Comprendre la résilience du cerveau : les mystères de la dégénérescence neuronale décryptés

Dans un article publié dans la revue scientifique PNAS Nexus, des chercheurs du Laboratoire d'ingénierie neuromorphique de l’Université de Liège, lèvent le voile sur un mécanisme fascinant du cerveau : la capacité des neurones à maintenir des fonctions fiables malgré une variabilité importante de leurs composants physiologiques. 

Les neurosciences savent depuis longtemps que chaque cerveau est unique, non seulement dans ses connexions mais aussi dans la composition moléculaire de ses neurones. Parmi ces éléments, les canaux ioniques, des protéines membranaires responsables du passage des ions dans les neurones. Toutefois ces canaux varient considérablement d’un individu à l’autre, voire d’un neurone à l’autre. Pourtant, cette variabilité n’empêche pas le cerveau de fonctionner de manière fiable. Ce paradoxe, appelé "dégénérescence neuronale", intrigue les scientifiques depuis des décennies.  Ce concept est différent de celui de la dégénérescence dans le sens pathologique (comme dans les maladies neurodégénératives) et se concentre ici sur une propriété adaptative et robuste du système nerveux.

Arthur Fyon, Alessio Franci, Pierre Sacré et Guillaume Drion , chercheurs à l'ULiège, ont adopté une approche originale en appliquant des outils mathématiques pour mieux comprendre cette propriété. Leur méthode de réduction dimensionnelle a permis de simplifier l’analyse d’un système complexe, révélant deux mécanismes distincts à l’origine de la dégénérescence. 

"Notre étude démontre que ces deux mécanismes agissent simultanément, chacun ayant une origine et une fonction physiologique spécifique, explique Arthur Fyon, chercheur FNRS au sein du labo et premier auteur de l'article. Ensemble, ils permettent de garantir une modulation fiable des signaux neuronaux, malgré les variations des canaux ioniques." Cette découverte lève également un peu plus le voile sur les principes de la neuromodulation, ce processus par lequel le cerveau ajuste son activité en réponse à des signaux internes ou externes.  En pratique, cette compréhension approfondie permet de définir une règle universelle pour ajuster la modulation neuronale, ouvrant des perspectives prometteuses pour anticiper l’effet de médicaments neuroactifs et pour améliorer les modèles computationnels en neurosciences.

Des implications au-delà du cerveau humain

Les résultats ne s’arrêtent pas à la compréhension du cerveau biologique. L’équipe a développé un algorithme de neuromodulation basé sur ces découvertes, applicable aux systèmes neuromorphiques comme les robots ou les dispositifs d’intelligence artificielle. Des avancées qui pourraient révolutionner la robotique en créant des systèmes capables de s’adapter dynamiquement à leur environnement, tout comme le cerveau humain.

Domaine en pleine expansion, les neurosciences computationnelles cherchent à établir des ponts entre les neurosciences expérimentales et les modèles mathématiques. Cette étude s’inscrit dans cette dynamique en répondant à une question clé : comment simplifier l’étude de systèmes complexes sans perdre les détails critiques ?  "Nos travaux montrent comment des paramètres variés, tels que les conductances ioniques, peuvent être organisés dans un espace simplifié, facilitant l’utilisation des modèles neuronaux, explique Guillaume Drion, directeur du Laboratoire d'Ingénierie neuromoprhique."

Outre leur intérêt fondamental, ces travaux ont des applications pratiques importantes. En robotique, ces algorithmes pourraient permettre à des machines de mieux s’adapter aux imprévus, par exemple en ajustant leur comportement en fonction de changements dans leur environnement. De même, dans le domaine médical, ils pourraient aider à concevoir des traitements personnalisés, ciblant précisément les mécanismes de neuromodulation affectés par une maladie ou un médicament.