Wikipédia

Traçage neuronal

Le traçage neuronal (tracé neuronal ou reconstruction neuronale), est une technique utilisée en neurosciences pour déterminer le trajet des neurites (axones et dendrites) d'un neurone.

Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.
Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.

Cet article est orphelin. Moins de trois articles lui sont liés ().

Typologie

modifier

Du point de vue de la préparation des échantillons, cette expression peut désigner certaines des techniques suivantes, et d'autres techniques de marquage génétique des neurones :

  • traçage antérograde (traçage, du corps cellulaire à la synapse) ;
  • traçage rétrograde (traçage, de la synapse au corps cellulaire) ;
  • traçage neuronal viral, technique pouvant être utilisée pour marquer dans les deux sens ;
  • tracé manuel de l'imagerie neuronale.

Au sens large, le traçage neuronal est plus souvent lié à la reconstruction numérique de la morphologie d'un neurone à partir des données d'imagerie des échantillons ci-dessus, ou au processus de génération de connectomes[1].

Reconstruction neuronale numérique et traçage neuronal

modifier

C'est une tâche fondamentale des neurosciences computationnelles[2],[3],[4]. Elle joue également un rôle essentiel dans la cartographie des circuits neuronaux à partir d'images issues de microscopies avancées — qu'il s'agisse de microscopie optique (comme la microscopie à balayage laser ou l'imagerie en champ clair), de microscopie électronique ou d'autres techniques. En raison de la complexité de la morphologie neuronale, du bruit présent dans les images et du volume considérable de données à traiter, cette tâche est considérée comme l'un des défis majeurs des neurosciences computationnelles. De nombreuses méthodes d'analyse d'images ont été développées pour aider à reconstruire la morphologie des neurones et réseaux neuronaux, le plus souvent en 3D, que ce soit manuellement, de manière semi‑automatique ou entièrement automatique. De nombreuses méthodes d'analyse d'images ont été proposées pour tracer la morphologie neuronale, généralement en 3D, manuellement, semi-automatiquement ou entièrement automatiquement. Le traitement comprend généralement trois étapes : la génération et la vérification des épreuves, et l'annotation de la reconstruction[5],[6],[7],[8].

Histoire

modifier

La nécessité de décrire ou de reconstruire la morphologie des neurones remonte aux débuts des neurosciences, lorsque les premières visualisations cellulaires ont été rendues possibles grâce aux techniques de coloration de Golgi.

De nombreux types de neurones connus, tels que les neurones pyramidaux et les cellules chandelier, ont été décrits à partir de leur caractérisation morphologique. Le premier système de reconstruction neuronale assistée par ordinateur, aujourd'hui connu sous le nom de Neurolucida, a été développé par les docteurs Edmund Glaser et Hendrik Van der Loos dans les années 1960[9].

Le traçage neuronal a été amélioré avec l'apparition de l'imagerie numérique des neurones au microscope, d'abord en 2D, puis en 3D, via l'essor de techniques avancées comme microscopie par fluorescence et la microscopie électronique. Cette évolution a rapidement créé un besoin croissant de reconstruire la morphologie neuronale à partir de ces données volumineuses. Parmi les méthodes couramment utilisées pour obtenir des volumes 3D, la microscopie électronique à coupes sérielles (MES) consiste à sectionner l'échantillon en fines tranches, chacune étant ensuite imagée séparément, générant ainsi un ensemble de données voxel[7],[10],[11].

Les efforts modernes de traçage neuronal ont été faits sur des volumes de voxels avec une résolution allant jusqu'à 4 × 4 × 34 nm 3 et des bases de données de plus de 1,4 pétaoctets[12].

Méthodes

modifier
Illustration schématique du traçage numérique de la morphologie d'un neurone.

On peut souvent tracer manuellement les neurones, en 2D et plus difficilement en 3D. Le traçage peut consister soit à dessiner la trajectoire des prolongements neuronaux dans des coupes 2D d'un volume 3D puis à les relier, soit à utiliser des outils de dessin comme virtuel 3D Finger[13] qui convertissent automatiquement les tracés réalisés sur une image projetée en structures neuronales tridimensionnelles. La principale limite de ces approches manuelles réside dans la quantité considérable de travail qu'elles exigent.

Les reconstructions automatisées de neurones peuvent être réalisées au moyen d'ajustements de modèles (par exemple, sphères ou tubes) et de méthodes de marching[14], de l'élagage des sur‑reconstructions[15], de la connexion à coût minimal de points clés, de techniques de ray‑bursting et de nombreuses autres approches[16]. La squelettisation constitue une étape essentielle du traçage neuronal automatisé, mais dans le cas de l'all‑path‑pruning et de ses variantes[17], elle est combinée à l'estimation de paramètres du modèle (par exemple, le diamètre des tubes). La principale limite du traçage automatisé réside dans son manque de précision, en particulier lorsque la morphologie neuronale est complexe ou que l'image contient une quantité importante de bruit. Des méthodes plus récentes reposent également sur l'utilisation de réseaux neuronaux convolutionnels pour segmenter, reconstruire et annoter de grands jeux de données[8],[12],[18],[19]. Ces modèles d'IA sont entraînés à partir de « vérités terrain » issues de reconstructions manuelles ou semi‑automatiques et ont depuis atteint une précision supérieure à celle de l'humain[20].

Le traçage neuronal semi-automatisé repose souvent sur deux stratégies :

  1. exécuter un traçage neuronal entièrement automatisé, suivi d'une validation manuelle des reconstructions obtenues[21] ;
  2. fournir des informations préalables, telles que la localisation des terminaisons neuronales, afin de faciliter le traçage automatique.

Un traçage semi-automatisé est souvent considéré comme une solution équilibrée, offrant un temps de calcul acceptable et une précision de reconstruction satisfaisante. Les logiciels libres Vaa3D-Neuron, Neurolucida 360[22], Imaris Filament Tracer et Aivia[23] proposent tous ces deux types de méthodes.

Le traçage à partir d'images de microscopie électronique est considéré comme plus complexe que celui d'images de microscopie optique, bien que ce dernier reste néanmoins difficile, d'après le concours DIADEM[24]. Pour le traçage de données de microscopie électronique, le traçage manuel est plus fréquemment utilisé que les méthodes automatisées ou semi-automatisées[25]. En revanche, pour le traçage de données de microscopie optique, les méthodes automatisées ou semi-automatisées sont le plus souvent privilégiées.

Outils et logiciels

modifier

De nombreux outils et logiciels de traçage neuronal sont disponibles. Vaa3D et ses modules Vaa3D-Neuron sont un logiciel libre complet intégrant plusieurs méthodes de traçage neuronal, développées par différents groupes de recherche, ainsi que de nombreuses fonctions utilitaires telles que la mesure quantitative, l'analyse syntaxique et la comparaison. D'autres outils gratuits, comme NeuronStudio[26] offrent également des fonctions de traçage basées sur des méthodes spécifiques. Les neuroscientifiques utilisent aussi des logiciels commerciaux tels que Neurolucida, Neurolucida 360, Aivia et Amira pour tracer et analyser les neurones. Une étude de 2012 montre que Neurolucida était alors cité plus de sept fois plus que tous les autres logiciels de traçage neuronal disponibles réunis[27], et que c'était le système le plus utilisé et le plus polyvalent pour la reconstruction neuronale[28]. Le projet BigNeuron (https://alleninstitute.org/bigneuron/about/)[29] est un important effort de collaboration internationale récent visant à intégrer la majorité des outils de traçage neuronal connus sur une plateforme commune afin de faciliter l'accès libre et aisé à divers outils depuis un emplacement unique. De nouveaux outils puissants tels qu'UltraTracer[30] capables de tracer des volumes d'images arbitrairement grands, ont été développés grâce à cet effort. L'outil en ligne WEBKNOSSOS[31] dispose d'un mode de suivi rapide pour le traçage des axones ou des dendrites, dans lequel des communautés d'annotateurs entraînés atteignent des vitesses de traçage de 1,5 ± 0,6 mm/h pour les axones et de 2,1 ± 0,9 mm/h pour les dendrites dans des données de microscopie électronique 3D[32].

Formats et bases de données de neurones

modifier

Les reconstructions de neurones individuels peuvent être stockées dans différents formats. Cela dépend principalement du logiciel utilisé pour le traçage de ces neurones. Le format SWC, composé de plusieurs compartiments structuraux topologiquement connectés (par exemple, un tube ou une sphère), est souvent utilisé pour stocker les neurones numérisés, notamment lorsque la morphologie ne nécessite pas de modèles 3D détaillés pour chaque compartiment. D'autres formats neuronaux plus sophistiqués proposent une modélisation géométrique distincte du corps cellulaire et des prolongements neuronaux, notamment avec Neurolucida[33],[34],[35].

Il existe quelques bases de données courantes de reconstruction de neurones individuels. L'une des plus utilisées est NeuroMorpho.org[36], qui contient plus de 86 000 morphologies neuronales de plus de 40 espèces, fournies par de nombreux laboratoires de recherche du monde entier. L' Allen Institute for Brain Science, le Janelia Research Campus du HHMI et d'autres instituts développent également des bases de données de neurones individuels à grande échelle.

Des bases de données contenant des volumes neuronaux entièrement reconstruits ont récemment été mises à disposition. Le Max Planck Zebrafish Brain Atlas et son jeu de données associé constituent le connectome reconstruit des 208 neurones d'une larve de poisson‑zèbre[37].

La base de données CATMAID assemble le connectome tracé d'une larve de Platynereis, comprenant 1 500 neurones et 6 500 cellules non neuronales[38]. Le connectome Flywire correspond à la reconstruction et à l'annotation d'environ 140 000 neurones constituant le cerveau d'une drosophile adulte[18],[8]. Le jeu de données H01 représente quant à lui un millimètre cube reconstruit de tissu cérébral humain[12].

Il existe également de nombreuses bases de données de données neuronales connexes à différentes échelles.

Références

modifier
  1. ↑ (en) Christine Saleeba, Bowen Dempsey, Sheng Le et Ann Goodchild, « A Student's Guide to Neural Circuit Tracing », Frontiers in Neuroscience, vol. 13,‎ (ISSN 1662-4548, PMID 31507369, PMCID 6718611, DOI 10.3389/fnins.2019.00897).
  2. ↑ (en) Hanchuan Peng, Badri Roysam et Giorgio Ascoli, « Automated image computing reshapes computational neuroscience », BMC Bioinformatics, vol. 14,‎ (PMID 24090217, PMCID 3853071, DOI 10.1186/1471-2105-14-293).
  3. ↑ (en) Erik Meijering, « Neuron Tracing in Perspective », Cytometry Part A, vol. 77, no 7,‎ , p. 693–704 (PMID 20583273, DOI 10.1002/cyto.a.20895, S2CID 14047936, CiteSeerx 10.1.1.623.3000).
  4. ↑ (en) Eric L. Schwartz, Computational neuroscience, Cambridge, Mass, MIT Press, (ISBN 978-0-262-19291-0).
  5. ↑ (en) H., Long, F., Zhao, T., and Myers, E.W. Peng, « Proof-editing is the bottleneck of 3D neuron reconstruction: the problem and solutions », Neuroinformatics, vol. 9, nos 2–3,‎ , p. 103–105 (PMID 21170608, DOI 10.1007/s12021-010-9090-x, S2CID 4995280, lire en ligne Inscription nécessaire).
  6. ↑ (en) H., Tang, J., Xiao, H., Bria, A. Peng, « Virtual finger boosts three-dimensional imaging and microsurgery as well as terabyte volume image visualization and analysis », Nature Communications, vol. 5,‎ (PMID 25014658, PMCID 4104457, DOI 10.1038/ncomms5342, Bibcode 2014NatCo...5.4342P).
  7. 1 2 (en) Fabian Svara, Dominique Förster, Fumi Kubo et Michał Januszewski, « Automated synapse-level reconstruction of n eural circuits in the larval zebrafish brain », Nature Methods, vol. 19, no 11,‎ , p. 1357–1366 (ISSN 1548-7091, PMID 36280717, PMCID 9636024, DOI 10.1038/s41592-022-01621-0).
  8. 1 2 3 (en) Sven Dorkenwald, Arie Matsliah, Amy R. Sterling et Philipp Schlegel, « Neuronal wiring diagram of an adult brain », Nature, vol. 634, no 8032,‎ , p. 124–138 (ISSN 0028-0836, PMID 39358518, PMCID 11446842, DOI 10.1038/s41586-024-07558-y).
  9. ↑ (en) E. M. Glaser et H. Vanderloos, « A Semi-Automatic Computer-Microscope for the Analysis of Neuronal Morphology », IEEE Transactions on Biomedical Engineering, vol. 12, no 1,‎ , p. 22–31 (ISSN 0018-9294, PMID 14291539, DOI 10.1109/TBME.1965.4502337, Bibcode 1965ITBE...11...22G).
  10. ↑ (en) Zhihao Zheng, J. Scott Lauritzen, Eric Perlman et Camenzind G. Robinson, « A Complete Electron Microscopy Volume of the Brain of Adult Drosophila melanogaster », Cell, vol. 174, no 3,‎ , p. 730–743.e22 (ISSN 0092-8674, PMID 30033368, PMCID 6063995, DOI 10.1016/j.cell.2018.06.019, Bibcode 2018Cell..174..730Z).
  11. ↑ (en) Nadine Randel, Réza Shahidi, Csaba Verasztó et Luis A Bezares-Calderón, « Inter-individual stereotypy of the Platynereis larval visual connectome », eLife, vol. 4,‎ (ISSN 2050-084X, PMID 26061864, PMCID 4477197, DOI 10.7554/eLife.08069).
  12. 1 2 3 (en) Alexander Shapson-Coe, Michał Januszewski, Daniel R. Berger et Art Pope, « A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution », Science, vol. 384, no 6696,‎ (ISSN 0036-8075, PMID 38723085, PMCID 11718559, DOI 10.1126/science.adk4858, Bibcode 2024Sci...384k4858S).
  13. ↑ (en) Hanchuan Peng, Jianyong Tang, Hang Xiao et Alessandro Bria, « Virtual finger boosts three-dimensional imaging and microsurgery as well as terabyte volume image visualization and analysis », Nature communications, vol. 5, no 1,‎ , p. 4342 (ISSN 2041-1723, DOI 10.1038/ncomms5342, lire en ligne, consulté le ).
  14. ↑ (en) K. A. Al-Kofahi et al., « Rapid automated three-dimensional tracing of neurons from confocal image stacks », IEEE Transactions on Information Technology in Biomedicine, vol. 6, no 2,‎ , p. 171-187 (PMID 12075671, DOI 10.1109/titb.2002.1006304, Bibcode 2002ITITB...6..171A, S2CID 12413677, CiteSeerx 10.1.1.57.9339).
  15. ↑ (en) H. Peng, « Automatic 3D neuron tracing using all-path pruning », Bioinformatics, vol. 27, no 13,‎ , i239–i247 (PMID 21685076, PMCID 3117353, DOI 10.1093/bioinformatics/btr237).
  16. ↑ (en) Alfredo Rodriguez et al., « Three-dimensional neuron tracing by voxel scooping », Journal of Neuroscience Methods, vol. 184, no 1,‎ , p. 169-175 (PMID 19632273, PMCID 2753723, DOI 10.1016/j.jneumeth.2009.07.021 Accès payant).
  17. ↑ (en) H Xiao, « APP2: automatic tracing of 3D neuron morphology based on hierarchical pruning of gray-weighted image distance-trees », Bioinformatics, vol. 29, no 11,‎ , p. 1448–1454 (PMID 23603332, PMCID 3661058, DOI 10.1093/bioinformatics/btt170).
  18. 1 2 (en) Philipp Schlegel, Yijie Yin, Alexander S. Bates et Sven Dorkenwald, « Whole-brain annotation and multi-connectome cell typing of Drosophila », Nature, vol. 634, no 8032,‎ , p. 139–152 (ISSN 0028-0836, PMID 39358521, PMCID 11446831, DOI 10.1038/s41586-024-07686-5).
  19. ↑ (en) « Using AI to optimize for rapid neural imaging », MIT News | Massachusetts Institute of Technology, (consulté le ).
  20. ↑ (en-US) « Using Artificial Intelligence to Map the Brain's Wiring », Simons Foundation, (consulté le ).
  21. ↑ (en-US) Jennifer Michalowski, « AI learns to trace neuronal pathways », Cold Spring Harbor Laboratory, (consulté le ).
  22. ↑ (en) « Film poster of "Forbidden Kiss" », sur doi.org (consulté le ).
  23. ↑ (en) « Aivia 5 - Neuron Exploration », sur Aivia (consulté le ).
  24. ↑ (en) Y Liu, « The DIADEM and beyond », Neuroinformatics, vol. 9, nos 2–3,‎ , p. 99–102 (PMID 21431331, DOI 10.1007/s12021-011-9102-5).
  25. ↑ (en) Moritz Helmstaedter et al., « High-accuracy neurite reconstruction for high-throughput neuroanatomy », Nature Neuroscience, vol. 14, no 8,‎ , p. 1081-1088 (PMID 21743472, DOI 10.1038/nn.2868, S2CID 17795934, lire en ligne).
  26. ↑ (en) Alfredo Rodriguez, « Tools: NeuronStudio (Beta) Version 0.9.92, last updated on November 19, 2009 » [archive du ], CNIC, Mount Sinai School of Medicine, .
  27. ↑ (en) Maryam Halavi, Kelly A. Hamilton, Ruchi Parekh et Giorgio A. Ascoli, « Digital reconstructions of neuronal morphology: three decades of research trends », Frontiers in Neuroscience, vol. 6,‎ , p. 49 (ISSN 1662-453X, PMID 22536169, PMCID 3332236, DOI 10.3389/fnins.2012.00049).
  28. ↑ (en) Paulo Aguiar, Mafalda Sousa et Peter Szucs, « Versatile Morphometric Analysis and Visualization of the Three-Dimensional Structure of Neurons », Neuroinformatics, vol. 11, no 4,‎ , p. 393–403 (ISSN 1539-2791, PMID 23765606, DOI 10.1007/s12021-013-9188-z, S2CID 16591493).
  29. ↑ (en) Hanchuan Peng, Michael Hawrylycz et Jane Roskams, « BigNeuron: Large-Scale 3D Neuron Reconstruction from Optical Microscopy Images », Neuron, vol. 87, no 2,‎ , p. 252–256 (PMID 26182412, PMCID 4725298, DOI 10.1016/j.neuron.2015.06.036).
  30. ↑ (en) Hanchuan Peng, Zhi Zhou et Erik Meijering, « Automatic tracing of ultra-volumes of neuronal images », Nature Methods, vol. 14, no 4,‎ , p. 332–333 (PMID 28362437, PMCID 7199653, DOI 10.1038/nmeth.4233).
  31. ↑ (en) « WEBKNOSSOS: Visualize, share and annotate your large 3D images online », sur home.webknossos.org (consulté le ).
  32. ↑ (en) Kevin M. Boergens, Manuel Berning, Tom Bocklisch et Dominic Bräunlein, « webKnossos: efficient online 3D data annotation for connectomics », Nature Methods, vol. 14, no 7,‎ , p. 691–694 (ISSN 1548-7105, PMID 28604722, DOI 10.1038/nmeth.4331, S2CID 30609228).
  33. ↑ (en) Serena Bianchi, Cheryl D. Stimpson, Amy L. Bauernfeind et Steven J. Schapiro, « Dendritic Morphology of Pyramidal Neurons in the Chimpanzee Neocortex: Regional Specializations and Comparison to Humans », Cerebral Cortex, vol. 23, no 10,‎ , p. 2429–2436 (ISSN 1047-3211, PMID 22875862, PMCID 3767963, DOI 10.1093/cercor/bhs239).
  34. ↑ (en) Gilad Silberberg et Henry Markram, « Disynaptic Inhibition between Neocortical Pyramidal Cells Mediated by Martinotti Cells », Neuron, vol. 53, no 5,‎ , p. 735–746 (ISSN 0896-6273, PMID 17329212, DOI 10.1016/j.neuron.2007.02.012, S2CID 15624023).
  35. ↑ (en) Serena Bianchi, Amy L. Bauernfeind, Kanika Gupta et Cheryl D. Stimpson, « Neocortical neuron morphology in Afrotheria: comparing the rock hyrax with the African elephant », Annals of the New York Academy of Sciences, vol. 1225, no 1,‎ , p. 37–46 (ISSN 1749-6632, PMID 21534991, DOI 10.1111/j.1749-6632.2011.05991.x, Bibcode 2011NYASA1225...37B, S2CID 18281955).
  36. ↑ (en) « NeuroMorpho.Org - A central resource for neuronal morphologies », J Neurosci, vol. 27, no 35,‎ , p. 9247–9251 (PMID 17728438, PMCID 6673130, DOI 10.1523/jneurosci.2055-07.2007).
  37. ↑ (en) Fabian Svara, Dominique Förster, Fumi Kubo et Michał Januszewski, « Automated synapse-level reconstruction of neural circuits in the larval zebrafish brain », Nature Methods, vol. 19, no 11,‎ , p. 1357–1366 (ISSN 1548-7091, PMID 36280717, PMCID 9636024, DOI 10.1038/s41592-022-01621-0).
  38. ↑ (en) « FlyWire », sur flywire.ai (consulté le ).
Ce document provient de « https://fr.wikipedia.org/w/index.php?title=Traçage_neuronal&oldid=235856293 ».