Étude révèle le système de chronométrage du cerveau pour la cognition

Des chercheurs de Rutgers Health ont identifié comment le cerveau intègre les traitements rapides et lents via des connexions de substance blanche, influençant les capacités cognitives. Publié dans Nature Communications, l'étude a analysé des données de près de 1 000 personnes pour cartographier ces échelles temporelles neuronales. Les variations dans ce système peuvent expliquer les différences d'efficacité de la pensée et promettent pour la recherche en santé mentale.

Le cerveau humain gère des informations arrivant à des vitesses très différentes, des signaux environnementaux immédiats aux réflexions délibérées sur le contexte et l'intention. Une nouvelle enquête de Rutgers Health, détaillée dans Nature Communications, révèle comment il parvient à cet équilibre via des échelles temporelles neuronales intrinsèques — fenêtres de traitement uniques pour chaque région cérébrale — et les réseaux de substance blanche qui les relient.

Dirigée par Linden Parkes, professeur adjoint de psychiatrie à Rutgers Health, l'équipe a examiné des images cérébrales de 960 individus pour construire des connectomes détaillés. Ils ont utilisé des modèles mathématiques pour tracer le flux d'informations à travers ces réseaux. « Pour influencer notre environnement par l'action, nos cerveaux doivent combiner des informations traitées sur différentes échelles temporelles », a expliqué Parkes. « Le cerveau y parvient en exploitant sa connectivité de substance blanche pour partager des informations entre régions, et cette intégration est cruciale pour le comportement humain. »

Les résultats montrent que l'arrangement de ces échelles temporelles à travers le cortex cérébral détermine la fluidité avec laquelle le cerveau passe d'un pattern d'activité à un autre lié au comportement. Tout le monde n'a pas la même configuration : « Nous avons constaté que les différences dans la manière dont le cerveau traite les informations à différentes vitesses aident à expliquer pourquoi les gens varient dans leurs capacités cognitives », a noté Parkes. Ceux qui ont un câblage mieux aligné pour les signaux rapides et lents tendent à montrer une capacité cognitive plus élevée.

Ces patterns sont également liés à des caractéristiques génétiques, moléculaires et cellulaires du cerveau, avec des parallèles observés chez les souris, indiquant une conservation évolutive. « Notre travail met en lumière un lien fondamental entre la connectivité de substance blanche du cerveau et ses propriétés computationnelles locales », a ajouté Parkes.

À l'avenir, les chercheurs prévoient d'appliquer ce cadre à des troubles comme la schizophrénie, le trouble bipolaire et la dépression pour explorer les perturbations du traitement temporel. Les collaborateurs incluaient Avram Holmes, Ahmad Beyh, Amber Howell et Jason Z. Kim de l'Université Cornell. L'étude est parue dans Nature Communications (2025 ; 16(1)), avec DOI : 10.1038/s41467-025-66542-w.

Articles connexes

Illustration of glowing whole-brain neural networks coordinating efficiently, representing a University of Notre Dame study on general intelligence.
Image générée par IA

Study points to whole-brain network coordination as a key feature of general intelligence

Rapporté par l'IA Image générée par IA Vérifié par des faits

University of Notre Dame researchers report evidence that general intelligence is associated with how efficiently and flexibly brain networks coordinate across the whole connectome, rather than being localized to a single “smart” region. The findings, published in Nature Communications, are based on neuroimaging and cognitive data from 831 Human Connectome Project participants and an additional 145 adults from the INSIGHT Study.

A common belief that the frontal lobe fully develops by age 25 has been challenged by recent neuroscience findings. New brain-imaging studies reveal that key neural wiring and network efficiency evolve well into the early 30s. This extended timeline highlights ongoing maturation processes in the brain.

Rapporté par l'IA

Researchers have identified brain connectivity patterns tied to autism symptom severity in children diagnosed with either autism or ADHD. The findings, from a study led by the Child Mind Institute, suggest shared biological mechanisms across these conditions regardless of formal diagnosis. These patterns align with genetic activity involved in neural development.

Researchers at the University of California, Irvine report that a machine-learning system called SIGNET can infer cause-and-effect links between genes in human brain tissue, revealing extensive rewiring of gene regulation—especially in excitatory neurons—in Alzheimer’s disease.

Ce site utilise des cookies

Nous utilisons des cookies pour l'analyse afin d'améliorer notre site. Lisez notre politique de confidentialité pour plus d'informations.
Refuser