Des scientifiques découvrent des neurones qui traitent le langage à différentes échelles de temps

Grâce à l’imagerie par résonance magnétique fonctionnelle (IRMf), les neuroscientifiques ont identifié plusieurs régions du cerveau responsables du traitement du langage.

Cependant, découvrir les fonctions spécifiques des neurones dans ces régions s’est avéré difficile car l’IRMf, qui mesure les changements dans le flux sanguin, n’a pas une résolution suffisamment élevée pour révéler ce que font les petites populations de neurones.

Grâce à une technique plus précise qui consiste à enregistrer l’activité électrique directement depuis le cerveau, les neuroscientifiques du MIT ont identifié différents groupes de neurones qui semblent traiter différentes quantités de contexte linguistique. Ces « fenêtres temporelles » vont d’un seul mot à environ six mots.

Les fenêtres temporelles peuvent refléter des fonctions différentes pour chaque population, expliquent les chercheurs. Les populations ayant des fenêtres temporelles plus courtes peuvent analyser le sens de mots individuels, tandis que celles ayant des fenêtres temporelles plus longues peuvent interpréter des significations plus complexes créées lorsque des mots sont enchaînés.

« C’est la première fois que nous observons une hétérogénéité claire au sein du réseau linguistique », explique Evelina Fedorenko, professeure agrégée de neurosciences au MIT. « Dans des dizaines d’expériences d’IRMf, ces zones cérébrales semblent toutes faire la même chose, mais il s’agit d’un vaste réseau distribué, il doit donc y avoir une certaine structure. »

« C’est la première démonstration claire de l’existence d’une structure, mais les différentes populations neuronales sont spatialement entrelacées, de sorte que nous ne pouvons pas voir ces distinctions avec l’IRMf. »

Fedorenko, qui est également membre de l’Institut McGovern pour la recherche sur le cerveau du MIT, est l’auteur principal de l’étude, désormais publiée dans Nature Comportement humainTamar Regev, postdoctorante au MIT, et Colton Casto, étudiant diplômé de l’Université de Harvard, sont les principaux auteurs de l’article.

Fenêtres temporelles

L’IRM fonctionnelle, qui a permis aux scientifiques d’en apprendre beaucoup sur le rôle des différentes parties du cerveau, fonctionne en mesurant les variations du flux sanguin dans le cerveau. Ces mesures agissent comme un indicateur de l’activité neuronale au cours d’une tâche particulière.

Cependant, chaque « voxel », ou fragment tridimensionnel d’une image IRMf, représente des centaines de milliers, voire des millions de neurones et résume l’activité sur environ deux secondes. Il ne peut donc pas révéler de détails précis sur ce que font ces neurones.

Une façon d’obtenir des informations plus détaillées sur le fonctionnement des neurones consiste à enregistrer l’activité électrique à l’aide d’électrodes implantées dans le cerveau. Ces données sont difficiles à obtenir, car cette procédure n’est effectuée que sur des patients qui subissent déjà une intervention chirurgicale pour une maladie neurologique telle qu’une épilepsie sévère.

« Il peut falloir quelques années pour obtenir suffisamment de données pour une tâche, car ces patients sont relativement rares et, chez un patient donné, les électrodes sont implantées à des endroits idiosyncratiques en fonction des besoins cliniques. Il faut donc un certain temps pour assembler un ensemble de données avec une couverture suffisante d’une partie cible du cortex.

« Mais ces données sont bien sûr les meilleures que nous puissions obtenir du cerveau humain : vous savez exactement où vous êtes dans l’espace et vous disposez d’informations temporelles très précises », explique Fedorenko.

Dans une étude réalisée en 2016, Fedorenko a indiqué avoir utilisé cette approche pour étudier les régions de traitement du langage de six personnes. L’activité électrique a été enregistrée pendant que les participants lisaient quatre types différents de stimuli linguistiques : des phrases complètes, des listes de mots, des listes de non-mots et des phrases « jabberwocky » (des phrases qui ont une structure grammaticale mais qui sont constituées de mots sans signification).

Ces données ont montré que dans certaines populations neuronales des régions de traitement du langage, l’activité se développait progressivement sur une période de plusieurs mots, lorsque les participants lisaient des phrases. Cependant, cela ne se produisait pas lorsqu’ils lisaient des listes de mots, des listes de non-mots ou des phrases Jabberwocky.

Dans la nouvelle étude, Regev et Casto ont repris ces données et analysé les profils de réponse temporelle plus en détail. Dans leur ensemble de données d’origine, ils disposaient d’enregistrements de l’activité électrique de 177 électrodes sensibles au langage chez les six patients.

Selon des estimations prudentes, chaque électrode représente une moyenne de l’activité d’environ 200 000 neurones. Ils ont également obtenu de nouvelles données d’un deuxième groupe de 16 patients, qui comprenaient des enregistrements de 362 autres électrodes sensibles au langage.

Lorsque les chercheurs ont analysé ces données, ils ont découvert que chez certaines populations neuronales, l’activité fluctuait à la hausse ou à la baisse à chaque mot. Chez d’autres, en revanche, l’activité s’accumulait sur plusieurs mots avant de retomber, et chez d’autres encore, l’activité neuronale s’accumulait régulièrement sur des périodes de mots plus longues.

En comparant leurs données avec les prédictions faites par un modèle informatique conçu par les chercheurs pour traiter les stimuli avec différentes fenêtres temporelles, les chercheurs ont découvert que les populations neuronales des zones de traitement du langage pouvaient être divisées en trois groupes. Ces groupes représentent des fenêtres temporelles d’un, quatre ou six mots.

« Il semble vraiment que ces populations neuronales intègrent des informations sur différentes échelles de temps tout au long de la phrase », explique Regev.

Traitement des mots et du sens

Ces différences dans la taille de la fenêtre temporelle auraient été impossibles à voir en utilisant l’IRMf, affirment les chercheurs.

« À la résolution de l’IRMf, nous ne voyons pas beaucoup d’hétérogénéité dans les régions sensibles au langage. Si vous localisez chez des participants individuels les voxels de leur cerveau qui sont les plus sensibles au langage, vous constatez que leurs réponses aux phrases, aux listes de mots, aux phrases baragouinantes et aux listes de non-mots sont très similaires », explique Casto.

Les chercheurs ont également pu déterminer les emplacements anatomiques où ces groupes se trouvaient. Les populations neuronales ayant la fenêtre temporelle la plus courte se trouvaient principalement dans le lobe temporal postérieur, bien que certaines aient également été trouvées dans les lobes temporaux frontaux ou antérieurs. Les populations neuronales des deux autres groupes, ayant des fenêtres temporelles plus longues, étaient réparties plus uniformément dans les lobes temporaux et frontaux.

Le laboratoire de Fedorenko prévoit désormais d’étudier si ces échelles de temps correspondent à des fonctions différentes. Il est possible que les populations ayant les échelles de temps les plus courtes puissent traiter le sens d’un seul mot, tandis que celles ayant des échelles de temps plus longues interprètent le sens représenté par plusieurs mots.

« Nous savons déjà que le réseau linguistique est sensible à la manière dont les mots s’assemblent et à la signification de chaque mot », explique Regev. « Cela pourrait donc correspondre à ce que nous avons découvert, où l’échelle de temps la plus longue est sensible à des éléments comme la syntaxe ou les relations entre les mots, et peut-être que l’échelle de temps la plus courte est plus sensible aux caractéristiques des mots isolés ou de parties de mots. »

Cet article est republié avec l’aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l’actualité de la recherche, de l’innovation et de l’enseignement au MIT.