignement d'un algorithme pour reconnaître la contribution.
«Être capable d'observer cette« symphonie neurale »du cerveau en action a été un défi fondamental dans les neurosciences depuis plus de 100 ans, et nous avons maintenant une méthode pour le faire de manière fiable.
« Bien que la technologie soit loin de pouvoir être utilisée pour étudier des conditions neurologiques telles que l'épilepsie, nous avons maintenant surmonté un obstacle majeur pour atteindre cet objectif. En fait, certains enregistrements de l'activité du cerveau humain vivant ont déjà été enregistrés chez les patients pendant la chirurgie, puis notre technique pour étudier ces enregistrements pour mieux comprendre comment nos cerveaux fonctionnent, d'abord dans la santé puis dans la maladie. »
Une meilleure compréhension du fonctionnement de notre cerveau pourrait ouvrir la voie à certaines avancées révolutionnaires en science médicale, dont certaines sont déjà à l'horizon.
Les interfaces humaines de cerveau à composition, ou implants neuronaux, sont une telle possibilité. Les recherches en cours au UCSF Weill Institute for Neurosciences, par exemple, ont permis à un homme paralysé de contrôler un bras robotique en utilisant un implant neural pendant sept mois record. Comme la présente étude, ce travail a également été informé en étudiant les modèles électriques dans le cerveau des animaux et en utilisant l'IA pour reconnaître automatiquement ces modèles.
Les auteurs disent que la nouvelle technique pour différencier les types de neurones pourrait aider à améliorer les implants neuronaux en enregistrant plus précisément les types de cellules impliqués dans des actions particulières, afin que l'implant puisse reconnaître plus facilement des signaux spécifiques et générer la réponse appropriée.
La clé de cette technologie est de comprendre comment notre cerveau fonctionne lorsqu'il est en bonne santé, afin que tout dommage puisse être compensé. Si une personne avait un accident vasculaire cérébral et qu'une partie de son cerveau était endommagée, par exemple, vous devez comprendre comment ce bit a fonctionné avant d'envisager de concevoir un implant pour reproduire cette fonctionnalité.
Le professeur Michael Häusser, auteur principal de l'étude de l'UCL Division of Medicine et de l'Université de Hong Kong, a déclaré: « Ce projet est devenu vie grâce à la convergence de trois innovations critiques: l'utilisation de la biologie moléculaire pour réussir à » tag « différents types de neurones en utilisant l'apprentissage en profondeur.
« Surtout, la synergie de notre équipe a été absolument instrumentale. Les laboratoires partenaires de l'UCL, Baylor, Duke et Bar Ilan University ont tous contribué des pièces critiques au puzzle. Tout comme le cerveau, le tout est plus grand que la somme de ses parties. »
La base de données rassemblée par l'équipe est disponible gratuitement et l'algorithme est open source, ce qui signifie que les scientifiques du monde entier peuvent utiliser ces ressources pour la recherche neurologique.
Cette recherche a été financée par le financement de Wellcome, National Institutes of Health (NIH), European Research Council (ERC) et du programme de recherche et d'innovation Horizon 2020 de l'Union européenne.
