Un nouveau système d’imagerie cérébrale suit près de 200 neurones à la fois

Les chercheurs sondent plus profondément l’activité cérébrale vivante grâce à l’imagerie optique à grande vitesse

Une nouvelle plateforme d’imagerie décrite dans Nature Methods pourrait élargir la façon dont les scientifiques étudient le traitement de l’information dans le cerveau en captant l’activité électrique de près de 200 neurones en même temps dans du tissu vivant. Le système, appelé FlatMux, est conçu pour enregistrer des signaux rapides, faibles et généralement difficiles à observer à grande échelle, en particulier en profondeur dans le cerveau.

Ce travail répond à un défi technique de longue date en neurosciences. Les circuits cérébraux fonctionnent grâce à des réseaux denses de neurones qui calculent en parallèle, mais de nombreux outils existants ne peuvent pas échantillonner suffisamment de cellules à la fois, n’atteignent pas une profondeur suffisante ou ne sont pas assez rapides pour saisir des événements électriques rapides avec une fidélité utile. La nouvelle plateforme vise à améliorer ces trois contraintes simultanément.

Selon le texte source fourni, FlatMux peut enregistrer l’activité de près de 200 neurones sur un ou plusieurs plans simultanément, à des profondeurs allant jusqu’à 500 micromètres et à des cadences pouvant atteindre 2 000 images par seconde. Le système atteindrait apparemment un taux de balayage de 150 millions d’échantillons par seconde tout en minimisant l’énergie nécessaire pour détecter de manière fiable l’activité de neurones individuels.

Ces performances comptent, car les signaux électriques se déploient sur des échelles de temps très courtes. Une méthode trop lente peut manquer des dynamiques importantes. Une méthode qui ne peut pas imager assez profondément peut exclure des couches pertinentes du cortex. Et une méthode qui ne capture qu’un petit nombre de cellules à la fois peut peiner à révéler le fonctionnement réel du traitement distribué dans les réseaux vivants.

Pourquoi l’imagerie électrique est plus difficile que d’observer des neurones qui s’illuminent

Les neuroscientifiques disposent de nombreuses façons d’étudier le cerveau, mais chacune implique des compromis. Les sondes à électrodes peuvent détecter directement l’activité électrique, mais elles sont invasives et ne fournissent pas naturellement la même vue optique de la position ou de l’identité d’une cellule. Les méthodes optiques fondées sur la fluorescence peuvent préserver l’information spatiale, mais elles ont longtemps été limitées par la force du signal, la vitesse, le champ de vision ou la profondeur d’imagerie.

C’est l’écart que l’équipe de Rockefeller cherche à réduire. En imagerie directe de l’activité électrique par fluorescence, les chercheurs peuvent non seulement voir quand les neurones sont actifs, mais aussi en déduire leur localisation et le type de cellules auquel ils appartiennent peut-être. En principe, cela facilite l’établissement d’un lien entre le comportement des circuits, l’anatomie et l’identité cellulaire au sein d’une même expérience.

La motivation scientifique plus large de l’étude est simple : comprendre le fonctionnement du cerveau exige de dépasser les descriptions d’une cellule unique pour aller vers des explications à l’échelle du réseau. Le texte source formule le problème exactement en ces termes. Pendant des années, une grande partie du domaine s’est concentrée sur les propriétés de réponse des neurones individuels. Mais la sensation, le comportement et la cognition émergent de grands ensembles de cellules qui interagissent à travers les couches et l’espace.

Capturer ces relations en temps réel a été difficile. Les signaux sont faibles, le tissu est complexe, et accroître la puissance d’imagerie peut créer des contraintes pratiques et biologiques. FlatMux semble être une tentative d’optimiser ces limites en réduisant le coût énergétique de la détection de l’activité d’un seul neurone tout en faisant évoluer la stratégie de balayage suffisamment pour couvrir rapidement de nombreux neurones.

Ce que FlatMux semble rendre possible

L’affirmation la plus importante du matériau source n’est pas simplement que la plateforme est plus rapide. C’est que la sensibilité, la vitesse et la profondeur combinées pourraient permettre aux chercheurs de cartographier des neurones fonctionnellement connectés entre eux et qui interagissent de manière causale. Cette distinction est significative. De nombreuses expériences peuvent montrer une corrélation, mais comprendre comment l’activité se propage dans les circuits du tissu cérébral vivant nécessite des outils capables d’observer de nombreuses cellules pertinentes en même temps dans des conditions réalistes.

Si le système fonctionne comme décrit, les chercheurs pourraient commencer à étudier comment les motifs d’information se déplacent à travers les couches corticales au lieu d’examiner des instantanés isolés de petits sous-ensembles de cellules. Cela soutiendrait des travaux sur le traitement sensoriel, la dynamique des réseaux et les mécanismes par lesquels des groupes de neurones génèrent collectivement le comportement.

La profondeur est particulièrement importante ici. Imager jusqu’à 500 micromètres signifie que les chercheurs peuvent observer l’activité plus profondément sous la surface que ne le permettent confortablement de nombreuses approches optiques. Cela augmente la probabilité de capturer des interactions entre plusieurs couches d’organisation corticale, et pas seulement les composants les plus superficiels.

La capacité signalée de fonctionner sur un ou plusieurs plans à la fois compte également. La computation neuronale est intrinsèquement tridimensionnelle. Les interactions importantes ne s’alignent pas proprement dans une seule coupe plane. Une plateforme capable d’échantillonner plusieurs plans tout en conservant une grande vitesse a plus de chances de représenter la structure réelle des circuits.

De la neuro­science d’un seul neurone à la computation distribuée

Alipasha Vaziri, qui dirige le Laboratoire de neurotechnologie et de biophysique de Rockefeller, affirme dans le texte source que le domaine évolue d’une compréhension du cerveau comme un ensemble de propriétés de réponse individuelles vers une compréhension comme un système hautement interconnecté qui effectue une computation distribuée. C’est un changement à la fois conceptuel et technique.

Les outils façonnent les théories. Lorsque les méthodes ne permettent aux scientifiques de surveiller correctement que quelques neurones, l’unité naturelle d’analyse devient la cellule individuelle. À mesure que les instruments s’améliorent, l’unité d’analyse peut devenir le circuit, la couche ou le réseau distribué. FlatMux est présenté comme un outil susceptible d’aider à rendre cette transition possible en rendant l’imagerie électrique à plus grande échelle plus pratique dans du tissu vivant.

Cela ne signifie pas que les questions difficiles soient résolues. Une meilleure observation ne se traduit pas automatiquement par une théorie complète de la computation cérébrale. Mais elle peut changer le type de questions accessibles expérimentalement. Les chercheurs pourraient être mieux placés pour se demander comment l’information se transforme en traversant des groupes de neurones interconnectés, comment les motifs d’activité se synchronisent ou divergent, et comment des types cellulaires particuliers contribuent à des computations partagées.

Une avancée technique aux implications de recherche étendues

L’étude est présentée comme une plateforme de référence en neurotechnologie optique. Si cela se confirme dans les travaux ultérieurs, sa valeur dépassera celle d’un seul laboratoire. Les méthodes qui améliorent le compromis entre vitesse, échelle et profondeur deviennent souvent une infrastructure essentielle pour de nombreux types d’expériences, surtout en neurosciences des systèmes.

Pour l’instant, l’idée essentielle est que les chercheurs ont décrit une manière d’imager l’activité électrique de bien plus de neurones, à plus grande profondeur et à plus grande vitesse qu’il n’a généralement été possible avec des approches optiques comparables. Dans un domaine où le défi central consiste à comprendre comment d’immenses nombres de neurones interconnectés calculent ensemble, c’est une avancée significative.

Le cerveau reste difficile à observer selon ses propres termes. Mais une plateforme capable de suivre près de 200 neurones à la fois dans du tissu vivant, tout en conservant le contexte spatial et le type cellulaire, pourrait offrir aux scientifiques une vision plus claire de la façon dont la cognition émerge des circuits plutôt que de parties isolées. C’est la promesse derrière FlatMux, et c’est pourquoi cette avancée technique se distingue comme plus qu’une simple amélioration incrémentale de l’imagerie.

Cet article est basé sur un reportage de Medical Xpress. Lire l’article original.