Informations

Comment les schémas de tir résultent-ils de l'activité de nombreux canaux ioniques ?

Comment les schémas de tir résultent-ils de l'activité de nombreux canaux ioniques ?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Dans sa réponse à une autre question, Bryan Krause dit :

Les canaux ioniques ne présentent aucun schéma de décharge : les neurones présentent des schémas de décharge qui dépendent de tous les canaux présents […].

Je le comprends de cette façon : Le modèle de tir observable et mesurable1 du neurone (créé au niveau de la zone de déclenchement) est la superposition linéaire de minuscules « modèles de tir2" de tous les canaux ioniques (dépendants de la tension) au niveau de la zone de déclenchement, qui dépendent à leur tour des probabilités d'ouverture et de fermeture qui sont les mêmes pour tous les canaux ioniques du même type et obéissent à une loi de type Hodgkin-Huxley. Ces les probabilités correspondent directement à la forme du modèle de tir1.

Le rythme avec lequel chaque canal sodique s'ouvre et se ferme ("modèle de tir2") n'a pas à imiter le modèle de tir1 exactement, seulement grossièrement et de manière probabiliste : les ticks d'ouverture-fermeture doivent se produire près des pointes du schéma de tir1, mais pas exactement et pas à chaque pointe. Et certaines valeurs aberrantes complètes sont autorisées. Le reste est superposition.

Voir les choses de cette façon, les canaux ioniques individuels faire présenter des « modèles de tir2", mais ceux-ci peuvent sembler assez différents du modèle de tir1 (mais pas complètement).

Ce genre de raisonnement est-il correct ?

Si oui : Peut-on tirer la conclusion suivante : L'échelle de temps d'un schéma de tir1 dépend du nombre de canaux ioniques dans la zone de déclenchement ? Cela peut être vu en regardant le temps de montée d'un seul potentiel d'action : s'il n'y a qu'un seul canal sodium, le temps de montée sera plus long, s'il y en a beaucoup, il sera plus petit. Cette corrélation est-elle strictement linéaire ?


En règle générale, les activités des canaux ioniques ne sont pas appelées schémas de déclenchement, car en neurosciences, nous nous référons à « déclenchement » lorsque nous entendons l'élicitation de potentiels d'action (pointes) mais oui : chaque fois qu'un AP était déclenché, une quantité suffisante de canaux sodiques devait être ouverte. et donc je pense que votre raisonnement est correct. En d'autres termes, ce que vous dites, c'est que les conductances effectives des canaux changent au cours d'un potentiel d'action.

Sur votre conclusion : dans le régime des paramètres naturels, l'échelle de temps du modèle de tir 1 dépend principalement des constantes de temps des canaux ioniques dépendants de la tension et pas tellement du nombre absolu de canaux (surtout si toutes les conductances s'échelonnent également). Dans le monde de Hodgin-Huxley, comme les systèmes dynamiques couplés et non linéaires, la tension ne ne pas escalader strictement linéaire avec augmentation de la participation max. conductances. L'interaction de max. la conductance et la dynamique de déclenchement temporelle résultant en la conductance effective elle-même dépend de la tension et il existe des non-linéarités. Ainsi, la corrélation entre le nombre de canaux et le temps de montée AP ne devrait pas être strictement linéaire.

Voir la figure pour un petit exemple : j'ai testé mon raisonnement en augmentant le max. conductance pour le canal sodium d'un modèle HH simple et vérifié le max. pente de la tension (normalisée par la tension de crête).

Espérons que cela répond à vos questions).


Permettez-moi de résumer ce que je crois avoir appris des commentaires de Jojo et Bryan sous la forme d'une visualisation : La courbe rouge est la probabilité régissant l'état ouvert et fermé d'un canal ionique (en fonction du temps - nous voyons deux pointes) Le pointillé les schémas ci-dessous montrent 50 canaux ioniques oscillant entre les états ouverts (noir) et fermés (blanc), selon la probabilité d'être ouvert. La fine courbe noire est une moyenne étalée du premier canal ionique ouvert (montrant deux légères élévations, c'est-à-dire sur une échelle de temps plus grossière une sorte de "modèle de tir" - veuillez me pardonner, Bryan). La courbe noire grasse est la moyenne étalée de tous les canaux ioniques. La courbe bleue est le nombre de canaux ouverts à un moment donné qui est en quelque sorte proportionnel à la conductance, au courant et/ou à la tension mesurés. Le bruit est important en raison du petit nombre (25) de canaux ioniques.

Pour 200 canaux ioniques et superposant les 200 motifs, cela ressemblerait à ceci :

Trouvez une image à plus haute résolution ici.

Voir deux scénarios biologiques connexes ici et ici.


Andrea Meredith : Comment la dynamique du canal BK sous-tend-elle la rythmicité circadienne ?

Andrea Meredith (professeur agrégé, Université du Maryland), étudie comment le canal potassique BK aide à réguler les rythmes circadiens. Les canaux BK sont des canaux potassiques voltage-activés avec des sites de liaison au calcium intracellulaire et se trouvent près des sites de libération de calcium dans la cellule. On pense que la liaison du calcium déplace la sensibilité de tension du canal vers une plage physiologique. L'activation de ces canaux peut hyperpolariser la membrane de 10 à 20 mV.

Les canaux BK sont largement exprimés, mais largement modulés en fonction du tissu dans lequel ils sont exprimés. Les changements dans l'épissage alternatif, les sous-unités modulatrices et la localisation par rapport aux sources de calcium contribuent à la variation des propriétés des canaux dans différents tissus. Cette diversité a des effets profonds sur les propriétés membranaires et la physiologie des cellules.

De nombreux phénotypes résultent de la perturbation de ce canal - des études humaines montrent une épilepsie familiale, une dyskinésie, l'autisme et une variété d'autres symptômes non neurologiques, car les canaux BK sont exprimés dans tout le corps. Les modèles animaux de dysfonction BK présentent des problèmes de rythme circadien, de locomotion, d'audition, d'apprentissage et de mémoire, et de convulsions, entre autres symptômes.

Le laboratoire du Dr Meredith se concentre sur le système circadien. Le noyau suprachiasmatique (SCN) abrite 20 000 neurones qui se déclenchent de manière rythmique et modifient leur activité en réponse au jour ou à la nuit pour générer des comportements appropriés. Une boucle de rétroaction transcription-traduction activée par la lumière réinitialise l'horloge interne chaque jour, mais ce mécanisme peut continuer à fonctionner correctement en l'absence de lumière.

Les cultures en tranches du SCN continuent leur tir rythmique et leurs schémas d'activité jour-nuit. Quels canaux ioniques entraînent ce taux d'allumage ? De nombreux canaux modifient leurs niveaux d'expression ou leur comportement le jour par rapport à la nuit. Les canaux BK ont des courants plus importants la nuit et des courants plus faibles pendant la journée. Les niveaux d'expression de BK augmentent la nuit, même si les souris sont élevées dans l'obscurité, mais changent si les gènes d'horloge classiques sous-jacents à l'horloge circadienne sont mutés. Cela fait de BK l'une des seules cibles de canaux ioniques connues de la boucle de rétroaction circadienne.

Les knock-out du canal BK présentent un tir normal pendant la journée, mais un tir hyperactif la nuit. Ces animaux sont actifs tout le temps, au lieu de juste la nuit. Les mutants à gain de fonction BK ont un courant accru pendant la journée, égal aux niveaux nocturnes. Cela diminue le tir pendant la journée et rend le circuit largement arythmique, mais a moins de conséquences comportementales que le coup de grâce.

Comment la régulation du BK explique-t-elle ces phénotypes ? Le laboratoire s'est concentré sur la sous-unité modulatrice bêta-2, car c'est la seule sous-unité exprimée dans le SCN qui peut inactiver le canal. La perte de bêta-2 élimine l'inactivation des canaux et la différence jour-nuit du courant BK. Les niveaux de bêta-2 ne changent pas au cours du cycle circadien, mais comme l'expression de la sous-unité alpha change constamment, le rapport entre BK et bêta-2 change également.

La sous-unité bêta-2 peut modifier les propriétés du canal BK d'autres manières en plus de l'inactiver, notamment en déplaçant vers la gauche la dépendance à la tension et en ralentissant la cinétique. Cependant, le sauvetage des knock-out bêta-2 avec uniquement l'extrémité N-terminale de la sous-unité bêta-2, un peptide de 45 acides aminés qui est connu pour médier uniquement l'inactivation, était suffisant pour restaurer les différences de tir jour-nuit.

L'application de ce peptide inactivant la nuit a changé les niveaux de courant BK nocturnes en niveaux diurnes, et l'excitabilité neuronale augmente aux niveaux diurnes. D'autres travaux sur le mécanisme ont montré que ces changements de taux de décharge sont dus à des changements dans le potentiel membranaire de base dans les neurones du SCN.

Le laboratoire s'intéresse actuellement aux travaux récents sur la façon dont les différences jour-nuit des courants SCN BK diminuent avec le vieillissement, et comment cette différence pourrait être restaurée. Son laboratoire étudie également la dynamique circadienne des canaux BK dans de nombreux autres tissus.

Lectures complémentaires :

Farajnia, Sahar, Johanna H Meijer et Stephan Michel. 2015. « Changements liés à l'âge dans les canaux potassiques activés par le calcium à grande conductance dans les neurones de l'horloge circadienne de mammifères ». Neurobiologie du vieillissement 36 (6).

Montgomery, Jenna R et Andrea L Meredith. 2012. "L'activation génétique des courants BK in Vivo génère des effets bidirectionnels sur l'excitabilité neuronale." Actes de l'Académie nationale des sciences des États-Unis d'Amérique 109 (46)

Montgomery, Jenna R, Joshua P Whitt, Breanne N Wright, Michael H Lai et Andrea L Meredith. 2013. "Une mauvaise expression du canal BK K(+) perturbe la rythmicité du circuit du noyau suprachiasmatique et modifie le comportement contrôlé par l'horloge." Journal américain de physiologie. Physiologie cellulaire 304 (4)


Résumé

Diverses études, principalement au cours des 5 dernières années, ont démontré qu'en plus de leur fonction bien décrite de régulation de l'excitabilité électrique, les canaux ioniques voltage-dépendants participent aux voies de signalisation intracellulaires. Les canaux peuvent activer directement des enzymes liées aux voies de signalisation cellulaire, servir de molécules d'adhésion cellulaire ou de composants du cytosquelette, et leur activité peut altérer l'expression de gènes spécifiques. Ici, je passe en revue ces résultats et discute de la mesure dans laquelle les mécanismes moléculaires d'une telle signalisation sont compris.


Résumé

Les cellules électriquement excitables, telles que les neurones, présentent une grande diversité dans leurs schémas de déclenchement, conséquence de la collection complexe de canaux ioniques présents dans toute cellule spécifique. Bien que de nombreuses méthodes soient capables de mesurer les signaux électriques cellulaires, comprendre quels types de canaux ioniques donnent naissance à ces signaux reste un défi important. Ici, nous décrivons des sondes exogènes qui utilisent un nouveau mécanisme pour signaler l'activité des canaux voltage-dépendants. Nous avons synthétisé des dérivés chimiosélectifs de la toxine de tarentule guangxitoxine-1E (GxTX), un peptide inhibiteur à nœud de cystine qui se lie sélectivement aux canaux potassiques voltage-dépendants de type Kv2. Nous constatons que l'activation de la tension des canaux Kv2.1 déclenche la dissociation GxTX, et donc la liaison GxTX marque dynamiquement l'activation Kv2. Nous identifions les résidus GxTX qui peuvent être remplacés par des acides aminés porteurs de thiols ou d'alcynes, sans perturber le repliement ou l'activité des toxines, et ligaturons de manière chimiosélective des fluorophores ou des sondes d'affinité à ces sites. Nous constatons que les conjugués GxTX-fluorophore colocalisent avec les clusters Kv2.1 dans les cellules vivantes et sont libérés des canaux activés par des stimuli de tension. L'activation de Kv2.1 peut être détectée avec des concentrations de sonde qui ont un impact négligeable sur les courants cellulaires. Des mutants chimiosélectifs GxTX conjugués à des billes dendrimériques se lient également aux cellules vivantes exprimant Kv2.1, et les billes sont libérées par activation de canal. Ces capteurs optiques de changement de conformation sont des prototypes de sondes qui peuvent indiquer quand les canaux ioniques contribuent à la signalisation électrique.


Contenu

Richard Caton a découvert l'activité électrique dans les hémisphères cérébraux des lapins et des singes et a présenté ses découvertes en 1875. [2] Adolf Beck a publié en 1890 ses observations d'activité électrique spontanée du cerveau de lapins et de chiens qui incluaient des oscillations rythmiques altérées par la lumière détectée avec électrodes directement placées à la surface du cerveau. [3] Avant Hans Berger, Vladimir Vladimirovich Pravdich-Neminsky a publié le premier EEG animal et le potentiel évoqué d'un chien. [4]

Les oscillations neuronales sont observées dans tout le système nerveux central à tous les niveaux, et comprennent des trains de pointes, des potentiels de champ locaux et des oscillations à grande échelle qui peuvent être mesurées par électroencéphalographie (EEG). En général, les oscillations peuvent être caractérisées par leur fréquence, leur amplitude et leur phase. Ces propriétés de signal peuvent être extraites d'enregistrements neuronaux à l'aide d'une analyse temps-fréquence. Dans les oscillations à grande échelle, les changements d'amplitude sont considérés comme résultant de changements de synchronisation au sein d'un ensemble neuronal, également appelé synchronisation locale. En plus de la synchronisation locale, l'activité oscillatoire de structures neurales distantes (neurones uniques ou ensembles neuraux) peut se synchroniser. Les oscillations neuronales et la synchronisation ont été liées à de nombreuses fonctions cognitives telles que le transfert d'informations, la perception, le contrôle moteur et la mémoire. [5] [6] [7]

Les oscillations neuronales ont été le plus largement étudiées dans l'activité neuronale générée par de grands groupes de neurones. L'activité à grande échelle peut être mesurée par des techniques telles que l'EEG. En général, les signaux EEG ont un large contenu spectral similaire au bruit rose, mais révèlent également une activité oscillatoire dans des bandes de fréquences spécifiques. La première bande de fréquences découverte et la plus connue est l'activité alpha (8-12 Hz) [8] qui peut être détectée à partir du lobe occipital lors d'un état de veille détendu et qui augmente lorsque les yeux sont fermés. [9] Les autres bandes de fréquences sont : delta (1 à 4 Hz), thêta (4 à 8 Hz), bêta (13 à 30 Hz), gamma faible (30 à 70 Hz) et gamma élevé (70 à 150 Hz) bandes de fréquences, où des rythmes plus rapides tels que l'activité gamma ont été liés au traitement cognitif. En effet, les signaux EEG changent considérablement pendant le sommeil et montrent une transition de fréquences plus rapides vers des fréquences de plus en plus lentes telles que les ondes alpha. En fait, les différents stades du sommeil sont généralement caractérisés par leur contenu spectral. [10] Par conséquent, les oscillations neuronales ont été liées à des états cognitifs, tels que la conscience et la conscience. [11] [12]

Bien que les oscillations neuronales de l'activité cérébrale humaine soient principalement étudiées à l'aide d'enregistrements EEG, elles sont également observées à l'aide de techniques d'enregistrement plus invasives telles que les enregistrements unitaires. Les neurones peuvent générer des schémas rythmiques de potentiels d'action ou de pointes. Certains types de neurones ont tendance à se déclencher à des fréquences particulières, appelées résonateurs. [13] L'éclatement est une autre forme de dopage rythmique. Les schémas de pointes sont considérés comme fondamentaux pour le codage de l'information dans le cerveau. L'activité oscillatoire peut également être observée sous la forme d'oscillations de potentiel de membrane sous le seuil (c'est-à-dire en l'absence de potentiels d'action). [14] Si de nombreux neurones se synchronisent, ils peuvent donner lieu à des oscillations des potentiels de champ locaux. Les modèles quantitatifs peuvent estimer la force des oscillations neuronales dans les données enregistrées. [15]

Les oscillations neuronales sont couramment étudiées à partir d'un cadre mathématique et appartiennent au domaine de la « neurodynamique », un domaine de recherche en sciences cognitives qui met fortement l'accent sur le caractère dynamique de l'activité neuronale dans la description de la fonction cérébrale. [16] Il considère le cerveau comme un système dynamique et utilise des équations différentielles pour décrire comment l'activité neuronale évolue au fil du temps. En particulier, il vise à relier les modèles dynamiques de l'activité cérébrale aux fonctions cognitives telles que la perception et la mémoire. Sous une forme très abstraite, les oscillations neuronales peuvent être analysées analytiquement. Lorsqu'elle est étudiée dans un cadre plus physiologiquement réaliste, l'activité oscillatoire est généralement étudiée à l'aide de simulations informatiques d'un modèle informatique.

Les fonctions des oscillations neurales sont vastes et varient selon les différents types d'activité oscillatoire. Des exemples sont la génération d'activité rythmique telle qu'un battement cardiaque et la liaison neuronale de caractéristiques sensorielles dans la perception, telles que la forme et la couleur d'un objet. Les oscillations neuronales jouent également un rôle important dans de nombreux troubles neurologiques, tels qu'une synchronisation excessive lors de l'activité épileptique dans l'épilepsie ou des tremblements chez les patients atteints de la maladie de Parkinson. L'activité oscillatoire peut également être utilisée pour contrôler des dispositifs externes tels qu'une interface cerveau-ordinateur. [17]

L'activité oscillatoire est observée dans tout le système nerveux central à tous les niveaux d'organisation. Trois niveaux différents ont été largement reconnus : la micro-échelle (activité d'un seul neurone), la méso-échelle (activité d'un groupe local de neurones) et la macro-échelle (activité de différentes régions du cerveau). [18]

Microscopique Modifier

Les neurones génèrent des potentiels d'action résultant de modifications du potentiel électrique membranaire. Les neurones peuvent générer plusieurs potentiels d'action en séquence formant ce que l'on appelle des trains de pointes. Ces trains de pointes sont à la base du codage neuronal et du transfert d'informations dans le cerveau. Les trains de pointes peuvent former toutes sortes de motifs, tels que des pointes et des éclatements rythmiques, et affichent souvent une activité oscillatoire. [19] L'activité oscillatoire dans les neurones simples peut également être observée dans les fluctuations inférieures au seuil du potentiel membranaire. Ces changements rythmiques du potentiel membranaire n'atteignent pas le seuil critique et n'entraînent donc pas de potentiel d'action. Ils peuvent résulter de potentiels postsynaptiques d'entrées synchrones ou de propriétés intrinsèques des neurones.

Les pics neuronaux peuvent être classés en fonction de leurs schémas d'activité. L'excitabilité des neurones peut être subdivisée en classes I et II. Les neurones de classe I peuvent générer des potentiels d'action avec une fréquence arbitrairement basse en fonction de la force d'entrée, tandis que les neurones de classe II génèrent des potentiels d'action dans une certaine bande de fréquence, qui est relativement insensible aux changements de force d'entrée. [13] Les neurones de classe II sont également plus enclins à afficher des oscillations inférieures au seuil du potentiel membranaire.

Mésoscopique Modifier

Un groupe de neurones peut également générer une activité oscillatoire. Grâce aux interactions synaptiques, les schémas de décharge de différents neurones peuvent devenir synchronisés et les changements rythmiques du potentiel électrique causés par leurs potentiels d'action s'additionneront (interférence constructive). C'est-à-dire que les schémas de déclenchement synchronisés entraînent une entrée synchronisée dans d'autres zones corticales, ce qui donne lieu à des oscillations de grande amplitude du potentiel de champ local. Ces oscillations à grande échelle peuvent également être mesurées à l'extérieur du cuir chevelu par électroencéphalographie (EEG) et magnétoencéphalographie (MEG). Les potentiels électriques générés par des neurones uniques sont bien trop petits pour être captés en dehors du cuir chevelu, et l'activité EEG ou MEG reflète toujours la somme de l'activité synchrone de milliers ou de millions de neurones qui ont une orientation spatiale similaire. [20] Les neurones d'un ensemble de neurones se déclenchent rarement exactement au même moment, c'est-à-dire entièrement synchronisés.Au lieu de cela, la probabilité de déclenchement est rythmiquement modulée de sorte que les neurones sont plus susceptibles de se déclencher en même temps, ce qui donne lieu à des oscillations de leur activité moyenne (voir figure en haut de la page). En tant que tel, la fréquence des oscillations à grande échelle n'a pas besoin de correspondre au schéma de déclenchement des neurones individuels. Les neurones corticaux isolés se déclenchent régulièrement dans certaines conditions, mais dans le cerveau intact, les cellules corticales sont bombardées par des entrées synaptiques très fluctuantes et se déclenchent généralement apparemment au hasard. Cependant, si la probabilité d'un grand groupe de neurones est rythmiquement modulée à une fréquence commune, ils généreront des oscillations dans le champ moyen (voir aussi figure en haut de page). [19] Les ensembles neuronaux peuvent générer une activité oscillatoire de manière endogène par le biais d'interactions locales entre les neurones excitateurs et inhibiteurs. En particulier, les interneurones inhibiteurs jouent un rôle important dans la production de la synchronie de l'ensemble neuronal en générant une fenêtre étroite pour une excitation efficace et en modulant rythmiquement le taux de décharge des neurones excitateurs. [21]

Macroscopique Modifier

L'oscillation neuronale peut également résulter d'interactions entre différentes zones cérébrales couplées via le connectome structurel. Les délais jouent ici un rôle important. Étant donné que toutes les zones du cerveau sont couplées de manière bidirectionnelle, ces connexions entre les zones du cerveau forment des boucles de rétroaction. Les boucles de rétroaction positives ont tendance à provoquer une activité oscillatoire où la fréquence est inversement proportionnelle au temps de retard. Un exemple d'une telle boucle de rétroaction est les connexions entre le thalamus et le cortex – les radiations thalamocorticales. Ce réseau thalamocortical est capable de générer une activité oscillatoire connue sous le nom de résonance thalamo-corticale récurrente. [22] Le réseau thalamocortical joue un rôle important dans la génération de l'activité alpha. [23] [24] Dans un modèle de réseau cérébral complet avec une connectivité anatomique réaliste et des délais de propagation entre les aires cérébrales, les oscillations dans la gamme de fréquences bêta émergent de la synchronisation partielle de sous-ensembles d'aires cérébrales oscillant dans la bande gamma (générées à la niveau mésoscopique). [25]

Propriétés neuronales Modifier

Les scientifiques ont identifié certaines propriétés neuronales intrinsèques qui jouent un rôle important dans la génération d'oscillations de potentiel membranaire. En particulier, les canaux ioniques voltage-dépendants sont essentiels à la génération de potentiels d'action. La dynamique de ces canaux ioniques a été capturée dans le modèle Hodgkin-Huxley bien établi qui décrit comment les potentiels d'action sont initiés et propagés au moyen d'un ensemble d'équations différentielles. En utilisant l'analyse de bifurcation, différentes variétés oscillatoires de ces modèles neuronaux peuvent être déterminées, permettant la classification des types de réponses neuronales. La dynamique oscillatoire du pic neuronal telle qu'identifiée dans le modèle Hodgkin-Huxley concorde étroitement avec les résultats empiriques. En plus des pics périodiques, les oscillations du potentiel membranaire sous le seuil, c'est-à-dire un comportement de résonance qui n'entraîne pas de potentiels d'action, peuvent également contribuer à l'activité oscillatoire en facilitant l'activité synchrone des neurones voisins. [26] [27] Comme les neurones stimulateurs cardiaques dans les générateurs de motifs centraux, les sous-types de cellules corticales déclenchent des rafales de pointes (brefs groupes de pointes) de manière rythmique à des fréquences préférées. Les neurones en rafale ont le potentiel de servir de stimulateurs pour les oscillations de réseau synchrones, et des rafales de pointes peuvent sous-tendre ou améliorer la résonance neuronale. [19]

Propriétés du réseau Modifier

Outre les propriétés intrinsèques des neurones, les propriétés des réseaux neuronaux biologiques sont également une source importante d'activité oscillatoire. Les neurones communiquent entre eux via des synapses et affectent la synchronisation des trains de pointes dans les neurones post-synaptiques. Selon les propriétés de la connexion, telles que la force de couplage, le délai et si le couplage est excitateur ou inhibiteur, les trains de pointes des neurones en interaction peuvent devenir synchronisés. [28] Les neurones sont connectés localement, formant de petits amas appelés ensembles neuronaux. Certaines structures de réseau favorisent l'activité oscillatoire à des fréquences spécifiques. Par exemple, l'activité neuronale générée par deux populations de cellules interconnectées inhibiteur et excitateur les cellules peuvent montrer des oscillations spontanées décrites par le modèle de Wilson-Cowan.

Si un groupe de neurones s'engage dans une activité oscillatoire synchronisée, l'ensemble neuronal peut être représenté mathématiquement comme un seul oscillateur. [18] Différents ensembles neuronaux sont couplés via des connexions à longue portée et forment un réseau d'oscillateurs faiblement couplés à la prochaine échelle spatiale. Les oscillateurs faiblement couplés peuvent générer une gamme de dynamiques, y compris une activité oscillatoire. [29] Les connexions à longue distance entre différentes structures cérébrales, telles que le thalamus et le cortex (voir oscillation thalamocorticale), impliquent des retards dus à la vitesse de conduction finie des axones. Étant donné que la plupart des connexions sont réciproques, elles forment des boucles de rétroaction qui prennent en charge l'activité oscillatoire. Les oscillations enregistrées à partir de plusieurs zones corticales peuvent se synchroniser pour former des réseaux cérébraux à grande échelle, dont la dynamique et la connectivité fonctionnelle peuvent être étudiées au moyen d'analyses spectrales et de mesures de causalité de Granger. [30] L'activité cohérente de l'activité cérébrale à grande échelle peut former des liens dynamiques entre les zones cérébrales nécessaires à l'intégration de l'information distribuée. [12]

Neuromodulation Modifier

En plus des interactions synaptiques directes rapides entre les neurones formant un réseau, l'activité oscillatoire est régulée par des neuromodulateurs sur une échelle de temps beaucoup plus lente. C'est-à-dire que les niveaux de concentration de certains neurotransmetteurs sont connus pour réguler la quantité d'activité oscillatoire. Par exemple, il a été démontré que la concentration de GABA est positivement corrélée avec la fréquence des oscillations dans les stimuli induits. [31] Un certain nombre de noyaux dans le tronc cérébral ont des projections diffuses dans tout le cerveau influençant les niveaux de concentration de neurotransmetteurs tels que la noradrénaline, l'acétylcholine et la sérotonine. Ces systèmes de neurotransmetteurs affectent l'état physiologique, par exemple l'éveil ou l'éveil, et ont un effet prononcé sur l'amplitude des différentes ondes cérébrales, telles que l'activité alpha. [32]

Les oscillations peuvent souvent être décrites et analysées en utilisant les mathématiques. Les mathématiciens ont identifié plusieurs mécanismes dynamiques qui génèrent la rythmicité. Parmi les plus importants figurent les oscillateurs harmoniques (linéaires), les oscillateurs à cycle limite et les oscillateurs à rétroaction retardée. [33] Les oscillations harmoniques apparaissent très fréquemment dans la nature - des exemples sont les ondes sonores, le mouvement d'un pendule et les vibrations de toutes sortes. Ils surviennent généralement lorsqu'un système physique est perturbé par un faible degré à partir d'un état d'énergie minimale, et sont bien compris mathématiquement. Les oscillateurs harmoniques entraînés par le bruit simulent de manière réaliste le rythme alpha dans l'EEG de veille ainsi que les ondes lentes et les fuseaux dans l'EEG de sommeil. Les algorithmes d'analyse EEG réussis étaient basés sur de tels modèles. Plusieurs autres composants EEG sont mieux décrits par des oscillations à cycle limite ou à rétroaction retardée. Les oscillations à cycle limite proviennent de systèmes physiques qui présentent de grands écarts par rapport à l'équilibre, tandis que les oscillations à rétroaction retardée surviennent lorsque les composants d'un système s'affectent les uns les autres après des délais importants. Les oscillations à cycle limite peuvent être complexes, mais il existe de puissants outils mathématiques pour les analyser. En comparaison, les mathématiques des oscillations à rétroaction retardée sont primitives. Les oscillateurs linéaires et les oscillateurs à cycle limite diffèrent qualitativement en termes de réponse aux fluctuations d'entrée. Dans un oscillateur linéaire, la fréquence est plus ou moins constante mais l'amplitude peut fortement varier. Dans un oscillateur à cycle limite, l'amplitude a tendance à être plus ou moins constante mais la fréquence peut varier considérablement. Un battement cardiaque est un exemple d'oscillation à cycle limite dans la mesure où la fréquence des battements varie considérablement, tandis que chaque battement individuel continue de pomper à peu près la même quantité de sang.

Les modèles informatiques adoptent une variété d'abstractions afin de décrire les dynamiques oscillatoires complexes observées dans l'activité cérébrale. De nombreux modèles sont utilisés sur le terrain, chacun étant défini à un niveau d'abstraction différent et essayant de modéliser différents aspects des systèmes neuronaux. Ils vont des modèles de comportement à court terme de neurones individuels, en passant par des modèles de la façon dont la dynamique des circuits neuronaux découle des interactions entre les neurones individuels, aux modèles de la façon dont le comportement peut découler de modules neuronaux abstraits qui représentent des sous-systèmes complets.

Modèle de neurone unique Modifier

Un modèle de neurone biologique est une description mathématique des propriétés des cellules nerveuses, ou neurones, conçue pour décrire et prédire avec précision ses processus biologiques. Le modèle de neurones le plus réussi et le plus utilisé, le modèle Hodgkin-Huxley, est basé sur les données de l'axone géant du calmar. C'est un ensemble d'équations différentielles ordinaires non linéaires qui se rapprochent des caractéristiques électriques d'un neurone, en particulier la génération et la propagation de potentiels d'action. Le modèle est très précis et détaillé et Hodgkin et Huxley ont reçu le prix Nobel 1963 de physiologie ou de médecine pour ce travail.

Les mathématiques du modèle Hodgkin-Huxley sont assez compliquées et plusieurs simplifications ont été proposées, telles que le modèle FitzHugh-Nagumo, le modèle Hindmarsh-Rose ou le modèle condensateur-commutateur [34] comme une extension du modèle d'intégration et de tir. maquette. De tels modèles ne capturent que la dynamique neuronale de base, telle que les pics et les rafales rythmiques, mais sont plus efficaces sur le plan informatique. Cela permet la simulation d'un grand nombre de neurones interconnectés qui forment un réseau de neurones.

Modèle à pointes Modifier

Un modèle de réseau neuronal décrit une population de neurones physiquement interconnectés ou un groupe de neurones disparates dont les entrées ou les cibles de signalisation définissent un circuit reconnaissable. Ces modèles visent à décrire comment la dynamique des circuits neuronaux résulte des interactions entre les neurones individuels. Les interactions locales entre les neurones peuvent entraîner la synchronisation de l'activité de pointe et former la base de l'activité oscillatoire. En particulier, il a été démontré que des modèles de cellules pyramidales en interaction et d'interneurones inhibiteurs génèrent des rythmes cérébraux tels que l'activité gamma. [35] De même, il a été montré que les simulations de réseaux neuronaux avec un modèle phénoménologique pour les échecs de réponse neuronale peuvent prédire les oscillations neuronales spontanées à large bande. [36]

Modèle de masse neuronale Modifier

Les modèles de champ neuronal sont un autre outil important dans l'étude des oscillations neuronales et constituent un cadre mathématique décrivant l'évolution de variables telles que le taux de décharge moyen dans l'espace et le temps. Dans la modélisation de l'activité d'un grand nombre de neurones, l'idée centrale est d'amener la densité des neurones à la limite du continuum, ce qui entraîne des réseaux de neurones spatialement continus. Au lieu de modéliser des neurones individuels, cette approche se rapproche d'un groupe de neurones par ses propriétés et interactions moyennes. Il est basé sur l'approche du champ moyen, un domaine de la physique statistique qui traite des systèmes à grande échelle. Des modèles basés sur ces principes ont été utilisés pour fournir des descriptions mathématiques des oscillations neurales et des rythmes EEG. Ils ont par exemple été utilisés pour enquêter sur les hallucinations visuelles. [38]

Modèle Kuramoto Modifier

Le modèle Kuramoto d'oscillateurs de phase couplés [39] est l'un des modèles les plus abstraits et fondamentaux utilisés pour étudier les oscillations neuronales et la synchronisation. Il capture l'activité d'un système local (par exemple, un seul neurone ou ensemble de neurones) par sa seule phase circulaire et ignore donc l'amplitude des oscillations (l'amplitude est constante). [40] Les interactions entre ces oscillateurs sont introduites par une forme algébrique simple (comme une fonction sinus) et génèrent collectivement un modèle dynamique à l'échelle globale. Le modèle de Kuramoto est largement utilisé pour étudier l'activité cérébrale oscillatoire et plusieurs extensions ont été proposées pour augmenter sa plausibilité neurobiologique, par exemple en incorporant les propriétés topologiques de la connectivité corticale locale. [41] En particulier, il décrit comment l'activité d'un groupe de neurones en interaction peut se synchroniser et générer des oscillations à grande échelle. Des simulations utilisant le modèle de Kuramoto avec une connectivité corticale réaliste à longue portée et des interactions retardées révèlent l'émergence de fluctuations à motifs lents qui reproduisent des cartes fonctionnelles BOLD à l'état de repos, qui peuvent être mesurées à l'aide de l'IRMf. [42]

Les neurones isolés et les groupes de neurones peuvent générer spontanément une activité oscillatoire. De plus, ils peuvent présenter des réponses oscillatoires à l'entrée perceptive ou à la sortie motrice. Certains types de neurones se déclenchent rythmiquement en l'absence de toute entrée synaptique. De même, l'activité à l'échelle du cerveau révèle une activité oscillatoire alors que les sujets ne s'engagent dans aucune activité, dite activité d'état de repos. Ces rythmes continus peuvent changer de différentes manières en réponse à une entrée perceptive ou à une sortie motrice. L'activité oscillatoire peut répondre par des augmentations ou des diminutions de fréquence et d'amplitude ou montrer une interruption temporaire, appelée réinitialisation de phase. De plus, l'activité externe peut ne pas interagir du tout avec l'activité en cours, ce qui entraîne une réponse additive.

La fréquence de l'activité oscillatoire en cours est augmentée entre t1 et t2.

L'amplitude de l'activité oscillatoire en cours est augmentée entre t1 et t2.

La phase d'activité oscillatoire en cours est réinitialisée à t1.

L'activité est ajoutée linéairement à l'activité oscillatoire en cours entre t1 et t2.

Activité en cours Modifier

L'activité spontanée est l'activité cérébrale en l'absence d'une tâche explicite, telle qu'une entrée sensorielle ou une sortie motrice, et donc également appelée activité au repos. Elle s'oppose à l'activité induite, c'est-à-dire à l'activité cérébrale induite par des stimuli sensoriels ou des réponses motrices. Le terme activité cérébrale continue est utilisé en électroencéphalographie et en magnétoencéphalographie pour les composants de signal qui ne sont pas associés au traitement d'un stimulus ou à la survenue d'autres événements spécifiques, tels que le déplacement d'une partie du corps, c'est-à-dire des événements qui ne forment pas de potentiels évoqués/champs évoqués, ou une activité induite . L'activité spontanée est généralement considérée comme du bruit si l'on s'intéresse au traitement des stimuli. Cependant, l'activité spontanée est considérée comme jouant un rôle crucial au cours du développement du cerveau, comme dans la formation de réseaux et la synaptogenèse. L'activité spontanée peut être informative concernant l'état mental actuel de la personne (par exemple, l'éveil, la vigilance) et est souvent utilisée dans la recherche sur le sommeil. Certains types d'activité oscillatoire, comme les ondes alpha, font partie de l'activité spontanée. L'analyse statistique des fluctuations de puissance de l'activité alpha révèle une distribution bimodale, c'est-à-dire un mode de haute et basse amplitude, et montre donc que l'activité à l'état de repos ne reflète pas seulement un processus de bruit. [43] En cas d'IRMf, les fluctuations spontanées du signal dépendant du niveau d'oxygène dans le sang (BOLD) révèlent des modèles de corrélation liés aux réseaux d'états de repos, tels que le réseau par défaut. [44] L'évolution temporelle des réseaux d'état de repos est corrélée aux fluctuations de l'activité EEG oscillatoire dans différentes bandes de fréquences. [45]

L'activité cérébrale en cours peut également avoir un rôle important dans la perception, car elle peut interagir avec l'activité liée aux stimuli entrants. En effet, les études EEG suggèrent que la perception visuelle dépend à la fois de la phase et de l'amplitude des oscillations corticales. Par exemple, l'amplitude et la phase de l'activité alpha au moment de la stimulation visuelle prédisent si un stimulus faible sera perçu par le sujet. [46] [47] [48]

Réponse en fréquence Modifier

En réponse à une entrée, un neurone ou un ensemble neuronal peut changer la fréquence à laquelle il oscille, modifiant ainsi la vitesse à laquelle il pointe. Souvent, le taux de décharge d'un neurone dépend de l'activité totale qu'il reçoit. Les changements de fréquence sont également couramment observés dans les générateurs de motifs centraux et sont directement liés à la vitesse des activités motrices, telles que la fréquence des pas lors de la marche. Cependant, des changements dans relatif La fréquence d'oscillation entre les différentes zones du cerveau n'est pas si courante car la fréquence de l'activité oscillatoire est souvent liée aux délais entre les zones du cerveau.

Réponse en amplitude Modifier

À côté de l'activité évoquée, l'activité neuronale liée au traitement du stimulus peut entraîner une activité induite. L'activité induite fait référence à la modulation de l'activité cérébrale en cours induite par le traitement des stimuli ou la préparation du mouvement. Par conséquent, ils reflètent une réponse indirecte contrairement aux réponses évoquées. Un type bien étudié d'activité induite est le changement d'amplitude de l'activité oscillatoire. Par exemple, l'activité gamma augmente souvent lors d'une activité mentale accrue, comme lors de la représentation d'objets. [49] Étant donné que les réponses induites peuvent avoir des phases différentes d'une mesure à l'autre et s'annuleraient donc pendant le calcul de la moyenne, elles ne peuvent être obtenues qu'en utilisant une analyse temps-fréquence. L'activité induite reflète généralement l'activité de nombreux neurones : on pense que les changements d'amplitude de l'activité oscillatoire résultent de la synchronisation de l'activité neuronale, par exemple par la synchronisation de la synchronisation des pics ou des fluctuations du potentiel membranaire des neurones individuels. Les augmentations de l'activité oscillatoire sont donc souvent appelées synchronisation liée à l'événement, tandis que les diminutions sont appelées désynchronisation liée à l'événement. [50]

Réinitialisation de phase Modifier

La réinitialisation de phase se produit lorsqu'une entrée dans un neurone ou un ensemble neuronal réinitialise la phase des oscillations en cours. [51] Il est très fréquent dans les neurones uniques où la synchronisation des pointes est ajustée à l'entrée neuronale (un neurone peut augmenter à un délai fixe en réponse à une entrée périodique, ce qui est appelé verrouillage de phase [13] ) et peut également se produire dans les neurones. ensembles lorsque les phases de leurs neurones sont ajustées simultanément. La réinitialisation de phase est fondamentale pour la synchronisation de différents neurones ou de différentes régions cérébrales [12] [29] car le timing des pics peut devenir verrouillé en phase sur l'activité d'autres neurones.

La réinitialisation de phase permet également l'étude de l'activité évoquée, un terme utilisé en électroencéphalographie et en magnétoencéphalographie pour les réponses de l'activité cérébrale qui sont directement liées à l'activité liée au stimulus. Les potentiels évoqués et les potentiels liés aux événements sont obtenus à partir d'un électroencéphalogramme par moyennage verrouillé par stimulus, c'est-à-direfaire la moyenne de différents essais à des latences fixes autour de la présentation d'un stimulus. En conséquence, les composantes du signal qui sont les mêmes dans chaque mesure unique sont conservées et toutes les autres, c'est-à-dire l'activité en cours ou spontanée, sont moyennées. C'est-à-dire que les potentiels liés à l'événement ne reflètent que les oscillations de l'activité cérébrale qui sont verrouillées en phase sur le stimulus ou l'événement. L'activité évoquée est souvent considérée comme indépendante de l'activité cérébrale en cours, bien qu'il s'agisse d'un débat en cours. [52] [53]

Modulation d'amplitude asymétrique Modifier

Il a récemment été proposé que même si les phases ne sont pas alignées entre les essais, l'activité induite peut toujours provoquer des potentiels liés aux événements, car les oscillations cérébrales en cours peuvent ne pas être symétriques et, par conséquent, les modulations d'amplitude peuvent entraîner un décalage de la ligne de base qui n'est pas moyen. [54] [55] Ce modèle implique que les réponses lentes liées aux événements, telles que l'activité alpha asymétrique, pourraient résulter de modulations asymétriques de l'amplitude des oscillations cérébrales, telles qu'une asymétrie des courants intracellulaires qui se propagent vers l'avant et vers l'arrière le long des dendrites. [56] Dans cette hypothèse, les asymétries dans le courant dendritique provoqueraient des asymétries dans l'activité oscillatoire mesurée par EEG et MEG, puisque les courants dendritiques dans les cellules pyramidales sont généralement supposés générer des signaux EEG et MEG qui peuvent être mesurés au niveau du cuir chevelu. [57]

La synchronisation neuronale peut être modulée par des contraintes de tâches, telles que l'attention, et jouerait un rôle dans la liaison des caractéristiques, [58] la communication neuronale, [5] et la coordination motrice. [7] Les oscillations neuronales sont devenues un sujet brûlant en neurosciences dans les années 1990 lorsque les études du système visuel du cerveau par Gray, Singer et d'autres ont semblé soutenir l'hypothèse de la liaison neuronale. [59] Selon cette idée, les oscillations synchrones dans les ensembles neuronaux lient les neurones représentant différentes caractéristiques d'un objet. Par exemple, lorsqu'une personne regarde un arbre, les neurones du cortex visuel représentant le tronc de l'arbre et ceux représentant les branches du même arbre oscilleraient en synchronie pour former une seule représentation de l'arbre. Ce phénomène est mieux vu dans les potentiels de champ locaux qui reflètent l'activité synchrone de groupes locaux de neurones, mais a également été montré dans les enregistrements EEG et MEG fournissant des preuves croissantes d'une relation étroite entre l'activité oscillatoire synchrone et une variété de fonctions cognitives telles que la perception regroupement. [58]

Pacemaker Modifier

Les cellules du nœud sino-auriculaire, situé dans l'oreillette droite du cœur, se dépolarisent spontanément environ 100 fois par minute. Bien que toutes les cellules cardiaques aient la capacité de générer des potentiels d'action qui déclenchent la contraction cardiaque, le nœud sino-auriculaire la déclenche normalement, simplement parce qu'il génère des impulsions légèrement plus rapides que les autres zones. Par conséquent, ces cellules génèrent le rythme sinusal normal et sont appelées cellules de stimulateur cardiaque car elles contrôlent directement la fréquence cardiaque. En l'absence de contrôle neural et hormonal extrinsèque, les cellules du nœud SA se déchargeront de manière rythmique. Le nœud sino-auriculaire est richement innervé par le système nerveux autonome, qui régule vers le haut ou vers le bas la fréquence de décharge spontanée des cellules du stimulateur cardiaque.

Générateur de motifs central Modifier

Le déclenchement synchronisé des neurones constitue également la base des commandes motrices périodiques pour les mouvements rythmiques. Ces sorties rythmiques sont produites par un groupe de neurones en interaction qui forment un réseau, appelé générateur de motifs central. Les générateurs de schémas centraux sont des circuits neuronaux qui, lorsqu'ils sont activés, peuvent produire des schémas moteurs rythmiques en l'absence d'entrées sensorielles ou descendantes qui transportent des informations de synchronisation spécifiques. Des exemples sont la marche, la respiration et la natation, [60] La plupart des preuves de générateurs de motifs centraux proviennent d'animaux inférieurs, tels que la lamproie, mais il existe également des preuves de générateurs de motifs centraux rachidiens chez l'homme. [61] [62]

Traitement de l'information Modifier

Le dopage neuronal est généralement considéré comme la base du transfert d'informations dans le cerveau. Pour un tel transfert, les informations doivent être codées selon un schéma de dopage. Différents types de schémas de codage ont été proposés, tels que le codage de débit et le codage temporel. Les oscillations neuronales pourraient créer des fenêtres temporelles périodiques dans lesquelles les pics d'entrée ont un effet plus important sur les neurones, fournissant ainsi un mécanisme de décodage des codes temporels. [63]

Perception Modifier

La synchronisation de la décharge neuronale peut servir de moyen de regrouper des neurones séparés dans l'espace qui répondent au même stimulus afin de lier ces réponses pour un traitement conjoint ultérieur, c'est-à-dire d'exploiter la synchronie temporelle pour coder les relations. Des formulations purement théoriques de l'hypothèse de liaison par synchronisation ont d'abord été proposées [64], mais par la suite, de nombreuses preuves expérimentales ont été rapportées pour soutenir le rôle potentiel de la synchronie en tant que code relationnel. [65]

Le rôle fonctionnel de l'activité oscillatoire synchronisée dans le cerveau a été principalement établi dans des expériences réalisées sur des chatons éveillés avec de multiples électrodes implantées dans le cortex visuel. Ces expériences ont montré que des groupes de neurones séparés dans l'espace s'engagent dans une activité oscillatoire synchrone lorsqu'ils sont activés par des stimuli visuels. La fréquence de ces oscillations était de l'ordre de 40 Hz et différait de l'activation périodique induite par le réseau, suggérant que les oscillations et leur synchronisation étaient dues à des interactions neuronales internes. [65] Des résultats similaires ont été montrés en parallèle par le groupe d'Eckhorn, fournissant une preuve supplémentaire du rôle fonctionnel de la synchronisation neurale dans la liaison de fonctionnalités. [66] Depuis lors, de nombreuses études ont reproduit ces résultats et les ont étendus à différentes modalités telles que l'EEG, fournissant des preuves étendues du rôle fonctionnel des oscillations gamma dans la perception visuelle.

Gilles Laurent et ses collègues ont montré que la synchronisation oscillatoire a un rôle fonctionnel important dans la perception des odeurs. Percevoir différentes odeurs conduit à différents sous-ensembles de neurones s'activant sur différents ensembles de cycles oscillatoires. [67] Ces oscillations peuvent être perturbées par la picrotoxine bloquant le GABA, [68] et la perturbation de la synchronisation oscillatoire conduit à une altération de la discrimination comportementale des odorants chimiquement similaires chez les abeilles [69] et à des réponses plus similaires à travers les odeurs dans le lobe en aval. neurones. [70] Le suivi récent de ce travail a montré que les oscillations créent des fenêtres d'intégration périodiques pour les cellules de Kenyon dans le corps du champignon de l'insecte, de sorte que les pointes entrantes du lobe antennaire sont plus efficaces pour activer les cellules de Kenyon uniquement à des phases spécifiques du cycle oscillatoire. . [63]

Les oscillations neuronales seraient également impliquées dans le sens du temps [71] et dans la perception somatosensorielle. [72] Cependant, des découvertes récentes s'opposent à une fonction semblable à une horloge des oscillations gamma corticales. [73]

Coordination motrice Modifier

Des oscillations ont été fréquemment rapportées dans le système moteur. Pfurtscheller et ses collègues ont trouvé une réduction des oscillations alpha (8-12 Hz) et bêta (13-30 Hz) de l'activité EEG lorsque les sujets faisaient un mouvement. [50] [74] En utilisant des enregistrements intra-corticaux, des changements similaires dans l'activité oscillatoire ont été trouvés dans le cortex moteur lorsque les singes effectuaient des actes moteurs qui nécessitaient une attention significative. [75] [76] De plus, les oscillations au niveau de la colonne vertébrale se synchronisent avec les oscillations bêta du cortex moteur pendant l'activation musculaire constante, comme déterminé par la cohérence cortico-musculaire. [77] [78] [79] De même, l'activité musculaire de différents muscles révèle une cohérence intermusculaire à plusieurs fréquences distinctes reflétant les circuits neuronaux sous-jacents impliqués dans la coordination motrice. [80] [81]

Récemment, il a été découvert que les oscillations corticales se propagent sous forme d'ondes progressives à travers la surface du cortex moteur le long des axes spatiaux dominants caractéristiques des circuits locaux du cortex moteur. [82] Il a été proposé que les commandes motrices sous forme d'ondes progressives puissent être filtrées spatialement par les fibres descendantes pour contrôler sélectivement la force musculaire. [83] Des simulations ont montré que l'activité ondulatoire continue dans le cortex peut provoquer une force musculaire stable avec des niveaux physiologiques de cohérence EEG-EMG. [84]

Des rythmes oscillatoires à 10 Hz ont été enregistrés dans une zone du cerveau appelée olive inférieure, qui est associée au cervelet. [14] Ces oscillations sont également observées dans la sortie motrice du tremblement physiologique [85] et lors de l'exécution de mouvements de doigts lents. [86] Ces résultats peuvent indiquer que le cerveau humain contrôle les mouvements continus par intermittence. À l'appui, il a été montré que ces discontinuités de mouvement sont directement corrélées à l'activité oscillatoire dans une boucle cérébello-thalamo-corticale, ce qui peut représenter un mécanisme neuronal pour le contrôle moteur intermittent. [87]

Mémoire Modifier

Les oscillations neuronales, en particulier l'activité thêta, sont largement liées à la fonction de la mémoire. Les rythmes thêta sont très forts dans l'hippocampe et le cortex entorhinal des rongeurs pendant l'apprentissage et la récupération de la mémoire, et on pense qu'ils sont essentiels à l'induction de la potentialisation à long terme, un mécanisme cellulaire potentiel pour l'apprentissage et la mémoire. Le couplage entre l'activité thêta et gamma est considéré comme vital pour les fonctions de la mémoire, y compris la mémoire épisodique. [88] [89] La coordination étroite des pointes d'un seul neurone avec des oscillations thêta locales est liée à la formation réussie de la mémoire chez les humains, car des pointes plus stéréotypées prédisent une meilleure mémoire. [90]

Sommeil et conscience Modifier

Le sommeil est un état naturellement récurrent caractérisé par une conscience réduite ou absente et se déroule selon des cycles de sommeil à mouvements oculaires rapides (REM) et à mouvements oculaires non rapides (NREM). Les stades du sommeil sont caractérisés par le contenu spectral de l'EEG : par exemple, le stade N1 fait référence à la transition du cerveau des ondes alpha (communes à l'état d'éveil) aux ondes thêta, tandis que le stade N3 (sommeil profond ou à ondes lentes) est caractérisé par la présence d'ondes delta. L'ordre normal des phases de sommeil est N1 → N2 → N3 → N2 → REM. [ citation requise ]

Développement Modifier

Les oscillations neuronales peuvent jouer un rôle dans le développement neuronal. Par exemple, on pense que les ondes rétiniennes ont des propriétés qui définissent la connectivité précoce des circuits et des synapses entre les cellules de la rétine. [91]

Des types spécifiques d'oscillations neurales peuvent également apparaître dans des situations pathologiques, telles que la maladie de Parkinson ou l'épilepsie. Ces oscillations pathologiques consistent souvent en une version aberrante d'une oscillation normale. Par exemple, l'un des types les plus connus est l'oscillation de pointe et d'onde, qui est typique des crises d'épilepsie généralisées ou d'absence, et qui ressemble aux oscillations normales du fuseau du sommeil.

Tremblement Modifier

Un tremblement est une contraction et une relaxation musculaires involontaires, quelque peu rythmiques, impliquant des mouvements de va-et-vient d'une ou plusieurs parties du corps. C'est le plus courant de tous les mouvements involontaires et peut affecter les mains, les bras, les yeux, le visage, la tête, les cordes vocales, le tronc et les jambes. La plupart des tremblements surviennent dans les mains. Chez certaines personnes, les tremblements sont le symptôme d'un autre trouble neurologique. De nombreuses formes différentes de tremblement ont été identifiées, telles que le tremblement essentiel ou le tremblement parkinsonien. Il est avancé que les tremblements sont probablement d'origine multifactorielle, avec des contributions des oscillations neurales dans le système nerveux central, mais aussi de mécanismes périphériques tels que les résonances de la boucle réflexe. [92]

Épilepsie Modifier

L'épilepsie est un trouble neurologique chronique courant caractérisé par des convulsions. Ces crises sont des signes et/ou des symptômes transitoires d'une activité neuronale anormale, excessive ou hypersynchrone dans le cerveau. [93]

Arythmie thalamocorticale Modifier

Dans la dysrythmie thalamocorticale (TCD), la résonance thalamocorticale normale est perturbée. La perte d'entrée thalamique permet à la fréquence de la colonne thalamo-corticale de ralentir dans la bande thêta ou delta telle qu'identifiée par MEG et EEG par apprentissage automatique. [94] Le TCD peut être traité avec des méthodes neurochirurgicales comme la thalamotomie.

Paramètres cliniques Modifier

Les oscillations neurales sont sensibles à plusieurs médicaments influençant l'activité cérébrale en conséquence, les biomarqueurs basés sur les oscillations neurales apparaissent comme des critères secondaires dans les essais cliniques et dans la quantification des effets dans les études précliniques. Ces biomarqueurs sont souvent appelés « biomarqueurs EEG » ou « biomarqueurs neurophysiologiques » et sont quantifiés par électroencéphalographie quantitative (qEEG). Les biomarqueurs EEG peuvent être extraits de l'EEG à l'aide de la boîte à outils open source Neurophysiological Biomarker.

Interface cerveau-ordinateur Modifier

L'oscillation neuronale a été appliquée comme signal de contrôle dans diverses interfaces cerveau-ordinateur (BCI). [95] Par exemple, un BCI non invasif peut être créé en plaçant des électrodes sur le cuir chevelu, puis en mesurant les signaux électriques faibles. Bien que les activités neuronales individuelles ne puissent pas être enregistrées par BCI non invasive parce que le crâne amortit et brouille les signaux électromagnétiques, l'activité oscillatoire peut toujours être détectée de manière fiable. Le BCI a été introduit par Vidal en 1973 [96] comme défi d'utiliser les signaux EEG pour contrôler des objets à l'extérieur du corps humain.

Après le défi BCI, en 1988, le rythme alpha a été utilisé dans un BCI basé sur le rythme cérébral pour le contrôle d'un objet physique, un robot. [97] [98] Le BCI basé sur le rythme Alpha était le premier BCI pour le contrôle d'un robot. [99] [100] En particulier, certaines formes de BCI permettent aux utilisateurs de contrôler un appareil en mesurant l'amplitude de l'activité oscillatoire dans des bandes de fréquences spécifiques, y compris les rythmes mu et bêta.

Une liste non exhaustive des types d'activité oscillatoire trouvés dans le système nerveux central :


Oscillations électriques basse fréquence spontanées : un rôle possible dans Hydre et tous les systèmes vivants

En tant que l'un des premiers systèmes modèles en biologie, le métazoaire basal Hydre a révélé des caractéristiques fondamentales des systèmes vivants depuis sa découverte par Antonie van Leeuwenhoek au début du XVIIIe siècle. Bien qu'il soit bien établi dans la biologie cellulaire et du développement, ce minuscule polype d'eau douce n'est réintroduit dans les neurosciences modernes que maintenant où il a déjà produit une découverte curieuse : la présence d'oscillations neurales spontanées à basse fréquence à la même fréquence que ceux trouvés dans le réseau de mode par défaut dans le cerveau humain. Étonnamment, de plus en plus de preuves suggèrent que de telles oscillations électriques spontanées à basse fréquence (SELFO) se retrouvent dans la grande diversité de la vie sur Terre, des bactéries aux humains. Cet article passe en revue les preuves des SELFO dans divers phylums, en commençant par l'importance de leur découverte dans Hydre, et émet l'hypothèse d'un rôle potentiel en tant qu'organisateurs d'organismes électriques, ce qui soutient une littérature croissante sur le rôle de la bioélectricité en tant que « modèle » pour la mémoire du développement dans la régénération de l'organisme.

Cet article fait partie du numéro thématique « La cognition basale : outils conceptuels et vue depuis la cellule unique ».

1. Introduction

Hydre, le petit polype cnidaire d'eau douce, a servi d'organisme modèle fructueux pour de nombreuses études biologiques cellulaires et développementales depuis sa découverte il y a plus de 300 ans. Récemment, Hydre a été relancé en tant que système modèle en neurosciences, où son réseau nerveux apparemment «simple» n'éclaire pas seulement l'activité des circuits neuronaux générateurs de comportements avec des effets dramatiques sur le corps entier. in vivo l'imagerie [1], mais a également révélé un phénomène intrigant [1] : les oscillations électriques spontanées à basse fréquence (SELFO) à la même fréquence que celles trouvées dans le réseau en mode par défaut (DMN) dans le cerveau humain. Ici, le terme « SELFO » sera utilisé pour désigner l'activité électrique oscillatoire de basse fréquence à l'échelle de l'organisme (généralement de 0,01 à 0,1 Hz, mais la fréquence exacte dépend de l'organisme) qui est produite spontanément indépendamment des stimuli externes et n'apparaît pas pour générer directement un comportement. Ces mystérieux SELFO ont été observés pour la première fois dans Hydre et d'autres Cnidaires dans les années 1960 [2,3], mais ils n'ont pas été poursuivis donc leur fonction n'a pas été déchiffrée. Ces SELFO ont été redécouvertes dans le plus récent Hydre travail, mais ont également été mis de côté à la recherche de réseaux générateurs de comportements, de sorte que leur fonction reste inconnue [1]. Dans les années 1990, les SELFO ont été détectés de manière inattendue dans le cerveau humain avec la découverte du DMN, qui est devenu largement étudié et supposé jouer un rôle dans les processus mentaux « au repos », tels que la pensée spontanée, la mémoire épisodique, l'errance mentale. et le traitement lié à soi [4].

Étonnamment, de plus en plus de preuves suggèrent que les SELFO sont présents dans le monde vivant, y compris dans les organismes non neuronaux tels que les plantes [5,6], les champignons [7-9], les protozoaires [10] et les bactéries [11-13] - ce qui peut indiquer à une fonction biologique fondamentale qui a évolué au début du développement de la vie sur Terre. L'affirmation défendue ici est que les SELFO peuvent avoir un rôle potentiel en tant que organisateurs d'organismes électriques, servant d'intégrateurs et de communicateurs à l'échelle du système, les rendant essentiels à la construction et au maintien de l'unité de l'organisme et d'un comportement cohérent et adaptatif. Un tel point de vue est conforme aux suggestions récentes selon lesquelles les phénomènes bioélectriques pourraient servir de modèle pour la mémoire développementale, y compris dans la régénération, pour laquelle Hydre a longtemps servi d'organisme modèle [14].

Le document est structuré comme suit. La section 2 présente un aperçu de Hydre en tant que système modèle en biologie cellulaire et du développement, en se concentrant sur ce que ces premiers travaux nous ont appris sur la façon dont les organismes multicellulaires construisent leur corps. La section 3 aborde les premières recherches sur la neurophysiologie et le comportement des cnidaires commençant dans les années 1870 et culminant dans les années 1960, qui ont révélé une activité neuronale spontanée omniprésente [2,3]. La section 4 présente l'activité électrique spontanée encore mal comprise dans le cerveau humain, notamment le « DMN », sa découverte inattendue et les hypothèses concernant sa fonction [4]. La section 5 explore les preuves des SELFO dans d'autres organismes très divergents. La section 6 avance une hypothèse très préliminaire sur le rôle que les SELFO pourraient jouer dans les systèmes biologiques - en tant qu'organisateurs de la construction et de la persistance des organismes - et comment Hydre est un système modèle idéal pour commencer à tester rigoureusement cette idée et d'autres qui en découlent.

2. Hydre en tant que système modèle précoce

Le pionnier néerlandais de la microbiologie Antonie van Leeuwenhoek a découvert Hydre en 1702.Dans sa lettre à la Royal Society de Londres, il a décrit avoir trouvé un certain nombre d'« animalcules » attachés aux racines de « mauvaises herbes vertes » qu'il avait arrachées d'une rivière dans ce qu'on appelait alors les Pays-Bas [15]. Ces « animalcules » particuliers semblaient se contracter et s'allonger, produire de « jeunes animalcules » de leurs côtés et tirer de petites « roues » dans et hors de leur corps. Van Leeuwenhoek a joint à sa lettre des dessins de ces organismes, mais c'était l'étendue de son enquête.

Près de 40 ans plus tard, un tuteur néerlandais, Abraham Trembley, ignorant la découverte antérieure de van Leeuwenhoek, a collecté des spécimens dans un étang voisin et a redécouvert un petit polype vert. Contrairement à van Leeuwenhoek, qui a étudié de nombreux organismes, dont Hydre, Trembley a plongé profondément dans Hydre biologie et est devenu fasciné de déterminer si l'organisme était un animal ou une plante. Les plantes étaient alors connues pour se régénérer, contrairement aux animaux. Pour régler le problème, Trembley a coupé le polype en deux. À sa grande surprise, le polype a régénéré tout son corps, ce qui lui a suggéré qu'il s'agissait d'une plante. Cependant, le polype pouvait également se déplacer de manière compliquée, notamment en capturant des proies, en se nourrissant à l'aide de ses tentacules et en faisant des « sauts périlleux », des capacités classiquement associées uniquement aux animaux. À la suite d'une série d'expériences méticuleuses au cours desquelles il a à la fois observé et enregistré les divers comportements des polypes et les innombrables façons dont ils étaient capables de se régénérer à partir de fragments de tissu, Trembley a conclu que ce polype défiant toute catégorie était, en effet, un animal capable de se régénérer. lui-même, tout comme une plante. Il a publié ses résultats marquants dans une série de lettres à la Royal Society de 1742 à 1746 [16-19] et dans un livre cataloguant ses études en 1744 [20], qui, ensemble, ont suscité un grand intérêt pour le phénomène de régénération animale et a lancé le domaine de Hydre la biologie.

Depuis les premières expériences de Trembley il y a près de 280 ans, Hydre a servi d'organisme modèle extrêmement utile pour étudier une grande variété de processus biologiques, y compris : le vieillissement, la régénération, la formation de motifs et la maintenance et la différenciation des cellules souches [21]. L'une des premières découvertes majeures de Hydre est arrivé en 1909 lorsqu'Ethel Browne, une étudiante diplômée travaillant aux côtés de TH Morgan et EB Wilson, a démontré que l'excision d'un morceau de tissu de la région sous-tentaculaire d'un animal et sa greffe sur la colonne corporelle d'un autre induisaient la formation d'un deuxième corps. axe — une deuxième tête — au site d'implantation [22]. Comme Trembley, Browne a mené une série d'expériences de greffe minutieuses qui ont montré que cette nouvelle propriété d'« induction », résultant en un deuxième axe corporel, était reproductible et spécifique au tissu dans la région sous-tentaculaire. Quinze ans plus tard, Hans Spemann et Hilde Mangold ont réalisé à peu près la même expérience et démontré le même effet en utilisant des embryons d'amphibiens [23]. Ils ont surnommé ce morceau spécial de tissu « inducteur » le « chef organisateur », pour lequel Spemann a reçu le prix Nobel en 1935. Mangold est décédé avant que le prix ne soit décerné et le travail original de Browne en Hydre n'a jamais été reconnu [24].

Néanmoins, les découvertes de Browne dans Hydre a établi le programme de la recherche biologique développementale pour les années à venir, dont l'objectif principal était de déterminer ce qui rendait le tissu organisateur principal si spécial [25]. Qu'y avait-il dans ce tissu particulier qui pouvait induire la formation d'un autre axe corporel et quels étaient les « facteurs inducteurs » spécifiques ? De nombreux outils ont été développés pour identifier et localiser différentes molécules et types de cellules, ce qui a conduit à la découverte que l'organisateur principal établit un gradient de molécules à travers les organismes en développement, une sorte de « carte moléculaire » que les cellules peuvent « lire » pour « savoir » quel type de la cellule à devenir et leur emplacement approprié dans l'organisme [26]. De manière inattendue, ces « cartes moléculaires » se sont par la suite révélées hautement conservées chez les animaux multicellulaires. Les mêmes molécules (par exemple Wnt, BMP, Hox) semblaient être utilisées essentiellement de la même manière par tous les organismes, de Hydre aux humains, pour établir la polarité de l'axe corporel - les pôles antéro-postérieur et dorso-ventral - ainsi que les types de tissus et le plan corporel global [27]. Cela a démontré que l'étude des phénomènes biologiques fondamentaux chez les métazoaires basaux, comme Hydre, peut éclairer ces mêmes processus chez des animaux plus complexes.

3. Neurophysiologie et recherche comportementale chez Cnidaria

Parallèlement aux études principalement sur le développement en Hydre était une ligne de recherche moins connue axée alternativement sur les études comportementales et neurophysiologiques. Cette ligne de travail a commencé dans les années 1870 avec George Romanes, l'un des disciples de Charles Darwin travaillant en Angleterre, et Theodor Eimer, un zoologiste travaillant indépendamment en Allemagne [28]. Tous deux sont devenus fascinés par les comportements complexes des méduses, les plus grandes Cnidaires liées à Hydre, y compris leur capacité à se déplacer de manière « déterminée » et à capturer et ingérer leurs proies (comme le fait Hydre), ce qui suggère la présence d'un système nerveux. Contrairement à leurs prédécesseurs, dont Louis Agassiz et Ernst Haeckel, qui se sont concentrés presque exclusivement sur l'identification de la structure de ce système nerveux présumé à l'aide de diverses méthodes histologiques, avec des résultats équivoques et controversés, Romanes et Eimer ont cherché à prouver que ces métazoaires basaux possédaient un système nerveux en étudiant sa fonction potentielle de coordination du comportement de l'animal. Ils ont tous deux fait des progrès significatifs dans ce sens, qu'ils ont publiés à un mois d'intervalle en 1874 [29,30], mais les deux hommes sont morts prématurément, mettant fin à cette ligne d'enquête.

Les travaux sur la neurophysiologie et le comportement des cnidaires ont été relancés dans les années 1930 lorsque Carl Pantin s'est intéressé à la façon dont le système nerveux (alors connu pour être sous la forme d'un réseau nerveux diffus) contrôlait les muscles de l'anémone de mer, Actinie [28]. Pantin, comme Romanes et Eimer, a fait des progrès considérables dans la détermination de la façon dont le comportement est coordonné dans ce système, qu'il a résumé dans sa Conférence croonienne de 1952 [31], mais lui, comme ses prédécesseurs, était limité par les outils de son temps. La véritable neurophysiologie n'a véritablement commencé que dans les années 1950, lorsque l'avènement de la microscopie électronique et de l'électrophysiologie a permis des études plus sophistiquées de la structure et de la fonction des systèmes nerveux cnidaires. Une percée majeure en microscopie électronique a été l'identification de synapses avec des vésicules centrales denses dans les neurones des méduses, confirmant que les métazoaires basaux possèdent des neurones avec des structures très similaires aux neurones d'organismes plus complexes, tels que les mammifères [32]. Parallèlement, des progrès significatifs ont été réalisés dans les propriétés électriques de ces premiers systèmes nerveux. Une microélectrode nouvellement développée insérée dans l'espace extracellulaire adjacent à un neurone de méduse a permis à Horridge d'enregistrer le premier potentiel d'action chez un cnidaire en 1953 [33]. Ce travail a inspiré d'autres à utiliser des microélectrodes pour étudier les propriétés électriques d'autres cnidaires, y compris Hydre [28].

Dans les années 1960, Passano & McCullough ont publié une série d'articles [34-37] résumant leurs travaux expérimentaux sur l'activité électrique et le comportement des Hydre. Leur analyse minutieuse les a conduits à trois conclusions. D'abord, Hydre présente un comportement spontané et rythmique indépendant de l'environnement environnant, bien qu'il puisse être influencé par des circonstances extérieures [35,37]. Seconde, Hydre possède un système nerveux composé de deux « systèmes de stimulation cardiaque » qui contrôlent des comportements spécifiques [34-37]. Enfin, ces « systèmes de stimulation cardiaque » électriques présentent également une activité rythmique spontanée, dont certaines n'étaient associées à aucun comportement, qu'ils ont qualifié de « cryptique » [34-36]. Ces mêmes caractéristiques ont été trouvées par d'autres chercheurs de l'époque chez plusieurs autres cnidaires, suggérant une conservation significative de la fonction chez ces premiers animaux [2,3]. Ces découvertes ont conduit Passano à proposer un modèle comportant une « hiérarchie de stimulateurs cardiaques » dans laquelle un stimulateur cardiaque servirait à coordonner tous les autres pour assurer un comportement animal cohérent, donnant l'apparence surprenante de certaines caractéristiques du « système nerveux central » dans ces caractéristiques apparemment simples, radialement filets nerveux symétriques [2,3]. Ces travaux ont largement contribué à comprendre comment l'activité électrique dans Hydre est lié à son comportement. Néanmoins, étant donné les limites persistantes des outils disponibles, des questions majeures sont restées sans réponse et la recherche s'est arrêtée jusqu'à présent.

Un objectif majeur de la recherche neuroscientifique moderne est d'enregistrer l'activité de tous les neurones d'un animal qui se comporte à une résolution d'un seul neurone pour permettre la visualisation des phénomènes émergents de l'ensemble du système qui seraient autrement manqués lors de l'enregistrement d'un seul neurone à la fois, comme c'est le cas. le cas lors de l'utilisation de microélectrodes [38]. Le développement d'indicateurs de calcium génétiquement codés fluorescents (GECI) au début des années 2000 a permis l'imagerie tout optique de systèmes nerveux auparavant inaccessibles [39]. Avec sa petite taille, son corps transparent et son réseau nerveux diffus dépourvu de tout cerveau ou ganglion bien défini (figure 1une), Hydre s'est avéré être un système modèle idéal pour l'imagerie optique de tous ses neurones à une résolution unicellulaire en même temps [40]. Cet exploit a été accompli en 2017, lorsque l'activité de presque tous les neurones dans Hydre ont été imagées simultanément à l'aide d'un animal transgénique exprimant le GECI GCaMP6s dans ses neurones [1]. Ce travail a révélé deux caractéristiques fondamentales de la Hydre système nerveux qui sont pour la plupart cohérents avec les travaux antérieurs de Passano & McCullough. Premièrement le Hydre Le système nerveux est composé de trois grands réseaux de neurones (ou « ensembles »). Deuxièmement, il est spontanément actif (voir figure 1b pour les détails).

Figure 1. Le Hydre réseau nerveux et ses fonctions proposées. (une) Les Hydre Le réseau nerveux est visualisé en marquant les neurones avec GFP et en imagerie avec un microscope confocal à disque rotatif. (b) Les Hydre Le réseau nerveux est composé de trois principaux réseaux générateurs de comportements proposés : le réseau de contractions en rafale corrélé à la contraction longitudinale, le réseau de potentiel rythmique 1 (RP1) corrélé à l'élongation et le réseau de potentiel rythmique 2 (RP2) corrélé à la contraction radiale. En plus de ces réseaux générateurs de comportements proposés, le réseau RP1 est également actif pendant Hydre « repos » lorsque l'animal est maintenu dans des conditions extérieures constantes et ne présente aucun comportement observable [1,34].

La découverte de trois grands ensembles fonctionnels au sein du Hydre système nerveux éclaire une question de longue date en neurosciences : qu'est-ce que « l'unité fondamentale » du système nerveux ? Initialement supposé être un « maillage réticulaire » continu fonctionnant comme une seule unité [41], Ramon y Cajal et Sherrington ont transformé la compréhension du système nerveux avec la « doctrine des neurones », l'idée basée sur la « théorie cellulaire » de Schleiden et Schwann [42 ] que les cellules nerveuses individuelles sont les unités fondamentales du système nerveux. La doctrine des neurones reste l'orthodoxie neuroscientifique, non sans une escalade des défis. Aujourd'hui, de plus en plus de preuves suggèrent que la fonction apparaît au niveau de groupes ou d'ensembles de neurones [43,44], quelque part entre un maillage continu et des unités indépendantes. Cette Hydre, avec l'un des premiers systèmes nerveux, un réseau nerveux apparemment « simple », sculpté en trois de ces ensembles fonctionnels, soutient cette idée. Encore une fois, ce métazoaire basal semble nous apprendre quelque chose de fondamental sur la biologie en l'occurrence, la neurobiologie.

La deuxième caractéristique redécouverte de la Hydre système nerveux, son activité spontanée, a sans doute le potentiel de conduire à des changements tout aussi révolutionnaires en neurobiologie. La proposition encore influente de Sherrington selon laquelle le système nerveux est effectivement un « organe réflexe » en attente de stimuli environnementaux pour pousser l'organisme à une réponse comportementale [45] - la proposition fondamentale de la vue entrée-sortie du traitement de l'information [46] - ne peut pas expliquer activité neuronale spontanée qui n'a apparemment aucun effet sur le comportement. Comme nous l'avons vu, cependant, une telle activité spontanée «cryptique», non induisant un comportement, est reconnue chez Cnidaria depuis plus d'un demi-siècle [2,3]. Bien que supposée jouer un rôle dans la coordination du comportement animal à l'époque, la fonction de cette activité a été laissée à un « travail futur », qui n'a jamais été fait. Bien que mal comprises, les découvertes sur divers Cnidaires étaient essentiellement les mêmes : les systèmes nerveux endogènement actifs produisaient des impulsions rythmiques à basse fréquence même dans un environnement immuable et même lorsque les organismes étaient au repos. Pourquoi? Pourquoi des systèmes nerveux énergétiquement coûteux [47] seraient-ils perpétuellement actifs en l'absence de stimulus et en l'absence de tout comportement discernable ? Un indice sur le rôle potentiel de cette activité neuronale spontanée à basse fréquence dans des organismes relativement simples vient d'un endroit inattendu : le cerveau humain.

4. Le réseau en mode par défaut : les oscillations neuronales à basse fréquence chez l'homme

Avant même la démonstration de l'activité spontanée dans le système nerveux des cnidaires, Hans Berger a utilisé son électroencéphalogramme nouvellement inventé pour découvrir l'activité électrique spontanée et rythmique dans le cerveau humain en 1929, qu'il a appelée « ondes alpha » [48]. Malgré les premières découvertes intrigantes de Berger, l'activité cérébrale spontanée a été largement ignorée en faveur de la vision dominante du cerveau comme une machine d'entrée-sortie, active uniquement en réponse à des stimuli externes [45]. Près de sept décennies se sont écoulées avant que les neuroscientifiques Shulman et Raichle ne remarquent indépendamment un résultat paradoxal en effectuant des études de neuroimagerie humaine conçues pour détecter une activité « évoquée par une tâche ». Un réseau cérébral spécifique semble être spécifiquement inhibé pendant les tâches et plus actif tandis que les sujets étaient « au repos » les yeux fermés [49,50]. Une série d'études a vérifié la présence d'une activité cérébrale intrinsèque en l'absence de conditions externes changeantes ou de comportement dirigé vers un objectif et a forcé Shulman et Raichle à conclure que la croyance conventionnelle - que seuls les stimuli externes génèrent une activité cérébrale - est sérieusement erronée. Ce réseau d'état de repos spontané est devenu connu sous le nom de « DMN » du cerveau (figure 2une), qui est rapidement devenu un domaine d'investigation intense [4].

Figure 2. SELFO chez l'homme et Hydre. (une) Activité électrique spontanée dans le « DMN » humain chez un sujet représentatif « au repos » telle que mesurée par l'imagerie par résonance magnétique fonctionnelle (IRMf) (à gauche) avec son évolution temporelle associée montrant des oscillations à basse fréquence (au milieu), qui sont proposées pour jouer un rôle dans les fonctions énumérées (à droite). Panneaux de gauche et du milieu adaptés de la fig. 1a dans [51] (copyright 2008 National Academy of Sciences, USA). (b) Activité électrique spontanée dans le Hydre Réseau RP1 tel que visualisé dans Hydre « au repos » exprimant les GCaMP6 dans ses neurones (à gauche) avec une évolution temporelle représentative mesurée dans des travaux antérieurs avec des électrodes extracellulaires montrant ses oscillations à basse fréquence (milieu) de fonction inconnue. A et A′ indiquent des contractions musculaires épidermiques asymétriques corrélées à un potentiel électrique distinct du potentiel rythmique (PR). Les impulsions RP sont indiquées par des points noirs et n'ont entraîné aucun comportement observable. Panneau du milieu adapté de la figure 1 dans [34].

Alors que de nombreux travaux ont été réalisés sur le DMN humain depuis sa découverte il y a 20 ans, sa fonction reste débattue. On pense qu'il est principalement impliqué dans les processus mentaux de «l'état de repos», tels que la pensée spontanée, la mémoire épisodique, l'errance mentale et le traitement lié à soi [4]. De nombreuses études ont montré un chevauchement significatif entre l'activité neuronale à l'état de repos dans les structures de la ligne médiane corticale censées composer le DMN et celles actives pendant le traitement lié à soi [52, 53]. Ces résultats ont été reproduits à l'aide d'une variété de stimuli auto-spécifiques par rapport à non-auto-spécifiques dans de multiples domaines, notamment facial, émotionnel, verbal, spatial, moteur et de la mémoire, dans lesquels les sujets répondent systématiquement plus fortement aux auto-spécifiques par rapport aux non-auto-spécifiques. stimuli auto-spécifiques [52,53]. Dans chaque domaine étudié, les mêmes structures corticales médianes actives dans le DMN au repos ont également été activées lors du traitement des stimuli auto-spécifiques pendant les tests, ce qui a conduit Northoff à proposer que le DMN pourrait contenir ou coder des informations auto-spécifiques [54]. En plus de ces résultats, des preuves de plus en plus nombreuses montrent que la perturbation de l'activité du DMN via les psychédéliques ou la méditation est en corrélation avec la « dissolution de l'ego », ou la perte du sens de soi, conformément à l'idée que le DMN pourrait jouer un rôle important dans la formation de la soi chez l'homme [55-60]. Cependant, ce qu'est précisément le soi et comment le DMN pourrait y contribuer reste obscur.

Un indice sur la façon dont le DMN pourrait contribuer au moi humain peut provenir de ce qui a été appris sur l'activité cérébrale spontanée en général ces dernières années. Nous savons maintenant que le cerveau humain produit de nombreuses oscillations neuronales spontanées couvrant une large gamme de fréquences allant de l'ultralent (0,01 à 1,0 Hz) à l'ultrarapide (200 à 600 Hz) [61,62]. La même distribution de fréquence d'oscillation neuronale trouvée chez l'homme a été identifiée dans tous les cerveaux de mammifères étudiés à ce jour. Une structure de fréquence aussi robuste est l'une des caractéristiques les plus conservées des cerveaux de mammifères [61]. Nous savons également que l'activité cérébrale intrinsèque consomme jusqu'à 20 % de l'énergie totale du corps, il ne peut donc pas s'agir d'un simple « bruit », comme on l'avait supposé pendant la majeure partie du vingtième siècle [63]. Ces deux faits - une structure hautement conservée et un coût énergétique élevé - suggèrent que l'activité cérébrale spontanée est probablement critique pour le fonctionnement du cerveau [61,63], bien que ce ne soit pas clair. Une proposition, par Buzsáki, envisage une hiérarchie d'oscillateurs intégrateurs qui forment les unités fonctionnelles ou « syntaxiques » de l'insaisissable « code neuronal » où des oscillations plus rapides, plus petites et plus locales sont entraînées, intégrées ou « lues » par des oscillations plus lentes, plus grandes et plus locales. des oscillations plus globales [64]. Les oscillations neuronales à plus haute fréquence fonctionnent comme les « lettres » du code, qui sont intégrées ou « lues » par des oscillations à basse fréquence qui forment des « mots », qui sont intégrés ou « lues » dans des « phrases » par le prochain plus bas- niveau de fréquence, et ainsi de suite.Bien que Buzsáki ne le dise pas explicitement, la théorie suppose implicitement la présence d'un intégrateur ultime en aval au niveau de fréquence le plus bas, qui « lit » toutes les informations de fréquence plus élevée. Il est intéressant de noter que le DMN oscille dans une plage ultra-lente (0,01 à 0,1 Hz) (figure 2une) [51,65-67], ce qui en fait un candidat potentiel pour un intégrateur cérébral ultime.

En plus de sa fréquence, la structure du DMN peut également fournir des indices sur sa fonction. L'architecture globale du réseau « petit monde » du cerveau est composée de nombreuses connexions locales courtes et de quelques connexions à longue portée entre les nœuds. Sur cette image, le DMN semble être l'un des principaux intégrateurs du cerveau qui relie les principaux « hubs riches » riches en connexions via des axones à longue portée et à myélinisation épaisse [68-71]. Cette architecture en réseau place le DMN en position centrale dans le cerveau (figure 2une), dans lequel il reçoit et envoie rapidement des informations entre des régions cérébrales locales par ailleurs séparées. On pense que le DMN reçoit des informations extéroceptives de toutes les zones sensorielles primaires ainsi que des informations intéroceptives de l'insula, du thalamus, de l'hypothalamus, du mésencéphale et du tronc cérébral, et, à son tour, peut rapidement renvoyer des informations vers et entre ces mêmes zones [4 ,52,72,73]. Ainsi, en plus d'osciller à la fréquence la plus basse dans le cerveau, le DMN semble également être dans une position structurelle unique pour agir comme l'intégrateur ultime en aval, comme le prédit implicitement la théorie de Buzsáki [64].

Une autre façon de penser au rôle potentiel du DMN dans l'auto-construction humaine est en tant que couche supérieure du « auto-modèle » de codage prédictif hiérarchique tel que proposé par Friston [74,75]. Comme la théorie de Buszáki, qui prédit le besoin d'un intégrateur cérébral ultime ou d'un « lecteur » (c'est-à-dire d'un « moi »), un modèle de codage prédictif hiérarchique implique également le besoin d'un intégrateur ou d'un « prédicteur » ultime du cerveau (également un « moi »). au sommet de la hiérarchie. Selon les modèles cérébraux de codage prédictif, l'erreur de prédiction est transmise dans la hiérarchie des zones sensorielles primaires et unimodales de bas niveau jusqu'au « prédicteur » multimodal ultime au sommet de la hiérarchie, qui contient une représentation abstraite de haut niveau ( du « soi ») qui transmet ensuite les prédictions aux niveaux inférieurs [74,75]. De cette façon, le DMN, oscillant à la fréquence la plus basse dans le cerveau, pourrait agir comme l'intégrateur d'informations ultime du cerveau, recevant des informations de toutes les unités de niveau inférieur, sinon isolées (oscillant à des fréquences plus élevées), et transmettant un "unifié" auto-prédiction vers le bas pour générer un comportement cohérent et adaptatif (figure 4c).

Ensemble, ces résultats suggèrent que le DMN peut mettre en œuvre un mécanisme de contrôle descendant dans le cerveau humain car il reçoit des informations ascendantes de toutes les zones cérébrales (qui oscillent à des fréquences plus élevées) et peut, à son tour, contraindre ces niveaux inférieurs via son oscillations à ondes lentes, tout en communiquant également rapidement sa sortie unifiée à toutes les régions du cerveau via son activité électrique synchrone pour maintenir l'unité de l'organisme (c'est-à-dire un « soi » cohérent). Par conséquent, le « moi » humain peut être construit de bas en haut, le DMN devenant l'intégrateur neuronal ultime et « l'asservisseur » descendant de tous les niveaux inférieurs d'organisation du cerveau. Il est important de noter que cette vision du moi humain n'implique pas que le DMN est le soi ou que le soi est un chose situé dans la DMN. Au contraire, cela suggère que le soi est un traiter dans lequel le DMN reçoit en permanence des informations sensorielles internes et externes et met à jour de manière adaptative son modèle prédictif de lui-même et du monde. Bien que les preuves s'accumulent reliant le DMN au soi humain, sa fonction et son mécanisme précis restent flous et les hypothèses spéculatives avancées ici restent non testées en raison des difficultés d'imagerie et de manipulation de l'activité cérébrale humaine.

5. SELFO dans le monde vivant

La présence de SELFO chez les cnidaires et les humains (figure 2) soulève une question : se trouvent-ils ailleurs ? Comme déjà mentionné, la même distribution de fréquence d'oscillation corticale trouvée dans le cerveau humain a été trouvée dans le cortex de tous les cerveaux de mammifères étudiés jusqu'à présent, y compris chez les chimpanzés, les macaques, les moutons, les babouins, les porcs, les chiens, les chats, les lapins, les cobayes, les rats , hamsters, gerbilles, souris et chauves-souris [61]. En plus du DMN cortical à basse fréquence, il existe des preuves de nœuds DMN sous-corticaux dans le mésencéphale et le tronc cérébral qui sont hautement conservés chez les mammifères et co-actifs avec les nœuds DMN corticaux, formant ainsi un DMN cortical-sous-cortical [72,73,76 ]. À l'aide de nouvelles techniques d'imagerie par résonance magnétique fonctionnelle (IRMf), des SELFO ont récemment été observées dans la moelle épinière des humains, des primates non humains et des rats, indiquant que ces oscillations envahissent l'ensemble du système nerveux central des mammifères [77-80].

Cependant, l'activité neuronale spontanée n'est pas spécifique aux mammifères. Les cerveaux de poisson zèbre génèrent une large gamme de fréquences d'oscillation spontanées, y compris la gamme de fréquences ultra-lentes (0,01 à 0,1 Hz) [81], bien que leur fonction reste en grande partie inconnue. Des oscillations cérébrales d'une variété de fréquences ont également été enregistrées chez un large éventail d'insectes, y compris les mites [82], les criquets [83], les coléoptères d'eau [84], les abeilles [85] et les mouches [86]. Bien que la plupart de ces travaux se soient concentrés sur l'activité provoquée par des stimuli et les oscillations à haute fréquence, un réseau spontané à ultra-lente fréquence (0,01-0,1 Hz) a été identifié chez les mouches [87], dont la fonction reste à déterminer. À la base de la lignée métazoaire se trouvent les Cnidaires, qui possèdent les premiers systèmes nerveux connus : des réseaux nerveux à symétrie radiale qui semblent générer universellement des SELFO de fonction inconnue (figure 2b) [2,3]. Ainsi, les preuves indiquent la présence de SELFO non seulement chez tous les mammifères, mais chez tous les animaux dotés d'un système nerveux, malgré des différences substantielles de taille et de structure.

Qu'en est-il des organismes sans câblage neuronal ? Produisent-ils une activité électrique similaire ? La réponse est catégoriquement affirmative (figure 3). Les plantes sont connues pour produire des potentiels d'action de type neurone depuis des années [89]. Cependant, des travaux récents utilisant de nouveaux outils (GCaMP3) en Arabidopsis ont rendu cela encore plus clair lorsque des potentiels d'action médiés par le calcium ont été observés en réponse à une blessure, qui se sont déplacés dans toute la plante et ont induit l'expression de gènes de réponse à la blessure en aval sur des sites distants [90]. En plus de l'activité électrique provoquée par un stimulus, les plantes présentent également des SELFO en cours dans les zones de transition de leurs racines (figure 3une), le « centre d'intégration » d'informations proposé pour l'ensemble de l'usine [5,6,88]. De plus en plus de preuves suggèrent que la zone de transition des racines de la plante peut servir d'intégrateur d'informations sensorielles et de coordinateur des réponses motrices dans les tiges et les feuilles distantes en réponse à des conditions changeantes (par exemple, lumière, température, stress salin ou blessures) [6,88]. Le rôle que les SELFO pourraient jouer dans ce processus reste à déterminer. De même, plusieurs champignons multicellulaires présentent des pointes spontanées de type potentiel d'action à basse fréquence [7-9]. Les premiers «potentiels d'action» spontanés à basse fréquence ont été identifiés dans les hyphes matures du champignon Neurospora crassa en 1976 à l'aide d'électrodes intracellulaires – des potentiels qui ont été menés à l'échelle de l'organisme et n'avaient pas de fonction claire [8]. Vingt ans plus tard, les SELFO ont été démontrés dans les hyphes de Pleurotus ostreatus et Armillaria bulbosa, dont la fréquence a augmenté en présence de divers stimuli (par exemple, l'acide sulfurique, l'eau, l'extrait de malt et le bois) et a diminué lorsque le stimulus du bois a été supprimé, conduisant les auteurs à supposer que de tels SELFO peuvent être utilisés pour la communication à l'échelle de l'organisme en réponse aux conditions extérieures changeantes [9]. Plus récemment, une étude de 2018 utilisant des électrodes extracellulaires placées dans le chapeau et le pédoncule du pleurote (Pleurotus djamor) le corps du fruit a également révélé des SELFO sans fonction évidente (figure 3b), bien qu'un rôle potentiel dans la communication à l'échelle de l'organisme ait à nouveau été proposé [7].

Figure 3. SELFO dans les organismes sans système nerveux. (une) Electrophysiologie des plantes (Zea mays) a été étudiée à l'aide d'un réseau multi-électrodes dans les racines des plantes (à gauche). Un exemple d'enregistrement électrique montre des SELFO (au milieu), dont la fonction est inconnue, mais un rôle dans l'intégration et la communication de l'information a été proposé [6,88]. Figure adaptée des figures 1d et 2 dans [5]. (b) Electrophysiologie des champignons (Pleurotus djamor) a été étudiée à l'aide d'électrodes extracellulaires placées dans le chapeau et le pédoncule des fructifications (à gauche). Un exemple d'enregistrement électrique montre des SELFO (au milieu) de fonction inconnue. Figure adaptée des figures 1b et 3b dans [7] (http://creativecommons.org/licenses/by/4.0/). (c) Électrophysiologie des amibes uniques (Chaos chaos) a été étudiée en utilisant à la fois intra- (V1) et extra- (EX) électrodes cellulaires tandis que l'amibe était maintenue stationnaire dans une chambre en verre (à gauche). Un exemple d'enregistrement électrique montre des SELFO (au milieu) de fonction inconnue. Figure adaptée avec la permission de la figure 4a dans [10]. () Electrophysiologie de bactéries isolées (Escherichia coli) a été étudiée à l'aide de l'indicateur de tension fluorescent codé génétiquement PROPS (capteur optique de protons à protéorhodopsine) (à gauche). L'intensité de fluorescence des bactéries individuelles au fil du temps montre des oscillations spontanées à basse fréquence du potentiel membranaire (milieu) de fonction inconnue. Figure adaptée avec la permission de Movie S1 et de la figure 2a dans [11].

Mais cela ne s'arrête pas là. Une activité électrique spontanée à basse fréquence a également été observée chez les organismes eucaryotes et procaryotes unicellulaires. En 1964, des chercheurs ont mené des expériences électrophysiologiques en utilisant à la fois des électrodes intracellulaires et extracellulaires dans deux amibes d'eau douce (Chaos chaos et Amibe protée) dans le but de déterminer pourquoi leurs concentrations de potassium cytoplasmique étaient si élevées. Étonnamment, ils ont découvert des potentiels d'action spontanés de type « potentiel de pointe » de basse fréquence (figure 3c), ce qui les a incités à étudier plutôt ces phénomènes inattendus. Ils ont découvert que les « potentiels de pointe » spontanés pouvaient être modulés par divers produits chimiques (par exemple, l'éther éthylique, la cocaïne, l'oxalate de potassium, le CaCl2), mais n'ont eu aucun effet perceptible sur le comportement ou la morphologie de la cellule, laissant leur fonction obscure [10]. Malgré la possession de nombreux canaux ioniques [91], l'électrophysiologie des bactéries était jusqu'à récemment inconnue en raison de la difficulté d'utiliser des microélectrodes traditionnelles dans de très petites cellules à parois cellulaires. La création d'une protéine fluorescente sensible à la tension en 2011, a cependant permis pour la première fois de visualiser les propriétés électriques dynamiques des bactéries, révélant des pics spontanés de type potentiel d'action à basse fréquence dans Escherichia coli pas clairement lié au comportement (figure 3) [11]. Plus récemment, Bacillus subtilis dans les biofilms se sont avérés s'engager dans la signalisation électrique à longue portée via la propagation d'ondes de potassium synchronisées à basse fréquence à la fois à l'intérieur et entre les biofilms pour coordonner le partage des nutriments [12,13], suggérant en outre un rôle potentiel pour les oscillations électriques à basse fréquence dans ' l'intégration et la communication de l'information à l'échelle de l'organisme.

Bien que l'on sache très peu de choses sur leur fonction, des SELFO de quelque sorte semblent être présents dans la plupart des organismes étudiés jusqu'à présent, suggérant un rôle important dans les systèmes vivants.

6. Hypothèse : les SELFO en tant qu'organisateurs d'organismes électriques

Jusqu'à présent, nous avons passé en revue la découverte précoce de l'organisateur de la tête moléculaire dans Hydre, vu que les SELFO de fonction inconnue existent dans les premiers systèmes nerveux, a appris comment le SELFO dans le cerveau humain, le DMN, peut contribuer au soi humain en agissant comme un intégrateur et un communicateur à l'échelle du cerveau, et a découvert la présence généralisée des SELFO dans d'autres phylums très divergents. Ici, je vais essayer de tisser ces fils ensemble et de conjecturer brièvement que les SELFO peuvent être les intégrateurs et communicateurs ultimes d'informations électriques à l'échelle de l'organisme dans tous les systèmes biologiques à tous les niveaux d'échelle, ce qui les rend essentiels pour le maintien de l'unité de l'organisme et d'un comportement cohérent et adaptatif. .

Depuis la découverte de l'organisateur de la tête moléculaire dans Hydre il y a plus de 100 ans, on a beaucoup appris sur la façon dont les organismes construisent leur corps [26,27]. C'est-à-dire que nous avons beaucoup appris sur la spatial domaine de la biologie - comment plusieurs unités indépendantes (par exemple, les protéines dans les cellules et les cellules dans les organismes multicellulaires) sont coordonnées dans l'espace pour former un tout structurel unifié. Cependant, on en sait beaucoup moins sur les temporel domaine de la biologie. Une fois par de construction tout, un corps, se construit, comment est-il entretenu et comment est son activité coordonné dans le temps ? Comment un tel corps est-il composé de plusieurs parties mouvement et se comporter comme une, cohérent unité? La présence d'un SELFO dans presque tous les systèmes vivants peut-elle aider à répondre à ces questions ?

(a) Émergence des SELFO dans les systèmes biologiques

Pour commencer, nous devons considérer ce que la physique nous apprend sur le comportement collectif des systèmes non vivants dans lesquels de nombreuses sous-unités individuelles à un niveau d'échelle inférieur (par exemple, l'individu H2molécules O) peuvent donner lieu à diverses propriétés émergentes à un niveau d'échelle plus élevé (par exemple au niveau de la population de nombreux H2molécules O). Il existe trois phénomènes émergents fondamentaux que présentent les systèmes non vivants : l'ordre total (un solide dans le cas de l'eau), le désordre total (gaz) ou quelque chose entre les deux (liquide) [92]. Contrairement aux systèmes non vivants, qui tendent vers l'équilibre et peuvent être trouvés dans n'importe lequel de ces états collectifs, les systèmes biologiques sont généralement considérés comme des systèmes dynamiques complexes auto-organisés qui ont tendance à se maintenir dans la catégorie "quelque part entre les deux" près du " bord du chaos' où le système présente le plus de flexibilité - pas trop ordonné ou rigide et pas trop désordonné ou chaotique [93,94]. Deux avantages principaux de vivre au bord du chaos ont été proposés : un plus grand flux d'informations à travers le système et une plus grande flexibilité au sein du système pour la formation et la dissipation des motifs [95].

Étant donné un vaste espace d'état potentiel, la façon dont les systèmes biologiques se maintiennent dans une bande de fonctionnement extrêmement étroite reste l'une des principales questions sans réponse en biologie. Cependant, on pense que la rétroaction descendante des niveaux d'échelle supérieurs (par exemple, l'organisme) vers les sous-unités à des niveaux inférieurs (par exemple, les organes, les cellules dans les agrégats multicellulaires, les protéines) joue un rôle important [96-98]. Est-il possible que les SELFO fournissent aux systèmes biologiques une rétroaction électrique descendante pour les maintenir dans cet espace d'état dynamique et habitable ? Si oui, comment pourraient-ils émerger des sous-unités de niveau inférieur ? Bien que les oscillations elles-mêmes aient un caractère similaire (figures 2 et 3), il est tout à fait probable qu'elles soient générées par des mécanismes différents dans différents types de systèmes biologiques. Nous allons maintenant examiner quelques possibilités chez les organismes unicellulaires, les organismes non neuronaux et les organismes dotés de systèmes nerveux.

Comme déjà noté, malgré la pensée conventionnelle selon laquelle les cellules neuronales sont uniques dans leur capacité à conduire des signaux électriques, de nombreuses cellules non neurales, des bactéries aux diverses cellules humaines, présentent une activité électrique sous la forme d'oscillations de potentiel membranaire sous le seuil et de potentiels d'action de type neurone. (figure 3) [99-101]. On pense généralement que ces activités résultent du passage des ions à travers les canaux ioniques membranaires. Cependant, des travaux récents suggèrent que les protéines, plutôt que d'être des isolants électriques (comme on l'a longtemps pensé), peuvent conduire un courant important en fonction de leur conformation [102]. À l'aide d'un microscope à effet tunnel, les chercheurs ont démontré que six protéines sélectionnées au hasard, précédemment supposées être électriquement inertes, conduisent toutes efficacement un courant lorsqu'elles sont liées à leurs ligands apparentés dans leur environnement aqueux natif [102]. Ces découvertes remettent en cause l'idée que les protéines sont principalement impliquées dans la construction de structures cellulaires, la catalyse de réactions chimiques et la transduction de signaux inter et intracellulaires via une modification post-traductionnelle [103]. Au lieu de cela, ces résultats suggèrent que, plutôt que des modifications de protéines étant le signal, ils peuvent servir à affecter le « vrai » signal électrique en autorisant ou en interdisant le flux de courant à travers les protéines en modifiant leur configuration. Ainsi, les protéines peuvent agir comme un « matériel » électrique subcellulaire (figure 4une) servant à la fois de « fils » et de « transistors » qui sont « ouverts » et « fermés » en fonction de diverses modifications des protéines, qui affectent leur capacité à conduire le courant.

Figure 4. Signalisation électrique tout au long de la vie. (une) Signalisation électrique dans des cellules individuelles dans lesquelles le « matériel » peut consister en (i) des protéines qui passent le courant (flèche bleue) en fonction de leur configuration, qui peut être altérée avec des modifications des protéines (telles que la phosphorylation, comme indiqué). Ces pièces « matérielles » peuvent être disposées dans différents réseaux au sein des cellules (ii) pour former des circuits électriques codant des informations sur les états interne (circuit supérieur droit) et externe (circuit inférieur droit), qui peuvent alimenter la basse fréquence électrique spontanée oscillateur (SELFO) au niveau supérieur à intégrer pour produire des représentations abstraites (c. Le SELFO de niveau supérieur peut ensuite revenir en arrière pour coordonner et mettre à jour les composants de niveau inférieur. (b) La même architecture générale s'applique au niveau d'échelle suivant dans les tissus non neuronaux où le « matériel » devient (i) des cellules non neurales qui peuvent être connectées via des jonctions communicantes pour permettre le passage des ions de manière intercellulaire (flèches bleues) les canaux fonctionnent pour conduire des ions intra- ou extracellulaires. Ces pièces « matérielles » peuvent être disposées dans différentes configurations au sein du tissu non neuronal pour former des circuits électriques codant des informations sur les états interne (circuit supérieur droit) et externe (circuit inférieur droit), qui peuvent alimenter le SELFO au niveau supérieur. à intégrer pour produire des représentations abstraites (c'est-à-dire 'logiciel') (iii) à la fois de l'état interne de l'organisme (c'est-à-dire du modèle 'soi') et de l'environnement externe (c'est-à-dire du modèle 'monde'). Le SELFO de niveau supérieur peut ensuite revenir en arrière pour coordonner et mettre à jour les composants de niveau inférieur. (c) Dans les organismes dotés d'un système nerveux, le « matériel » est transformé en neurones (i) qui, en plus des synapses chimiques, peuvent être connectés via des jonctions communicantes pour permettre le passage des ions entre les cellules (flèches bleues) tandis que les canaux ioniques fonctionnent pour conduire les ions intra- ou extracellulaire. Ces pièces « matérielles » peuvent être disposées dans différentes configurations au sein du tissu neural pour former des circuits électriques plus rapides et plus complexes encodant des informations sur les états interne (circuit supérieur droit) et externe (circuit inférieur droit), qui peuvent également alimenter le SELFO à le niveau supérieur à intégrer pour produire des représentations abstraites (c'est-à-dire 'logiciel') (iii) à la fois de l'état interne de l'organisme (c'est-à-dire du modèle 'soi') et de l'environnement externe (c'est-à-dire du modèle 'monde'). Comme dans les autres cas, le SELFO de niveau supérieur peut revenir en arrière pour coordonner et mettre à jour les composants de niveau inférieur.

Ce nouveau travail soutient une vieille idée proposée à l'origine par Albert Szent-Györgyi en 1941 [104] : que des protéines à structure très régulière pourraient agir comme des semi-conducteurs d'électrons dans les cellules, de la même manière que des matériaux « non vivants » comme les cristaux. Cette théorie n'a jamais pris racine malgré des preuves significatives à l'appui, y compris de Szent-Györgi lui-même en 1980 qui a démontré la conduction électronique dans une variété de protéines sèches (par exemple, la caséine, la BSA, le collagène, le lysozyme) - une conductivité qui a été modifiée de la même manière en fonction des changements de conformation des protéines en raison de aux modifications chimiques et électriques [105]. En parallèle, Michael Berry a proposé un « modèle électrochimique du métabolisme » en 1981 où il a soutenu que les voies métaboliques cellulaires (par exemple la glycolyse, la gluconéogenèse) ne peuvent être expliquées qu'en termes de les deux chimique et flux électriques dans lesquels le flux d'électrons et de protons par Les protéines sont essentielles pour conduire des réactions chimiques, non seulement à l'intérieur des membranes, mais, probablement, dans toute la cellule [106–108]. Berry a comparé les cellules biologiques à des « réseaux de micro-électrodes » composés de deux phases matérielles : la « phase à l'état solide » (c'est-à-dire le « réseau microtrabéculaire » hautement ordonné composé de protéines cytoplasmiques et d'organites qui peuvent laisser passer le courant) phase aqueuse en vrac » (c'est-à-dire « l'électrolyte », qui peut fournir du courant). De ce point de vue, le «réseau microtrabéculaire» est considéré comme un «réseau protoneural» dans lequel le courant électrique passe à l'intérieur et entre les réseaux de protéines et les organites, ce qui entraîne des réactions chimiques (voir [106–108] pour une discussion complète de ce sujet complexe ). Bien que ce modèle reste à être entièrement vérifié (voir [109] pour une revue récente appelant à davantage de recherches dans cette direction), la récente démonstration de la conduction électronique au sein des protéines dans leur environnement aqueux natif le soutient davantage [102].

Dans l'ensemble, ce travail suggère que les propriétés électriques des cellules peuvent être très complexes et dynamiques avec des protéines se liant ensemble pour former des circuits électriques qui sont intégrés dans un environnement électrique changeant entraîné par les flux d'ions dans la «phase aqueuse» du cytoplasme [106–108] . Compte tenu des altérations de la conductivité des protéines observées avec différentes modifications chimiques et électriques [102, 105, 108], la conduction à travers les « fils » de protéines devrait être très dynamique et sensible au milieu chimique et électrique environnant. Un tel paysage électrique complexe peut être suffisant pour générer une structure de fréquence d'oscillation électrique complexe dans les cellules, similaire à celles trouvées dans le cerveau des mammifères (figure 4). Si cette proposition est à distance correcte, un SELFO pourrait émerger de bas en haut au niveau intracellulaire à la suite d'interactions complexes de nombreuses protéines faisant passer des courants électriques et des ions se déplaçant dans le cytoplasme. Un tel SELFO pourrait, à son tour, revenir en arrière pour coordonner et contraindre ces mêmes sous-unités de niveau inférieur.

Dans les organismes multicellulaires sans système nerveux, de plus en plus de preuves suggèrent que la communication électrique entre les cellules somatiques (le « matériel » électrique à ce niveau d'échelle, figure 4b) se produit à la fois directement, via le flux d'ions à travers les jonctions gap cellule-cellule, et indirectement, via le flux ionique extracellulaire à travers les canaux ioniques [14,101]. Comme nous l'avons vu, la communication électrique intercellulaire existe dans les biofilms bactériens, lorsque les ions potassium sont pompés hors de cellules bactériennes individuelles, provoquant la libération de potassium extracellulaire par les cellules voisines à travers leurs canaux potassiques membranaires, propageant ainsi une onde potassique à longue portée qui voyage de l'intérieur. du biofilm vers la périphérie [12,13]. L'émergence spontanée de telles oscillations électriques à basse fréquence à l'échelle du biofilm a maintenant été modélisée mathématiquement et il a été démontré qu'elle résulte d'une interaction complexe de stress métabolique bactérien qui est communiquée à longue distance via une signalisation électrique pour coordonner les réponses cellulaires bactériennes individuelles au sein du groupe [110 ]. Ainsi, dès le départ, il semble que des mécanismes étaient en place pour permettre aux oscillations électriques à basse fréquence de survenir spontanément à partir d'interactions complexes entre des groupes de cellules non neurales, qui servent ensuite de mécanisme « descendant » au sein du système pour coordonner et contraindre les composants de niveau inférieur.

En plus des ondes de potassium électriques extracellulaires à longue portée trouvées dans les biofilms bactériens, un nombre croissant de preuves montre que la communication électrique extracellulaire et intercellulaire se produit entre les cellules dans une grande variété d'organismes non neuronaux [14,101]. On pense que chaque type de cellule possède un potentiel membranaire de repos unique, qui, dans la plupart des cas, peut osciller dans le temps [101]. Ainsi, lors du couplage de ces cellules non neuronales via des jonctions communicantes cellule-cellule, ces oscillations de potentiel membranaire sous le seuil peuvent être transmises de cellule somatique à cellule somatique, créant des circuits électriques distincts dans tout l'organisme en fonction de la façon dont les cellules sont connectées (figure 4b) [111]. Il a été démontré que ces circuits de potentiel membranaire inférieur au seuil à l'échelle du corps jouent un rôle essentiel dans le développement et le maintien de la structure globale du corps et ont été proposés comme un autre mécanisme potentiel « descendant » que les organismes utilisent pour coordonner leurs nombreuses parties [14,112]. Après une lésion tissulaire, par exemple, il apparaît la modulation des signaux électriques à l'échelle de l'organisme précède des changements dans les signaux moléculaires, suggérant que les signaux électriques plus rapides coordonnent et contraignent probablement les composants moléculaires plus lents [113]. Ce travail suggère que les organismes construisent et entretiennent leur corps via une boucle de rétroaction complexe continue entre les composants moléculaires subcellulaires (par exemple, les canaux ioniques et les jonctions communicantes) qui affectent l'activité électrique à un niveau supérieur (par exemple, le niveau du circuit), qui se répercute ensuite sur affectent à la fois la transcription et le comportement des composants moléculaires [14]. Ainsi, en plus des gradients moléculaires classiques qui ont été bien établis en biologie du développement depuis la découverte de « l'organisateur principal » [27], il semble y avoir un gradient d'activité électrique qui provient probablement des composants moléculaires de niveau inférieur. qui pourraient servir à coordonner et contraindre ces mêmes composants moléculaires. Compte tenu des interactions complexes des nombreuses sous-unités sous-jacentes à l'échelle subcellulaire et cellulaire dans les organismes non neuronaux, il se peut qu'un SELFO générant des potentiels d'action de type neurone émerge de ces interactions pour communiquer des informations à l'échelle de l'organisme de manière plus rapide, comme cela a été observé chez les plantes [5,6] et les champignons [7-9] (figure 3).

Enfin, comment les SELFO pourraient-ils être générés dans les organismes avec systèmes nerveux ? Les neurones ont longtemps été considérés comme le « matériel » électrique le plus efficace en biologie, conduisant rapidement le courant à travers leurs longs « tubes » unidimensionnels (c'est-à-dire les axones) et se connectant pour former des circuits via des jonctions communicantes et des synapses chimiques (figure 4c). En utilisant ces parties, il se peut, comme Passano l'a proposé à l'origine pour le système nerveux cnidaire il y a un demi-siècle, que la structure de fréquence d'oscillation hautement conservée observée dans tous les cerveaux de mammifères se présente comme une « hiérarchie de stimulateurs cardiaques » [2,3]. La plupart des neurones présentent une activité intrinsèque de stimulateur cardiaque [114,115]. C'est-à-dire que lorsqu'ils sont isolés en culture, les neurones de nombreux systèmes nerveux différents présentent des oscillations électriques spontanées et continues de fréquences variables. Selon l'expérience d'horloge classique de Huygens [116], si vous connectez deux oscillateurs de fréquence similaire, ils se synchroniseront et commenceront à osciller ensemble. Si de nombreux neurones uniques oscillant intrinsèquement sont connectés, il est plausible de supposer qu'ils pourraient spontanément former des groupes d'oscillateurs (c'est-à-dire des ensembles), oscillant à la même fréquence. De cette manière, des systèmes nerveux de toutes formes et tailles peuvent s'auto-assembler spontanément en structures de niveau supérieur (c'est-à-dire des ensembles de tailles diverses oscillant à différentes fréquences) formant une « hiérarchie de stimulateurs cardiaques » dans laquelle l'oscillateur le plus gros et le plus lent du système pourrait servent à coordonner et à contraindre tous les oscillateurs plus petits et plus rapides (figure 4c).

(b) Fonction des SELFO dans les systèmes biologiques

Après avoir examiné comment les SELFO peuvent émerger de bas en haut via une variété de mécanismes au sein des organismes biologiques, nous allons maintenant explorer ce qu'ils pourraient faire plus en détail. Ici, je propose trois fonctions potentielles des SELFO au sein des systèmes vivants : (i) les maintenir à ou près de leur point critique, (ii) intégrer toutes les informations électriques de niveau inférieur dans le système, et (iii) communiquer en permanence ce niveau élevé « regarder » jusqu'aux composants constitutifs pour les coordonner et les mettre à jour sur l'état général du système afin de générer un comportement cohérent et adaptatif. Bien qu'une analyse approfondie de ces fonctions potentielles dépasse le cadre de cet article, chacune sera brièvement examinée ci-dessous.

(i) Les SELFO maintiennent les systèmes biologiques près de la criticité

Comme mentionné, une tâche des SELFO peut être de maintenir les organismes à ou près de leur «point critique» dans l'espace d'état en les contraignant «de haut en bas» via leurs oscillations électriques à ondes lentes pour permettre à la fois un flux d'informations optimal à travers le système et une flexibilité optimale. de la formation et de la dissipation des motifs [95]. Comment ces propriétés pourraient-elles être avantageuses pour les systèmes vivants ? Prenons l'exemple des cellules individuelles, qui contiennent de nombreux composants subcellulaires (par exemple des protéines). Comme un verre d'eau, il existe trois configurations générales dans lesquelles une cellule peut se trouver en ce qui concerne ses éléments constitutifs, comme discuté ci-dessus : ordre total (protéines bloquées dans un état immuable), désordre/chaos total (protéines se déplaçant au hasard), et « quelque part entre les deux » (les protéines forment des « modèles » — se lient les unes aux autres pour former des structures utiles — pendant un certain temps avant que ces modèles ne se dissipent) [94]. Pour s'adapter au mieux à son environnement, une cellule ferait mieux de se maintenir dans l'état "quelque part entre les deux" où les modèles formés par ses protéines sont maintenus juste assez de temps pour qu'elles soient utiles, mais pas trop longtemps pour qu'elles se terminent dans un état fixe et non adaptatif (avec toutes les protéines bloquées dans une configuration, c'est-à-dire la mort cellulaire) [93].

Cet avantage s'applique également aux organismes non neuraux et neuraux et est mieux compris en termes de cerveau humain, dont on pense qu'il se maintient près de la criticité [117]. Fait intéressant, les preuves suggèrent que c'est le SELFO dans le cerveau humain, le DMN, qui pourrait maintenir le système près de son point critique, car la perturbation du DMN entraîne des états cérébraux plus «fluides» dans lesquels les modèles d'activité neuronale sont plus désordonnés et chaotiques, corrélant avec des états psychédéliques et psychotiques [57,118,119]. À l'inverse, une activité DMN trop active entraîne des états cérébraux plus « bloqués » dans lesquels les modèles d'activité neuronale sont plus ordonnés, en corrélation avec la rumination et les états anxieux ou déprimés [57,117,120-122]. Un cerveau totalement ordonné serait un cerveau dans lequel soit tous les neurones sont éteints (c'est-à-dire la mort cérébrale) soit tous les neurones s'activent de manière synchrone (c'est-à-dire une crise), ce qui n'est pas un état très utile pour l'organisme. Ainsi, les SELFO pourraient servir à maintenir les systèmes biologiques près de leur point critique pour permettre à la fois un flux d'informations optimal et la formation de motifs qui ne soient ni trop ordonnés ni trop désordonnés.

(ii) les SELFO en tant qu'intégrateurs d'informations à l'échelle de l'organisme

Le deuxième rôle que les SELFO peuvent jouer dans les systèmes vivants est celui d'intégrateurs d'informations électriques à l'échelle de l'organisme. Comme discuté, tous les systèmes biologiques sont composés de nombreuses parties en constante évolution qui doivent continuellement coopérer pour former un tout unifié qui peut à la fois maintenir sa structure (c'est-à-dire son corps) et le déplacer pour générer un comportement cohérent et adaptatif. Cela implique qu'une partie du système doit avoir accès, même indirectement, à toutes les informations contenues dans le système. Aucune sous-unité (par exemple, une seule molécule dans une cellule ou une seule cellule dans un organisme) ne peut avoir accès à toutes les informations du système - c'est le mauvais niveau d'échelle [123]. Cependant, un SELFO généré par ces composants de niveau inférieur, fonctionnant ainsi à un niveau d'échelle supérieur, pourrait, en principe, recevoir des informations sur toutes les sous-unités de niveau inférieur en intégrant toutes les informations électriques ascendantes dans le système, comme examiné dans la section 4 ci-dessus, et décrites dans la figure 4. En tant que tels, les SELFO peuvent agir comme les intégrateurs ultimes dans les systèmes biologiques, qui intègrent toutes les informations électriques de niveau inférieur envoyées « en haut » dans des niveaux de plus en plus élevés de représentations abstraites à la fois des l'état du système et l'environnement externe rencontré par le système. De cette façon, le SELFO recevrait et « visualiserait » en fin de compte toutes les représentations abstraites de plus haut niveau de l'organisme (c'est-à-dire son « moi ») et de son environnement (c'est-à-dire son « monde »), formant ainsi un « moi » intégré. /modèle 'monde' (figure 4).

Cette vue suggère que le SELFO peut ainsi recevoir en continu des informations électriques de bas en haut de l'ensemble du système qu'il pourrait ensuite intégrer sur une fenêtre de temps spécifique en fonction de sa fréquence, avant de prendre un « instantané » de l'organisme et de son environnement, un peu comme une caméra. puce intègre des photons sur un temps d'exposition spécifié avant de prendre une photo. Fait intéressant, les SELFO biologiques ne semblent pas maintenir des fréquences d'oscillation cohérentes. Au contraire, ils semblent changer leurs fréquences en réponse à différents stimuli [2,6,7], comme discuté ci-dessus dans le cas des champignons qui augmentent la fréquence de leurs SELFO en réponse à l'acide sulfurique, l'eau, l'extrait de malt et le bois, et diminuent leur fréquence lorsque le stimulus bois est supprimé [9]. Ainsi, il se peut que les SELFO de chaque système biologique aient une plage de fréquences de base spécifique, déterminée par la composition unique de chaque organisme, dans laquelle les organismes pourraient maintenir une certaine fréquence SELFO « de base » de milieu de gamme qui peut être modifiée en réponse à la fois à des Entrée externe. Par exemple, si l'organisme est au repos et que tout est comme prévu tant à l'intérieur qu'à l'extérieur, le SELFO peut s'intégrer sur une plus longue période de temps (c'est-à-dire attendre plus longtemps entre les instantanés de son « moi » et de son environnement) et ainsi mettre à jour son « moi ». modèle '/'world' moins fréquemment car rien ne change beaucoup. Cependant, si l'organisme rencontre quelque chose d'inattendu (par exemple, un prédateur est à proximité), le SELFO peut s'intégrer sur une période de temps plus courte (c'est-à-dire prendre des instantanés plus fréquents de son « moi » et de son environnement) pour augmenter sa résolution temporelle et mettre à jour son Le modèle « / « monde » plus fréquemment car il subit des changements plus rapides.

Une autre conséquence potentielle de l'ajustement de la fréquence SELFO sur la base d'une entrée interne et externe peut être une modulation simultanée de la position du système dans l'espace d'état de telle sorte que l'abaissement de la fréquence SELFO (c. est « au repos » dans un état attendu et l'augmentation de la fréquence SELFO (c'est-à-dire la diminution de son temps d'intégration) peut entraîner un système plus « restreint » ou « rigide » lorsqu'il se trouve dans un état inattendu ou « stressé ».

(iii) les SELFO en tant que synchroniseurs et communicateurs à l'échelle de l'organisme

En plus de recevoir toutes les informations électriques dans l'organisme, une troisième fonction que les SELFO pourraient remplir est de transmettre ces informations intégrées de haut niveau à leurs parties inférieures via un tir synchrone à l'échelle de l'organisme pour les coordonner et les contraindre. Idéalement, le même signal atteindrait chaque composant simultanément, de sorte que le SELFO pourrait servir d'« horloge maîtresse » à l'organisme pour coordonner toutes les parties dans le temps. Si les systèmes biologiques sont en équilibre ou proche de la criticité, le flux d'informations à travers le système serait optimal, garantissant que le SELFO peut à la fois recevoir et envoyer des informations à l'échelle du système le plus rapidement [95]. Contrairement aux horloges de machines typiques, cependant, qui sont précisément conçues pour maintenir des oscillations régulières afin d'assurer des dispositifs de synchronisation cohérents [124], l'« horloge maîtresse » SELFO trouvée dans les organismes biologiques semble modifier constamment sa fréquence en fonction d'entrées internes et externes [2, 6,7,9,10], comme discuté précédemment. Par conséquent, en plus de servir de dispositif de synchronisation, les SELFO/« horloges maîtresses » biologiques peuvent également transmettre des informations sur l'état du système en modifiant leurs fréquences (c'est-à-dire en modifiant leurs intervalles de synchronisation). Les SELFO/« horloges maîtresses » biologiques semblent donc être des oscillateurs intrinsèquement réglables (c'est-à-dire des horloges réglables), réglés en interne par leurs propres composants en constante évolution, contrairement aux oscillateurs réglables dans les machines, comme les radios, qui doivent être réglés de l'extérieur [124].

Une telle « horloge mère » SELFO/biologique intrinsèquement adaptable permettrait à l'organisme d'ajuster simultanément trois paramètres principaux à la volée, comme partiellement examiné ci-dessus : (i) son temps d'intégration (c'est-à-dire combien de temps il « lit » les informations ascendantes pour obtenir un « instantané » de son « moi » et de son « monde »), (ii) sa position dans l'espace d'état (c'est-à-dire à quel point le système est « fluide » ou « rigide »), et (iii) à quelle fréquence il sera mis à jour ses composants de niveau inférieur. Comme indiqué ci-dessus, si un organisme est au repos et que tout se passe comme prévu, il peut souhaiter non seulement intégrer et mettre à jour son modèle « soi »/« monde » moins fréquemment, mais aussi mettre à jour ses composants de niveau inférieur moins fréquemment pour conserver l'énergie. car tirer des potentiels d'action est coûteux en énergie [47].Alternativement, si l'organisme rencontre quelque chose d'inattendu, il pourrait augmenter son taux de déclenchement non seulement pour intégrer et mettre à jour son modèle « soi »/« monde » plus fréquemment, comme ci-dessus, mais aussi pour mettre à jour ses composants en aval plus souvent pour les alerter d'un potentiel interne. ou des changements externes au système ou à son environnement. Ainsi, le déclenchement synchrone du SELFO pourrait non seulement fournir une coordination descendante des sous-composants pour assurer l'unité de l'organisme, il pourrait également communiquer des informations sur l'état général du système via des changements dans sa fréquence - des changements qui sont le résultat d'une baisse continue. -up entrée de toutes ses parties constitutives, ce qui en fait un oscillateur/« horloge maître » hautement adaptable et intrinsèquement réglable.

7. Conclusion

L'image esquissée ci-dessus est hautement spéculative. Cependant, il y a un vrai phénomène à expliquer : les SELFO, qui sont hautement conservés chez les mammifères, ont été « découverts » à plusieurs reprises chez Cnidaria et maintenant dans de nombreux autres phylums très divergents, y compris les plantes et les organismes unicellulaires. À ce jour, cette activité a attiré peu d'attention en dehors des études de neuroimagerie humaine avec une mauvaise résolution spatiale et temporelle.

En tant que seul animal dont l'ensemble du système nerveux peut actuellement être imagé simultanément à une résolution unicellulaire tout en se comportant [1], Hydre aura un rôle important à jouer dans cette enquête. Il reste difficile de savoir si le Hydre SELFO, son réseau RP1 actif « au repos », est également impliqué dans la génération de comportement (élongation) comme proposé dans les travaux récents (figure 1) car il n'y avait pas de relation évidente entre l'activité RP1 et l'élongation, ce qui a amené les auteurs à spéculer que plutôt que directement générateur comportement, RP1 peut servir à intégrer des informations sensorielles et coordonner comportement [1]. Il s'agit d'une distinction importante qui peut être testée dans d'autres études à haute résolution du polype d'eau douce dans lesquelles l'activité RP1 (sa fréquence, son amplitude et sa phase) peut être mesurée avec précision au cours de différents comportements et pendant le « repos » pour déterminer de manière plus définitive si la Hydre SELFO n'est impliqué que dans des processus non générateurs de comportement (c'est-à-dire le « repos » et la coordination du comportement) ou joue également un rôle dans la génération directe de comportement. En plus de sa relation avec Hydre comportement, la relation de l'activité de RP1 avec les autres réseaux de neurones peut également être rigoureusement évaluée pour déterminer s'il les coordonne effectivement et, si oui, précisément comment. L'expérience la plus définitive serait la perturbation de la Hydre SELFO par des moyens optogénétiques, pharmacologiques ou physiques. Deux conclusions majeures seraient attendues sur la base des hypothèses ci-dessus concernant le rôle potentiel des SELFO : (i) un Hydre système nerveux en raison de la perte de rétroaction « descendante » pour maintenir le système à un niveau de criticité ou proche, et (ii) un comportement moins coordonné en raison de la perte d'intégration et de communication des informations électriques à l'échelle de l'organisme nécessaires pour maintenir l'unité de l'organisme.

En plus de permettre des expériences de perte de fonction, Hydre est également particulièrement bien adapté pour étudier le développement naturel et la fonction des SELFO car il se reproduit de manière asexuée par bourgeonnement [125]. Cela permet d'étudier comment plusieurs corps (c'est-à-dire des bourgeons et des parents attachés les uns aux autres) pourraient fonctionner comme un seul organisme cohérent tout en partageant le même SELFO synchrone (c'est-à-dire en partageant le même organisateur d'organisme électrique) et par la suite commencer à fonctionner comme plusieurs organismes individuels non coordonnés. (tout en étant physiquement attaché) avec le développement de SELFO asynchrones et séparés (c'est-à-dire deux organisateurs d'organismes électriques séparés). Hydre possède également des capacités de régénération remarquables [20], permettant une myriade d'expériences de coupe et de greffe dans lesquelles des animaux de toutes formes et tailles peuvent être générés avec un nombre variable de neurones et de SELFO pour explorer comment une activité coordonnée ou non coordonnée pourrait émerger dans ces structures (par ex. Hydre avec plusieurs têtes, plusieurs pieds, sans tête, sans pied, ou toute combinaison de ceux-ci). Non seulement Hydre régénéré une fois coupé, il forme également un nouvel animal entier à partir de cellules uniques totalement dissociées [126], permettant l'étude de l'émergence des SELFO et de la coordination à l'échelle de l'organisme au sein d'un groupe d'éléments dissociés. Enfin, un adulte Hydre se reconstruit constamment, en retournant toutes ses parties tous les 20 jours [127], ce qui permet d'étudier comment un organisme maintient son corps, son système nerveux et SELFO, et un comportement cohérent malgré des composants en constante évolution.

Depuis la découverte de Hydre il y a plus de 300 ans, ce simple animal nous a beaucoup appris sur les systèmes biologiques, principalement sur la façon dont les organismes construisent leur corps à l'aide de molécules. Maintenant, Hydre commence à révéler les secrets de son système nerveux, dans lequel des SELFO « cryptiques » guettent depuis leur découverte initiale dans les années 1960. Il n'est pas surprenant qu'une telle activité neuronale spontanée ait été négligée car il n'y avait pas de place pour elle dans le paradigme d'entrée-sortie dominant hérité de Sherrington [45]. La récente découverte inattendue d'un SELFO, le DMN, dans le cerveau humain, a cependant nécessité une révision substantielle d'un tel modèle « réflexe » des systèmes nerveux et a ravivé l'intérêt pour l'activité neuronale endogène. Depuis sa découverte, le DMN est devenu de plus en plus lié au « soi » chez l'homme, agissant potentiellement comme un intégrateur à l'échelle du cerveau, mais sa fonction et son mécanisme précis restent obscurs compte tenu des limites de l'imagerie et de la manipulation du cerveau humain. Fait intéressant, le même type d'activité électrique spontanée trouvé dans le DMN humain semble être hautement conservé tout au long de la vie. La présence généralisée des SELFO suggère qu'ils pourraient jouer un rôle important dans l'intégration et la communication à l'échelle de l'organisme dans les systèmes biologiques à tous les niveaux d'échelle et ouvre la porte à leur étude dans des systèmes plus exploitables expérimentalement, tels que Hydre. Comme tout au long de l'histoire de la biologie, cet animal basal est sur le point de nous enseigner une fois de plus un autre aspect fondamental des systèmes vivants : cette fois, comment les organismes créent et maintiennent des ensembles cohérents et adaptatifs en utilisant l'électricité. Les connaissances acquises dans Hydre, comme auparavant, sont susceptibles de s'appliquer aux systèmes biologiques à tous les niveaux d'échelle, des bactéries aux humains, et ont des implications importantes pour la psychiatrie, la neurologie et, potentiellement, la tumorigenèse.


Résultats

Des schémas de tir aux phénotypes de schémas de tir

La version 1.3 de Hippocampome.org contient des enregistrements électrophysiologiques appropriés pour 90 des 122 types de neurones identifiés morphologiquement. L'application de l'algorithme d'identification du modèle de tir à ces données numérisées a permis de détecter 23 modèles de tir différents. Un type de neurone donné peut présenter des schémas de déclenchement distincts en réponse à différents stimuli ou conditions. L'ensemble des schémas de décharge présentés par un type de neurone donné forme son phénotype de schéma de décharge.

Le cas le plus simple consiste en ces types de neurones qui présentent systématiquement le même schéma de décharge indépendamment des conditions expérimentales ou de l'intensité de la stimulation. Ces types de neurones peuvent encore afficher des réponses quantitativement différentes aux stimuli de diverses amplitudes (en augmentant généralement leur fréquence de décharge lors de l'augmentation de la stimulation), mais leurs schémas de décharge qualitatifs restent les mêmes. Nous avons identifié 37 de ces «types de comportement individuel/simple» dans Hippocampome.org, comme en témoignent les cellules DG Basket avec leur phénotype NASP 37 .

Contrairement au scénario ci-dessus, certains types de neurones présentent des schémas de décharge qualitativement distincts en réponse à différentes amplitudes de stimulation. Nous avons identifié 20 de ces types « multi-comportements », par exemple, les cellules médianes de la couche EC V-VI pyramidale-polymorphe présentent un pic de non-adaptation et d'adaptation retardé 14, ou les cellules de projection CA1 Neurogliaform 30 affichent un pic d'adaptation et un bégaiement persistant à différentes intensités de stimulus. Les phénotypes de décharge de ces neurones consistent donc en la combinaison de deux schémas de décharge.

Dans un ensemble différent de cas, des sous-ensembles de neurones du même type identifié morphologiquement affichent des schémas de décharge distincts dans les mêmes conditions expérimentales (généralement de la même étude) en réponse à une stimulation identique. Ces types de neurones peuvent ainsi être divisés en sous-types électrophysiologiques. Par exemple, parmi les interneurones CA3 de Spiny Lucidum, certains sont des attaquants adaptatifs alors que d'autres sont des bègues persistants 38 . Dans certains types de neurones, un ou plusieurs des sous-types pourraient également afficher plusieurs comportements à différentes intensités de stimulation. Par exemple, un sous-ensemble de neurones pyramidaux entorhinaux de la couche III se compose de pointes non adaptatives et un autre sous-ensemble passe de ASP.NASP à la rhéobase à RASP.ASP. à des stimuli plus élevés 14 . Sur les 90 types de neurones avec des schémas de déclenchement dans Hippocampome.org, 22 pourraient être divisés en 52 sous-types électrophysiologiques. Il s'agit notamment des principaux neurones de la plupart des sous-régions de la formation hippocampique : les cellules CA3, CA1 et subiculum pyramidales, les cellules épineuses étoilées entorhinales, mais aussi plusieurs interneurones GABAergiques comme les cellules dentées de la couche moléculaire totale (TML) 39 . Plus précisément, 8 types de neurones ont donné 18 sous-types démontrant exclusivement des comportements uniques pour 11 types de neurones, au moins un des sous-types présentait des comportements multiples, résultant en 13 sous-types multi-comportements et 13 sous-types supplémentaires à un seul comportement.

Cette méta-analyse est compliquée par la variété des conditions expérimentales utilisées dans la littérature publiée à partir de laquelle les données électrophysiologiques ont été extraites. Plusieurs différences dans les matériaux et les méthodes pourraient affecter les modèles de tir au-delà des espèces communes (rats contre souris) ou l'enregistrement (patch clamp contre microélectrode). Par exemple, 30 % des traces expérimentales ont été enregistrées à partir de tranches transversales, 24 % à partir d'horizontales, 8 % coronales, 29 % mixtes (par exemple « horizontales ou semi-coronales ») et 9 % d'autres directions (par exemple des angles personnalisés). De plus, les pipettes étaient remplies de gluconate de potassium dans 69 % des cas, de méthylsulfate de potassium dans 22 % et d'acétate de potassium dans 9 % (voir par exemple le tableau complémentaire S2). Bien que ces différentes conditions expérimentales puissent affecter considérablement la biophysique membranaire et influencer souvent quantitativement la décharge neuronale (par exemple, en changeant la fréquence de pointe), elles peuvent parfois également provoquer un changement qualitatif entre des modèles de décharge distincts. Un cas frappant est celui des cellules DG Granule de rat, qui ont démontré une rafale transitoire d'ondes lentes suivie d'un silence dans les enregistrements de cellules entières de tranches horizontales d'animaux Sprague-Dawley. Animaux Wistar 16 ou adaptation de dopage dans l'enregistrement intracellulaire de tranches horizontales d'animaux Wistar 42 . Étant donné que les différents modèles de tir pourraient être causés par les différences dans les méthodes expérimentales, nous annotons une possible « dépendance à la condition », mais nous ne pouvons pas catégoriser de manière concluante ces cellules comme multi-comportement ou sous-types. La plupart des comportements dépendants de la condition pourraient être attribués au moins en partie à l'utilisation occasionnelle de microélectrodes au lieu de patch-clamp (maintenant considéré comme la méthode d'enregistrement préférée) ou à l'espèce animale comme dans le cas des cellules du panier horizontal CA1, qui affichent une adaptation et le tir non adaptatif chez les rats et les souris, respectivement 19,43.

La dépendance à l'état peut modifier les schémas de tir non seulement dans les types de cellules avec des comportements uniques, tels que les cellules MOPP 42,44, mais aussi dans les types de neurones multi-comportement, tels que les cellules CA1 axo-axoniques 18,45. Ces cas représentent respectivement 6 et 5 types de neurones Hippocampome.org. Enfin, la dépendance à la condition peut également être trouvée dans des sous-types électrophysiologiques spécifiques, qu'ils présentent des comportements uniques, tels que les neurones pyramidaux CA1 28,43,46,47 ou multi-comportement, tels que les neurones pyramidaux profonds entorhinaux de la couche V 14,27,48. Ces cas représentent respectivement 2 et 1 types de neurones Hippocampome.org, donnant à leur tour 6 sous-types dépendants de l'état avec des comportements uniques et 2 sous-types dépendants de l'état avec des comportements multiples. En général, les types/sous-types avec un schéma de tir enregistré dans diverses conditions expérimentales ne constituent que 16 pour cent du nombre total de types/sous-types avec des enregistrements disponibles.

La figure 2 présente les phénotypes complets du modèle de tir de tous les 90 neurones Hippocampome.org, avec des données disponibles sous forme de matrices séparées pour les 68 types de neurones individuels (Fig. 2a) et les 52 sous-types divisés des 22 types restants (Fig. 2b ). Dans les deux cas, les comportements simples constituent des proportions plus importantes que les comportements multiples, la dépendance à l'état n'étant rapportée que pour une minorité de types et de sous-types (Fig. 2c). À travers ces types/sous-types de neurones, 44 phénotypes distincts peuvent être identifiés comme des combinaisons uniques de schémas de décharge, à l'exclusion de ceux qui ne diffèrent des autres que par l'absence d'un état stable détectable dans l'un des schémas de décharge (comme ASP. contre ASP.NASP ou ASP.SLN). Une version interactive en ligne de ces matrices est disponible sur hippocampome.org/php/firing_patterns.php.

Schémas de décharge identifiés et phénotypes des schémas de décharge complexité des types de neurones (une) et sous-types (b). Matrice en ligne : hippocampome.org/firing_patterns.php. Les noms de type/sous-type de globules verts et rouges indiquent excitateur (e) et inhibiteur (je) neurones, respectivement. FPP tire le phénotype de modèle. Les chiffres entre parenthèses correspondent à l'ordre dans lequel les types cellulaires ont été présentés dans Hippocampome.org (ver. 1.3). L'astérisque orange indique différentes conditions expérimentales. (c) La complexité des pourcentages et des ratios de phénotypes de modèle de tir indiquent des occurrences de phénotypes de complexité différente parmi 120 types/sous-types cellulaires.

Disséquer les modèles de tir en éléments de modèle de tir à travers les types de neurones

Les modèles de tir et les éléments de modèle de tir sont également divers en ce qui concerne leur fréquence relative d'occurrence parmi les types de neurones de l'hippocampe. Les schémas de tir peuvent être regroupés en fonction du nombre d'éléments qui les composent, à savoir simple (par exemple, NASP ou PSTUT), double (par exemple ASP.NASP ou TSWB.SLN) et triple (D.RASP.NASP et D.TSWB.NASP ) ou selon qu'ils sont terminés (ASP.NASP, TSWB.SLN) ou inachevés, comme dans ASP., RASP.ASP. et TSTUT.ASP. (Fig. 3a). Parmi les neuf éléments du modèle de tir, les plus fréquents sont ASP et NASP, tandis que les moins courants sont TSTUT, TSWB et PSWB (Fig. 3b). Notamment, le dopage accéléré (ACSP) n'a pas été signalé dans l'hippocampe des rongeurs, bien qu'il soit couramment observé dans d'autres systèmes neuronaux, tels que les interneurones de la corne ventrale des tortues 49 et les motoneurones 50 .

Occurrence de modèles de tir, d'éléments de modèle de tir et de phénotypes de modèle de tir parmi les types de neurones de formation de l'hippocampe. (une) La distribution de 23 nombres totaux de modèles de tir est indiquée au-dessus des barres. (b) Les nombres totaux de la distribution de 9 éléments du modèle de tir sont entre parenthèses ci-dessous et les pourcentages d'occurrence parmi 90 types de cellules sont au-dessus des barres. (c) Relations entre les éléments du modèle de tir dans les modèles de tir des types de neurones de l'hippocampe. Les nombres de types de cellules avec des modèles de tir distinctifs sont indiqués.

Les relations entre les ensembles d'éléments de modèle de tir observés dans les types de neurones hippocampiques peuvent être résumées dans un diagramme de Venn avec des éléments de modèle de tir représentés par des ellipses et leurs intersections correspondant à des modèles de tir complexes (Fig. 3c). Cette analyse met en évidence les caractéristiques suivantes : les quatre principaux transitoires de tir (ASP., RASP., TSTUT., TSWB.) se terminent souvent soit par NASP, soit par SLN ASP. est souvent précédé de RASP. et occasionnellement par TSTUT. les tirs en régime permanent interrompus (PSTUT et PSWB) se distinguent comme un groupe distinct et le retard (D.) précède le plus souvent NASP. Quinze des 38 schémas de décharges possibles ont été découverts dans la littérature pour des types de neurones hippocampiques identifiés morphologiquement (tableau S3 dans Informations supplémentaires).

Classification et distribution des phénotypes de modèle de tir

Afin de classer les 44 phénotypes de schémas de décharge uniques observés dans la formation hippocampique, nous avons pondéré les éléments constitutifs du schéma de décharge en fonction de la fréquence d'occurrence parmi 120 types de neurones et sous-types électrophysiologiques (voir Méthodes). En conséquence, les éléments du modèle de tir peu fréquents (PSWB, TSTUT et TSWB) ont reçu des poids élevés (0,99, 0,95 et 0,93, respectivement), les éléments très fréquents (ASP et NASP) ont reçu des poids faibles (0,42 et 0,41) et les éléments communs ( D, RASP, PSTUT et SLN) ont obtenu des poids intermédiaires (0,90, 0,80, 0,88 et 0,87). L'analyse de cluster en deux étapes a identifié dix familles de modèles de tir en tant que feuilles d'un arbre binaire hiérarchique à sept niveaux (Fig. 4a). Au niveau le plus élevé, les types et sous-types de neurones de l'hippocampe sont divisés en deux groupes principaux : ceux avec des phénotypes de pointe (78 %) et ceux avec des phénotypes de décharge interrompue (22 %). Ces derniers sont séparés en éclatement (6 %) et bégaiement (16 %), et chacun d'eux est subdivisé en familles persistantes et non persistantes. Un premier groupe de types de neurones avec des phénotypes de dopage est distingué sur la base du retard (9 % des types cellulaires). Les types de neurones restants se divisent en phénotypes adaptatifs (54 %) et non adaptatifs (15 %). Le groupe d'adaptation se compose de types de neurones avec des phénotypes à adaptation rapide (18 %) et des phénotypes à adaptation normale (36 %). Parmi le groupe normalement adaptatif, les phénotypes suivants peuvent être distingués : dopage adaptatif discontinu (6 %) avec le modèle ASP.SLN, dopage adaptatif-non adaptatif (15 %) avec les modèles ASP.NASP et un dernier phénotype « faux » de dopage adaptatif inachevé (15 %) avec ASP. modèle uniquement, pour lequel l'état d'équilibre (SLN ou NASP) n'a pas été déterminé. Cette division des groupes de dopage adaptatifs reflète les différences de taux d'adaptation, de durée et d'états d'équilibre ultérieurs.

Familles de phénotypes à motifs de tir de 120 types/sous-types de neurones. (une) Arbre hiérarchique résultant du regroupement en deux étapes d'éléments de modèle de tir pondérés avec des exemples représentatifs de types/sous-types cellulaires qui appartiennent à l'une des familles de phénotypes de modèle de tir correspondants. Notez que le modèle de dopage adaptatif simple (ASP. uniquement) constitue un phénotype « faux » de dopage adaptatif inachevé (15 %), pour lequel l'état d'équilibre (SLN ou NASP) n'a pas été déterminé. (b) Pourcentage d'occurrence d'éléments de modèle de tir dans les familles de phénotypes de modèle de tir. (c) Proportions relatives des familles de phénotypes de modèle de tir parmi les types/sous-types de neurones.Les nombres verts et rouges représentent les types/sous-types cellulaires excitateurs et inhibiteurs tels qu'énumérés dans la figure 2. (ré) Répartition des familles de phénotypes à motifs de tir dans les sous-régions de la formation hippocampique. FPP% est le pourcentage d'expression des familles de phénotypes de modèle de tir.

Cette analyse met également en évidence les éléments du modèle de cuisson les plus distinctifs de chaque famille (Fig. 4b). En particulier, D. est l'élément déterminant pour les pics retardés, PSTUT pour le bégaiement persistant, ASP. et SLN pour le dopage adaptatif discontinu. Chacun des quatre éléments principaux des schémas de tir interrompu (PSWB, PSTUT, TSWB. et TSTUT.) est observé dans un phénotype de schéma de tir unique (éclatement persistant, éclatement non persistant, bégaiement persistant et bégaiement non persistant, respectivement). D'autres éléments du modèle de tir (D., RASP., ASP., NASP et SLN) apparaissent dans plusieurs phénotypes de modèle de tir. Les proportions d'éléments de modèle de cuisson non définis vont de 5% à 83%.

Les familles de phénotypes de schéma de tir sont distribuées de manière différentielle au sein de l'ensemble de 120 types/sous-types de neurones (Fig. 4c). Certaines familles de phénotypes sont associées à des types de neurones excitateurs, soit exclusivement (par exemple, éclatement persistant et éclatement non persistant), soit principalement (bégaiement non persistant, adaptation rapide et pointes adaptatives-non-adaptatives). À l'inverse, le bégaiement persistant, les pics retardés, les pics non adaptatifs et les pics adaptatifs simples sont des phénotypes composés en grande partie de types de neurones inhibiteurs. Le phénotype de dopage adaptatif discontinu a des proportions relativement équilibrées de types de neurones excitateurs et inhibiteurs.

Les phénotypes du modèle de tir ont également des distributions différentes parmi les sous-régions de la formation hippocampique (Fig. 4d). Parmi les types de neurones CA1, les phénotypes de bégaiement persistant (16 %), de non-adaptation (24 %), d'adaptation simple (16 %) et de dopage à adaptation rapide (13 %) sont plus fréquents que les autres phénotypes dans DG, les phénotypes les plus exprimés sont retardés (20 %), à adaptation rapide (20 %), et à adaptation simple de dopage (15 %) dans EC, ASP-NASP (61 %), ASP discontinu. (11%), RASP. (28%) et NASP (19%) surviennent plus souvent que les autres phénotypes.

Utilisation des informations d'Hippocampome.org

Recherche et navigation

L'ajout de données de modèle de tir à Hippocampome.org étend les possibilités d'analyse à large portée et de vérifications d'utilisation rapide des types de neurones. Semblable aux informations morphologiques, moléculaires et biophysiques, les modèles de tir et leurs paramètres peuvent être consultés en ligne avec les versions interactives des matrices présentées dans la figure 2 (hippocampome.org/php/firing_patterns.php), ainsi qu'une matrice d'accompagnement pour parcourir les paramètres de stimulation (durée et intensité) et les paramètres de schéma de tir (délai, nombre d'intervalles entre pointes, etc.). De plus, tous les résultats de classification et d'analyse rapportés ici peuvent être recherchés avec des requêtes contenant AND & OR logique booléenne à l'aide d'une interface utilisateur graphique intuitive (voir Hippocampome.org → Search → Neuron Type). L'intégration dans la base de connaissances complète existante permet toute combinaison à la fois qualitative (par exemple PSTUT) et quantitative (par exemple (<>_<>^<> > 4,<>_<+1>) ) propriétés du modèle de tir, avec des filtres moléculaires (par exemple calbindin-négatif), morphologiques (par exemple axones dans la couche pyramidale CA1) et biophysiques (par exemple largeur de potentiel d'action < 0,8 ms) (Fig. 5). Par exemple, sur 13 types de neurones avec un bégaiement persistant, dans 7 le plus grand intervalle inter-pic (ISI max je) est plus de 4 fois plus long que l'ISI suivant (ISIi+1). En ajoutant les trois autres critères sélectionnés, la recherche composée aboutit à un seul résultat : CA1 Neurones axo-axoniques (Fig. 5a). En cliquant sur ce résultat, vous accédez à la page neuronale interactive (Fig. 5b) où toutes les informations associées à un type de neurone donné sont organisées logiquement, y compris les synonymes, la morphologie, les paramètres biophysiques, les marqueurs moléculaires, la connectivité synaptique et les schémas de déclenchement. Chaque propriété sur les pages de neurones et les matrices de navigation, y compris les schémas de déclenchement et leurs paramètres, renvoie à une page de preuves spécifique qui répertorie toutes les citations bibliographiques à l'appui, avec les citations et les chiffres extraits (Fig. 5c). La page des preuves contient également un tableau avec tous les paramètres de modèle de tir correspondants (Fig. 5d), des détails expérimentaux, y compris des informations sur les animaux (Fig. 5e), les préparations (Fig. 5f), la méthode d'enregistrement et la solution intra-pipette (Fig. 5g) , ACSF (Fig. 5h), et un fichier téléchargeable des intervalles inter-pics (Fig. 5i).

Hippocampome.org permet de rechercher les types de neurones par emplacement des axones, des dendrites et des somas des neurotransmetteurs expression moléculaire paramètres électrophysiologiques connectivité entrée/sortie modèles de tir et paramètres de modèle de tir. (une) Exemple de requête pour les types de neurones calbindin-négatifs avec des axones dans la strate pyramidale CA1, PAlargeur < 0,8 ms, déclenchement PSTUT et rapport de l'ISI maximum à l'ISI suivant supérieur à 4. Les nombres entre parenthèses indiquent le nombre de types de neurones avec la propriété sélectionnée ou une combinaison spécifique de propriétés. (b) Les résultats de la recherche sont liés à la ou aux pages du neurone. (c) La page de neurone est liée à la page de preuve de modèle de tir. Données originales extraites de Pawelzik et al. 18 . Tous les paramètres des modèles de tir (ré), détails expérimentaux, y compris des informations sur les animaux (e), les préparatifs (F), méthode d'enregistrement et solution intra-pipette (g), ainsi que la composition de l'ACSF (h) peut être affiché. (je) Fichier téléchargeable de valeurs séparées par des virgules des intervalles entre les pics.

Le portail rapporte également, lorsqu'ils sont disponibles, les descriptions de noms de modèles de tir originaux utilisés par les auteurs de la publication référencée (Hippocampome.org → Recherche → Modèle de tir original) et fournit des liens vers les modèles publiés correspondants de ModelDB (https://senselab.med .yale.edu/modeldb/).

Analyse statistique des données catégorielles

Les informations sur les modèles de tir font plus que doubler la capacité de la base de connaissances d'Hippocampome.org à plus de 27 000 éléments de connaissance, c'est-à-dire des associations entre les types de neurones et leurs propriétés. Cette extension permet de confirmer les tendances connues et de déterrer des relations cachées entre les schémas de décharge et les données moléculaires, biophysiques et morphologiques dans les neurones de l'hippocampe, qui sont autrement difficiles à trouver dans la vaste littérature. nous avons calculé p-valeurs utilisant le test exact de Bernard pour les tableaux de contingence 2 × 2. Comparaisons des éléments observables du modèle de tir, avec l'expression des marqueurs moléculaires, les paramètres électrophysiologiques, le neurotransmetteur primaire et les propriétés de projection axonale, avec p-valeurs inférieures à 0,05 et taux de fausses découvertes inférieurs à 0,25, se terminent par 29 corrélations statistiquement significatives. Plusieurs exemples intéressants de telles découvertes sont présentés dans la Fig. 6. Par exemple, l'adaptation du dopage (ASP.) a tendance à coexister avec l'expression de la cholécystokinine (p = 0,0113 avec le test exact de Barnard à partir de tous les n = 26 éléments de preuve voir Lee et al. 51 à titre d'exemple) de plus, le silence (SLN) après une courte décharge de décharge n'est pas observé dans les types de neurones avec une constante de temps membranaire faible (tercile inférieur de) (n = 32, p = 0.0235).

Exemples de corrélations statistiquement significatives entre les éléments du modèle de tir et les propriétés moléculaires, morphologiques et électrophysiologiques connues dans les neurones de l'hippocampe. Les p les valeurs sont calculées en utilisant le test exact de Bernard pour les tables de contingence 2 × 2 et satisfont FDR < 0,25 (voir Méthodes).

Analyse des données électrophysiologiques numériques

Les données quantitatives extraites permettent d'étudier la relation entre les paramètres du schéma de tir et la biophysique membranaire ou les caractéristiques des pointes, telles que les corrélations entre les intervalles minimaux entre les pointes (ISImin) et la largeur du potentiel d'action (PAlargeur). Nous avons analysé ces deux variables dans les 81 types et sous-types de neurones pour lesquels les deux mesures sont disponibles (Fig. 7). Le nuage de points de PAlargeur contre ISImin révèle plusieurs groupements distincts (Fig. 7a), et les histogrammes correspondants (Fig. 7b,c) démontrent des distributions polymodales. La ligne pointillée horizontale (ISImin = 34 ms) sépare 9 neurones à pointes lentes (tous excitateurs sauf un) de 72 neurones (dont 61 % inhibiteurs) à pointes rapides et modérées. Ce dernier groupe montre une tendance générale à ISImin augmenter avec l'augmentation PAlargeur (ligne pointillée noire dans le panneau A). Cette tendance était adéquatement ajustée avec une fonction linéaire Oui = 13.79X 0.05 (R = 0.72 p = 0,03). Les types de neurones avec des pointes lentes démontrent la tendance inverse, qui correspond à une fonction linéaire décroissante Oui = 26.72X + 76.42 (R = −0.91, p = 10 -6 ). De plus, les types de neurones peuvent être séparés par la largeur des pointes. Les lignes pointillées verticales w1 (PAlargeur = 0,73 ms) et w2 (PAlargeur = 1,12 ms) des types de neurones séparés avec des potentiels d'action étroits, moyens et larges. Le groupe des types de neurones à pointes étroites (n = 22) ne comprend que les neurones inhibiteurs, qui ont PAlargeur dans la plage de 0,20 à 0,73 ms (0,54 ± 0,12 ms). En revanche, le groupe des types de neurones avec des pointes larges (n = 28) ne contient que des neurones excitateurs avec PAlargeur dans la plage de 1,13 à 2,10 ms (1,49 ± 0,23 ms). Le groupe des types de neurones avec des pointes moyennes (n = 31), avec PAlargeur allant de 0,74 à 1,12 ms (0,89 ± 0,12 ms), comprend un mélange de neurones inhibiteurs (74 %) et excitateurs (26 %).

Relations entre la largeur des potentiels d'action (PAlargeur) et minimum d'intervalles inter-pointes (ISImin) pour 84 types et sous-types de neurones. (une) PAlargeur − ISImin diagramme de dispersion avec les résultats de la régression linéaire. Les triangles verts et les cercles rouges indiquent respectivement les neurones excitateurs et inhibiteurs. Lignes oranges en pointillés : la ligne horizontale sépare les neurones à pointes lentes des neurones à pointes rapides et modérées lignes verticales (w1 et w2) séparent les neurones avec des potentiels d'action étroits, moyens et larges. Lignes noires : la ligne continue montre un ajustement linéaire pour les neurones à pointe lente avec une fonction Oui = −26,72X + 76.42 (R 2 = 0,83) la ligne pointillée montre un ajustement linéaire général pour les neurones à pointe rapide et modérée avec une fonction Oui = 13.79X 0.05 (R 2 = 0.52). (b) PAlargeur histogramme. (c) Histogramme ISI.

Parmi les 22 types/sous-types de neurones du groupe avec PAlargeur < 0,72 ms, 13 ont démontré un comportement de pointes rapides, qui se distingue par des pointes étroites, une cadence de tir élevée et l'absence ou la faible expression de l'adaptation de la fréquence des pointes 52 . Outre ces caractéristiques communes, cependant, leurs schémas de tir varient largement, même d'un point de vue qualitatif. Cinq de ces 13 types de neurones appartiennent à la famille PSTUT, à savoir CA3 Trilaminar 53 , CA3 Aspiny Lucidum ORAX 54 , CA2 Basket 17 , CA1 Axo-axonic 18 et CA1 Radial Trilaminar 19 . Trois types appartiennent à la famille NASP : DG Basket 37 , CA1 Horizontal Axo-axonic 19 et MEC LIII Superficial Multipolar Interneuron 55 . Deux types, CA3 Axo-axonic 56 et CA2 Bistratified 17 , appartiennent à la famille de dopage adaptatif simple deux types, DG HICAP 39 et DG AIPRIM 16 , appartiennent à la famille ASP-NASP et enfin CA1 Basket 51 appartient à la famille du bégaiement non persistant .

De plus, les familles de modèles de tir sont inégalement réparties entre les groupements révélés par l'analyse ci-dessus. Les familles de bégaiement persistant et non persistant et les phénotypes d'éclatement non persistant sont entièrement composés de types de neurones avec des pointes étroites et moyennes rapides/modérées. À l'inverse, le phénotype de dopage à adaptation rapide - non adaptative est représenté uniquement par des neurones avec des pointes de largeur intermédiaire.


MÉTHODES

Les préparatifs

Les données ont été enregistrées à partir du soma de neurones isolés de la partie supérieure du ganglion vestibulaire, la plupart de rats Long&# x02013Evans le jour postnatal 0 (P0, jour de naissance) à P16, et certains de souris (souche (129/Sv), P0& #x02013P8. Les animaux ont été manipulés conformément aux National Institutes of Health Guide pour le soin et l'utilisation des animaux de laboratoire et toutes les procédures ont été approuvées par le comité de protection des animaux de la Massachusetts Eye and Ear Infirmary. Les produits chimiques ont été obtenus auprès de Sigma-Aldrich (St. Louis, MO) sauf indication contraire.

Les os temporaux ont été disséqués dans du milieu Liebovitz-15 (L-15) réfrigéré et oxygéné additionné d'HEPES 10 mM (pH 7,4, � mmol/kg) que nous appellerons le support standard. La capsule otique a été exposée et la partie supérieure du ganglion vestibulaire a été détachée de ses branches nerveuses distale et centrale. Le compartiment supérieur alimente la macula utriculaire, les crêtes des canaux semi-circulaires latéraux et antérieurs, et une partie de la macula sacculaire. Le tissu ganglionnaire a été placé dans le milieu standard auquel avaient été ajoutés 0,05 % de collagénase et 0,25 % de trypsine, pendant 25 min à 37 000b0C. Le tissu ganglionnaire a ensuite été dissocié mécaniquement par trituration dans un milieu standard ou un milieu tamponné au bicarbonate (voir texte suivant). Les cellules se sont déposées sur une boîte de culture à fond de verre préalablement revêtue de poly-d-lysine.

Les enregistrements ont été effectués après des périodes de 1𠄸 h (aiguë m = 42 des 179 cellules), 16� h (1 jour in vitro m = 123), soit 40� h (2 jours in vitro m = 14). Pour comparer des cellules à différents âges, nous avons attribué leur âge comme la somme de l'âge à la dissection plus le nombre de jours passés in vitro ainsi une cellule enregistrée de manière aiguë à P9 serait comparée à une cellule dissociée à P7 et maintenue pendant 2 jours in vitro . Les préparations aiguës n'ont réussi qu'à <P7 à des âges plus avancés, les cellules satellites sur le soma empêchaient le scellement sur les membranes neuronales avec des pipettes patch. Le stockage des cellules pendant des périodes plus longues avait tendance à supprimer les cellules satellites, permettant des enregistrements à partir de cellules plus anciennes. Deux conditions de stockage ont été utilisées : 1) les cellules ont été conservées pendant la nuit dans un milieu standard (L-15 complété par HEPES) à 4 & X000b0C ou 2) les cellules ont été dissociées dans un milieu de culture tamponné au bicarbonate (milieu essentiel minimal [MEM], Invitrogen, Carlsbad, CA), supplémenté avec 10 mM d'HEPES et 1 % de pénicilline-streptomycine (Invitrogen) et incubés pendant une nuit ou plus dans 5 % de CO2-95% d'air à 37ଌ. Bien que les neurones (et les cellules satellites) des animaux plus âgés aient mieux survécu avec la deuxième méthode de culture, le nombre de cellules survivantes diminuait avec l'âge pour les deux méthodes. Pour les neurones appariés selon l'âge des différentes préparations (dissociés de manière aiguë, stockés à 4°C ou incubés à 37°C), nous n'avons trouvé aucune différence significative dans les propriétés que nous avons mesurées et avons donc regroupé les résultats.

Électrophysiologie

ENREGISTREMENTS.

Les cellules isolées ont été observées à 󗘰 avec un microscope inversé (Olympus IMT-2 Olympus, Lake Success, NY) équipé d'une optique Nomarski. Pour éviter la contamination par la membrane axonale, nous présentons uniquement les données des cellules dépourvues de processus visibles. Les signaux ont été délivrés, enregistrés et amplifiés soit avec un amplificateur Axopatch 200A et une carte d'acquisition de données Digidata 1200 contrôlés par le logiciel pClamp 8, soit avec un amplificateur Axopatch 200B, une carte Digidata 1440 et le logiciel pClamp 10 (MDS, Toronto, Canada). Pour réduire la distorsion de la forme du potentiel d'action (Magistretti et al. 1998), nous avons enregistré dans le mode de pince de courant rapide de l'amplificateur.

Nous avons utilisé des pipettes d'enregistrement en verre borosilicaté filamenté avec des résistances de 3&# x020135 M&# x003a9 dans nos solutions standard. Pour réduire la capacité de la pipette, nous avons soit enveloppé les tiges des électrodes dans du parafilm, soit les enrobées d'un élastomère de silicone (Sylgard 184 Dow Corning, Midland, MI). Au cours des enregistrements de cellules entières de patch rompu, la perte de contenu cellulaire peut modifier les propriétés des canaux ioniques. Pour minimiser ces changements, nous avons utilisé la méthode du patch perforé d'enregistrement de cellules entières dans laquelle le patch membranaire contacté par l'électrode est perforé par l'amphotéricine B (Sigma-Aldrich). Les pores de l'amphotéricine-B ne laissent passer librement que de petits ions monovalents (Horn et Marty 1988). La solution de pipette pour les enregistrements de patchs perforés contenue (en mM) : 75 K2DONC4, 25 KCl, 5 MgCl2, 5 HEPES, 5 EGTA, 0,1 CaCl2, et 240 μg/ml d'amphotéricine B, titrée avec du KOH 13 mM jusqu'à un pH de 7,3 et pour une concentration finale en K + d'environ 188 mM, soit environ 270 mmol/kg. Pendant les enregistrements, la résistance série variait de 12 à 27 MΩ et était compensée électroniquement de 80 à 50 %, respectivement, pour des résistances finales de 2,4 à 12 MΩ. Courbes d'activation (conductance–tension [g–V]) ont été corrigés hors ligne pour la résistance série résiduelle (non compensée). Toutes les tensions membranaires ont été corrigées hors ligne pour un potentiel de jonction de 5,1 mV, calculé avec JPCalc (Barry 1994) comme implémenté dans pClamp 10.2.

Pour surveiller les changements dépendants du temps dans les neurones, nous avons collecté des réponses à des protocoles standard (étapes de courant et de tension de 100 ms) à intervalles réguliers. Seuls les enregistrements obtenus avec des sceaux GΩ et alors que le potentiel de repos était stable et négatif à � mV ont été inclus pour une analyse plus approfondie. Le bain contenait du milieu standard oxygéné frais, qui a 5,7 mM K + (voir Les préparatifs), pour un potentiel d'équilibre K + d'environ � mV. La plupart des enregistrements étaient à température ambiante (22 ° 201325 ° ° ° 00 °C) mais dans certaines expériences, le bain était chauffé à 35 ou 37 °C avec une plate-forme chauffée et un contrôleur de température (TC-344B Warner Instruments, Hamden, CT).

PHARMACOLOGIE.

Des solutions mères (100 μM) de α-dendrotoxine (α-DTX) ont été préparées dans de l'eau distillée et stockées à �ଌ. Une solution mère 10 mM de linopirdine dans du DMSO a été préparée fraîchement le jour de l'enregistrement. Toutes les solutions ont été diluées à leurs concentrations finales dans notre solution standard L-15. Les médicaments ont été appliqués localement aux cellules en utilisant un système de superperfusion sous pression (Automate Scientific, Berkeley CA). Il n'a pas été possible de faire des courbes d'activation des courants de queue à cause des interférences des courants Na+. Au lieu de cela, nous avons généré un état quasi-stationnaire g–V courbes en mesurant le courant à 100 ms après le début de l'étape et en divisant par la force motrice approximative, calculée comme (VmEK). Les courbes résultantes étaient généralement bien ajustées par l'équation de Boltzmann

gmax est la conductance maximale, V1/2 est la tension d'activation à mi-hauteur, et S est le facteur de pente. Des expériences de pharmacologie ont été réalisées avec des neurones de rat en culture (P8–P17, 25�ଌ). Les courbes d'activation n'ont été réalisées que pour des enregistrements avec des résistances série stables.

UNE ANALYSE.

Nous avons analysé les données avec le logiciel pClamp 10 (Clampfit MDS Analytical Technologies, Toronto), Matlab (The MathWorks, Natick, MA) et Origin (OriginLabs, Northampton, MA). Les données sont données en tant que moyennes ± SE. La significativité statistique a été estimée avec le nombre non apparié de Student t-test avec la correction de Gallois pour les différences de variance d'échantillon. Niveaux de signification observés (p valeur) sont signalés comme significatifs (p < 0,05, représenté par “*” dans les graphiques), très significatif (**p < 0,01), et hautement significatif (***p < 0,001). Résistance d'entrée (Rdans) a été calculé à partir du changement de tension produit par des pas de courant hyperpolarisant de 10 pA. Nous avons obtenu la constante de temps de la membrane (τm) en ajustant une seule exponentielle à la même réponse en tension. Capacité membranaire (Cm) est le rapport τm/Rm.

Nous avons utilisé des tracés de phase (Bean 2007) pour estimer le seuil de tension de pointe (Ve) comme la tension Vm, à laquelle dVm/rét change rapidement. Nous avons déterminé empiriquement un critère de seuil de 10 mV/ms, au-dessus du bruit de tension mais suffisamment petit pour permettre la détection de seuil pour les petites pointes.

STIMULUS PSEUDOSYNAPTIQUES.

Pour générer des pics avec des stimuli qui imitent l'entrée synaptique naturelle, nous avons généré des trains de courants postsynaptiques excitateurs simulés (pseudo-EPSC) avec une synchronisation pseudo-aléatoire. Pour représenter la forme et la taille de chaque pseudo-EPSC, nous avons utilisé des fonctions alpha

Le paramètre α, qui détermine l'évolution temporelle de la forme d'onde pseudo-EPSC, a été choisi pour être de 1 ms, pour être cohérent avec les données de voltage-clamp sur les EPSC des terminaux afférents vestibulaires (Rennie et Streeter 2006 RA Eatock et J Xue, résultats non publiés) et des terminaux afférents cochléaires (Glowatzki et Fuchs 2002). Pour représenter la synchronisation aléatoire de l'entrée synaptique quantique, nous avons généré un train d'impulsions en tirant les temps d'une distribution de Poisson (intervalle moyen : 𢏂 ms) rendue représentative des temps d'arrivée synaptiques dans les afférences vestibulaires et cochléaires (Glowatzki et Fuchs 2002 Holt et al. 2006, 2007). Les trains pseudo-EPSC ont été générés en convoluant les trains d'impulsions avec les fonctions alpha de type EPSC.

Le nombre de balayages pseudo-EPSC présentés dépendait du taux de pointe de sortie. Les pics ont été détectés avec les algorithmes de seuillage de pics intégrés de Clampfit 10.2. Le coefficient de variation (CV) des temps de pointe était l'écart-type divisé par l'intervalle moyen entre les pointes. Les valeurs CV ne sont rapportées que pour les histogrammes avec suffisamment de points de données pour être bien formés, comme évalué visuellement. Par conséquent, des temps d'enregistrement plus longs étaient nécessaires pour les trains avec des débits faibles ou des écarts-types importants dans l'intervalle moyen. Le critère visuel traduit en valeurs SE � % de l'intervalle moyen aux taux de pointe les plus lents. Les enregistrements en cours ont été surveillés pour la cohérence du potentiel de repos, de la résistance d'entrée et de la réponse à un protocole standard d'étape en cours. Les temps d'enregistrement étaient aussi longs que 1 h.

Pour examiner l'effet du taux de pseudo-EPSC sur le tir (comme indiqué plus loin sur la figure 13), nous avons généré des trains de pseudo-EPSC à des intervalles uniformes et prédéterminés (plage : 10 & 02013300 ms) plutôt qu'à des intervalles pseudo-aléatoires.

Les neurones soutenus avaient des temps d'intégration plus longs que les neurones transitoires. Des trains de pseudo-EPSC uniformément espacés ont été appliqués à un neurone soutenu (A𠄼, P4, neurone de la figure 10, schéma de tir évoqué par étapes illustré dans ) et un neurone transitoire (E–G, P5 modèle de tir évoqué par étapes illustré dans H). Tous les pics sont tronqués. Le train de courant de stimulation, indiqué sous chaque réponse, a délivré des pseudo-EPSC à des intervalles de 30 ms (UNE et E), 20 ms (B et F), ou 10 ms (C et g). A𠄼 : le neurone soutenu a intégré des pseudo-EPSC qui étaient individuellement sous le seuil (10 pA), pour produire des pics pour des intervalles de 㰰 ms. À des intervalles de 30 ms, le neurone ne s'est pas déclenché (UNE) à des intervalles de 20 ms, il a commencé à tirer (B) et à des intervalles de 10 ms, il s'est déclenché plus rapidement (C). E–G: le neurone transitoire s'est peu intégré, augmentant uniquement pour les pseudo-EPSC qui étaient individuellement des réponses supraliminaires aux pseudo-EPSC de 80 pA sont montrés. A intervalles de 30 ms (E), le neurone s'est déclenché pour chaque pseudo-EPSC. A intervalles de 20 ms (F), le neurone ne s'est pas déclenché pour chaque EPSC, mais le timing de chaque pic était étroitement lié au timing d'un pseudo-EPSC. A intervalles de 10 ms (g), le neurone n'a déclenché qu'un seul pic au début du train pseudo-EPSC.


Forum de la communauté

Les crises d'épilepsie sont déclenchées par des impulsions électrochimiques anormales qui agissent sur d'autres neurones, glandes et muscles pour produire des pensées, des sentiments et des actions humaines.

Dans l'épilepsie, le schéma normal de l'activité neuronale est perturbé, provoquant des sensations, des émotions et un comportement étranges, ou parfois des convulsions, des spasmes musculaires et une perte de conscience.

Pendant une crise, les neurones peuvent se déclencher jusqu'à 500 fois par seconde, beaucoup plus rapide que le taux normal d'environ 80 fois par seconde. Chez certaines personnes, cela n'arrive qu'occasionnellement pour d'autres, cela peut arriver jusqu'à des centaines de fois par jour.

L'un des neurotransmetteurs les plus étudiés qui joue un rôle dans l'épilepsie est le GABA, ou acide gamma-aminobutyrique, qui est un neurotransmetteur inhibiteur.

La recherche sur le GABA a conduit à des médicaments qui modifient la quantité de ce neurotransmetteur dans le cerveau ou modifient la façon dont le cerveau y réagit. Les chercheurs étudient également les neurotransmetteurs excitateurs tels que le glutamate.

D'autres causes biologiquement liées qui peuvent déclencher des crises sont les canaux ioniques créés par le sodium, le potassium et le calcium. Ces canaux ioniques produisent des charges électriques qui doivent s'allumer régulièrement pour qu'un courant constant passe d'une cellule nerveuse du cerveau à une autre.

Si ces canaux ioniques sont génétiquement endommagés, un déséquilibre chimique se produit. Cela peut provoquer des ratés d'allumage des signaux nerveux, entraînant des convulsions. On pense que des anomalies dans les canaux ioniques sont responsables de l'absence et de nombreuses autres crises généralisées.

La sérotonine est une substance chimique du cerveau qui est importante pour le bien-être et les comportements associés (alimentation, relaxation, sommeil). Les déséquilibres de la sérotonine sont également associés à la dépression. Une étude de 2005 a indiqué que la dépression peut être un facteur de risque d'épilepsie et que les deux conditions peuvent partager des voies chimiques communes dans le cerveau.


Les références

Roberts WM, Almers W. Patch clamp de tension avec joints à faible résistance : patch clamp lâche.Méthodes Enzymol 1992207:155–176

Stuhmer W, Roberts WM, Almers W. La pince à patch lâche. Dans Sakmann B, Neher (eds): "Enregistrement monocanal". 1983 2e éd. New York : Plenum Press, p. 123-132.

Anson BD, Roberts WM. Une nouvelle technique de pince de tension pour cartographier les courants ioniques forme des myotubes squelettiques cultivés.Journal biophysique 1998 74:2963–2972.

Clarke IJ, Cummins JT. La relation temporelle entre l'hormone de libération des gonadotrophines (GnRH) et la sécrétion d'hormone lutéinisante (LH) chez les brebis ovariectomisées.Endocrinologie 1982 111:1737–1739.

Levine JE, Ramirez VD. Libération de l'hormone de libération de l'hormone lutéinisante pendant le cycle oestral du rat et après l'ovariectomie, estimée avec des canules push-pull.Endocrinologie 1982 111:1439–1448.

Moenter SM, Caraty A, Locatelli A, Karsch FJ. Schéma de sécrétion de la gonadolibérine (GnRH) conduisant à l'ovulation chez la brebis : existence d'un pic de GnRH préovulatoire.Endocrinologie 1991 129:1175–1182.

Nunemaker CS, DeFazio RA, Moenter SM. Les afférences sensibles à l'estradiol modulent les schémas de décharge épisodique à long terme des neurones à GnRH.Endocrinologie 2002 143:2284–2292.

Hille B. Canaux ioniques des membranes excitables. 3e éd. Sunderland, MA : Sinauer Associates, Inc. 2001.

Sherman-Gold R (éd). Le guide axonal pour les techniques de laboratoire d'électrophysiologie et de biophysique. Axon Instruments, 1993. N'est plus disponible en version papier, mais est disponible en ligne sur http://www.axon.com.

Suter KJ, Song WJ, Sampson TL, Wuarin JP, Saunders JT, Dudek FE, Moenter SM. Ciblage génétique de la protéine fluorescente verte vers les neurones à hormone de libération des gonadotrophines : caractérisation des propriétés électrophysiologiques et de la morphologie de la cellule entière.Endocrinologie 2000 141:412–419.

Liu HS, Jan MS, Chou CK, Chen PH, Ke NJ. La protéine fluorescente verte est-elle toxique pour les cellules vivantes ?Biochem Biophys Res Comm 1999 260:712–717.

Velhuis JD, Johnson ML. Analyse de cluster : un algorithme simple, polyvalent et robuste pour la détection des impulsions endocriniennes.Am J Physiol Endocrinol Metab 1986 250 : E486-E493.

Nunemaker CS, DeFazio RA, Geusz ME, Herzog ED, Pitts GR, Moenter SM. Des enregistrements à long terme de réseaux de neurones à GnRH immortalisés révèlent des schémas épisodiques d'activité électrique.J Neurophysiol 2001 86:86–93.

Nunemaker CS, Straume M, DeFazio RA, Moenter SM. Les neurones de l'hormone de libération des gonadotrophines génèrent des rythmes d'interaction dans plusieurs domaines temporels.Endocrinologie Mars 2003144 (sous presse).

Milton RL, Caldwell JH. Comment se forment les joints patch clamp ? Un modèle de bulle lipidique.Pflugers Arch Eur J Phys 1990 416:758–762.

Reuss S, Vollrath L. Propriétés électrophysiologiques des pinéalocytes de rat: preuves des rythmes circadiens et ultradiens.Exp Brain Res 1984 55:455–461.

Schenda J, Vollrath L. Des enregistrements monocellulaires de glandes pinéales de poulet in vitro révèlent des oscillations ultradiennes et circadiennes.Cell Mol Life Sci 2000 57:1785–1792.


Le modèle montre que la vitesse de déclenchement des neurones a un impact sur leur capacité à se synchroniser

IMAGE: Les membranes cellulaires sont traversées par une tension due à la répartition inégale des particules chargées, appelées ions, entre l'intérieur et l'extérieur de la cellule. Les neurones peuvent faire circuler les ions. Voir plus

Crédit : Image modifiée de

Des recherches menées par l'Unité de neurosciences computationnelles de l'Okinawa Institute of Science and Technology Graduate University (OIST) ont montré pour la première fois qu'un modèle informatique peut reproduire et expliquer une propriété unique affichée par une cellule cérébrale cruciale. Leurs conclusions, publiées aujourd'hui dans eLife, mettent en lumière la façon dont des groupes de neurones peuvent s'auto-organiser en se synchronisant lorsqu'ils se déclenchent rapidement.

Le modèle se concentre sur les neurones de Purkinje, qui se trouvent dans le cervelet. Cette région dense du cerveau postérieur reçoit des informations du corps et d'autres zones du cerveau afin d'affiner la précision et la synchronisation des mouvements, entre autres tâches.

"Les cellules de Purkinje sont une cible attrayante pour la modélisation informatique, car il y a toujours eu beaucoup de données expérimentales sur lesquelles s'appuyer", a déclaré le professeur Erik De Schutter, qui dirige l'unité de neurosciences computationnelles. "Mais il y a quelques années, des recherches expérimentales sur ces neurones ont découvert un comportement étrange qui ne pouvait être reproduit dans aucun modèle existant."

Ces études ont montré que le taux d'activation d'un neurone de Purkinje affectait sa réaction aux signaux émis par d'autres neurones voisins.

La vitesse à laquelle un neurone émet des signaux électriques est l'un des moyens les plus cruciaux de transmettre des informations à d'autres neurones. Les pointes, ou potentiels d'action, suivent le principe du "tout ou rien" - soit elles se produisent, soit elles ne se produisent pas - mais la taille du signal électrique ne change jamais, seulement la fréquence. Plus l'entrée d'un neurone est forte, plus ce neurone se déclenche rapidement.

Mais les neurones ne se déclenchent pas de manière indépendante. "Les neurones sont connectés et enchevêtrés avec de nombreux autres neurones qui transmettent également des signaux électriques. Ces pics peuvent perturber les neurones voisins via des connexions synaptiques et modifier leur schéma de déclenchement", a expliqué le professeur De Schutter.

Fait intéressant, lorsqu'une cellule de Purkinje se déclenche lentement, les pics des cellules connectées ont peu d'effet sur le pic du neurone. Mais, lorsque la cadence de tir est élevée, l'impact des pics d'entrée augmente et fait que la cellule de Purkinje se déclenche plus tôt.

"Les modèles existants ne pouvaient pas reproduire ce comportement et ne pouvaient donc pas expliquer pourquoi cela s'est produit. Bien que les modèles soient bons pour imiter les pointes, ils manquaient de données sur la façon dont les neurones agissaient dans les intervalles entre les pointes", a déclaré le professeur De Schutter. "Il était clair qu'un modèle plus récent comprenant plus de données était nécessaire."

Heureusement, l'unité du professeur De Schutter venait de terminer le développement d'un modèle mis à jour, une tâche immense principalement entreprise par l'ancien chercheur postdoctoral, le Dr Yunliang Zang.

Une fois terminé, l'équipe a découvert que pour la première fois, le nouveau modèle était capable de reproduire le comportement unique dépendant de la cadence de tir.

Dans le modèle, ils ont vu que dans l'intervalle entre les pics, la tension membranaire du neurone de Purkinje dans les neurones à décharge lente était beaucoup plus faible que celle à décharge rapide.

"Pour déclencher un nouveau pic, la tension membranaire doit être suffisamment élevée pour atteindre un seuil. Lorsque les neurones se déclenchent à un rythme élevé, leur tension membranaire plus élevée facilite la perturbation des entrées, qui augmentent légèrement la tension membranaire, pour franchir ce seuil et provoquer un nouveau pic », a expliqué le professeur De Schutter.

Les chercheurs ont découvert que ces différences de tension membranaire entre les neurones à décharge rapide et lente étaient dues aux types spécifiques de canaux ioniques potassium dans les neurones de Purkinje.

"Les modèles précédents ont été développés avec uniquement les types génériques de canaux potassiques que nous connaissions. Mais le nouveau modèle est beaucoup plus détaillé et complexe, y compris des données sur de nombreux types de canaux potassiques spécifiques aux cellules de Purkinje. C'est pourquoi ce comportement unique pourrait enfin être reproduit et compris », a déclaré le professeur De Schutter.

La clé de la synchronisation

Les chercheurs ont alors décidé d'utiliser leur modèle pour explorer les effets de ce comportement à plus grande échelle, à travers un réseau de neurones de Purkinje. Ils ont découvert qu'à des taux de déclenchement élevés, les neurones ont commencé à se synchroniser de manière lâche et à se déclencher ensemble en même temps. Puis, lorsque la cadence de tir a ralenti, cette coordination a été rapidement perdue.

À l'aide d'un modèle mathématique plus simple, le Dr Sungho Hong, chef de groupe dans l'unité, a ensuite confirmé que ce lien était dû à la différence dans la rapidité et la lenteur avec laquelle les neurones de Purkinje réagissaient aux pointes des neurones connectés.

"Cela a un sens intuitif", a déclaré le professeur De Schutter. Il a expliqué que pour que les neurones puissent se synchroniser, ils doivent pouvoir adapter leur taux de décharge en réponse aux entrées du cervelet. "Donc, cette synchronisation avec d'autres pics ne se produit que lorsque les neurones de Purkinje se déclenchent rapidement", a-t-il ajouté.

Le rôle de la synchronie est encore controversé en neurosciences, sa fonction exacte restant mal comprise. Mais de nombreux chercheurs pensent que la synchronisation de l'activité neuronale joue un rôle dans les processus cognitifs, permettant la communication entre des régions éloignées du cerveau. Pour les neurones de Purkinje, ils permettent d'envoyer des signaux forts et opportuns, ce qui, selon des études expérimentales, pourrait être important pour initier le mouvement.

"C'est la première fois que la recherche explore si la vitesse à laquelle les neurones se déclenchent affecte leur capacité à se synchroniser et explique comment ces assemblages de neurones synchronisés apparaissent et disparaissent rapidement", a déclaré le professeur De Schutter. "Nous pouvons découvrir que d'autres circuits dans le cerveau reposent également sur ce mécanisme dépendant du taux."

L'équipe prévoit maintenant de continuer à utiliser le modèle pour approfondir le fonctionnement de ces cellules cérébrales, à la fois individuellement et en réseau. Et, à mesure que la technologie se développe et que la puissance de calcul se renforce, le professeur De Schutter a une ambition ultime dans la vie.

"Mon objectif est de construire le modèle de neurone le plus complexe et le plus réaliste possible", a déclaré le professeur De Schutter. "OIST a les ressources et la puissance de calcul pour le faire, pour mener à bien une science vraiment amusante qui repousse les limites de ce qui est possible. Ce n'est qu'en approfondissant de plus en plus les détails des neurones que nous pouvons vraiment commencer à mieux comprendre ce qui se passe. "

Clause de non-responsabilité: AAAS et EurekAlert ! ne sont pas responsables de l'exactitude des communiqués de presse publiés sur EurekAlert! par les institutions contributrices ou pour l'utilisation de toute information via le système EurekAlert.


Voir la vidéo: APPRENEZ LE SYSTEME ELECTRIQUE DU COEUR EN 7 MIN EN 2017! - DR ASTUCE (Mai 2022).