Traçage neuronal

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].

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]}.

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].

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.

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].

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],[39]. 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.