Plongée au coeur des assemblées neuronales
Guillaume Le Goc, Geoffrey Migault, Volker Bormuth et Georges Debrégeas, chercheurs du Laboratoire Jean Perrin (Sorbonne Université, CNRS) et leurs collaborateurs d'Oxford, Tel Aviv et Nijmegen, ont mis en œuvre des méthodes dites d’apprentissage machine pour analyser l’activité de dizaines de milliers de neurones enregistrés simultanément dans des larves de poisson zèbre. Un réseau artificiel, appelé « machine de Boltzmann » est entrainé pour reproduire la statistique d’activité des véritables neurones.
Ce modèle numérique permet d’identifier des assemblées neuronales (voir figure ci-dessous) dont l’activité collective contrôle de façon déterminante la dynamique du réseau neuronal. Ce modèle permet également d’effectuer des expériences de perturbations « in silico » afin d’établir une connectivité fonctionnelle entre les différentes aires cérébrales.
Cette connectivité fonctionnelle (comment l’activité d’une aire impacte l’activité d’une autre) apparaît cohérente avec la connectivité structurale (les connections physiques entre neurones). Ce modèle pourrait trouver des applications plus larges pour l’analyse de données neuronales à grande échelle.
