Réseaux de neurones et rythmes physiopathologiques

L’ensemble des fonctions cérébrales repose sur les interconnexions entre les différentes régions du cerveau. Dans ce processus complexe d’échange et d’intégration d’informations, deux structures du diencéphale, le thalamus et l’épithalamus, jouent conjointement le rôle de carrefours et de hubs d’intégration pour pratiquement l’ensemble du système nerveux. Notre équipe cherche à comprendre le fonctionnement de ces structures de la molécule (canal ionique, récepteur au neurotransmetteur, …) aux comportements (contrôle des états de vigilance, perception sensorielle, peur, …) et aux pathologies associées (épilepsie absence, neuropathie, anxiété, aversion, …).
Nous utilisons différents modèles animaux et stratégies de transduction virale pour disséquer les sous-réseaux neuronaux impliqués spécifiquement dans ces multiples fonctions du thalamus et de l’épithalamus, déterminer leurs propriétés fonctionnelles par des techniques électrophysiologiques in vitro et in vivo, manipuler ces sous-réseaux par approches d’optogénétiques et évaluer les conséquences comportementales.

Quelques publications ...

Otsu Y. et al. Control of aversion by glycine-gated GluN1/GluN3A NMDA receptors in the adult medial habenula. Science. 2019

Quiquempoix, M. et al.Layer 2/3 pyramidal neurons control the gain of the cortical output. Cell Report. 2018

Grand T, et al. Unmasking GluN1/GluN3A excitatory glycine NMDA receptors. Nat Commun. 2018

Crunelli V. et al. Dual function of thalamic low-vigilance state oscillations: rhythm-regulation and plasticity. Nat Rev Neurosci. 2018

McCafferty C., et al. Cortical drive and thalamic feed-forward inhibition control thalamic output synchrony during absence seizures. Nature Neurosc. 2018

Otsu Y, et al.,Functional Principles of Posterior Septal Inputs to the Medial Habenula. Cell Rep. 2018

Résultats récents:

1) Contrôle de comportements aversifs par l’Habenula mediale grâce à un récepteur NMDA atypique activé par la glycine.

Ce projet visait à examiner le rôle physiologique d'une sous-unité atypique des récepteurs NMDA (NMDARs), la sous-unité GluN3A.
Les NMDARs sont généralement formés de deux groupes distincts de sous-unités, les sous-unités GluN1, qui lient la glycine, et les sous-unités GluN2, qui lient le glutamate. La liaison entre la glycine et les sous-unités GluN1 est une condition nécessaire, mais non suffisante, à l’activation de ces récepteurs. Cependant la glycine se lie également à une sous-unité NMDA non conventionnelle et très peu caractérisée, GluN3A, dont l’expression n’avait été observée que transitoirement pendant les stades précoces du développement. L‘association de GluN1 avec GluN3A donne naissance à des récepteurs hétérodimériques excitateurs (figure a.) qui ont la particularité remarquable d’être exclusivement activés par la glycine. Jusqu’à présent, ces hétérodimères n’avaient été détectés que dans des cellules en culture, ce qui avait conduit à les considérer comme des artéfacts des systèmes d’expression.
En utilisant des approches expérimentales comprenant des analyses morphologiques, électrophysiologiques ex vivo et comportementales in vivo, nous avons pu démontrer que les sous-unité GluN3A sont exprimées dans des zones thalamiques et épithalamiques spécifiques chez la souris adulte (figure b.). Nous avons de plus établi que l’activation par la glycine des hétérodimères GluN1/GluN3A dans l'Habenula Médiale (MHb) augmente l'excitabilité neuronale (figure c. & d.), confirmant le rôle excitateur de ce récepteur glycinergique atypique, et que leur fonction dans le MHb est cruciale pour des comportements complexes, comme l'aversion de lieu (figure e.).

Otsu Y, et al. Control of aversion by glycine-gated GluN1/GluN3A NMDA receptors in the adult medial habenula. Science. 2019;366(6462):250-254. doi: 10.1126/science.aax1522.

2) Contrôle du gain de la sortie corticale par les neurones pyramidaux des couches 2 et 3.

Ce projet visait à déterminer le rôle de l’organisation laminaire du cortex primaire dans le traitement de l’information somatosensorielle. En effet, le modèle canonique suggère que l'information sensorielle est traitée en série par les différentes couches corticales. Elle serait d'abord prétraitée dans la couche 4 (L4), réceptionnant les informations en provenance du thalamus, puis envoyée aux couches 2/3 (L2/3) et enfin se propagerait jusqu'aux neurones des couches 5 (L5) qui innervent les structures sous-corticales (ganglions de le base, collicules, moelle épinière, …). Cependant les informations en provenance du thalamus arrivent également directement aux neurones L5 remettant en cause la pertinence du modèle canonique de traitement sériel et posant la question des rôles respectifs des différentes entrées thalamiques et des couches corticales (figure a.).

Une approche d’électroporation in utero chez la souris, nous a permis d’exprimer sélectivement des opsines dans les neurones excitateurs L2/3 du cortex en tonneaux (figure b.) afin de manipuler ces neurones de façon spécifique et réversible au cours de stimulations des vibrisses. L’enregistrement in vivo de souris anesthésiées et éveillées (figure c.) a révélé que le traitement sériel de l’information thalamique, L4->L2/3->L5, modulait le gain de la réponse des neurones L5 aux excitations somatosensorielles et donc de la sortie corticale (figure d. & e.).

Quiquempoix M et al. Layer 2/3 Pyramidal Neurons Control the Gain of Cortical Output. Cell Rep. 2018; 24(11):2799-2807.e4. doi: 10.1016/j.celrep.2018.08.038

3) Activités unitaires corticales et thalamiques pendant les crises d’épilepsie absence

L’interaction dynamique des différentes structures de la boucle thalamocorticale est à la base des activités rythmiques pathologiques de l’épilepsie absence chez l’enfant. Cette épilepsie non-convulsive est caractérisée par la répétition fréquente de brefs épisodes de perte de conscience associés à l’apparition sur l’EEG d’une oscillation spécifique, les décharges pointe-ondes (figure a.).

Ce projet visait à évaluer la pertinence des mécanismes suggérés par de précédentes études in vitro ou sur animaux anesthésiés. Ces hypothèses, s’inspirant de la dynamique thalamocorticale démontrée pour la genèse des fuseaux de sommeil, proposaient que l’apparition des décharges pointe-ondes repose sur la genèse de bouffées de potentiels d’action, par les neurones excitateurs thalamocorticaux (TC) et inhibiteurs du Noyau Réticulé Thalamique (NRT), sous tendues par le recrutement de canaux calciques à bas seuil (type T).

Nous avons analysé la dynamique du réseau thalamocortical pendant les décharges pointe-ondes chez des animaux libres de leurs mouvements. L’activité de neurones corticaux et thalamiques a été enregistrée à l’aide d’électrodes de type « sonde en silicone » dans un modèle rongeur d’épilepsie-absence, Genetic Absence Epilepsy Rats from Strasbourg (GAERS). L’implication des canaux calcique de type T a été évaluée en dialysant localement un antagoniste spécifique, le TTA-P2.

L’analyse de l’activité de neurones enregistrée simultanément dans les différentes régions de la boucle thalamocorticale indique que, lors de la décharge pointe-onde, les neurones corticaux excitent les neurones thalamocorticaux — qui déchargent alors préférentiellement de manière tonique et non par bouffées de potentiels d’action — et les neurones du NRT qui déchargent par bouffées de potentiels d’action à haute fréquence (figure a.). Ces bouffées de potentiels d’action dans le NRT vont alors sculpter et synchroniser la décharge tonique des neurones TC par un mécanisme d’inhibition de type « feed-forward » (figure b.). La microdialyse locale de TTA-P2 montre que les canaux calciques de type T jouent un rôle primordial au niveau du NRT et du cortex mais pas au niveau des neurones TC (figure c.).

Ce travail montre que le mécanisme cellulaire des crises d’absence diffère de celui des fuseaux de sommeil, et que les propriétés d’excitabilité intrinsèque des neurones TC contribuent peu à l’hyperexcitabilité de la boucle thalamocorticale à l’origine des décharges pointe-ondes.

McCafferty et al. Cortical drive and thalamic feed-forward inhibition control thalamic output synchrony during absence seizures. Nat Neurosci. 2018; 21(5):744-756. doi: 10.1038/s41593-018-0130-4.

4) Nouvelle méthode d’analyse d’enregistrements multi-unitaires.

Ce projet s’inscrit dans le cadre de travaux visant à développer de nouveaux outils d’analyse et des modèles computationnels nous permettant de mieux comprendre les activités que nous observons.

L’enregistrement simultané de l’activité unitaire de nombreux neurones chez l’animal anesthésié comme éveillé ouvre théoriquement la possibilité de déterminer les interactions fonctionnelles entre ces neurones et comment celles-ci évoluent au cours d’une tâche. Les approches couramment utilisées sont basées sur des histogrammes traitant les neurones par paires et peuvent facilement conduire à des graphiques de connectivité fonctionnelle imprécis en raison d'entrées communes à plusieurs neurones, de chaînes de connexions dans les réseaux enregistrés, ... Afin d’éviter ces erreurs, les méthodes plus récentes visent à modéliser simultanément l'ensemble des activités enregistrées.

Dans ce projet nous avons mis en place et testé sur des réseaux de neurones Intègre et Tire (Integrate and Fire), les limites d’une nouvelle méthode statistique développée par nos collaborateurs mathématiciens pouvant être utilisée de façon routinière sur les ordinateurs portables des expérimentateurs. Cette méthode, modélisant les activités neuronales sous la forme de processus de Hawkes (figure a.), est rapide et ne nécessite pas de connaissance ou d’hypothèse préalable concernant le réseau enregistré. La procédure reconstruit un graphique de connectivité (figure b.) qui est fourni avec un processus d'estimation complet, pouvant être simulé pour reproduire des ensembles de données réalistes.

Lambert RC et al. Reconstructing the functional connectivity of multiple spike trains using Hawkes models. J Neurosci Methods. 2018; 297:9-21. doi: 10.1016/j.jneumeth.2017.12.026.

Collaborations

  • V. Crunelli, Cardiff School of Biosciences UK.
  • E. Bourinet, Institut de Génomique Fonctionnelle, CNRS UMR5203 - INSERM U661 - Univ. Montpellier I & II.
  • L. Ascady, Department of Cellular and Network Neurobiology, Institute of Experimental Medicine, Hungarian Academy of Sciences, Budapest, Hungary.
  • P. Reynaud-Bourret, Laboratoire JA Dieudonné – CNRS UMR7351 – Univ. Nice-Sophia Antipolis
  • B. Kieffer, Institute of Genetics and Molecular and Cellular Biology (IGBMC), University of Strasbourg.
  • V. Rivoirard, CEREMADE- CNRS UMR7534 – Univ. Paris Dauphine
  • M. Mameli, Department of Fundamental Neuroscience, University of Lausanne, Switzerland.
  • F. Matyas, Institute of Cognitive Neuroscience and Psychology, Research Center for Natural Sciences, Hungarian Academy of Sciences, Budapest, Hungary.
  • P. Paoletti, Institute of Biology - Ecole Normale Superieure (IBENS), Paris.
  • M. Soiza-Reilly, CONICET Institute of Physiology, Molecular Biology and Neurosciences (IFIBYNE) Buenos Aires, Argentina.