Un Atlas Fonctionnel de Précision de la Topographie de Réseau Personnalisée et des Probabilités

Cet article a été publié en mai 2024 dans la revue Nature Neuroscience par des auteurs d’institutions telles que l’Université du Minnesota. L’étude porte sur les différences interindividuelles dans les réseaux fonctionnels du cerveau et établit une ressource open source appelée “Cartographie précise des réseaux fonctionnels” (MIDB, Precise Brain Mapping).

Contexte de la recherche : Bien que les réseaux fonctionnels cérébraux partagent des similitudes globales, la structure topologique spatiale de ces réseaux varie considérablement d’un individu à l’autre. Les cartographies de réseaux moyennées au niveau du groupe ignorent ces différences individuelles, ce qui peut réduire la puissance statistique des études à grande échelle et la précision des thérapies de neuromodulation clinique. Il est donc nécessaire de construire des ressources cartographiques cérébrales décrivant de manière détaillée la topologie des réseaux individuels.

Source des données : Les auteurs ont utilisé les données d’imagerie par résonance magnétique fonctionnelle au repos de l’étude sur le développement cérébral et cognitif des adolescents américains (ABCD), qui a recruté près de 12 000 adolescents âgés de 9 à 10 ans, avec un suivi prévu sur 10 ans. De plus, ils ont utilisé des données du Human Connectome Project Development (HCP-D) et d’autres ensembles de données.

Processus de recherche : 1) Utilisation de divers algorithmes de détection de réseaux (Infomap, template matching, décomposition en valeurs positives, etc.) pour cartographier précisément les réseaux d’individus uniques, générant des réseaux spécifiques à chaque individu. 2) Au niveau du groupe, calcul de la probabilité qu’un voxel de matière grise soit attribué à différents réseaux, générant des cartographies de réseaux de probabilité. 3) Proposition d’une méthode d’“imagerie de réseaux multiples chevauchants” (OMNI) permettant le chevauchement des réseaux et révélant ainsi les régions d’intégration. 4) Évaluation du rôle de ces cartographies de réseaux précises dans l’amélioration de la reproductibilité et de la capacité prédictive des études à grande échelle.

Principales conclusions : 1) Les cartographies de réseaux individuels montrent une bonne reproductibilité entre différents algorithmes et quantités de données. 2) Les cartographies de réseaux de probabilité au niveau du groupe présentent une cohérence élevée entre différents groupes d’âge, algorithmes et lorsque des données de tâches sont incluses. 3) Les régions de haute confiance extraites des cartographies de réseaux de probabilité améliorent la reproductibilité et la capacité prédictive des analyses de connectivité cérébrale à grande échelle. 4) La cartographie OMNI révèle des “régions d’intégration” dans le cerveau, qui pourraient jouer un rôle clé dans l’intégration de l’information. 5) Les cartographies de réseaux de probabilité aident à améliorer la précision de la sélection des cibles pour la neuromodulation thérapeutique.

Importance : 1) Signification scientifique : Clarifier les différences de structure topologique des réseaux fonctionnels cérébraux aux niveaux individuel et de groupe. 2) Signification appliquée : Fournir des ressources de base pour l’imagerie cérébrale personnalisée et les traitements de neuromodulation, améliorant ainsi la précision des analyses et des traitements.

Caractéristiques de la recherche : 1) Grande taille d’échantillon, couvrant différents groupes d’âge de l’adolescence à l’âge adulte. 2) Utilisation de multiples algorithmes avancés de cartographie de réseaux individuels et de regroupement probabiliste au niveau du groupe. 3) Ressource de données open source, offrant aux chercheurs un moyen de contribuer.

Cette étude établit une cartographie précise décrivant de manière complète la topologie des réseaux fonctionnels cérébraux aux niveaux individuel et de groupe. Elle démontre les perspectives d’application pour améliorer la reproductibilité des études à grande échelle et cibler la neuromodulation. Il s’agit d’une ressource importante pour l’imagerie fonctionnelle et la recherche en neurosciences individualisées.