Introduction
Une souris tourne sur un tapis roulant intégré dans un couloir de réalité virtuelle. Dans son esprit, il se voit se précipiter dans un tunnel avec un motif distinctif de lumières devant lui. Grâce à l'entraînement, la souris a appris que si elle s'arrête aux lumières et maintient cette position pendant 1.5 seconde, elle recevra une récompense : un petit verre d'eau. Ensuite, il peut se précipiter vers un autre ensemble de lumières pour recevoir une autre récompense.
Cette configuration est la base de la recherche publié en juillet in Cell Reports par les neuroscientifiques Élie Adam, Taylor Johns ainsi que les Mriganka Sur du Massachusetts Institute of Technology. Il explore une question simple : comment le cerveau - chez les souris, les humains et les autres mammifères - fonctionne-t-il assez rapidement pour nous arrêter en un clin d'œil ? Les nouveaux travaux révèlent que le cerveau n'est pas câblé pour transmettre une commande "stop" nette de la manière la plus directe ou la plus intuitive. Au lieu de cela, il utilise un système de signalisation plus compliqué basé sur des principes de calcul. Cet arrangement peut sembler trop compliqué, mais c'est une façon étonnamment intelligente de contrôler des comportements qui doivent être plus précis que les commandes du cerveau ne peuvent l'être.
Le contrôle des mécanismes simples de la marche ou de la course est assez facile à décrire : la région locomotrice mésencéphalique (MLR) du cerveau envoie des signaux aux neurones de la moelle épinière, qui envoient des impulsions inhibitrices ou excitatrices aux motoneurones qui régissent les muscles de la jambe : arrêtez . Aller. Arrêt. Aller. Chaque signal est un pic d'activité électrique généré par les ensembles de neurones qui se déclenchent.
L'histoire devient cependant plus complexe lorsque des objectifs sont introduits, comme lorsqu'un joueur de tennis veut courir jusqu'à un endroit précis sur le terrain ou qu'une souris assoiffée regarde un prix rafraîchissant au loin. Les biologistes ont compris depuis longtemps que les objectifs prennent forme dans le cortex cérébral du cerveau. Comment le cerveau traduit-il un objectif (arrêtez de courir là-bas pour obtenir une récompense) en un signal chronométré avec précision qui indique au MLR de freiner ?
"Les humains et les mammifères ont des capacités extraordinaires en matière de contrôle moteur sensoriel", a déclaré Sridevi Sarma, neuroscientifique à l'Université Johns Hopkins. "Pendant des décennies, les gens ont étudié ce qui, dans notre cerveau, nous rend si agiles, rapides et robustes."
Le plus rapide et le plus poilu
Pour comprendre la réponse, les chercheurs ont surveillé l'activité neuronale dans le cerveau d'une souris tout en chronométrant le temps qu'il a fallu à l'animal pour décélérer de la vitesse maximale à l'arrêt complet. Ils s'attendaient à voir un signal inhibiteur surgir dans le MLR, déclenchant l'arrêt des jambes presque instantanément, comme un interrupteur électrique éteignant une ampoule.
Mais une divergence dans les données a rapidement sapé cette théorie. Ils ont observé un signal "stop" circulant dans le MLR pendant que la souris ralentissait, mais il n'atteignait pas une intensité assez rapide pour expliquer la rapidité avec laquelle l'animal s'est arrêté.
"Si vous prenez simplement des signaux d'arrêt et que vous les insérez dans le MLR, l'animal s'arrêtera, mais les mathématiques nous disent que l'arrêt ne sera pas assez rapide", a déclaré Adam.
"Le cortex ne fournit pas d'interrupteur", a déclaré Sur. « Nous pensions que c'est ce que ferait le cortex, passer de 0 à 1 avec un signal rapide. Ça ne fait pas ça, c'est le casse-tête.
Les chercheurs savaient donc qu'il devait y avoir un système de signalisation supplémentaire au travail.
Pour le trouver, ils se sont à nouveau penchés sur l'anatomie du cerveau de la souris. Entre le cortex d'où proviennent les buts et le MLR qui contrôle la locomotion se trouve une autre région, le noyau sous-thalamique (STN). On savait déjà que le STN se connecte au MLR par deux voies : l'une envoie des signaux excitateurs et l'autre envoie des signaux inhibiteurs. Les chercheurs ont réalisé que le MLR répond à l'interaction entre les deux signaux plutôt que de compter sur la force de l'un ou l'autre.
Alors que la souris qui sprinte se prépare à s'arrêter, le MLR reçoit un signal inhibiteur du STN. Presque immédiatement après, il reçoit également un signal excitateur. Chaque signal s'allume lentement, mais la commutation entre eux est rapide, et c'est à cela que le MLR prête attention : il enregistre la différence entre les deux signaux. Plus la différence est grande, plus le changement du signal inhibiteur est rapide et plus le MLR ordonne aux jambes de s'arrêter rapidement.
"Il n'y a aucune information sur la hauteur des pointes", a déclaré Sur. « Tout est dans l'intervalle entre les pointes. Parce que les pointes sont nettes, l'intervalle peut contenir des informations.
Courbe prononcée devant
Les chercheurs ont exprimé le mécanisme d'arrêt en termes de deux fonctions de base du calcul : l'intégration, qui mesure l'aire sous une courbe, et la dérivation, qui calcule la pente en un point d'une courbe.
Si l'arrêt ne dépendait que de la quantité de signal d'arrêt reçu par le MLR, cela pourrait être considéré comme une forme d'intégration; la quantité du signal serait ce qui importait. Mais ce n'est pas le cas, car l'intégration en elle-même n'est pas suffisante pour un contrôle rapide. Au lieu de cela, le MLR accumule la différence entre les deux signaux bien synchronisés, ce qui reflète la façon dont une dérivée est calculée : en prenant la différence entre deux valeurs infiniment proches pour calculer la pente d'une courbe en un point. La dynamique rapide de la dérivée annule la dynamique lente de l'intégration et permet un arrêt rapide.
"Il y a un signal excitateur et un signal inhibiteur et les deux sont comparés instantanément", a déclaré Sur. "Lorsque cette valeur atteint un certain montant, il y a un interrupteur lancé qui fait arrêter l'animal."
Ce système de contrôle basé sur les dérivés peut sembler indirect, mais il a un sens stratégique. Lorsqu'une souris naviguant dans la réalité virtuelle ou un joueur de tennis courant sur un court approche d'un point d'arrêt, ils peuvent trouver utile de savoir à quelle vitesse ils vont. Mais pour planifier ce qu'ils devront faire ensuite, il est plus utile pour eux de savoir à quelle vitesse ils accélèrent ou ralentissent - la fonction dérivée de leur mouvement.
« Cela permet d'anticiper et de prévoir. Si je connais la dérivée, le taux de changement de vitesse, alors je peux prédire quelle sera ma vitesse à l'étape suivante », a déclaré Sarma. "Si je sais que je dois arrêter, je peux le planifier et le réaliser."
