Association-sensory spatiotemporal hierarchy and functional gradient-regularised recurrent neural network with implications for schizophrenia.

Contexte : Le néocortex humain est organisé fonctionnellement selon une hiérarchie continue allant des aires sensorielles vers les aires associatives (AS). Cette organisation est perturbée dans la schizophrénie, ce qui pourrait affecter les dynamiques neuronales et les processus cognitifs. Objectif : Explorer comment la hiérarchie AS est altérée dans la schizophrénie et quelles sont les conséquences computationnelles de ces altérations. Méthode : Utilisation d'un grand jeu de données fMRI (N = 355) pour extraire des gradients AS via l'analyse spectrale des connexions cérébrales. Les réseaux de neurones récurrents (RNN) régularisés par ces gradients ont été entraînés sur des tâches de mémoire de travail pour évaluer les impacts computationnels. Résultats : La schizophrénie présente une hiérarchie AS compressée, avec une différenciation fonctionnelle réduite. Les régions spécialisées aux extrémités des gradients montrent des temps d'échelle neuronaux plus longs, altérés dans la schizophrénie. Les RNN régularisés avec des gradients étendus apprennent plus efficacement, atteignent un seuil de perte plus bas et maintiennent une meilleure stabilité des états neuronaux. Intérêt clinique : Ce travail établit un lien entre l'architecture corticale à grande échelle et la stabilité computationnelle, suggérant que la dédifférenciation des gradients AS pourrait déstabiliser les calculs neuronaux dans la schizophrénie. Ces résultats offrent une hypothèse computationnelle pour comprendre les troubles cognitifs associés à la maladie. Limites : Les conclusions reposent sur une analyse de données fMRI et un modèle RNN spécifique. Des études complémentaires sur des populations diversifiées et des approches expérimentales sont nécessaires pour valider ces hypothèses.

Hiérarchie AS compressée dans la schizophrénie Altération des temps d'échelle neuronaux dans les régions spécialisées RNN régularisés par les gradients AS montrent une meilleure stabilité computationnelle Lien entre architecture corticale et instabilité des états neuronaux

Les altérations de la hiérarchie AS pourraient expliquer les troubles cognitifs dans la schizophrénie Approche computationnelle pour modéliser les dysfonctionnements neuronaux Pistes pour des interventions ciblant la stabilité des réseaux neuronaux

Analyse basée sur un seul jeu de données fMRI Modèle RNN simplifié, nécessitant des validations expérimentales Absence de données sur les mécanismes moléculaires ou génétiques sous-jacents

Preprint