JAIST et Princeton créent NTAC, un algorithme qui classe les neurones selon leurs connexions

Des chercheurs de JAIST, de Princeton et d'autres centres ont présenté NTAC, un système qui détermine le type d'un neurone non pas par sa forme extérieure, mais par ses connexions synaptiques. Lors d'expériences sur des connectomes de drosophile, l'algorithme a atteint une précision supérieure à 90 % et a accompli la tâche en quelques minutes sur un ordinateur portable ordinaire.

Pourquoi la forme ne suffit pas

La typologie des neurones bute depuis longtemps sur le travail manuel. Les experts classent généralement les cellules selon leur morphologie : forme, ramification, position dans le tissu. Cela ne fonctionne pas toujours. Dans certaines régions du cerveau, notamment le lobe optique de la drosophile, des types de neurones différents se ressemblent presque à l'identique. Les distinguer à l'œil est difficile, bien que, par leurs fonctions, ils participent à des circuits de traitement du signal différents. L'annotation devient ainsi un processus long et coûteux, qui passe mal à l'échelle à mesure que les connectomes grossissent.

Les auteurs proposent de regarder non la cellule elle-même, mais ses « branchements ». La logique est simple : deux fils identiques dans un mur sont difficiles à distinguer à l'apparence, mais faciles à différencier si l'on suit leur trajet. Il en va de même pour les neurones. NTAC utilise le schéma des connexions synaptiques comme principal critère et montre qu'il reflète mieux la nature fonctionnelle de la cellule que sa silhouette anatomique. C'est particulièrement important dans les zones denses du cerveau, à l'architecture répétitive.

Comment fonctionne NTAC

NTAC fonctionne selon deux modes. Dans le mode semi-automatique, les chercheurs annotent au préalable une petite part des neurones, et le modèle transfère ce savoir aux autres cellules du même jeu de données. Dans le second mode, aucune annotation n'est nécessaire : l'algorithme regroupe lui-même les neurones selon la similarité de leurs connexions. C'est important pour les grands connectomes, où il n'est plus possible d'annoter toutes les cellules à la main. Cette approche permet d'exploiter aussi bien des atlas partiellement prêts que des jeux de données entièrement bruts.

• Le mode semi-automatique utilise peu d'étiquettes prêtes
• Le mode non supervisé regroupe les neurones sans indices
• Une exécution prend quelques minutes sur un portable standard
• La méthode a été testée sur plusieurs connectomes de drosophile

Selon les auteurs, le modèle a été évalué sur les jeux FlyWire, sur le connectome du lobe optique et sur des données du cordon nerveux ventral. Ce n'est pas un exemple jouet sur un seul échantillon de laboratoire, mais une comparaison sur plusieurs cartes modernes du système nerveux de la drosophile. Cette conception renforce le résultat : les chercheurs montrent non un succès isolé, mais une approche capable de se transposer entre différentes régions, différentes tâches et différents nombres de types cellulaires dans l'échantillon.

Résultats et limites

NTAC a obtenu son meilleur résultat là où les méthodes morphologiques achoppent le plus souvent. Dans le lobe optique, la variante semi-automatique a dépassé 90 % de précision, tandis que NBLAST, approche répandue fondée sur la forme du neurone, restait autour de 50 %. En mode entièrement non supervisé, NTAC a atteint environ 70 % de précision dans les régions complexes, alors que le regroupement morphologique est resté dans certains cas sous 10 %. Pour l'annotation automatique, l'écart est très net.

«

Le schéma de connexions lui-même transmet un signal suffisant pour identifier rapidement les types de neurones. »

Autre point notable : il ne s'agit pas d'un modèle gourmand conçu pour un centre de données. Les auteurs soulignent que NTAC tourne sur un CPU standard et ne nécessite pas de superordinateur. Pour la neurobiologie, c'est un changement concret : si les connectomes passent du cerveau de la mouche à celui de la souris puis à celui de l'humain, l'automatisation de la typologie deviendra obligatoire. L'algorithme a déjà servi à annoter des milliers de neurones, et les chercheurs désignent la cartographie du cerveau de la souris comme la prochaine grande étape.

Ce que cela signifie

NTAC ne résout pas la cartographie du cerveau humain dans son ensemble, mais il supprime l'une des étapes les plus lentes : la typologie manuelle des cellules. Si l'approche conserve sa précision sur des organismes plus grands, la connectomique disposera d'un outil opérationnel qui pourrait accélérer à la fois la science fondamentale et la recherche d'anomalies des circuits neuronaux dans les maladies.