Les neurones communiquent par des signaux électriques, et pour comprendre des fonctions cérébrales comme la mémoire, les neuroscientifiques doivent suivre les variations de tension neuronale, souvent sur des échelles de temps de quelques millisecondes. Dans un nouvel article en libre accès dans Nature Communications, des chercheurs du MIT présentent un capteur d’image innovant qui améliore significativement cette capacité.
Dirigée par Jie Zhang, postdoctorant au laboratoire de Matt Wilson, professeur Sherman Fairchild au MIT et membre du Picower Institute for Learning and Memory, cette invention propose une nouvelle approche de la technologie standard « CMOS » (semi-conducteur à oxyde métallique complémentaire) utilisée en imagerie scientifique. Traditionnellement, tous les pixels d’un capteur CMOS s’allument et s’éteignent simultanément, ce qui implique un compromis entre vitesse et capture de lumière. La nouvelle puce permet un contrôle individuel de chaque pixel, offrant ainsi une capture de lumière optimale sans sacrifier la vitesse.
Dans leurs expériences, Zhang et Wilson démontrent comment la programmabilité « par pixel » améliore la visualisation des « pics » de tension neuronale, les signaux de communication entre neurones, ainsi que les fluctuations plus subtiles de la tension neuronale entre ces pics.
« Mesurer avec une résolution à pointe unique est crucial pour notre recherche », déclare Wilson, professeur aux départements de biologie et de sciences du cerveau et des sciences cognitives (BCS) du MIT. Son laboratoire étudie comment le cerveau code et affine les souvenirs spatiaux pendant l’exploration éveillée et le sommeil. « Comprendre les processus de codage dans le cerveau, les pics uniques et leur timing est essentiel pour comprendre le traitement de l’information par le cerveau. »
Wilson a longtemps innové dans l’utilisation d’électrodes pour capter les signaux électriques neuronaux en temps réel. Cependant, comme beaucoup de chercheurs, il a aussi cherché des lectures visuelles de l’activité électrique, car elles permettent de visualiser de vastes zones de tissus et d’identifier quels neurones sont actifs à tout moment. Cela aide à comprendre quels types de neurones participent aux processus de mémoire et au fonctionnement des circuits cérébraux.
Récemment, des neuroscientifiques, dont le co-auteur principal Ed Boyden, professeur Y. Eva Tan de neurotechnologie à BCS et au McGovern Institute for Brain Research, ont développé des « indicateurs de tension génétiquement codés » (GEVI) qui font briller les cellules en temps réel lorsque leur tension change. Cependant, Zhang et Wilson ont constaté que les capteurs d’images CMOS traditionnels manquaient souvent une partie de l’action. S’ils opéraient trop vite, ils ne captaient pas assez de lumière. S’ils opéraient trop lentement, ils manquaient les changements rapides.
Les capteurs d’images ont une résolution si fine que de nombreux pixels regardent essentiellement le même endroit à l’échelle d’un neurone entier, explique Wilson. Zhang a donc conçu une puce de capteur d’image permettant aux pixels voisins d’avoir chacun leur propre timing. Les mesures plus rapides capturent les changements rapides, tandis que les plus lentes collectent plus de lumière. Zhang a également conçu l’électronique de contrôle de manière à minimiser l’espace occupé par les éléments sensibles à la lumière, garantissant ainsi une haute sensibilité dans des conditions de faible luminosité.
Dans l’étude, les chercheurs ont démontré deux façons dont la puce améliore l’imagerie de l’activité de tension des neurones de l’hippocampe de souris cultivés en laboratoire. Ils ont comparé leur capteur à une puce CMOS scientifique standard de l’industrie.
Dans la première série d’expériences, l’équipe a cherché à imager la dynamique rapide de la tension neuronale. Sur la puce CMOS conventionnelle, chaque pixel avait un temps d’exposition rapide de 1,25 milliseconde. Sur le capteur pixel par pixel, chaque pixel des groupes voisins de quatre restait allumé pendant 5 ms, mais leurs heures de démarrage étaient échelonnées de sorte que chacun s’activait et se désactivait 1,25 ms plus tard que le suivant. Cela a permis de collecter plus de lumière tout en maintenant une résolution temporelle rapide, doublant ainsi le rapport signal/bruit.
La puce par pixel a détecté des activités de pointe neuronale que le capteur conventionnel avait manquées. Comparées aux mesures électriques traditionnelles avec une électrode patch-clamp, les mesures échelonnées par pixel correspondaient mieux à celles du patch-clamp.
Dans la deuxième série d’expériences, l’équipe a démontré que la puce par pixel pouvait capturer à la fois la dynamique rapide et les variations de tension plus lentes et subtiles des neurones. En variant les durées d’exposition des pixels voisins, allant de 15,4 ms à 1,9 ms, ils ont pu échantillonner chaque changement rapide tout en intégrant suffisamment de lumière pour suivre des fluctuations plus lentes.
Ces expériences avec de petits groupes de neurones n’étaient qu’une preuve de concept, explique Wilson. L’objectif ultime est de mesurer en temps réel l’activité de différents types de neurones chez les animaux, à l’échelle du cerveau, même lorsqu’ils se déplacent librement et apprennent à naviguer dans des labyrinthes. Le développement de GEVI et de capteurs d’images comme la puce pixelwise est crucial pour atteindre cet objectif.
« C’est l’idée de tout ce que nous voulons mettre en place : une imagerie de tension à grande échelle de neurones génétiquement marqués chez des animaux au comportement libre », explique Wilson.
Pour y parvenir, Zhang ajoute : « Nous travaillons déjà sur la prochaine itération de puces avec un bruit plus faible, un nombre de pixels plus élevé, une résolution temporelle de plusieurs kHz et de petits facteurs de forme pour l’imagerie d’animaux se comportant librement. »
La recherche avance pixel par pixel.
Outre Zhang, Wilson et Boyden, les autres auteurs de l’article sont Jonathan Newman, Zeguan Wang, Yong Qian, Pedro Feliciano-Ramos, Wei Guo, Takato Honda, Zhe Sage Chen, Changyang Linghu, Ralph-Etienne Cummings et Eric Fossum.
Le Picower Institute, la Fondation JPB, la Fondation Alana, le Fonds Louis B. Thalheimer pour la recherche translationnelle, les National Institutes of Health, HHMI, Lisa Yang et John Doerr ont soutenu cette recherche.
