Actualité IBPS - Plongée au coeur des assemblées neuronales

Des chercheurs du LJP et leurs collaborateurs ont mis en oeuvre 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.

van der Plas, T. L., Tubiana, J., Le Goc, G., Migault, G., Kunst, M., Baier, H., Bormuth, V., Englitz, B., & Debrégeas, G. (2023). Neural assemblies uncovered by generative modeling explain whole-brain activity statistics and reflect structural connectivity. eLife, 12, e83139. https://doi.org/10.7554/eLife.83139