Comprendre le contrôle moteur et l'adaptation dans le cerveau

Les animaux doivent réaliser des actions habiles dans des environnements changeants. Ça veut dire qu'ils doivent s'adapter et apprendre à maintenir leurs performances malgré les différents défis. Une grosse partie de ce qui se passe dans notre cerveau pour contrôler les mouvements implique plein de chemins différents depuis la surface du cerveau (le cortex) jusqu'à la moelle épinière. Même si on sait que beaucoup de zones du cerveau sont impliquées dans la production de mouvements efficaces, c’est encore flou comment ces différentes zones aident à apprendre et adapter nos compétences motrices quand ça se passe mal.

Des recherches ont montré qu'une partie spécifique du cerveau appelée le Cortex somatosensoriel primaire (S1) est importante pour s’adapter à de nouvelles situations. D'un autre côté, une autre zone appelée le Cortex moteur (M1) nous aide à apprendre de nouvelles compétences. Ces deux zones pourraient être connectées de manière à permettre des changements rapides dans le fonctionnement du cerveau et la mise à jour des modèles mentaux qu'on utilise pour bouger. Cependant, c’est toujours un mystère comment ces zones fonctionnent ensemble et comment le cerveau traite les mouvements pendant l’apprentissage.

#Contexte historique

Dans les années 1930, un scientifique nommé Nikolai Bernstein a fait des recherches sur le mouvement. Il a découvert que même si le chemin d'une personne pouvait varier, elle pouvait quand même réussir une tâche, comme frapper un clou avec un marteau. Il a argumenté contre l'idée qu'un groupe spécifique de neurones dans le M1 pouvait toujours conduire un mouvement. Au lieu de ça, il a suggéré que les mouvements sont contrôlés à un niveau plus large par de plus grands groupes de neurones.

Au fil des ans, beaucoup d'études ont montré que des neurones uniques dans le M1 peuvent représenter des caractéristiques de mouvement complexes. Cependant, certains chercheurs ont proposé que ces neurones contrôlent en fait les actions musculaires plutôt que le mouvement lui-même. Cela a conduit à divers modèles essayant d'expliquer comment la dynamique du cerveau fonctionne pendant les mouvements de portée. Bien que ces modèles offrent des aperçus utiles, il y a toujours une déconnexion entre comprendre comment fonctionnent des neurones individuels et comment ils affectent le mouvement global.

#Apprentissage moteur chez les humains

Les études sur l’apprentissage moteur humain montrent que des modèles internes existent, permettant des adaptations rapides dans les mouvements. Par exemple, si le bras d'une personne est soudainement poussé dans une autre direction, elle peut d’abord avoir du mal, mais finira par apprendre à ajuster ses mouvements pour compenser. Cette capacité à s’adapter repose sur le calcul des erreurs entre les mouvements attendus et réels, ce qui aide à mettre à jour leurs modèles internes.

Quand les gens effectuent des tâches qui impliquent des ajustements aux changements, leurs mouvements divergent souvent de leurs modèles normaux au début. Cependant, avec de la pratique, ils peuvent ajuster et restaurer des niveaux de performance proches de ce qu'ils avaient avant le changement. Il y a différentes manières dont ces calculs d'erreur peuvent se faire, ce qui peut aider à affiner les modèles moteurs internes.

Malgré des progrès significatifs dans l'étude du contrôle moteur chez les humains, il y a encore un manque de recherche sur le rôle de S1 pendant l’adaptation motrice, surtout chez les primates non humains. Des découvertes récentes ont montré que S1 est immédiatement activé après des perturbations des membres. Cela suggère que S1 pourrait jouer un rôle essentiel dans l'aide aux animaux pour adapter leurs mouvements pendant les tâches.

#Développement d'un modèle de souris

Pour mieux comprendre comment ces zones cérébrales travaillent ensemble lors de l'adaptation motrice, les chercheurs ont développé un modèle informatique détaillé d'un membre antérieur de souris. Ce modèle a été créé en utilisant des techniques d'imagerie avancées pour obtenir une représentation précise des muscles et des os dans le bras d'une souris. En utilisant ce modèle, les chercheurs peuvent imiter comment de vraies souris effectuent des tâches de portée et enquêter sur la manière dont leurs cerveaux contrôlent ces mouvements.

Le modèle musculo-squelettique permet aux chercheurs de simuler comment la souris bouge et de capturer les dynamiques et les signaux de contrôle qui émergent pendant ces tâches. Cette approche computationnelle permet une meilleure compréhension des processus sous-jacents impliqués dans les mouvements habiles et comment le cerveau encode les informations sur ces mouvements.

#Importance du feedback sensorimoteur

Comprendre comment le mouvement affecte les signaux moteurs est vital pour comprendre comment le cerveau traite et adapte ces signaux lors de l’apprentissage des compétences. Savoir les détails d'un mouvement, comme la position, la vitesse et l'action musculaire, est crucial. Bien enregistrer les signaux de muscles individuels peut fournir des aperçus précieux, mais rassembler des données sur tous les muscles aiderait les chercheurs à mieux comprendre la dynamique neurale en jeu. Comme ce n'est pas faisable pratiquement, créer des modèles informatiques réalistes du bras de souris pendant les tâches de portée peut grandement améliorer notre capacité à analyser les données neurales sous-jacentes.

Les modèles existants ont été cruciaux dans des domaines comme la science du sport, la robotique et les applications médicales, mais ont été moins couramment utilisés en neurosciences. Bien qu'il y ait eu des progrès dans la création de modèles biomécaniques pour les rongeurs, aucun modèle complet d'un membre antérieur de souris adulte n’a été établi, ce qui est essentiel pour étudier des mouvements habiles complexes.

#Construction du modèle musculo-squelettique de souris

Le nouveau modèle de souris capture l'anatomie du membre antérieur en utilisant des techniques d'imagerie pour analyser les points d'insertion musculaire pour 50 muscles impliqués dans les tâches de portée et de préhension. Avec ce modèle musculo-squelettique détaillé, les chercheurs peuvent simuler les mouvements d'une souris et déterminer à quel point le comportement simulé correspond aux données du monde réel.

Le modèle permet de faire des prédictions précises sur la façon dont les muscles travaillent ensemble pour réaliser des tâches spécifiques, comme atteindre et tirer des objets. Les chercheurs peuvent contrôler le bras virtuel grâce à des calculs mathématiques qui déterminent les activations musculaires nécessaires pour atteindre le mouvement souhaité. Cette approche permet une analyse complète de la coordination entre les actions musculaires et les signaux neuraux correspondants dans le cerveau.

#Le contrôleur sensorimoteur

Pour affiner le modèle, les chercheurs ont développé un contrôleur basé sur un simulateur physique qui peut reproduire les tâches de portée, de saisie et de tirage effectuées par de vraies souris. Ce contrôleur aide à s'assurer que les mouvements générés par le modèle ressemblent étroitement au comportement réel observé dans les environnements expérimentaux. En utilisant des méthodes de suivi avancées, les chercheurs peuvent enregistrer les mouvements de la souris et optimiser le modèle informatique pour qu'il corresponde à ces modèles comportementaux.

Le développement de ce modèle permet aux chercheurs d'explorer comment le cerveau encode les signaux lors de ces tâches et comment les zones motrices du cerveau interagissent pour produire des actions habiles. En enquêtant sur l'activité neurale dans différentes parties du cerveau, les chercheurs peuvent commencer à comprendre comment le cerveau traite les commandes motrices et le feedback sensoriel pendant des mouvements complexes.

#Étudier l'activité neuronale

En utilisant le modèle de souris, les chercheurs peuvent suivre et examiner l'activité d'un grand nombre de neurones dans des zones cérébrales spécifiques pendant les tâches de portée. En enregistrant depuis S1 et M1, ils peuvent étudier comment ces zones réagissent à différentes conditions de mouvement et quels types d'informations ces neurones codent.

Les recherches montrent que beaucoup de neurones dans M1 et S1 deviennent actifs pendant des tâches motrices habiles. En analysant les schémas d'activité de ces neurones, les chercheurs peuvent identifier quelles caractéristiques du mouvement sont représentées dans les signaux neuronaux. Cela aide à comprendre comment le cerveau traite et apprend des actions motrices.

#Analyser les réponses neuronales

La recherche actuelle implique l'analyse des réponses neuronales d'une population substantielle de neurones dans les zones S1 et M1 pendant que les souris effectuent des tâches avec un joystick. En suivant les activités de milliers de neurones, les chercheurs visent à comprendre comment chaque zone contribue au contrôle et à l’adaptation du mouvement. Cela se fait en examinant la relation entre les schémas de tir neuronal et les différentes caractéristiques cinématiques associées aux tâches de portée et de tirage.

Les résultats suggèrent que beaucoup de neurones dans ces zones sont réglés sur des caractéristiques de mouvement spécifiques, comme la position de la main ou les actions musculaires nécessaires. Ce regroupement d'activités neuronales éclaire comment le cerveau encode divers niveaux de contrôle moteur, de la planification de mouvement de haut niveau à l'activation musculaire de bas niveau.

#Découverte de groupes fonctionnels

En utilisant des techniques de modélisation statistique avancées, les chercheurs peuvent catégoriser les neurones en fonction de leurs réponses à différents paramètres de mouvement. Cela permet d'identifier des groupes fonctionnels spécifiques de neurones qui correspondent à des aspects particuliers des tâches de mouvement. En regroupant ces neurones, les chercheurs peuvent mieux comprendre comment différentes parties du cerveau travaillent ensemble pour faciliter des actions habiles.

Au cours des expériences, les chercheurs ont enregistré des changements dans les taux de tir neuronaux à mesure que les souris s'adaptaient à de nouvelles conditions. Cette adaptabilité reflète la capacité du cerveau à calculer des Erreurs de prédiction, ce qui aide à mettre à jour le Modèle interne utilisé pour le contrôle moteur.

#Erreurs de prédiction et modèles internes

Une découverte clé de cette recherche est que le Cortex sensorimoteur représente des erreurs de prédiction, qui sont essentielles pour s'adapter aux changements dans la dynamique du mouvement. Lorsqu'ils sont confrontés à des forces inattendues, comme quand un champ de force est introduit pendant la tâche, les souris doivent ajuster leurs mouvements. Les réponses neuronales observées pendant ces tâches d’adaptation reflètent l'effort du cerveau pour calculer et corriger ces erreurs de prédiction.

En surveillant comment les taux de tir des neurones changent entre les essais, les chercheurs peuvent identifier différents schémas d'activité associés aux erreurs de prédiction et aux commandes motrices. Cela fournit un aperçu sur comment le cerveau utilise ces signaux pour maintenir et améliorer la performance.

#Changements dans la dynamique neuronale

L'étude souligne aussi les changements dans la dynamique neuronale pendant le processus d'apprentissage. En utilisant des techniques de modélisation avancées, les chercheurs ont observé comment les représentations neuronales latentes évoluent au fil des sessions d'apprentissage. On note des changements remarquables dans les schémas d'activité neuronale pendant les premières phases d’adaptation, et ces schémas tendent à se stabiliser à mesure que les souris s'habituent aux nouvelles conditions.

La capacité du cortex sensorimoteur à refléter ces changements dans le contrôle adaptatif démontre la nature dynamique de la réponse du cerveau à l'apprentissage. En suivant ces déplacements dans l'activité neuronale, les chercheurs peuvent mieux comprendre comment le cerveau permet l'apprentissage et l'acquisition de compétences.

#Implications pour la recherche future

Cette recherche fournit des informations critiques sur la façon dont le cortex sensorimoteur soutient le contrôle moteur habile et l’adaptation. En combinant des données comportementales avec des modèles computationnels, les chercheurs peuvent créer une image plus complète de la manière dont le cerveau traite l'information liée au mouvement.

Les résultats suggèrent que des caractéristiques de bas niveau comme la dynamique musculaire jouent un rôle crucial dans la guidage de représentations cinématiques de haut niveau. Cela souligne l'importance de comprendre l'interaction entre différents aspects du contrôle moteur pour développer de meilleurs modèles d'étude de l'apprentissage moteur.

Les futures études devraient continuer à explorer les relations entre les différentes zones du cerveau impliquées dans le contrôle moteur, y compris les zones prémotrices, les ganglions de la base et le cervelet. Comprendre comment ces structures interagissent avec le cortex sensorimoteur peut aider au développement d'interventions pour les troubles moteurs et améliorer notre compréhension des processus d'apprentissage moteur.

#Conclusion

En résumé, cette recherche éclaire l'interaction complexe entre les zones sensorimotrices du cerveau lors des mouvements habiles et de l'apprentissage. En créant un modèle détaillé de souris et en examinant les dynamiques neuronales pendant les tâches de portée, les chercheurs découvrent les mécanismes qui permettent l'adaptation et le contrôle moteur. Ces aperçus contribuent finalement à une compréhension plus large de la manière dont le cerveau traite le mouvement et peuvent éclairer de futures études visant à améliorer la fonction motrice dans divers contextes.