De nouvelles analyses de la structure du cerveau humain à l’échelle cellulaire suggèrent que celui-ci se trouve dans un état « critique », comparable à une « transition de phase ».
« Criticité » cérébrale
Pour parvenir à cette conclusion, Helen Ansell et son collègue István Kovács, de l’université Northwestern, ont étudié des modélisations 3D haute résolution du cerveau de l’Homme, de la souris et de la mouche des fruits. Détaillé dans la revue Scientific Reports, cet examen a révélé que le tissu cérébral présentait des signes clairs de « criticité », lorsqu’un matériau est sur le point – ou commence déjà – de passer d’un état à un autre.
« La structure du cerveau au niveau cellulaire semble proche d’une transition de phase », explique Ansell. « Un exemple quotidien d’un tel phénomène est la fonte de la glace. Il s’agit toujours de molécules d’eau, mais elles passent de l’état solide à liquide. »
Le principal indicateur de cette transition au sein du cerveau se résumait aux motifs formés par les neurones, se répétant à différentes échelles nanométriques (fractals), et à la distribution homogène des ces différents types de cellules cérébrales. « Ce sont des caractéristiques que l’on retrouve dans tous les systèmes critiques en physique », souligne Kovács. « Il semble que le cerveau maintienne un équilibre délicat entre deux phases. »
Un état universel ?
Selon le duo, le fait que des observations similaires aient été réalisées lors de l’étude de la structure cérébrale du rat et de la mouche des fruits suggère que cette « criticité » est partagée par les insectes et les mammifères. Ce que de futures études pourraient confirmer.
« Au départ, ces structures semblaient très différentes [un cerveau complet de mouche fait environ la taille d’un neurone humain], mais nous avons par la suite découvert des similitudes étroites », écrivent les auteurs de la nouvelle étude. « Les mesures réalisées étaient cohérentes d’un organisme à l’autre. »
Outre une meilleure compréhension de la structure du cerveau, de telles découvertes pourraient également permettre d’améliorer les performances des réseaux neuronaux.