Des chercheurs de l’ETH Zurich ont développé un modèle qui explique comment les cellules nerveuses du cerveau se connectent au cours du développement. Leur modèle révèle que le facteur crucial est la division cellulaire progressive. Ce processus conduit naturellement à la formation d’adresses moléculaires qui permettent aux neurones de naviguer.
Le cerveau humain est de loin l’organe le plus complexe que la nature ait jamais produit : 100 milliards de cellules nerveuses, chacune connectée à d’autres cellules via plusieurs points de contact, garantissent que notre ensemble de compétences comprend la capacité d’une puissance cérébrale remarquable. Mais on ne sait pas exactement comment cet organe exceptionnel parvient à se former à partir de ce qui commence comme un amas non structuré de cellules embryonnaires.
Pas de plan défini
Au cours des dernières années, de vastes sommes de financement de la recherche ont été consacrées à l’étude précise de la structure du cerveau entièrement formé. La communauté scientifique espère qu’une cartographie complète des neurones et de leurs connexions, connues collectivement sous le nom de connectome, permettra de mieux comprendre le fonctionnement du cerveau.
Cependant, la question fondamentale complémentaire de savoir comment le cerveau se forme à partir d’informations génétiques limitées reste sans réponse. Pour décrire le connectome, les gènes devraient contenir un milliard de fois plus d’informations qu’ils n’en contiennent réellement. Alors, comment se fait-il que les humains et les animaux naissent avec un cerveau complexe et largement préstructuré qui leur permet de progresser rapidement dans leur apprentissage presque dès leur naissance ?
Instructions pour la connexion
La réponse à cette énigme est étonnamment simple, selon Stan Kerstjens, doctorant à l’Institut de neuroinformatique de l’ETH Zurich et à l’Université de Zurich, et ses deux conseillers Richard Hahnloser, professeur de neurosciences des systèmes, et Rodney Douglas, professeur émérite de neuroinformatique. .
« Il est clair que les instructions pour le câblage du cerveau doivent être codées génétiquement – sinon, les cerveaux des gens ne développeraient pas tous une structure similaire », explique Kerstjens. « Cependant, ce n’est pas le connectome détaillé qui est encodé, mais plutôt une seule méthode de recherche compacte. Cette méthode peut ensuite être utilisée par les axones, les fibres longues qui établissent le contact avec d’autres cellules. Le réseau est alors construit par les axones à la recherche de cellules génétiquement apparentées à leur propre neurone. »
Structure spatiale et génétique
Ce nouveau mécanisme est décrit dans un article publié récemment dans la revue Biologie computationnelle PLOS. Les chercheurs ont développé un modèle qui leur permet de simuler le développement du cerveau d’une souris aux stades embryonnaire et adulte. Humainement, cela correspond au stade de maturité d’un enfant de six ans.
« Essentiellement, c’est un modèle de croissance pour les tissus », explique Kerstjens. Le modèle commence avec une seule cellule. Au fur et à mesure que de nouveaux neurones émergent, chaque division cellulaire entraîne des changements structurés dans l’expression des gènes. Ce mécanisme garantit que chaque cellule fille a une expression génique similaire, mais pas identique, à celle de son parent, et que les cellules ayant une expression génique similaire sont regroupées les unes à côté des autres. L’organisation des cellules imposée par le développement les amène à être marquées comme des points sur une carte, que la biologie du cerveau peut utiliser pour la navigation axonale.
Séquence systématique de cellules
Au cours du développement embryonnaire, ce processus établit une hiérarchie de marqueurs génétiques dans différentes régions du cerveau, chacune étant caractérisée par le schéma génétique de ses ancêtres communs. Naviguer dans l’espace décrit par cette hiérarchie en forme de carte implique de suivre une séquence systématique de profils génétiques qui se sont développés avec chaque nouvelle génération de cellules.
Ici, les chercheurs ont analysé les données d’expression génique sur le cerveau des souris qui ont été publiées par l’Allen Institute for Brain Science à Seattle. « Nous avons comparé les données de laboratoire avec nos simulations et avons constaté qu’elles correspondaient en grande partie. Ainsi, nous voyons que l’expression des gènes divise en fait le cerveau en régions distinctes mais liées », explique Kerstjens.
Recherche de cellules associées
Dans la deuxième étape du modèle, les cellules se connectent avec d’autres cellules. « Ici, nous ne leur donnons que des instructions de base sur les signaux moléculaires que les axones doivent utiliser pour les guider sur leur chemin », poursuit Kerstjens. « Essentiellement, nous avons dit à chacun de tracer les schémas génétiques qui déterminaient son propre développement individuel. Il appartenait ensuite aux axones eux-mêmes de suivre les directions moléculaires jusqu’aux adresses de leurs relations. »
Les chercheurs ont pu montrer que ce mécanisme relativement simple peut conduire des axones vers certaines cellules sur de grandes distances, produisant un connectome très similaire à celui d’un vrai cerveau de souris. « La plupart des cellules se connectent à d’autres qui sont situées à proximité, tandis que quelques-unes se rendent jusqu’à des régions très éloignées. Cela donne naissance à des zones distinctes du cerveau, chacune contenant des réseaux très unis tout en étant également connectée à d’autres zones. « , expliquent les chercheurs.
Pourtant, ce modèle simple n’explique pas complètement la cartographie d’un vrai cerveau humain. « Mais ce n’était pas le but de notre travail », déclare Kerstjens. « Nous voulons comprendre le principe de création d’un organe capable d’apprendre. Et le travail que nous avons effectué à ce jour nous montre la direction que peuvent prendre les recherches futures. »
Stan Kerstjens et al, Connectomique constructive : comment les axones neuronaux se déplacent d’ici à là en utilisant des cartes d’expression génique dérivées de leurs arbres généalogiques, Biologie computationnelle PLOS (2022). DOI : 10.1371/journal.pcbi.1010382