Le Blue Brain Project crée des neurones avec les mathématiques

Santiago Ramón y Cajal, médecin espagnol du début du 19^e siècle, est généralement considéré comme le père des neurosciences modernes. Il a regardé dans un microscope jour et nuit pendant des années, fasciné par les neurones colorés chimiquement qu’il trouvait dans des coupes de tissu cérébral humain. À la main, il a minutieusement dessiné pratiquement tous les nouveaux types de neurones qu’il a découverts, en utilisant uniquement un crayon et du papier. À la manière de Charles Darwin, il a cartographié chaque détail de la forêt de neurones qui composent le cerveau, les appelant les «papillons du cerveau». Aujourd’hui, 200 ans plus tard, le Blue Brain Project a trouvé une manière de se passer de l’œil humain, du crayon et du papier, en utilisant seulement les mathématiques pour dessiner automatiquement les neurones en 3D sous forme de jumeaux numériques. Les mathématiques peuvent désormais être utilisées pour capturer tous les «papillons du cerveau», ce qui nous permet d’avoir recours aux ordinateurs pour créer tous les milliards de neurones qui composent le cerveau. Et cela signifie que nous nous rapprochons de la possibilité de créer des jumeaux numériques de cerveaux.

Ces milliards de neurones forment des trillions de synapses, où les neurones communiquent entre eux. Une telle complexité nécessite des modèles de neurones complets et des réseaux cérébraux détaillés reconstruits avec précision afin de reproduire les états sains et pathologiques du cerveau. Au cours de l’histoire, les efforts menés pour créer de tels modèles et réseaux ont été entravés par le manque de données expérimentales disponibles. Mais aujourd’hui, les scientifiques du Blue Brain Project de l’EPFL ont créé un algorithme qui n’a besoin que de quelques exemples pour générer un grand nombre de cellules uniques, en utilisant la topologie algébrique, un domaine des mathématiques. Grâce à cet algorithme, la synthèse topologique des neurones (TNS), ils peuvent synthétiser efficacement des millions de morphologies neuronales uniques.

L’algorithme TNS est d’une extrême importance pour le domaine en pleine expansion des neurosciences computationnelles. Ce dernier s’appuie de plus en plus sur des modèles biologiquement réalistes, du niveau de la cellule unique aux réseaux neuronaux à grande échelle. Les morphologies neuronales précises, en particulier, sont au cœur de ces efforts car elles sont indispensables pour définir les types de cellules, discerner leurs rôles fonctionnels, étudier les altérations structurelles associées aux états pathologiques du cerveau et identifier les conditions qui rendent les réseaux cérébraux suffisamment robustes pour assurer les processus corticaux complexes qui sont fondamentaux pour un cerveau sain. Ainsi, il est essentiel de reconstruire avec précision les réseaux cérébraux détaillés afin de reproduire les états sains et pathologiques du cerveau.

Dans un article publié dans la revue Cell Reports, une équipe dirigée par Lida Kanari a appliqué le TMD (descripteur de morphologie topologique) introduit dans Kanari et al. 2018, qui classe de manière fiable les morphologies dendritiques, pour synthétiser numériquement les morphologies dendritiques de toutes les couches et de tous les types morphologiques du cortex des rongeurs. Les avantages de cette approche basée sur la topologie sont multiples, car le nouvel algorithme TNS est généralisable à de nouveaux types de cellules, nécessite peu de données d’entrée et ne requiert pas de réglage fin car il capture les corrélations entre les caractéristiques.

Permettre la reconstruction numérique rapide d’aires cérébrales entières à partir d’un nombre relativement faible de cellules de référence.

L’algorithme TNS guidé par l’architecture topologique des dendrites génère des morphologies réalistes pour un grand nombre de types de cellules neuronales corticales distinctes avec des propriétés morphologiques et électriques réalistes. Il a ainsi été possible de reconstruire rapidement et numériquement des aires cérébrales entières à partir d’un nombre relativement faible de cellules de référence, ce qui a permis d’étudier les liens entre les morphologies neuronales et les fonctions cérébrales à différentes échelles spatio-temporelles et de remédier aux reconstructions biologiques insuffisantes. Une validation en plusieurs étapes, documentée dans l’article, garantit que les cellules synthétisées reproduisent les formes des neurones reconstruits par rapport à trois modalités: 1. Leurs caractéristiques morphologiques, 2. L’activité électrique des cellules uniques et, 3. La connectivité du réseau qu’elles forment.

Lida Kanari explique: «Les résultats permettent déjà à Blue Brain de réaliser des reconstructions et des simulations biologiquement détaillées du cerveau de la souris, en reconstruisant par calcul les aires cérébrales pour des simulations qui reproduisent les propriétés anatomiques des morphologies neuronales et incluent l’anatomie spécifique à une aire. Nous abordons l’un des problèmes fondamentaux des neurosciences, c’est-à-dire la rareté des reconstructions neuronales expérimentales, puisque la synthèse topologique n’a besoin que de quelques exemples pour générer un grand nombre de cellules uniques. En utilisant l’algorithme TNS, nous pouvons synthétiser efficacement des millions de morphologies neuronales uniques, 10 millions de cellules en quelques heures», conclut-elle.

Faciliter les applications médicale

«Des modèles de neurones complets sont essentiels pour définir les types de cellules, discerner leurs rôles fonctionnels et étudier les altérations structurelles associées aux états pathologiques du cerveau», affirme le fondateur et directeur de Blue Brain, Henry Markram. «Les chercheuses et chercheurs ont synthétisé des réseaux corticaux à partir des altérations structurelles des dendrites associées à des maladies et ont révélé des principes reliant les propriétés de ramification à la structure des réseaux à grande échelle.»

«L’algorithme TNS étant mis en œuvre dans un logiciel open source, il permettra de modéliser les maladies du cerveau en termes de cellules uniques et de réseaux, car il fournit un outil pour étudier directement le lien entre les propriétés morphologiques locales et la connectivité du réseau neuronal qu’elles forment. Cette approche est particulièrement intéressante pour les applications médicales car elle permet d’étudier les maladies en termes d’émergence d’une pathologie globale du réseau à partir de changements structurels locaux dans la morphologie des neurones», conclut-il.