19-01-2026
De nouvelles recherches menées par les universités de St Andrews, de Copenhague et Drexel ont permis de développer des modèles informatiques d’IA capables de prédire la dégénérescence des réseaux neuronaux dans la sclérose latérale amyotrophique (SLA).
Publiée dans la revue Neurobiology of Disease, cette étude ouvre la voie à la promotion de la modélisation informatique comme approche complémentaire aux méthodes actuelles sur les animaux et in vitro.
La maladie de Charcot (ou maladie de Lou Gehrig) est le terme générique désignant un groupe de maladies qui affectent les motoneurones, ces nerfs situés dans le cerveau et la moelle épinière. La forme la plus courante est la SLA, également appelée maladie de Charcot ou maladie de Lou Gehrig. La SLA touche environ 2 personnes sur 100.000 chaque année dans le monde. En Écosse, cela représente environ 200 nouveaux cas diagnostiqués chaque année.
La majorité des cas de SLA présentent une atteinte spinale, ce qui signifie que les motoneurones et certains circuits neuronaux de la moelle épinière sont touchés en premier. Il en résulte des symptômes moteurs tels que faiblesse musculaire, raideur musculaire et crampes, qui constituent les premiers signes de la maladie.
Traditionnellement, la SLA est étudiée à l’aide de modèles animaux, comme les souris. Ces souris sont génétiquement modifiées pour présenter des symptômes similaires à ceux de la SLA. Leurs symptômes sont ensuite enregistrés afin d’observer la progression de la maladie. Généralement, lorsqu’ils utilisent des modèles animaux, les chercheurs doivent se concentrer sur des moments précis de la progression de la maladie en raison de contraintes de temps et de budget.
Cependant, les modèles informatiques peuvent prédire ce qui se passe entre ces moments précis afin de mieux comprendre la progression de la maladie. De plus, ils peuvent reproduire exactement la même expérience avec une seule modification pour comprendre l’impact d’un changement spécifique sur le résultat du modèle, alors que chez les animaux, de nombreux facteurs influencent toujours la maladie.
Surtout, les modèles informatiques permettent également aux chercheurs de faire des prédictions sur la façon dont les circuits neuronaux pourraient répondre au traitement et peuvent éclairer les futures études précliniques chez la souris.
Dans cette étude, les chercheurs ont utilisé des réseaux neuronaux biologiquement plausibles. Ces réseaux diffèrent des réseaux neuronaux traditionnels utilisés quotidiennement pour des tâches telles que le déverrouillage d’un smartphone par reconnaissance faciale ou la réponse à des questions via ChatGPT. Les réseaux neuronaux biologiquement plausibles communiquent par des impulsions électriques, à l’instar des cellules nerveuses de notre système nerveux. Leur structure s’inspire des cellules connues de la moelle épinière et de leurs connexions. Ainsi, les chercheurs élaborent leurs modèles à partir des connaissances biologiques actuelles.
Ces modèles, développés par des chercheurs de l’École de psychologie et de neurosciences, sont des systèmes d’équations mathématiques qui calculent l’excitabilité de chaque neurone du réseau. Lorsqu’un neurone reçoit une impulsion électrique, son niveau d’excitation se modifie. S’il est suffisamment excité, il émet une nouvelle impulsion, transmettant ainsi l’information au neurone suivant. Pour construire le réseau, ces neurones sont regroupés en populations, puis ces populations sont connectées en fonction de données biologiques.
Beck Strohmer, chercheur postdoctoral à l’Université de Copenhague et co-auteur de l’étude, explique : ‘’Dans la SLA, on sait que les neurones meurent et que la communication entre les populations neuronales se rompt. Nous modélisons ce phénomène en supprimant des neurones des populations affectées et en réduisant le nombre de connexions issues de ces populations. Cela nous permet de modéliser la progression de la maladie. De la même manière, nous pouvons modéliser et tester des stratégies de traitement en préservant les neurones ou en renforçant la communication.’’
Le Dr Ilary Alodi, maître de conférences à l’École de psychologie et de neurosciences de St Andrews et co-auteur de l’étude, ajoute : ‘’Les hypothèses générées par les modèles doivent être testées sur des modèles animaux, car il est impossible de modéliser toute la complexité d’un système biologique. Dans cette étude, nous avons prédit que la stratégie de traitement appliquée dans le modèle permettrait de préserver une population spécifique de neurones. Nous avons ensuite examiné cette population neuronale chez les souris traitées et constaté que notre hypothèse se vérifiait.’’
Des résultats comme ceux-ci montrent que, malgré la nécessité de rester prudent avec les prédictions issues des modèles, ces derniers constituent un excellent outil pour orienter la recherche expérimentale.
Cela signifie également que l’expérimentation animale peut être perfectionnée, car les chercheurs savent mieux où et quand observer les changements chez les modèles animaux.
Le Dr Alodi ajoute : ‘’Nous commençons maintenant à appliquer ces modèles à des zones cérébrales spécifiques afin de comprendre comment la communication neuronale évolue au cours de la démence, ce qui représente une nouvelle piste de recherche passionnante pour notre laboratoire.’’
Traduction : Gerda Eynatten-Bové
Source: Université de St Andrew