Résumé IA · DOI: 10.64898/2026.10.30.762948 · bioRxiv: Neuroscience

Persistent hippocampal traces of lifelong spatial memory

J. Wu, M. Meister, C. Lois
Article original Publié le 06 Nov. 2026 bioRxiv preprint Licence : CC BY-NC-ND 4.0 Aussi en : en

Comment lire ce résumé ? Guide illustré

L’essentiel

Après deux jours d’apprentissage, des souris gardent des souvenirs spatiaux pendant des mois, associés à des traces sélectives et progressivement plus stables dans CA1.

Question

Comment un souvenir spatial peut-il persister malgré la dérive des représentations hippocampiques, et quelles composantes du code neuronal restent liées à la navigation après une longue absence ?

Méthode

Des souris ont exploré un labyrinthe en arbre binaire comportant 64 extrémités et six choix successifs, lors de cycles de deux jours séparés d’environ 90 jours, jusqu’à un an. Les auteurs ont suivi le comportement et réalisé une imagerie calcique longitudinale des neurones CA1 dorsaux; 21 412 correspondances neuronales entre sessions ont été obtenues chez 14 souris, dont 18 409 répondaient au critère d’activité pour les analyses spatiales.

Résultats

  • Résultat Au retour, l’exploration était environ trois fois plus efficace que lors de la première exposition, et les souris reprenaient plus tôt les trajets directs vers la récompense.
    Voir le passage dans l’article
    Efficiency was about three times higher on return days than when naive (Fig. 1g, Extended Data Fig. 1h–j).
  • Résultat Les vecteurs d’activité de population et les cartes spatiales individuelles restaient en moyenne plus similaires au niveau du hasard jusqu’à neuf mois, mais pas à douze mois.
    Voir le passage dans l’article
    Nevertheless, the average correlations remained above the shuffled baseline through the 9-month interval, whereas by 12 months, correlations were no longer distinguishable from chance.
  • Résultat Les représentations neuronales se rapprochaient davantage de celles du second jour avec l’expérience, et leur dérive entre cycles diminuait également.
  • Résultat La préservation du code correspondant à la profondeur dans l’arbre était associée à une exploration plus efficace au retour.
    Voir le passage dans l’article
    The better the level code was preserved, the more efficiently mice explored on return (r = 0.75; Fig. 5e).
  • Résultat Le code spatial conservé était plus fiable près de la récompense et cette précision était liée à la reprise plus précoce des trajets directs.
    Voir le passage dans l’article
    The relationship held even at the single tile beside the reward, where lower error accompanied an earlier first long bout (Fig. 4f).

Limites

  • L’expérience porte sur un seul labyrinthe en arbre binaire et ne permet pas d’établir si les mêmes formes de mémoire persistent dans d’autres configurations spatiales.
  • Les auteurs signalent que l’accord entre le code neuronal et le comportement est corrélationnel, et présentent l’usage de cette trace par les souris comme une conclusion possible plutôt que comme une démonstration causale.
    Voir le passage dans l’article
    These strong correlations support the conclusion that mice might actually use their lasting hippocampal representation of the maze to navigate after months away.
  • Le préprint n’a pas été évalué par les pairs au moment de sa diffusion.
    Voir le passage dans l’article
    which was not certified by peer review

Portée

Les auteurs proposent qu’une mémoire spatiale durable n’exige pas la conservation de toutes les cartes de lieux : l’hippocampe préserverait sélectivement des informations structurelles utiles aux choix et des repères précis près de la récompense. Le suivi longitudinal dans une tâche complexe relie ces traces conservées à des aspects distincts de la navigation après plusieurs mois.

Rédigé par une IA à partir de l’article. Les passages cités sont vérifiés mot pour mot dans le texte analysé ; le reste peut contenir des erreurs.

Mots clés générés par l'IA : mémoire spatiale hippocampe CA1 dérive neuronale navigation

Pour aller plus loin

  • Résumé Complet
  • Résumé vulgarisé
  • Article de blog
  • Abstract original
Cette étude examine comment une brève expérience spatiale peut laisser une mémoire exploitable après de longues périodes sans contact avec l’environnement, alors même que les représentations des lieux dans l’hippocampe dérivent au fil du temps. Les auteurs cherchent à déterminer quelles informations persistent dans l’hippocampe et si leur stabilité est liée à la capacité des animaux à s’orienter. Les chercheurs ont entraîné des souris dans un labyrinthe complexe en forme d’arbre binaire, comportant six embranchements et 64 impasses, avec un point d’eau fixe à l’une des extrémités. Les souris ont exploré le labyrinthe pendant deux jours consécutifs, puis y sont revenues après des périodes d’absence d’environ 90 jours, pouvant aller jusqu’à un an. Elles circulaient librement entre le labyrinthe et leur cage. Pour évaluer la mémoire comportementale, l’équipe a notamment mesuré le temps nécessaire avant le premier trajet soutenu vers l’eau et l’efficacité de l’exploration, calculée à partir du nombre de visites d’impasses nécessaires pour découvrir 32 extrémités distinctes. Chez 14 souris, l’imagerie calcique longitudinale a également permis de suivre les mêmes neurones de CA1 dorsal lors des différents retours. Les analyses ont porté sur les cartes spatiales individuelles, les profils d’activité des populations neuronales et le taux d’activité des neurones. Après le premier intervalle de 90 jours, les souris mettaient environ trois fois moins de temps qu’au début pour entreprendre un trajet soutenu vers la récompense. Leur exploration était également environ trois fois plus efficace : elles revisitaient moins souvent les impasses déjà explorées et retournaient plus fréquemment au tronc de l’arbre pour accéder à d’autres zones. Ces améliorations progressaient au fil des retours, qui pouvaient s’étaler sur un an. Elles ne s’expliquaient pas simplement par une locomotion plus rapide. Les souris ayant exploré le labyrinthe sans récompense avant l’introduction de l’eau obtenaient de meilleurs résultats que des souris naïves, mais de moins bons résultats que les souris déjà revenues dans le labyrinthe. Cela suggère que l’expérience de la récompense contribue à l’amélioration. Toutefois, après 90 jours, les souris ne manifestaient pas de préférence fiable pour la séquence de virages menant directement à l’eau. Leur performance ne reposait donc pas sur la mémorisation d’un itinéraire fixe. Les représentations de CA1 persistaient, mais de façon sélective. Après 90 jours, la corrélation moyenne entre les réponses de la population neuronale aux mêmes emplacements était de 0,23, contre 0,12 pour les cartes de lieu individuelles et 0,56 pour le taux d’activité relatif des neurones. Les corrélations restaient supérieures au niveau du hasard jusqu’à neuf mois, mais plus à douze mois. La représentation se réorganisait également au cours des visites : les retours commençaient plus près de la carte observée le deuxième jour, et la stabilité des représentations, au cours d’une même visite comme entre les visites, augmentait avec l’expérience. Deux formes de mémoire ressortaient particulièrement. D’une part, le code spatial était plus fiable près de la récompense que dans des lieux de contrôle comparables. Une meilleure capacité des neurones à prédire la position près de l’eau était associée à un trajet soutenu plus précoce. D’autre part, les neurones conservaient souvent leur réponse à un niveau donné de l’arbre, même lorsque leur emplacement préféré changeait.

Cette synthèse vous a-t-elle été utile ?

Note : 0

Pourquoi avons-nous besoin de votes ?

Les votes sont utilisés pour déterminer si nous devons réexécuter nos outils de synthèse. Si le compte atteint -10, nos outils peuvent être redémarrés.

Posez des questions sur cet article à notre assistant IA

Comment discuter avec cet article ? Guide illustré

Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.

Figures et graphiques

Posez une question sur une figure en indiquant son numéro ou en utilisant son bouton de question pour demander une analyse visuelle. Au maximum deux figures et quatre panneaux par question. Les valeurs lues sur les graphiques sont approximatives ; vérifiez les données originales.

Instructions pour utiliser l'assistant IA ?

Outils pour cet article

Expliquer autrement 1 réécriture gratuite restante aujourd'hui
Enregistrer dans une collection Regroupez des articles en collections pour les comparer, les interroger et les exporter. Continuer avec Google Créer un compte gratuit Se connecter

Outils avancés Premium

Pour suivre un domaine de près : alertes de citations, diapositives de journal club, comparaison des versions et envoi vers Zotero. Découvrir Premium

Zotero
Alertes de citation Guide des alertes de citations
Lettre hebdomadaire Présenté dans « Cerveau et comportement cette semaine » du 9 novembre 2026. Cerveau et comportement cette semaine : des souvenirs qui persistent aux signaux qui trompent

Les articles autour de celui-ci

Les voir sur une carte

Classés selon la proximité de leur titre et de leur résumé avec ceux de cet article. Sélectionnez-en pour les lire ensemble.

Les articles les plus proches

  1. Proche Même question
    Infantile amnesia results from differential memory retrieval in humans
    S. D. Power, A. Werwach, A. Peikert et al. · 2026 · bioRxiv preprint · Résumé IA disponible

    Infantile amnesia results from differential memory retrieval in humans examine si des souvenirs précoces persistent ou deviennent inaccessibles au fil de tests longitudinaux chez des tout-petits.

    En bref

    L’étude suggère que les souvenirs précoces ne sont pas simplement effacés, mais deviennent moins accessibles, selon les mécanismes de récupération et l’environnement prénatal.

  2. Proche Contexte plus large
    Emergence of Maps in the Memories of Blind Navigation Agents
    Erik Wijmans, Manolis Savva, Irfan Essa et al. · 2023 · Artificial Intelligence · cité 52 fois · Résumé IA disponible

    Emergence of Maps in the Memories of Blind Navigation Agents cherche si des agents artificiels apprennent des représentations spatiales internes pour naviguer.

    Résumé scientifique

    Animal navigation research posits that organisms build and maintain internal spatial representations, or maps, of their environment. We ask if machines -- specifically, artificial intelligence (AI) navigation agents -- also build implicit (or 'mental') maps. A positive answer to this question would (a) explain the surprising phenomenon in recent literature of ostensibly map-free neural-networks achieving strong performance, and (b) strengthen the evidence of mapping as a fundamental mechanism for navigation by intelligent embodied agents, whether they be biological or artificial. Unlike animal navigation, we can judiciously design the agent's perceptual system and control the learning paradi…

  3. Proche Contexte plus large
    Sequence learning, prediction, and replay in networks of spiking neurons
    Younes Bouhadjar, Dirk J. Wouters, Markus Diesmann et al. · 2021 · Neurons and Cognition · cité 22 fois · Résumé IA disponible

    Sequence learning, prediction, and replay in networks of spiking neurons décrit un modèle neuronal d’apprentissage de séquences, de prédiction et de rejeu, sans étudier la mémoire spatiale durable.

    Résumé scientifique

    Sequence learning, prediction and replay have been proposed to constitute the universal computations performed by the neocortex. The Hierarchical Temporal Memory (HTM) algorithm realizes these forms of computation. It learns sequences in an unsupervised and continuous manner using local learning rules, permits a context specific prediction of future sequence elements, and generates mismatch signals in case the predictions are not met. While the HTM algorithm accounts for a number of biological features such as topographic receptive fields, nonlinear dendritic processing, and sparse connectivity, it is based on abstract discrete-time neuron and synapse dynamics, as well as on plasticity mecha…

  4. Apparenté Article de revue
    How to build a cognitive map: insights from models of the hippocampal formation
    James C. R. Whittington, David McCaffary, Jacob J. W. Bakermans et al. · 2022 · Neurons and Cognition · preprint, non relu par les pairs · cité 24 fois · Résumé IA disponible

    How to build a cognitive map: insights from models of the hippocampal formation passe en revue des modèles reliant représentations hippocampiques, calcul et comportement dans les cartes cognitives.

    Résumé scientifique

    Learning and interpreting the structure of the environment is an innate feature of biological systems, and is integral to guiding flexible behaviours for evolutionary viability. The concept of a cognitive map has emerged as one of the leading metaphors for these capacities, and unravelling the learning and neural representation of such a map has become a central focus of neuroscience. While experimentalists are providing a detailed picture of the neural substrate of cognitive maps in hippocampus and beyond, theorists have been busy building models to bridge the divide between neurons, computation, and behaviour. These models can account for a variety of known representations and neural pheno…

  5. Apparenté Même méthode, autre problème
    Human-like Episodic Memory for Infinite Context LLMs
    Zafeirios Fountas, Martin A Benfeghoul, Adnan Oomerjee et al. · 2024 · Proc. International Conference on Learning Representations (ICLR), 2025 · cité 74 fois · Résumé IA disponible

    Human-like Episodic Memory for Infinite Context LLMs transpose des principes de mémoire épisodique humaine à un système informatique pour conserver des expériences sur de longs contextes.

    Résumé scientifique

    Large language models (LLMs) have shown remarkable capabilities, but still struggle with processing extensive contexts, limiting their ability to maintain coherence and accuracy over long sequences. In contrast, the human brain excels at organising and retrieving episodic experiences across vast temporal scales, spanning a lifetime. In this work, we introduce EM-LLM, a novel approach that integrates key aspects of human episodic memory and event cognition into LLMs, enabling them to effectively handle practically infinite context lengths while maintaining computational efficiency. EM-LLM organises sequences of tokens into coherent episodic events using a combination of Bayesian surprise and …

  6. Apparenté Même méthode, autre problème
    Position: Episodic Memory is the Missing Piece for Long-Term LLM Agents
    Mathis Pink, Qinyuan Wu, Vy Ai Vo et al. · 2025 · Artificial Intelligence · preprint, non relu par les pairs · cité 46 fois · Résumé IA disponible

    Position: Episodic Memory is the Missing Piece for Long-Term LLM Agents propose une mémoire épisodique inspirée des systèmes biologiques pour permettre aux agents LLM de retenir des expériences.

    Résumé scientifique

    As Large Language Models (LLMs) evolve from text-completion tools into fully fledged agents operating in dynamic environments, they must address the challenge of continually learning and retaining long-term knowledge. Many biological systems solve these challenges with episodic memory, which supports single-shot learning of instance-specific contexts. Inspired by this, we present an episodic memory framework for LLM agents, centered around five key properties of episodic memory that underlie adaptive and context-sensitive behavior. With various research efforts already partially covering these properties, this position paper argues that now is the right time for an explicit, integrated focus…

  7. Apparenté Contexte plus large
    It's All Connected: A Journey Through Test-Time Memorization, Attentional Bias, Retention, and Online Optimization
    Ali Behrouz, Meisam Razaviyayn, Peilin Zhong et al. · 2025 · Machine Learning · preprint, non relu par les pairs · cité 68 fois · Résumé IA disponible

    It's All Connected: A Journey Through Test-Time Memorization, Attentional Bias, Retention, and Online Optimization relie mémoire associative et rétention dans des architectures de modèles de séquence.

    Résumé scientifique

    Designing efficient and effective architectural backbones has been in the core of research efforts to enhance the capability of foundation models. Inspired by the human cognitive phenomenon of attentional bias-the natural tendency to prioritize certain events or stimuli-we reconceptualize neural architectures, including Transformers, Titans, and modern linear recurrent neural networks as associative memory modules that learn a mapping of keys and values using an internal objective, referred to as attentional bias. Surprisingly, we observed that most existing sequence models leverage either (1) dot-product similarity, or (2) L2 regression objectives as their attentional bias. Going beyond the…

  8. Apparenté Contexte plus large
    The human-specific gene FRMPD2B couples postnatal experience to the expansion of cortical connectivity
    E. Christopoulou, J. Zamith, P. Bonadonna et al. · 2026 · bioRxiv preprint · Résumé IA disponible

    The human-specific gene FRMPD2B couples postnatal experience to the expansion of cortical connectivity étudie comment l’expérience postnatale façonne la connectivité corticale, plutôt que la persistance de souvenirs spatiaux.

    En bref

    FRMPD2B, gène humain spécifique régulé par l’activité et l’expérience, favorise la morphogenèse des neurones corticaux et contribue à leur connectivité.

Comment ces articles sont-ils trouvés ?

Nous comparons le titre et le résumé de cet article avec ceux de tous les articles résumés sur ce site, et avec les articles que Semantic Scholar recommande, ceux qu’il cite et ceux qui le citent (pour un article très cité, ses citations les plus récentes et, depuis OpenAlex, les plus citées). Parmi les travaux antérieurs et les suites, les articles qui s’utilisent en profondeur, une méthode qu’il utilise et les suites très citées remontent un peu. Les niveaux (très proche, proche, apparenté) viennent de la similarité des textes, pas d’un jugement de qualité ; * signale un article sans résumé, comparé par son titre. La phrase sous un article est écrite par une IA à partir des deux résumés : vérifiez-la dans les articles. Un article jugé hors sujet par trois lecteurs quitte la liste.

Mis à jour le 9 novembre 2026.

Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.