Diversité des formes de neurones dans le cerveau

Les Neurones sont les cellules dans notre cerveau qui nous aident à traiter l'information. Ils viennent sous plein de formes et tailles, ce qui joue un rôle clé dans leur fonctionnement. Depuis l'époque d'un scientifique célèbre, Ramón y Cajal, les chercheurs se sont passionnés pour l'étude des formes de ces neurones. Ils ont découvert que différents neurones ont des formes différentes, et ces formes influencent comment ils reçoivent et traitent les signaux.

Dans la couche extérieure du cerveau, connue sous le nom de néocortex, seule une petite portion de neurones est responsable de l'inhibition des signaux. Malgré leur faible nombre, ces neurones inhibiteurs présentent une grande variété de formes. D'autre part, la majorité des neurones dans le cortex sont excitateurs, ce qui signifie qu'ils aident à envoyer des signaux. Les neurones excitateurs peuvent être divisés en groupes selon leurs formes, comme les cellules étoilées et pyramidales. Les Cellules pyramidales, bien qu'assez uniformes dans leur structure de base, montrent encore beaucoup de diversité quand on les regarde de plus près.

Des études récentes ont tenté de classer ces cellules pyramidales en différents types selon leurs formes uniques. Certains chercheurs suggèrent qu'il y a entre 10 et 20 types différents, utilisant des méthodes qui examinent les caractéristiques physiques des Dendrites, qui sont les branches des neurones les aidant à communiquer avec d'autres.

Les chercheurs ont remarqué des motifs cohérents dans la morphologie des neurones excitateurs. Par exemple, dans une couche du cortex, il y a des cellules pyramidales à touffes épaisses qui se distinguent. Cependant, il n'y a toujours pas de consensus clair sur la façon de classer ces types de neurones excitateurs. Certains scientifiques ont souligné des différences dans les structures des cellules pyramidales selon leur emplacement dans le cortex.

Un défi majeur dans l'étude des formes des neurones est que de nombreuses études ont utilisé un nombre limité de neurones pour tirer des conclusions. Elles se basent souvent sur des mesures basiques et des statistiques pour représenter les formes des neurones, ce qui pourrait ne pas capturer tous les détails importants.

Pour résoudre ce problème, les chercheurs ont utilisé des méthodes d'apprentissage automatique pour analyser les formes des neurones de manière plus globale. En examinant un grand ensemble de données de plus de 30 000 neurones provenant de zones spécifiques du cerveau d'une souris, ils ont pu créer des représentations détaillées de leurs formes.

#Méthodologie d'analyse des formes des neurones

La recherche a commencé avec un petit segment du Cortex Visuel d'une souris. Cette zone a été examinée à l'aide de techniques d'imagerie avancées qui ont permis aux scientifiques de reconstruire les formes des neurones individuels avec une grande précision. La structure de chaque neurone a été simplifiée en un "squelette", mettant en avant les motifs de ramification sans se concentrer sur des détails plus petits comme les épines ou les synapses.

Après avoir créé ces squelettes, les chercheurs ont utilisé un type spécifique d'apprentissage automatique appelé apprentissage auto-supervisé pour catégoriser les formes des neurones. Cette méthode génère deux versions différentes de chaque structure de neurone avec de légers changements, permettant à l'algorithme d'apprendre les similitudes dans leurs formes sans avoir besoin d'étiquettes manuelles.

L'objectif était de trouver des similitudes parmi les formes des neurones et de les catégoriser d'une manière qui reflète leur véritable diversité. L'analyse résultante a montré que les formes des neurones existent généralement sur un spectre plutôt que dans des catégories distinctes.

#Découvertes sur la diversité morphologique des neurones

À partir de l'analyse des formes des neurones, les chercheurs ont découvert que les neurones excitateurs montrent principalement un changement graduel dans leurs structures à travers différentes Couches du cortex, avec quelques exceptions notables. Par exemple, dans une couche spécifique appelée couche 5, les cellules à touffes épaisses se démarquaient des autres. Ils ont aussi constaté que les formes des neurones pouvaient être décrites par trois caractéristiques principales : à quelle profondeur le neurone est situé dans le cortex, et les longueurs totales de ses branches dendritiques apicales et basales.

Fait intéressant, dans les couches supérieures du cortex, les formes des neurones ont révélé une tendance : à mesure que les neurones étaient plus profonds, leurs structures dendritiques devenaient plus fines et moins complexes. Dans la couche 4, différentes formes de neurones montraient des variations selon leur emplacement dans le cortex visuel, avec certains types de neurones plus présents dans les zones visuelles supérieures que dans le cortex visuel primaire.

L'étude a révélé que les neurones de la couche 4 avaient tendance à éviter d'étendre leurs dendrites dans la couche 5, ce qui indique une stratégie potentielle pour gérer les entrées et les connexions.

#Comparaison des formes neuronales à travers les couches

Pour aller plus loin dans l'étude de la façon dont les formes des neurones changent en fonction de leurs couches, d'autres tests ont été effectués pour visualiser les différentes caractéristiques de ces formes. Les chercheurs ont identifié six mesures importantes qui représentaient une grande partie des variations de leurs motifs.

Dans les couches superficielles (couche 2/3), les neurones étaient généralement plus larges que ceux qui étaient plus profonds. En avançant plus profondément dans le cortex, les formes des neurones devenaient plus longues et plus fines. Par exemple, dans la couche 2/3, il semblait que la profondeur du neurone était étroitement corrélée à la hauteur totale de la cellule. Les structures des dendrites variaient considérablement, les neurones plus profonds ayant des ramifications plus courtes et moins complexes.

Dans la couche 4, la tendance se poursuivait avec des longueurs dendritiques plus courtes observées par rapport à la couche 2/3. De plus, de nombreux neurones de la couche 4 apparaissaient sans aucune touffe, quelque chose qui n’était pas vu aussi fréquemment dans les couches supérieures.

La couche 5 présentait un mélange de types cellulaires distincts et une tendance générale vers la variabilité parmi les neurones excitateurs. Une découverte unique était que certains neurones de la couche 4 avaient tendance à empêcher leurs dendrites d'atteindre la couche 5.

Dans la couche 6, la diversité des formes neuronales était large. Les cellules variaient en hauteur et en structure, certains neurones ayant des formes horizontales ou inversées distinctives. Cette couche montrait aussi beaucoup de chevauchement avec les formes observées dans d'autres couches.

#Différences des neurones à travers les zones du cerveau

Les chercheurs se sont demandés si les formes des neurones dans le cortex visuel primaire (V1) différaient de celles des zones visuelles supérieures. Ils ont constaté qu'en moyenne, les neurones dans V1 avaient des dendrites plus courtes que ceux des zones supérieures. Par exemple, les neurones de la couche 2/3 dans V1 avaient des branches apicales d'environ 16 % plus courtes que celles des zones visuelles supérieures.

Dans la couche 4, il y avait visiblement plus de neurones simples et sans touffes dans V1. L'analyse a indiqué que certains types de neurones se trouvaient presque exclusivement dans V1, tandis que des formes plus complexes étaient plus courantes dans les zones supérieures.

De plus, l'étude a mis en avant un nouveau type de neurone dans la couche 4 trouvé uniquement dans V1. Ces neurones n'étendaient pas leurs dendrites dans la couche 5 et étaient situés dans une région spécifique près de la frontière de ces couches, suggérant un rôle fonctionnel unique dans V1.

#Lien entre les formes des neurones et leurs fonctions

Les chercheurs ont essayé de voir si les variations dans les formes des neurones pourraient être liées à leurs fonctions. Ils se sont concentrés spécifiquement sur les nouveaux neurones identifiés de la couche 4 qui évitaient de s'étendre dans la couche 5. En étudiant comment ces neurones réagissaient aux stimuli visuels, ils ont exploré si leur structure pouvait prédire leurs propriétés fonctionnelles.

En utilisant un modèle qui prédisait comment les neurones réagissaient à différentes entrées, les chercheurs ont trouvé une corrélation modérée entre les formes de ces neurones et leurs fonctions. Les neurones qui evitaient la couche 5 montraient un certain schéma de réponses qui les aidait probablement à se concentrer sur les entrées spécifiques qu'ils recevaient.

#Conclusion : La complexité des formes des neurones

La recherche continue sur les formes des neurones excitateurs révèle un paysage riche et complexe. Bien qu'il y ait certains types distincts identifiés dans certaines couches, l'image globale est celle d'un continuum. Les formes des neurones changent progressivement par rapport à leur couche dans le cortex plutôt que de tomber clairement dans des catégories prédéfinies.

Ces découvertes suggèrent que notre compréhension des types de neurones pourrait bénéficier d'une nouvelle approche qui tient compte des variations entre les cellules. Au lieu de les étiqueter strictement par leur forme, reconnaître le spectre des caractéristiques pourrait fournir des aperçus plus profonds sur leurs fonctions et interactions.

En résumé, examiner comment les neurones excitateurs dans le cortex visuel de la souris varient en forme aide à mettre en lumière la complexité du cerveau. Grâce à des méthodes avancées et des approches basées sur les données, les chercheurs découvrent la fascinante relation entre les formes des neurones et leurs rôles dans le traitement de l'information.