Une nouvelle étude menée par l’Université de St Andrews, l’Université de Copenhague et l’Université de Drexel a mis au point des modèles informatiques basés sur l’intelligence artificielle capables de prédire les schémas de dégénérescence des réseaux neuronaux dans la maladie de Charcot, également connue sous le nom de sclérose latérale amyotrophique (SLA). Publié dans Neurobiology of Disease, ce travail ouvre la voie à l’utilisation des modèles computationnels comme complément aux méthodes traditionnelles basées sur les animaux ou les cultures cellulaires. La SLA, une maladie neurodégénérative affectant les neurones moteurs du cerveau et de la moelle épinière, touche environ deux personnes pour 100 000 par an dans le monde, soit environ 200 nouveaux cas par an en Écosse. La forme la plus fréquente, dite à début spinal, se manifeste par une faiblesse musculaire, une rigidité et des crampes précoces, dues à la dégénérescence progressive des circuits neuronaux dans la moelle épinière. Jusqu’à présent, les recherches sur la SLA reposaient principalement sur des modèles animaux, notamment des souris génétiquement modifiées pour présenter des symptômes similaires à ceux de la maladie. Cependant, ces approches sont limitées par des contraintes temporelles et financières, obligeant les chercheurs à observer la maladie à des points précis de son évolution. Les modèles computationnels, eux, permettent de simuler le déroulement de la maladie entre ces points d’observation et d’explorer des scénarios précis en modifiant un seul paramètre à la fois — une capacité impossible à reproduire avec des animaux, où de nombreux facteurs biologiques influencent les résultats. Dans cette étude, les chercheurs ont utilisé des réseaux neuronaux biologiquement plausibles, distincts des réseaux artificiels courants comme ceux utilisés pour la reconnaissance faciale ou les assistants virtuels. Ces réseaux imitent le fonctionnement des neurones humains en communiquant par des signaux d’impulsions (spikes), avec une architecture basée sur les connaissances scientifiques actuelles sur la structure et les connexions des cellules de la moelle épinière. Chaque neurone est modélisé par des équations mathématiques qui déterminent son excitabilité : lorsqu’un neurone reçoit une impulsion, son niveau d’excitation change, et s’il atteint un seuil, il envoie à son tour un signal. Pour simuler la progression de la SLA, les chercheurs ont programmé la perte de neurones dans certaines populations et la réduction des connexions entre elles. En inversant ces processus, ils ont pu tester des stratégies thérapeutiques, comme la protection des neurones ou le renforcement des connexions. Les résultats ont été validés expérimentalement : une prédiction selon laquelle un traitement sauverait une population spécifique de neurones s’est avérée exacte lors de l’analyse de souris traitées. Cela démontre que ces modèles, bien qu’imparfaits, peuvent guider efficacement les recherches expérimentales. Ces modèles permettent non seulement d’optimiser les études précliniques, mais aussi de réduire le nombre d’expérimentations animales en ciblant précisément les zones et moments clés à étudier. En outre, l’équipe envisage d’appliquer cette approche à d’autres troubles neurodégénératifs, comme la démence, ouvrant ainsi une nouvelle voie prometteuse pour la recherche en neurosciences.