L’énergie du cerveau modélisée

Des chercheurs de l’EPFL, de la KAUST et de l’UCL ont mis au point le tout premier modèle informatique du couplage métabolique entre les neurones et la glie, un élément fondamental des fonctions cellulaires.

Basé sur des données expérimentales ultérieures, ce modèle est désormais intégré aux efforts de modélisation du cerveau développé par le Blue Brain Project.

Le cerveau utilise efficacement le glucose comme énergie. Toutefois, sa façon de procéder reste un mystère vu sa structure et les contraintes métaboliques. La clé de cette relation méconnue entre neurones, vaisseaux sanguins et autres cellules du cerveau se nomme la glie. Or, des scientifiques de l’EPFL et de l’Université des Sciences et Technologies du Roi Abdallah (KAUST) ont réussi à développer la première simulation sur ordinateur de cette relation, qui a correspondu avec succès aux données expérimentales in vivo et in vitro déjà recueillies dans le domaine. Ce modèle, publié par PLOS Computational Biology, est désormais intégré à la simulation détaillée du cerveau menée par le Blue Brain Project.

Le cerveau est davantage que des neurones qui se transmettent de l’information. Plus de sa moitié se compose en effet de cellules gliales, qui aident et isolent les neurones, leur fournissent des substrats énergétiques, les protègent contre les pathogènes et nettoient même le cerveau des neurones morts. En fait, les cellules gliales, les neurones et les vaisseaux sanguins forment une unité fonctionnelle, l’unité neuro-glio-vasculaire (NGV), qui régule la gestion énergétique du cerveau.

Or, une équipe dirigée par Pierre Magistretti (EPFL, KAUST) et collaborant avec Renaud Jolivet (University College London) a désormais mis au point un modèle informatique complet qui cerne avec précision la dynamique de cette relation. En d’autres termes, ce modèle montre comment le glucose fait la navette entre ces trois éléments pour produire l’énergie nécessaire à l’activation neuronale.

Des expériences précédentes de l’équipe de Magistretti montrent que le glucose s’écoule sous forme de lactate d’un type de cellules gliales appelées « astrocytes » vers les neurones. Certaines études théoriques pensaient toutefois que ce lactate allait dans l’autre sens, soit des neurones aux astrocytes. Cette différence a des implications pour notre compréhension du métabolisme de l’énergie du cerveau.

En effet, le modèle a confirmé en termes quantitatifs que le lactate coulait bien des astrocytes aux neurones. Il est également le premier à pouvoir simuler le laps de temps réel de ce procédé, une avancée qui fournit une image mesurable de la façon dont les neurones et cellules gliales coordonnent ledit métabolisme.

Mieux saisir les relations entre neurones et glie permet en outre de comprendre les signaux détectés par nos techniques opérationnelles d’imagerie du cerveau, comme l’IRM et la PET, qui enregistrent l’utilisation de glucose, le flux sanguin ou les changements de consommation d’oxygène en lien avec l’activité neuronale.

« Il s’agit ici du tout premier modèle multi-échelle et asservi au temps de l’unité neuro-glio-vasculaire qui reflète avec précision les observations expérimentales de nombreux types de cellules et organismes », déclare Pierre Magistretti. Cette simulation est désormais intégrée au modèle de cerveau complet en phase de développement au Blue Brain Project de l’EPFL. « L’ajout de la dynamique NGV permet de franchir un pas supplémentaire dans la modélisation du cerveau. »

Cette étude est une collaboration entre l’EPFL, l’UCL (University College London) et l’Université des Sciences et Technologies du Roi Abdallah (KAUST). Elle a été en partie soutenue par une bourse de la KAUST pour sa collaboration avec le Blue Brain Project de l’EPFL ainsi que l’alliance KAUST-EPFL pour le calcul de haute performance neuro-inspiré.

Source

Jolivet R, Coggan JS, Allaman I, Magistretti PJ. Multi-timescale Modeling of Activity-Dependent Metabolic Coupling in the Neuron-Glia-Vasculature Ensemble. PLOS Computational Biology 26 February 2015. DOI: 10.1371/journal.pcbi.1004036