Le rôle biologique de la variabilité locale et globale du signal BOLD en IRMf dans l’organisation cérébrale humaine à multiples échelles

Pourquoi de petits changements de l’activité cérébrale comptent

Nos cerveaux ne sont jamais vraiment au repos. Même quand nous sommes assis calmement, l’activité cérébrale monte et descend d’un instant à l’autre. Pendant des années, de nombreux scientifiques ont considéré ces fluctuations comme un « bruit » aléatoire qu’il fallait lisser. Cette étude pose une question simple mais puissante : et si ce bruit apparent était en réalité un signal porteur de sens, révélant l’organisation du cerveau et sa capacité à rester flexible tout au long de la vie ? En analysant ces petites oscillations dans les images cérébrales, les auteurs montrent que cette variabilité est une caractéristique centrale d’un cerveau en bonne santé, et non une anomalie.

Observer le clignotement moment par moment du cerveau

Les chercheurs se sont concentrés sur une méthode d’imagerie courante, l’IRMf, qui suit les variations d’oxygénation sanguine comme substitut de l’activité neuronale. Plutôt que d’avgérer ces signaux dans le temps, ils ont mesuré l’ampleur des variations d’un instant au suivant dans chaque région cérébrale. Ils ont nommé cela la « variabilité locale » et l’ont quantifiée par une mesure mathématique simple des changements moment-to-moment. Ils ont aussi étudié la « variabilité globale » — la manière dont les schémas de communication entre régions, ou connexions fonctionnelles, évoluent au fil du temps. Pour ce faire, ils ont utilisé une méthode résumant comment les motifs de connectivité à l’échelle du cerveau dérivent et se réorganisent pendant un scan, attribuant à chaque région un score de flexibilité de ses connexions.

Vérifier si la variabilité est réelle ou simplement du bruit d’appareil

Pour s’assurer qu’ils ne mesuraient pas de simples artefacts aléatoires de l’appareil, l’équipe a analysé plusieurs grands jeux de données publics. Ceux-ci comprenaient de jeunes adultes scannés avec différents paramètres d’IRMf, ainsi que des personnes couvrant l’ensemble de l’âge adulte. Ils ont montré que les mesures de variabilité globale étaient très fiables : les individus présentaient des motifs similaires sur des scans répétés, et les résultats clés se maintenaient entre différents protocoles d’acquisition. La variabilité locale et globale évoluait avec l’âge d’une manière cohérente avec des travaux antérieurs : les sujets plus âgés avaient tendance à présenter une plage dynamique atténuée, c’est‑à‑dire que leur activité cérébrale et leurs connexions fluctuaient moins dans le temps. Ces constats indiquent que la variabilité reflète des caractéristiques stables et biologiquement déterminées plutôt que du simple bruit de mesure.

Relier le clignotement cérébral aux cellules, à la chimie et au métabolisme

Puis les auteurs ont examiné comment ces profils de variabilité se recoupent avec ce que l’on sait de l’anatomie et de la chimie cérébrales. Ils ont cartographié la variabilité IRMf sur des atlas détaillés issus de prélèvements post-mortem, d’IRM haute résolution de microstructure cérébrale, d’expression génique, et de scans PET des récepteurs de neurotransmetteurs et du métabolisme. La variabilité locale était maximale dans les régions sensorielles, qui possèdent une couche d’entrée marquée et des populations cellulaires denses et diverses. Ces régions montraient aussi un fort débit sanguin et une consommation d’énergie élevée, suggérant qu’un traitement rapide et riche des informations entrantes s’accompagne d’un large éventail de réponses possibles. La variabilité globale, en revanche, culminait dans les aires d’« association » de haut niveau qui intègrent l’information à l’échelle du cerveau. Elle y était associée à des systèmes de signalisation plus lents et diffus et à des gradients connus allant du traitement sensoriel de base à la cognition abstraite.

Relier la variabilité IRMf aux rythmes cérébraux rapides

Parce que l’IRMf est relativement lente, l’équipe s’est tournée vers la magnétoencéphalographie (MEG), qui enregistre l’activité cérébrale à la résolution milliseconde. Ils ont calculé des mesures basées sur la MEG similaires à la variabilité locale et ont aussi analysé la forme du spectre de puissance cérébral, qui décrit la force des différentes fréquences. Des spectres plus plats — qui ressemblent à du bruit blanc et incluent davantage d’activité haute fréquence — s’accompagnaient d’une plus grande variabilité locale, tant dans les enregistrements réels que dans les données simulées. En comparant MEG et IRMf sur le cortex, ils ont trouvé des relations cohérentes entre les deux, indiquant que les fluctuations lentes observées en IRMf prennent racine dans des processus électriques sous-jacents plutôt que dans un simple dérive arbitraire.

Ce que cela implique pour la compréhension du cerveau

Pris ensemble, les résultats montrent que la variabilité des signaux cérébraux n’est pas un simple artefact sans importance. Elle présente une organisation spatiale, est stable et étroitement liée à la disposition cellulaire, au transport chimique des messages, à l’apport sanguin d’énergie et à la rapidité des décharges neuronales. La variabilité locale reflète les réponses riches et en constante évolution des régions conduites par les entrées, tandis que la variabilité globale reflète la coordination flexible des réseaux à grande échelle. Avec l’âge, ces plages dynamiques se réduisent, ce qui peut contribuer à expliquer les changements dans la pensée et le comportement. Pour un lecteur non spécialiste, le message principal est qu’un cerveau sain n’est pas une machine parfaitement stable mais un système finement ajusté et légèrement imprévisible dont les petites fluctuations sont essentielles à l’adaptation et à la résilience.

Citation: Baracchini, G., Zhou, Y., da Silva Castanheira, J. et al. The biological role of local and global fMRI BOLD signal variability in multiscale human brain organization. Nat Commun 17, 2189 (2026). https://doi.org/10.1038/s41467-026-68700-0

Mots-clés: variabilité du signal cérébral, imagerie par résonance magnétique fonctionnelle, réseaux cérébraux, neuroimagerie, dynamique neuronale