Une technique de calcul permet de reproduire la forme des neurones

Une nouvelle méthode de calcul reconstruit automatiquement les formes de ramification des neurones en 3D à partir d'images, ce qui multiplie par 100 ou 200 les capacités de traçage par rapport à un traçage manuel.

spectrumnews.org Traduction de "Computational technique recapitulates neuron shapes"par Laura Dattaro / 11 janvier 2021

Se ramifier : Les chercheurs ont formé un réseau de neurones computationnels pour reconstruire les formes des excroissances neuronales (deuxième et quatrième colonnes) plus rapidement que ne le permettent les méthodes manuelles (première et troisième colonnes). © Spectrum News Se ramifier : Les chercheurs ont formé un réseau de neurones computationnels pour reconstruire les formes des excroissances neuronales (deuxième et quatrième colonnes) plus rapidement que ne le permettent les méthodes manuelles (première et troisième colonnes). © Spectrum News
Une nouvelle méthode de calcul reconstruit automatiquement les formes de ramification des neurones en 3D à partir d'images, comme le démontre une étude non publiée. Cette technique pourrait aider les chercheurs en autisme à mieux utiliser un outil appelé Patch-seq qui intègre les propriétés physiques, génétiques et électriques des neurones.

Les chercheurs ont présenté les résultats de cette étude virtuellement aujourd'hui à l'occasion de la conférence Global Connectome 2021 de la Society for Neuroscience. (Les liens vers les résumés ne peuvent fonctionner que pour les participants inscrits à la conférence).

Les chercheurs ont publié Patch-seq pour la première fois en 2016. Bien que puissante, cette technique intégrative exige des scientifiques qu'ils tracent manuellement les branches et les projections des neurones en forme d'arbre, appelées dendrites et axones - un processus long qui peut ralentir l'utilisation générale de la technique. La nouvelle méthode utilise plutôt un réseau de neurones pour reconstruire la structure, ou la morphologie, de ces "arborescences".

"Le problème ... est que la collecte de données morphologiques est très en retard à cause de la reconstruction manuelle", explique Olga Gliko, scientifique senior à l'Institut Allen pour la science du cerveau à Seattle, qui a présenté le nouveau travail. "Cela nous permet de vraiment développer ce pipeline".

Olga Gliko et son équipe ont formé un réseau neuronal appelé U-Net pour différencier les axones, les dendrites et les somas - le corps cellulaire - dans des images brutes de neurones provenant de tranches de cerveau de souris, puis reconstruire leur structure neuronale dans un fichier numérique.

Ce processus permet de classer une centaine de cellules par jour. Jusqu'à présent, l'équipe a reconstruit environ 3 500 neurones à partir du cortex visuel de la souris. Le traçage manuel prend entre 8 et 15 heures par cellule, dit M. Gliko, et les neurones plus gros et plus complexes peuvent prendre jusqu'à 40 heures.

L'équipe a également conçu un moyen de trier les cellules en fonction de la densité de leurs arborescences, ce qui pourrait être utile pour comparer les données électriques et génétiques entre les cellules.

Pour en savoir plus, consultez les rapports du Society for Neuroscience Global Connectome 2021.


Traduction d'articles sur le Global Connectome de la Society for Neuroscience 2021

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