Une lumière intelligente révèle les secrets des réseaux de neurones express
Pour comprendre le cerveau, il faut savoir comment les neurones sont connectés. Habituellement, on les active un par un avec de la lumière — c'est comme vérifier chaque robinet d'un immense jardin pour trouver tous les tuyaux. Des millions d'essais prennent du temps et peuvent endommager les tissus vivants. L'algorithme OPhELIA agit comme un jardinier expérimenté : il ouvre l'eau à quelques endroits seulement et, en observant où elle apparaît, il reconstitue le schéma d'arrosage. À la base, il y a l'entropie, une mesure de l'incertitude : l'algorithme choisit les neurones qui apporteront le maximum d'informations nouvelles. Il apprend même de l'activité spontanée, comme s'il remarquait des fuites. Ainsi, avec 5 % des stimulations chez les poissons-zèbres, il a recréé une carte presque complète des connexions — 20 fois plus vite que d'habitude. Cette approche rappelle la façon dont les astronomes observent la matière noire à travers le mouvement des étoiles, et fournit un modèle standard — une base fiable pour de futures découvertes.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2607.12930
All-optical two-photon holographic optogenetics enables causal circuit mapping by stimulating defined neurons or ensembles while imaging population activity. Yet exhaustive connectivity mapping remains experimentally prohibitive because of combinatorial complexity, tissue heating, photodamage, and experimental time. We present OPhELIA (Optimal Photostimulation sElection for Iterative Activity maps), a Bayesian framework for selecting informative perturbations under limited trial budgets. OPhELIA combines Beta-Bernoulli connectivity inference with an ambiguity-based acquisition heuristic and learned priors derived from pre-stimulation neural activity, augmenting active learning and compressed sensing. In standalone simulations and in vivo larval zebrafish visuomotor experiments, OPhELIA with active learning improves trial-efficient approximation of exhaustive functional connectomes. In combinatorial in vivo experiments, OPhELIA with compressed sensing most closely recovers an exhaustive connectome using only 5% of trials. These results establish OPhELIA as a sample-efficient framework for causal connectomics.
L'optogénétique rend les neurones sensibles à la lumière grâce à des gènes d'algues. La lumière bleue active le neurone, la jaune l'éteint. Comme des ficelles sur une marionnette.
La lecture rapide des connexions neuronales ressemble au téléchargement de connaissances dans « Matrix », mais ici, nous faisons l'inverse : nous extrayons une carte du cerveau.