Des scientifiques ont découvert un univers multidimensionnel à l’intérieur du cerveau

Le corps humain est vraiment une chose merveilleuse et notre cerveau est beaucoup plus important que nous avons tendance à penser. Les complexités qui constituent notre forme physique sont quelque chose que nous ne comprenons pas vraiment et avec raison.

Je suis récemment tombé sur une étude publiée par le Blue Brain Project dans la revue Frontiers of Computational Neuroscience et elle m’a époustouflée. Cette étude passe en revue un modèle qui plonge vraiment dans une partie de notre cerveau que nous n’avons jamais vue auparavant. Il révèle que les scientifiques travaillant pour le projet Blue Brain ont découvert que le cerveau est rempli de structures géométriques multidimensionnelles. Ces structures fonctionnent dans jusqu’à onze dimensions, ce qui est apparemment inouï, pour le moins.

Le chercheur principal de cette étude, Henry Markram, de l’EPFL en Suisse a déclaré ce qui suit dans un communiqué de presse sur le sujet:

«Nous avons trouvé un monde que nous n’avions jamais imaginé: il existe des dizaines de millions d’objets de ce type, même dans un petit grain du cerveau, à travers sept dimensions. Dans certains réseaux, nous avons même trouvé des structures allant jusqu’à onze dimensions. ”

« Les mathématiques habituellement utilisées pour étudier les réseaux ne peuvent pas détecter les structures et les espaces de grande dimension que nous voyons maintenant clairement. »

Selon Markram dans le passé, leurs approches mathématiques avaient du mal à vraiment comprendre l’activité générée par les neurones internes; ainsi, les cartographier devenait très frustrant jusqu’à entrer dans des géométries de grande dimension. Ce genre de choses met vraiment beaucoup en perspective et révèle à quel point l’information que nous avons encore à trouver dans ce monde est vraiment abondante. ACTU. L’EPFL a écrit sur son site internet que ces découvertes suggèrent que le cerveau se recablera constamment lorsqu’il traite des informations. Cela montre à quel point le réseau de chacun de nous est complexe.

L’introduction de cette étude se déroule comme suit:

«Le manque de lien formel entre la structure du réseau neuronal et sa fonction émergente a entravé notre compréhension de la façon dont le cerveau traite l’information. Nous nous approchons maintenant de la description d’un tel lien en prenant en compte la direction de la transmission synaptique, en construisant des graphes d’un réseau reflétant la direction du flux d’informations et en analysant ces graphes dirigés à l’aide de la topologie algébrique. L’application de cette approche à un réseau local de neurones dans le néocortex a révélé une topologie remarquablement complexe et auparavant invisible de la connectivité synaptique.

Le réseau synaptique contient une abondance de cliques de neurones liés dans des cavités qui guident l’émergence d’une activité corrélée. En réponse aux stimuli, une activité corrélée lie les neurones connectés de manière synaptique à des cliques et des cavités fonctionnelles qui évoluent dans une séquence stéréotypée vers la complexité maximale. Nous proposons que le cerveau traite les stimuli en formant des cliques et des cavités fonctionnelles de plus en plus complexes.

La façon dont la structure d’un réseau détermine sa fonction n’est pas bien comprise. Pour les réseaux de neurones en particulier, il nous manque un cadre mathématique unificateur pour décrire sans ambiguïté le comportement émergent du réseau en termes de structure sous-jacente (Bassett et Sporns, 2017). Bien que la théorie des graphes ait été utilisée pour analyser la topologie de réseau avec un certain succès (Bullmore et Sporns, 2009), les méthodes actuelles sont généralement limitées à l’analyse de l’influence de la connectivité locale sur l’activité locale (Pajevic et Plenz, 2012; Chambers et MacLean, 2016) ou du réseau mondial. dynamique (Hu et al., 2014), ou influence des propriétés de réseau globales telles que la connectivité et l’équilibre des neurones excitateurs et inhibiteurs sur la dynamique du réseau (Renart et al., 2010; Rosenbaum et al., 2017). Un tel réseau mondial est la petite monde. S’il a été démontré que le petit monde optimise l’échange d’informations (Latora et Marchiori, 2001) et que le recâblage adaptatif au cours d’une activité chaotique conduit à de petits réseaux mondiaux (Gong et Leeuwen, 2004), le degré de petit monde ne peut décrire la plupart des problèmes locaux. propriétés du réseau, telles que les différents rôles des neurones individuels.

La topologie algébrique (Munkres, 1984) offre l’avantage unique de fournir des méthodes permettant de décrire quantitativement les propriétés du réseau local et les propriétés du réseau global qui émergent de la structure locale, unifiant ainsi les deux niveaux. Plus récemment, la topologie algébrique a été appliquée aux réseaux fonctionnels entre régions du cerveau à l’aide d’IRMf (Petri et al., 2014) et entre neurones utilisant l’activité neuronale (Giusti et al., 2015), mais les connexions synaptiques sous-jacentes (réseau structurel) étaient inconnues. . En outre, toutes les analyses topologiques formelles ont négligé l’orientation du flux d’informations, puisqu’elles n’ont analysé que les graphes non orientés.

Algebraic topology (Munkres, 1984) offers the unique advantage of providing methods to describe quantitatively both local network properties and the global network properties that emerge from local structure, thus unifying both levels. More recently, algebraic topology has been applied to functional networks between brain regions using fMRI (Petri et al., 2014) and between neurons using neural activity (Giusti et al., 2015), but the underlying synaptic connections (structural network) were unknown. Furthermore, all formal topological analyses have overlooked the direction of information flow, since they analyzed only undirected graphs.”