CID 51 Modélisation, et analyse des données et des systèmes biologiques : approches informatiques, mathématiques et physique

IV. Neurobiologie, cognition

Dans les dix dernières années, les neurosciences se sont beaucoup développées notamment dans leur côté le plus fondamental représenté par l'étude cellulaire des neurones et les neurosciences computationnelles mais aussi dans les domaines plus intégrés qui constituent le point de départ d'une interface avec la médecine. Dans ce contexte, l'interface s'établit d'abord au niveau de l'analyse de données biologiques qui s'adresse aussi bien aux images qu'aux enregistrements électrophysiologiques puis au niveau de la modélisation qui fait appel plus ou moins directement aux statistiques et à l'informatique. Les neurosciences sont, en France, réparties dans de nombreux instituts et unités. Les chercheurs dont le domaine principal d'investigation est la modélisation et les neurosciences computationnelles sont rarement dans les mêmes équipes que les expérimentateurs. Cependant plusieurs unités développent depuis un certain temps et avec beaucoup de succès des interactions interdisciplinaires proches au quotidien.

La dernière décennie a vu une explosion des techniques d'imagerie au sens large, impliquant la collecte de grandes masses de données. Les défis posés sont l'amélioration de la qualité et de la pertinence des données recueillies ainsi que leur analyse quand il s'agit de grandes masses de données complexes. L'imagerie cellulaire des neurones à proprement parler et en particulier l'imagerie calcique sont des méthodes d'études qui sont utilisées en neurosciences fondamentales et qui contribuent à l'exploration du système nerveux. Ces techniques et conjointement les méthodes d'analyse qui leur correspondent sont en plein essor et devraient rapidement permettre une compréhension du système nerveux in situ. Parallèlement, les neurosciences des invertébrés, en particulier des insectes, connaissent une forte progression. Leur grande disponibilité, la mise à disposition de banques de mutants et la possibilité de réaliser des enregistrements électrophysiologiques in vivo sur plusieurs jours, font de l'insecte un remarquable modèle d'investigation in vivo où l'enregistrement de l'activité neuronale peut être facilement couplé à une tâche olfactive par exemple. Ainsi l'obtention de grandes quantités de données sous forme de trains de potentiels d'action (encore plus remarquable en utilisant des électrodes multisites) requiert de nouvelles méthodes pour les trier et classifier. En conséquence, le développement de méthodes statistiques dédiées à la modélisation et à l'analyse des données spécifiques aux neurosciences doit être poursuivi et accéléré afin d'améliorer la pertinence des modèles proposés. Il est à noter que l'enregistrement de potentiels d'action seuls ne permettra pas d'approcher le phénomène d'inhibition, clé de la compréhension des patrons de décharge obtenus in vivo. Seule l'utilisation de sondes fluorescentes sensibles au potentiel de membrane devrait être capable de fournir de telles informations à grande échelle et dans un système intégré. Les sondes aujourd'hui disponibles ne proposent pas une sensibilité suffisante pour analyser correctement ces phénomènes mais nous pouvons d'ores et déjà prévoir que ce sera chose faite dans les années à venir.

Les structures de connectivité au sein d'un réseau de neurones ou à plus grande échelle entre des aires cérébrales différentes, ainsi que leur dynamique, apparaissent comme des éléments essentiels pour la compréhension du fonctionnement du cerveau. La notion de connectivité s'est considérablement affinée ces dernières années. L'inférence des structures de connectivité est en plein essor. À l'échelle des réseaux de neurones, des modèles de processus statistiques utilisés depuis longtemps comme les processus de Hawkes sont réapparus permettant de mettre au point des méthodes puissantes d'analyse de connectivité. À une échelle plus grande, des techniques statistiques utilisant des modélisations linéaires ou utilisant la théorie de l'information permettent d'inférer la circulation de l'information entre des aires cérébrales. Les structures inférées sont en général analysées à l'aune de la théorie des graphes, et particulièrement de la théorie des graphes de terrain (complex networks). Des informations importantes sur le cerveau, par exemple sur la résilience des systèmes neuronaux, peuvent être tirées de la topologie des graphes de connectivité inférés.

L'éthologie est la science qui étudie le comportement des animaux ainsi que ses déterminants physiologiques et environnementaux. L'éthologie est une science transversale qui chevauche des disciplines variées comme la physiologie, l'écologie, la sociologie, la psychologie sociale, les neurosciences... L'éthologie tente aujourd'hui d'expliciter le comportement résultant des interactions entre les constituants du vivant à différentes échelles. Les être vivants sont des systèmes complexes intégrés dans un environnement au moins aussi complexe et dont les comportements sont impossibles à prévoir à partir de la seule connaissance des propriétés de leurs constituants. Le principal enjeu est de comprendre comment les propriétés observées à l'échelle d'un système biologique (exemple : une société animale) émergent d'un ensemble complexe d'interactions entre ses différents éléments (individus). À chaque niveau d'organisation, un très grand nombre de constituants interagissent de manière non-linéaire et permettent au système de s'auto-organiser spontanément. Pour comprendre ces phénomènes, l'éthologie doit adopter une démarche itérative et intégrative en combinant des approches expérimentales et théoriques dans lesquelles la modélisation mathématique et la simulation jouent un rôle central. Ces modèles sont construits à partir des lois établies à l'échelle des constituants et permettent ensuite une analyse des propriétés résultant de leurs interactions. Les simulations numériques de ces modèles permettent en particulier de déterminer les effets qualitatifs et quantitatifs de chaque paramètre du comportement des constituants sur la dynamique et les caractéristiques spatiales et/ou temporelles des phénomènes produits à l'échelle supérieure. En associant étroitement expérience et modélisation, il est possible de comprendre un grand nombre de phénomènes comportementaux à différents niveaux d'organisation (mouvement de foule, morphogénèse de nid d'insecte, réseaux sociaux, etc.). Ainsi, le champ des observations en éthologie est passé de l'étude d'objets biologiques simples à des systèmes complexes d'entités en interaction. Face à cette situation, l'éthologie et ses champs d'application doivent continuer à s'ouvrir à des disciplines éloignées telles que la chimie et la physique pour le développement et la conception de nouveaux instruments d'observation ; les statistiques pour l'intégration et la représentation de données hétérogènes et de grande dimension ; l'informatique pour la gestion de bases de données ; les mathématiques pour modéliser des phénomènes complexes et construire des outils prédictifs. De grands centres de recherche nationaux se sont développés pour répondre à ces nouveaux défis.