![Ruthazer lab image](https://can-acn.org/wp-content/uploads/2020/05/ruthazer2-300x225.png)
On sait depuis longtemps que l’expérience sensorielle aide à affiner la connectivité du cerveau pendant le développement. En 1949, le psychologue canadien Donald Hebb a proposé que lorsque différentes cellules du cerveau étaient constamment actives en même temps et agissaient en synchronisme, les connexions qu’elles formaient se renforçaient grâce à cette coopération. Cette «règle de Hebb» pour le remodelage des circuits est parfois reformulée comme suit : «les cellules qui s’activent ensemble, se connectent ensemble», et permet d’expliquer comment le câblage du cerveau peut être réglé avec précision en réponse à une experience sensorielle. Aujourd’hui, 70 ans plus tard, la plupart des réseaux neuronaux artificiels sur lesquels nous nous appuyons pour faire des prédictions précises à partir de grands ensembles de données reposent sur la mise en œuvre numérique de diverses règles d’apprentissage, y compris des variantes de la règle de Hebb, qui sous-tendent leur capacité à apprendre des associations.
Un quart de siècle après Hebb, le brillant biologiste moléculaire devenu neuroscientifique, Gunther Stent, a proposé qu’il y ait également une sorte de règle de Hebb inversée pour les neurones non-conformistes qui s’activent de manière désynchronisée avec leurs voisins. Une telle «distanciation sociale» neuronale, a soutenu Stent, devrait entraîner des modifications contraires à celles décrites par Hebb, selon lesquelles les cellules qui «s’activent de manière désynchronisée, perdent leur lien» avec leurs partenaires. En principe, l’ajout de Stent à la règle de Hebb devrait être beaucoup plus efficace pour affiner les réseaux, à la fois dans le cerveau et numériquement, que la seule règle de Hebb.
Grâce à un minuscule têtard, et à un très gros laser, les chercheurs de l’Hôpital et Institut neurologique de Montréal de l’Université McGill ont enfin pu démontrer l’existence de cette règle d’apprentissage alternative, qu’ils ont baptisée «plasticité stentienne», en temps réel dans le cerveau. Tasnia Rahman, étudiante en médecine à l’université McGill, travaillant dans le laboratoire du Dr Ed Ruthazer, a tiré parti des petits cerveaux transparents des têtards, qui subissent le même type de réglage fin pendant leur développement que les cerveaux humains, et d’une protéine fluorescente verte génétiquement exprimée dans les cellules individuelles de leurs yeux. Les cellules rétiniennes ont fait de longues projections, appelées axones, dans le cerveau des têtards, qui ont ensuite pu être observées grâce à une puissante technique de microscopie tridimensionnelle qui envoie des impulsions intenses de lumière laser profondément dans le cerveau des têtards, ce qui fait que les cellules rétiniennes fluorescentes brillent et deviennent visibles chez l’animal intact. Rahman a ensuite présenté des stimuli visuels aux yeux des têtards qui ont provoqué une activation de l’axone étiqueté, en décalage avec ses voisins, recréant les conditions décrites par Stent.
Les expérimentateurs ont été surpris de découvrir que lorsque le neurone renégat restait silencieux pendant que ses voisins s’activaient ensemble, il se développait en fait plus vite et plus loin que les cellules activées ensemble. Il est intéressant de noter que ce phénomène n’a pas été observé lorsque l’axone unique s’activait tout seul. Cela signifiait donc qu’il y avait un signal généré par les voisins actifs de la cellule quiescente qui disait effectivement à l’axone non conforme de «sortir d’ici» en se développant plus rapidement. Cela a du sens en tant que moyen de faciliter le tri d’un ensemble d’entrées initialement chaotiques dans des représentations neurales plus organisées en expulsant les entrées qui n’appartiennent pas en fonction de leurs schémas d’activité mal assortis. Le groupe s’efforce maintenant de comprendre à quel point l’ajout de cette règle de plasticité stentienne est plus efficace qu’une simple règle de Hebb pour le raffinement des circuits et si cette découverte pourrait également contribuer à promouvoir un meilleur apprentissage dans les réseaux neuronaux artificiels.
Article de recherche original:
Rahman et al.,(2020) Stentian structural plasticity in the developing visual system. Proc Nat Acad Sci USA. https://doi.org/10.1073/pnas.2001107117