Repenser le "bruit" dans la recherche sur l'autisme

Les mouvements de la tête etc sont autant de sources courantes de signaux indésirables, ou "bruit", dans les enregistrements de l'activité cérébrale. Les chercheurs en neurosciences passent beaucoup de temps pour extraire des signaux significatifs du bruit dans leurs données. Mais certains de ces signaux indésirables contiennent en fait des informations importantes sur le traitement du cerveau.

spectrumnews.org Traduction de "Rethinking ‘noise’ in autism research" par Jonathan Moens / 11 août 2020

Expert - Lucina Q. Uddin - Directrice du laboratoire de connectivité et de cognition du cerveau, Université de Miami

uddin-professionalphoto2018-crop-170x170-acf-cropped
Les mouvements de la tête, les clignements des yeux, les battements du cœur, les fluctuations aléatoires des ondes cérébrales sont autant de sources courantes de signaux indésirables, ou "bruit", dans les enregistrements de l'activité cérébrale. Les chercheurs en neurosciences passent beaucoup de temps à utiliser des outils informatiques pour extraire des signaux significatifs du bruit dans leurs données. Mais que se passe-t-il si certains de ces signaux indésirables contiennent en fait des informations importantes sur le traitement du cerveau ? Et si les stratégies employées par les scientifiques pour " éliminer le bruit " de leurs données suppriment par inadvertance ces informations ?

Lucina Uddin est directrice du laboratoire de connectivité et de cognition cérébrale de l'université de Miami en Floride, où elle utilise des techniques d'imagerie pour explorer la connectivité cérébrale, en particulier chez les personnes autistes.

Dans un article publié en juin dans "Trends in Cognitive Neuroscience", Lucina Uddin a mis en garde les chercheurs contre la manière dont ils traitent leurs données 1. De nombreux signaux autrefois considérés comme du bruit finissent par éclairer d'importants processus cérébraux, dit-elle. Par exemple, certains signaux neuronaux spontanés et apparemment aléatoires sont désormais considérés comme essentiels à des processus tels que l'attention et la conscience.

Mme Uddin a parlé à "Spectrum" de l'importance de repenser notre compréhension du "bruit".

Spectrum : Pourquoi est-il important pour les neuroscientifiques de réduire le bruit dans leurs données ?

Lucina Uddin : Il est important de réduire le bruit dans les données scientifiques afin que les observations ne soient pas confondues par des facteurs qui n'ont aucun rapport avec le phénomène en question. Par exemple, les astronomes qui souhaitent étudier des étoiles lointaines peuvent avoir des difficultés à le faire en raison de la pollution lumineuse due aux lumières artificielles dans l'environnement nocturne. Dans ce scénario, les lumières des villes seraient considérées comme du bruit qui interfère avec la capacité de l'astronome à observer les étoiles avec précision.

En neurosciences humaines, notre objectif est d'étudier le cerveau de manière non invasive sans nuire au participant. Les outils que nous utilisons pour mesurer l'activité cérébrale sont incapables de fournir une lecture directe des impulsions neuronales, mais peuvent au contraire fournir des approximations de ce qui se passe sous le crâne. La difficulté de la neuroimagerie consiste à déduire quelles parties du signal mesuré sont causées par l'activité neuronale et lesquelles sont causées par des facteurs non neuronaux, tels que le rythme respiratoire et le mouvement de la tête. Il est important de réduire le bruit résultant de ces facteurs et d'autres facteurs non neuronaux afin de mesurer avec précision l'activité cérébrale.

S : Comment cette idée du bruit a-t-elle évolué au fil du temps dans la communauté des neurosciences ?

LU : Parfois, nous ne comprenons pas complètement une observation issue d'une expérience. Dans ces cas-là, il est tentant de dire que les résultats étaient parasités, ou que le phénomène que nous observions devait être considéré comme du bruit tout simplement. Par exemple, en neurosciences, nous savons que parfois les neurones s'enflamment spontanément en l'absence de tout apport sensoriel. Loin d'être un bruit inintéressant, cette activité spontanée contribue en fait à des oscillations qui affectent des états fonctionnels globaux, tels que l'attention et la conscience. Avant de comprendre comment l'activité spontanée contribue au fonctionnement du cerveau, nous avons considéré ce type d'activité comme du bruit.

Dans la recherche en neuroimagerie fonctionnelle, l'activité spontanée en réseau à grande échelle était largement considérée comme du bruit jusqu'au milieu des années 1990. Il existe maintenant une littérature abondante qui documente le fait que la grande majorité des ressources du cerveau sont consacrées à soutenir des réponses spontanées plutôt que provoquées, et que ces réponses spontanées forment des systèmes cérébraux fonctionnellement cohérents. Une étude utilisant la neuroimagerie montre un changement dans le caractère aléatoire des oscillations cérébrales chez les adultes autistes par rapport aux personnes au développement normal 2. Cet aperçu de la neurobiologie de l'affection ne serait pas possible si les chercheurs avaient continué à ignorer les fluctuations spontanées du signal, qui est mesuré à l'aide de l'imagerie par résonance magnétique fonctionnelle.

S : Quels problèmes se posent lorsque les neuroscientifiques " dé-bruitent " leurs données ?

LU : Je pense que certaines des stratégies utilisées par les neuroscientifiques pour éliminer le bruit des données peuvent également supprimer par inadvertance le signal intéressant. Par exemple, les fluctuations spontanées du cerveau sont mesurées dans des études d'imagerie par résonance magnétique fonctionnelle dans lesquelles les participants se reposent à l'intérieur de scanners cérébraux. Une étape courante de dé-bruitage consiste à supprimer le "signal global" (une moyenne de tous les signaux dans le cerveau) avant les analyses ultérieures. À première vue, il s'agit d'une étape logique, car le signal global est dominé par des bruits non neuronaux, y compris ceux produits par la respiration et les mouvements de la tête. Cependant, lorsque vous supprimez le signal global, vous supprimez également une quantité inconnue de signal neuronal significatif. Vous pourriez donc, en fait, jeter le bébé avec l'eau du bain.

Il est intéressant de noter que le signal global montre un schéma de distribution différent dans le cerveau dans différentes conditions, et même chez différents individus et à différents moments de la journée. Par exemple, une étude montre que les fluctuations du signal global diminuent régulièrement tout au long de la journée 3. Cela suggère qu'il existe une information neurale significative associée au signal global, et que le fait de la traiter comme du bruit pourrait entraîner une perte de cette information.

S : Quelles sont les autres façons de penser au cerveau, compte tenu de cette compréhension ?

LU : Il existe déjà de multiples alternatives : certaines impliquent de penser à l'activité cérébrale en termes de trajectoire avant et après le traitement d'un stimulus, ou d'analyser des réponses partagées et synchronisées entre plusieurs participants, par opposition à l'intérieur d'un même individu 4. Avec ce type d'approches, un débruitage agressif n'est pas toujours nécessaire car elles font des hypothèses différentes sur ce qui est important pour comprendre le fonctionnement du cerveau. Aucune de ces propositions n'est nouvelle, seulement celles qui peuvent potentiellement contourner certains des problèmes inhérents aux approches d'analyse des données qui exigent une séparation stricte du signal et du bruit.

S : Selon vous, quels sont les changements les plus importants que les neuroscientifiques devraient apporter à leur façon d'étudier le cerveau ?

LU : Je ne pense pas qu'une refonte complète soit nécessaire. Je pense plutôt qu'il est important d'être humble dans nos approches, étant donné que nous avons eu tort par le passé lorsque nous avons essayé d'aborder la question importante de ce qui est considéré comme un signal et ce qui doit être traité comme du bruit dans toute mesure de l'activité cérébrale.

S : Quelles seraient les implications de ce changement de perspective pour les neuroscientifiques, en particulier ceux qui mènent des recherches sur l'autisme ?

LU : Nous savons depuis un certain temps déjà que l'activité neuronale spontanée est un aspect de la fonction cérébrale qui devrait être déplacé du domaine du bruit à celui du signal. Ce qui est important, c'est de garder l'esprit ouvert, car le bruit d'hier peut devenir le signal d'aujourd'hui.

Toute la recherche en neurosciences de l'autisme repose sur une base de recherche fondamentale en neurosciences, c'est pourquoi il est essentiel pour les chercheurs en autisme de garder un œil sur les progrès des neurosciences au sens large. Pour l'exemple de signal global dont j'ai parlé plus tôt, il est déjà prouvé que la distribution de ce signal dans le cerveau est modifiée chez les personnes atteintes de schizophrénie 5. J'aimerais mener à l'avenir des recherches systématiques sur le signal global de l'autisme pour tenter de comprendre les liens éventuels entre ce signal et les caractéristiques de la condition. Cela pourrait être particulièrement éclairant compte tenu des travaux récents qui montrent que le signal global est lié aux différences individuelles de fonction psychologique dans la population neurotypique 6.

S : Comment pensez-vous que les neuroscientifiques vont séparer le signal du bruit à l'avenir ?

LU : J'aimerais pouvoir voir l'avenir ! Au lieu de cela, je peux simplement répéter que, puisque nous n'avons pas une compréhension a priori de la façon dont l'information est codée dans le cerveau, nous devons toujours être prudents lorsque nous rejetons certains aspects du signal enregistré en supposant que ces aspects représentent du bruit. C'est particulièrement important dans les études sur l'autisme, car nous n'en sommes qu'aux premiers stades de la compréhension de la neurobiologie de cette condition.

Références:

  1. Uddin L.Q. Trends Cogn Sci. Epub ahead of print (2020) PubMed
  2. Lai M.C. et al. Biol. Psychiatry 68, 1092-1099 (2020) PubMed
  3. Orban C. et al. PLOS Biol. 18, e3000602 (2020) PubMed
  4. Xu L. et al. Soc. Cogn. Affect. Neurosci. 15, 225-233 (2020) PubMed
  5. Yang G.J. et al. Proc Natl. Acad. Sci. USA 111, 7438-7443 (2014) PubMed
  6. Li J. et al. Sci. Rep. 9, 14286 (2019) PubMed

Le Club est l'espace de libre expression des abonnés de Mediapart. Ses contenus n'engagent pas la rédaction.