Les neurosciences « computationnelles », entre théorie et expérimentation

REPÈRES

REPÈRES
Le cer­veau repré­sente la struc­ture la plus com­plexe jamais construite par la nature : cent mil­liards (10¹¹) de neu­rones connec­tés par un réseau d’une com­plexi­té inima­gi­nable (10¹⁴ à 10¹⁵ connexions), et qui est capable de trai­ter des infor­ma­tions très com­plexes en un temps record, comme l’a­na­lyse ins­tan­ta­née d’une scène visuelle. Ce trai­te­ment d’in­for­ma­tion se fait au tra­vers de la mise en action simul­ta­née de groupes de neu­rones qui forment des patrons d’ac­ti­vi­té spé­ci­fiques. La grande com­plexi­té du cer­veau lui per­met non seule­ment de trai­ter des infor­ma­tions com­plexes, mais aus­si elle rend le cer­veau d’au­tant plus vul­né­rable à divers dys­fonc­tion­ne­ments, qui résultent en patho­lo­gies telles que la schi­zo­phré­nie, l’é­pi­lep­sie, les troubles de la mémoire, du lan­gage, etc. Mal­gré de fortes avan­cées des neu­ros­ciences, la nature du » code » neu­ro­nal et le fonc­tion­ne­ment de ces cir­cuits neu­ro­naux gardent encore la plu­part de leurs secrets à l’heure actuelle.

Une dis­ci­pline rela­ti­ve­ment récente et très dyna­mique, les neu­ros­ciences com­pu­ta­tion­nelles¹, pro­pose de rele­ver le défi de la com­pré­hen­sion du cer­veau. Cette dis­ci­pline com­bine l’ex­pé­ri­men­ta­tion avec la théo­rie et les simu­la­tions numé­riques, ce qui per­met d’ou­vrir toute une série de pos­si­bi­li­tés nou­velles au niveau scien­ti­fique et d’ap­pli­ca­tions technologiques.

Un modèle sim­pli­fié du neu­rone a été conçu dès 1907

À la base, cette dis­ci­pline com­bine donc des spé­cia­listes d’ho­ri­zons dif­fé­rents, tels que les bio­lo­gistes, phy­si­ciens, mathé­ma­ti­ciens, ingé­nieurs et méde­cins. Ces spé­cia­listes iden­ti­fient les prin­cipes du fonc­tion­ne­ment céré­bral et ils for­ma­lisent des modèles théo­riques qui sont ensuite tes­tés par la simu­la­tion numé­rique. Ces modèles peuvent éga­le­ment être implé­men­tés direc­te­ment sur des cir­cuits élec­tro­niques, dans le but de créer de nou­velles géné­ra­tions de cal­cu­la­teurs paral­lèles dédiés au cal­cul neuronal.

Ce domaine des neu­ros­ciences théo­riques et com­pu­ta­tion­nelles a débu­té depuis long­temps par des tra­vaux mathé­ma­tiques qui ten­taient de for­ma­li­ser la » logique » des /neurones et des cir­cuits neu­ro­naux, à l’i­mage du Fran­çais Lapicque qui for­mu­la en 1907² un modèle sim­pli­fié du neu­rone, le modèle » intègre-et-tire » (inte­grate and fire), tou­jours très uti­li­sé aujourd’hui.

Mais pour la plus grande part du XX^e siècle, les dis­ci­plines théo­riques repré­sen­taient une infime pro­por­tion de la recherche en neu­ros­ciences, qui était essen­tiel­le­ment orien­tée sur les approches expérimentales.

Ce n’est qu’au cours des der­nières décen­nies que ces dis­ci­plines théo­riques sont deve­nues des acteurs impor­tants des neu­ros­ciences. Aujourd’­hui, les publi­ca­tions des neu­ros­ciences « com­pu­ta­tion­nelles » sont deve­nues très fré­quentes dans les jour­naux tra­di­tion­nel­le­ment à domi­nance expé­ri­men­tale, ain­si que dans les jour­naux pres­ti­gieux comme Science et Nature.

Des moyens de calcul très puissants

De nou­velles thérapies
Les neu­ros­ciences « com­pu­ta­tion­nelles » peuvent éga­le­ment consti­tuer un outil d’in­ves­ti­ga­tion des dys­fonc­tion­ne­ments du cer­veau et orien­ter la recherche vers de nou­velles thé­ra­pies. Cette der­nière approche est par­ti­cu­liè­re­ment utile pour les patho­lo­gies « com­plexes » qui résultent d’in­te­rac­tions mul­tiples, comme la schi­zo­phré­nie par exemple.

Les rai­sons de ce suc­cès récent sont dues à plu­sieurs fac­teurs. Pre­miè­re­ment, les sciences des sys­tèmes com­plexes ont connu une pro­gres­sion très forte, et la com­plexi­té des signaux du cer­veau à dif­fé­rentes échelles ain­si que la forte varia­bi­li­té du monde vivant en géné­ral ne repré­sentent plus des obs­tacles insurmontables.

Ces pro­grès sont non seule­ment concep­tuels, comme la com­pré­hen­sion de com­por­te­ments com­plexes par auto-orga­ni­sa­tion à par­tir de règles d’in­te­rac­tion simples, mais aus­si, les nou­veaux outils des mathé­ma­tiques et de la phy­sique ont vu le jour et deviennent de plus en plus com­pa­tibles avec la com­plexi­té du monde vivant.

Ensuite, un fac­teur impor­tant a été l’ap­pa­ri­tion de moyens de cal­cul plus puis­sants et plus adap­tés à la simu­la­tion de sys­tèmes de neu­rones » réa­listes « , c’est-à-dire qui contiennent suf­fi­sam­ment de détails pour repro­duire les phé­no­mènes obser­vés expé­ri­men­ta­le­ment, et bien sûr d’al­ler plus loin, comme pré­dire de nou­veaux phé­no­mènes non encore observés.

Regrouper théorie et expérimentation

Mais plu­tôt que de repré­sen­ter des domaines sépa­rés, les neu­ros­ciences théo­riques et expé­ri­men­tales fonc­tionnent sou­vent ensemble, de façon synergique.

De nou­veaux cir­cuits inté­grés fonc­tion­ne­ront de façon ana­logue aux cir­cuits neuronaux

Aux USA et en Europe, il existe de nom­breux centres où les labo­ra­toires expé­ri­men­taux et théo­riques se côtoient, comme les Centres Bern­stein alle­mands ou Gats­by anglais, le Brain&Mind Ins­ti­tute et l’Ins­ti­tute of Neu­ro­in­for­ma­tics en Suisse, et les nom­breux Centres amé­ri­cains (Keck, Sloan, Swartz cen­ters, etc.)³.

Simu­la­tion de l’activité élec­trique des den­drites pen­dant les états actifs.

La France est plus timide à ce niveau, avec plu­sieurs uni­tés INSERM ou CNRS qui com­binent les exper­tises théo­riques et expé­ri­men­tales, mais aucun ins­ti­tut ou centre plus ambi­tieux n’a encore pu voir le jour⁴.

Dans la fou­lée de cette inter­ac­tion théo­rie-expé­rience, de nom­breux pro­jets euro­péens ont vu le jour, et cer­tains de ces pro­jets ont une renom­mée inter­na­tio­nale. Il faut noter l’exis­tence de pro­grammes spé­ci­fi­que­ment inter­dis­ci­pli­naires, comme le pro­gramme Future and Emer­ging Tech­no­lo­gies (FET) de la Com­mu­nau­té euro­péenne, qui vise à sub­ven­tion­ner des pro­jets ambi­tieux, ris­qués et innovants.

De nom­breux pro­jets de neu­ros­ciences, alliant la théo­rie et l’ex­pé­ri­men­ta­tion, avec des nou­velles tech­no­lo­gies, ont été sub­ven­tion­nés par ce pro­gramme. En par­ti­cu­lier, des pro­jets récents tels que FACETS , DAISY et SECO consistent à allier l’ex­pé­ri­men­ta­tion bio­lo­gique, pour carac­té­ri­ser les neu­rones et les cir­cuits neu­ro­naux, avec des approches théo­riques pour for­ma­li­ser ces prin­cipes bio­lo­giques, et ensuite l’in­gé­nie­rie pour implé­men­ter ces modèles sur des cir­cuits intégrés.

Il en résul­te­ra de nou­velles géné­ra­tions de cir­cuits inté­grés qui fonc­tion­ne­ront de façon ana­logue aux cir­cuits neu­ro­naux réels. Ces cir­cuits pour­ront être uti­li­sés pour tes­ter des prin­cipes bio­lo­giques et aider à l’ex­plo­ra­tion des pro­prié­tés des cir­cuits neu­ro­naux, sug­gé­rer de nou­velles expé­riences, etc., la boucle est bouclée.

Une des réa­li­sa­tions de ces pro­jets a été la concep­tion de cir­cuits inté­grés conte­nant un grand nombre de neu­rones de type intègre-et-tire, qui per­met­tront la simu­la­tion (ana­lo­gique) de réseaux de cen­taines de mil­liers de neu­rones, avec une vitesse de cal­cul cent mille fois plus rapide que le temps réel, une per­for­mance qui dépasse celle des plus gros cal­cu­la­teurs parallèles !

Une approche hybride

Fina­le­ment, pour illus­trer cette inter­ac­tion entre expé­ri­men­ta­tion et théo­rie, il faut noter l’é­mer­gence de nou­velles tech­niques qui allient les deux domaines. La tech­nique de dyna­mic-clamp per­met de mettre en inter­ac­tion en temps réel un neu­rone vivant (ou plu­sieurs neu­rones) avec un modèle théo­rique⁵.

Le modèle est mis en inter­ac­tion directe avec le neu­rone vivant

Cette approche » hybride » entre l’ex­pé­ri­men­ta­tion et la théo­rie per­met d’en­vi­sa­ger de nou­veaux para­digmes expé­ri­men­taux, comme l’a­jout de méca­nismes dans les neu­rones, la créa­tion de connexions contrô­lées par l’or­di­na­teur, etc. Elle a déjà per­mis de nom­breuses explo­ra­tions, comme, par exemple, de « recréer » arti­fi­ciel­le­ment les condi­tions d’un cer­veau vivant dans des neu­rones enre­gis­trés in vitro6 (figure ci-dessous).

L’as­pect le plus notoire de ce type d’ap­proche est qu’il requiert une asso­cia­tion très étroite entre les bio­lo­gistes pour la par­tie expé­ri­men­tale du dyna­mic-clamp, et des théo­ri­ciens (phy­si­ciens, mathé­ma­ti­ciens) pour la par­tie théo­rique. Mais plus encore, le modèle est mis en inter­ac­tion directe avec le neu­rone vivant, ce qui repré­sente une proxi­mi­té tout à fait inédite entre la théo­rie et l’ex­pé­rience en neu­ros­ciences, les théo­ri­ciens n’ont jamais été aus­si proches des expérimentateurs !

Alté­rer les interactions
Tech­ni­que­ment, le dyna­mic-clamp est basé sur le fait que le neu­rone fonc­tionne grâce à une série de conduc­tances mem­bra­naires, et qu’il est pos­sible d’a­jou­ter expé­ri­men­ta­le­ment une conduc­tance à un neu­rone (ou neu­tra­li­ser une conduc­tance exis­tante) par injec­tion de cou­rant au moyen d’une élec­trode intra­cel­lu­laire. Comme les neu­rones inter­agissent via l’ac­ti­va­tion de conduc­tances, il est donc pos­sible d’al­té­rer ces inter­ac­tions en intro­dui­sant des conduc­tances arti­fi­cielles géné­rées par ordi­na­teur. Il faut, bien sûr, dis­po­ser d’un modèle mathé­ma­tique pré­cis de cette conduc­tance pour pou­voir la simu­ler numériquement.

1. Le terme » com­pu­ta­tion­nel » est à prendre dans son sens géné­ral (Com­pu­ta­tio­nal en anglais), qui sous-entend à la fois le cal­cul au sens infor­ma­tique du terme et la notion de trai­te­ment d’in­for­ma­tion par les neurones.
2. Lapicque L. Recherches quan­ti­ta­tives sur l’ex­ci­ta­tion élec­trique des nerfs trai­tée comme une pola­ri­sa­tion. J. Phy­siol. (Paris) 9 : 620–635 (1907).
3. Pour une liste des centres de neu­ros­ciences com­pu­ta­tion­nelles, voir : http://home.earthlink.net/~perlewitz/centers.html
4. Fau­ge­ras O., Fré­gnac Y., Samue­lides M. A future for sys­tems and com­pu­ta­tio­nal neu­ros­cience in France ? J. Phy­siol. (Paris) 101 : 1–3 (2007).
5. Pour plus de détails, voir : 
– Cud­more R. H. and Prinz A. A. Dyna­mic-clamp. Scho­lar­pe­dia http://www.scholarpedia.org/article/Dynamic_clamp 
– Des­texhe A. and Bal T. (Edi­tors) Dyna­mic-clamp : From Prin­ciples to Appli­ca­tions, Sprin­ger, New York, 2009.
6. Des­texhe A. High-conduc­tance states. Scho­lar­pe­dia 2 (11) : 1341 (2007)
http://www.scholarpedia.org/article/Highconductance_ state

---

Articles similaires :

L’industrie phar­ma­ceu­tique au ser­vice des neurosciences Les Neu­ros­ciences : de l’étude du sys­tème ner­veux à celle de la pensée Le cer­veau en couleurs Quan­ti­fier la beauté L’Institut du Cer­veau : en 2023, cap sur l’innovation !