La neuro-biomécanique, c’est magique !

83

V. La neuro-biomécanique, c’est magique !

Comme je l’ai mentionné précédemment, mon parcours scientifique m’a conduit à opérer une transition thématique à la suite de ma nomination comme maître de conférences au sein de la Faculté des Sciences du Sport et du Mouvement Humain de l’Université Paul Sabatier. Ce changement ne relève en rien de subtilités géométrico-sportives relatives à un changement de forme du rond vers l’ovale, mais bien à ma volonté d’apporter des éléments de réponses aux hypothèses restées en suspens sur le lien existant entre la plasticité des mécanismes nerveux centraux de contrôle de la motricité et la régulation de la co-contraction agoniste/antagoniste. L’augmentation significative de co-contraction agoniste/antagoniste chez certaines populations de patients (Cremoux et al., 2012 ; Thomas et al., 1998) pourrait en effet résulter d’une diminution du contrôle cortical des mécanismes inhibiteurs spinaux (Knikou, 2012) ou d’une réorganisation des commandes corticales (Muller-Putz et al., 2007). De la même manière, la diminution de co-contraction suite à un entrainement en force (Amarantini & Bru, 2015 ; Carolan & Cafarelli, 1992) semble liée, au moins en partie, aux adaptations induites aux niveaux cortical (Falvo et al., 2010 ; Griffin & Cafarelli, 2005) et du faisceau cortico-spinal (Aagaard et al., 2002 ; Carroll et al., 2002 ; Vila-Chã et al., 2012). Avec ma alors néo-collègue Marieke Longcamp, spécialiste des neurosciences cognitives, nous avons rapidement pris conscience de la nécessité d’initier une nouvelle démarche au croisement de la biomécanique, des neurosciences et du traitement avancé du signal pour relever ce défi. Ce travail réflexif a abouti au projet NeuroBioméCo qui m’a permis, tout en poursuivant mes travaux en biomécanique, de co-encadrer la thèse de Fabien Dal Maso (Dal Maso, 2012) sur les corrélats cérébraux de la co-contraction agoniste/antagoniste, précurseur des thèses de Sylvain Cremoux (Cremoux, 2013) et Camille Charissou (Charissou, 2018).

Ces travaux reposent sur un corpus très étendu de publications en neurosciences et en contrôle moteur qui ont tous établi de manière convergente que le contrôle et la régulation des activations musculaires agonistes et antagonistes sont principalement effectués par les structures spinales et corticales. Au niveau spinal, les motoneurones alpha (a) et les

Amarantini, D. Habilitation à Diriger des Recherches | La neuro-biomécanique, c’est magique !

interneurones inhibiteurs permettent de moduler rapidement les activations musculaires en stimulant la contraction des muscles agonistes et en inhibant la contraction des muscles antagonistes (Pierrot-Deseilligny & Burke, 2005). Au niveau cortical, le cortex moteur primaire contrôle et régule le niveau de stimulation et d’inhibition des motoneurones a et des interneurones inhibiteurs (Crone et al., 1994). Lors de la réalisation d’une action motrice, les premières études par EEG ont mis en évidence une modulation caractéristique de l’activité corticale enregistrée au-dessus du cortex moteur (Gastault, 1952 ; Gastault et al., 1952), décrite plus tard comme une diminution de la puissance spectrale comparativement à un état de repos (Pfurtscheller, 1977, 1981 ; Pfurtscheller & Aranibar, 1977, 1979 ; Pfurtscheller et al., 1997 ; Pfurtscheller & Lopes da Silva, 1999). Cette réactivité somatotopique des rythmes électrocorticaux est connue sous le terme de désynchronisation corticale (abrégé ERD pour ‘Event-Related Desynchronization’). L’ERD ~20 Hz au-dessus du cortex moteur reflèterait une augmentation de l’excitabilité cortical spécifiquement liée aux processus de préparation et d’exécution du mouvement (Crone et al., 1998 ; Patino et

al., 2006 ; Pfurtscheller, 1981 ; Pfurtscheller et al., 2003 ; Riehle et al., 2004 ; Salmelin &

Hari, 1994). Si des travaux ont ainsi montré que l’activation de cortex moteur augmente avec le niveau de force (Mima et al., 1999 ; Stancák et al., 1997), il restait à clarifier l’hypothèse d’un codage supra-spinal de l’activation antagoniste en lien avec la modulation de la co-contraction.

Dans ce contexte, l’étude de Dal Maso et al. (2012) a été d’une importance majeure pour mon cheminement scientifique. Ce travail visait à comparer la désynchronisation EEG quantifiée ~20 Hz lors de contractions isométriques des extenseurs et des fléchisseurs du genou entre des participants entraînés en force (ST) et des participants entraînés en endurance (ED) (Figure 6). Du point de vue de ma démarche de recherche, ce travail a été à l’origine de l’ensemble des questions de recherche que j’ai développées depuis, et auxquelles je souhaite donner priorité à l’avenir dans le domaine de la neuro-biomécanique (cf. VI.) Il a révélé pour la première fois une augmentation de l’activation du cortex moteur primaire associée à une diminution du niveau d’activation des muscles antagonistes entre ST et ED. Ces résultats ont permis de suggérer un encodage spécifique de l’activation antagoniste à travers les oscillations corticales dans la bande de fréquence b (21-31 Hz), qui pourrait être responsable de l’amélioration de l’efficience énergétique de la contraction musculaire chez les participants entrainés en force à travers une diminution de la co-contraction agoniste/antagoniste (Amarantini & Bru, 2015). En outre, en mettant en évidence pour la première fois que les adaptations induites par un entraînement régulier en force sont

85

associées à une modulation des oscillations corticales au cours de contractions isométriques sous-maximales, cette étude a également permis d’enrichir les connaissances fondamentales relatives à la plasticité centrale induite par l’entrainement (Falvo et al., 2010 ; Griffin & Cafarelli, 2005).

Figure 6, adaptée de Dal Maso (2012) : Représentation topographique de la réactivité des

rythmes électrocorticaux dans la bande de fréquences 21-31 Hz (β-haut) chez des participants entrainés en force (a.) et en endurance (b.) au cours des contractions isométriques en extension et en flexion réalisées à 20, 40, 60 et 80 % de la force maximale volontaire dite « relative » (rMVC) définie comme la force maximale produite sans contamination du signal EEG par des artefacts oculaires, musculaires ou mécaniques liés à la contraction. La désynchronisation EEG, c’est-à-dire la diminution de la puissance spectrale des signaux EEG (en bleu), reflète l’activité corticale liée à la contraction des muscles impliqués dans la production de force.

a.

b.

Amarantini, D. Habilitation à Diriger des Recherches | La neuro-biomécanique, c’est magique !

Ce travail a souligné tout le bien-fondé et la pertinence d’avoir entrepris la conversion thématique de mes activités de recherche de la biomécanique vers la neuro-biomécanique en développant, à partir d’une feuille presque blanche, un paradigme combinant l’analyse EEG à celle de l’EMG et des efforts musculaires. Si cette tâche relevait d’un challenge risqué aussi bien du point de vue méthodologique que de ma démarche scientifique et de sa valorisation, elle est apparue nécessaire et judicieuse pour dépasser les limites d’une approche restreinte à l’analyse biomécanique afin d’étudier de manière approfondie les mécanismes nerveux centraux de contrôle de la redondance musculaire. Les résultats positifs obtenus au début de la thèse de Fabien Dal Maso (Dal Maso, 2012 ; Dal Maso et al., 2012) m’ont encouragé à approfondir l’étude du lien entre la réactivité des rythmes électrocorticaux et la co-contraction agoniste/antagoniste à travers l’étude des interactions cortico-musculaires et intermusculaires. Ces travaux novateurs ont constitué la seconde partie de la thèse de Fabien Dal Maso et se sont poursuivis de manière logique dans le cadre des thèses de Sylvain Cremoux (Cremoux, 2013) et Camille Charissou (Charissou, 2018) que j’ai co-encadrées.

En neurophysiologie et en neurosciences, la notion de cohérence repose sur le constat, aujourd'hui unanimement partagé, que les oscillations cérébrales EEG présentent la particularité d’être couplées avec l’activité EMG (Conway et al., 1995 ; Kilner et al., 1999, 2000 ; Mima et al., 1999 ; Salenius et al., 1997). Même si les premières études étudiant les similarités entre les activités corticale et musculaire remontent aux années 1930 (Adrian & Moruzzi, 1939 ; Jasper & Andrews), ce couplage singulier a été mis en évidence dans le milieu des années 1990 et peut être mesurée par la cohérence cortico-musculaire. Cette dernière correspond à la corrélation entre le signal EEG enregistré au-dessus du cortex moteur et le signal EMG du muscle d’intérêt (Mima & Hallett, 1999), et reflète la communication entre les niveaux central et périphérique. L’étude princeps de Conway et al. (1995) a montré que l’activité corticale est significativement corrélée avec l’activité musculaire dans la bande de fréquence ~20 Hz lors d’une contraction musculaire volontaire isométrique. A la lumière de ces résultats, il a été suggéré que la cohérence cortico-musculaire pourrait fournir une information pertinente sur le contrôle supra-spinal de la contraction musculaire (Baker & Baker, 2003 ; Chakarov et al., 2009). De nombreuses études ont enrichi cette première analyse par l’apport de nouvelles connaissances sur les différents facteurs qui interviennent dans la modulation de la cohérence cortico-musculaire. Ces travaux ont établi que, tout en reflétant essentiellement l’implication de commandes

87

d’origine corticale dans le contrôle direct des muscles impliqués dans la production d’un effort musculaire (Boonstra, 2013 ; Reyes et al., 2017), la cohérence cortico-musculaire peut aussi refléter le contrôle de la circuiterie spinale par les structures corticales et sous-corticales (Hansen et al., 2005 ; Norton & Gorassini, 2006 ; Raethjen et al., 2002 ; Semmler

et al., 2013).

Au regard de ces hypothèses, l’analyse des interactions cortico-musculaires m’est apparue particulièrement adaptée pour étudier les stratégies neurales relatives au contrôle de la redondance musculaire et de la co-contraction agoniste/antagoniste. Pour approfondir cette approche, il m’a semblé intéressant de faire appel à l’analyse de cohérence inter-musculaire en complément de celle réalisée par cohérence EEG-EMG (Boonstra et al., 2009). La cohérence intermusculaire, ou cohérence EMG-EMG, mesure la synchronie entre deux signaux EMG issus d’une paire de muscles synergistes (Farmer, 1998 ; Farmer et al., 1993 ; Grosse et al., 2002 ; Rosenberg et al., 1989). D’une part, elle peut être considérée comme un marqueur de la coordination intermusculaire (Jesunathadas et al., 2013 ; Kattla & Lowery, 2010 ; Poston et al., 2010 ; Winges et al., 2008). D’autre part, même si son interprétation peut donner lieu à débat (Dideriksen et al., 2018), sa modulation permet d’émettre des hypothèses quant à l’implication de différentes conductions nerveuses synchrones dans la régulation des activités musculaires (Aumann & Prut, 2015 ; Boonstra, 2013 ; de Vries et al., 2016 ; Erimaki & Christakos, 2008 ; Farmer, 1998 ; Farmer et al., 1993 ; Laine & Valero-Cuevas, 2017 ; Nazarpour et al., 2012 ; Poston et al., 2010).

Dès lors, l’objectif des travaux que j’ai menés sur les cohérences cortico-musculaire et intermusculaires visaient à contribuer à la fois à une meilleure compréhension du contrôle nerveux central de la co-contraction agoniste/antagoniste, et à l’acquisition de connaissances nouvelles sur le rôle fonctionnel encore peu, voire pas connu, de chacune des cohérences EEG-EMG et EMG-EMG. La thèse de Fabien Dal Maso chez des participants entrainés en force vs en endurance, puis celle de Sylvain Cremoux chez des participants tétraplégiques, et enfin celle de Camille Charissou sur la préhension se sont inscrites dans cette démarche innovante dont j’ai pu poursuivre le développement grâce à l’étroite collaboration d’Eric Berton et Laurent Vigouroux de l’Institut des Sciences du Mouvement Etienne-Jules Marey à Marseille.

Mais, parce qu’il y a un important « mais » d’ordre méthodologique qui aurait pu compromettre la faisabilité de ces projets, ces travaux n’auraient pas pu aboutir sans remettre en question de manière fondamentale la méthode la plus communément utilisée pour

Amarantini, D. Habilitation à Diriger des Recherches | La neuro-biomécanique, c’est magique !

l’analyse de cohérence. Cette démarche traduit ma volonté, parfois jusqu'au-boutiste, de faire reposer les produits de mes recherches sur des données auxquelles peuvent être accordé le niveau de confiance le plus élevé quelle que soit la complexité des traitements dont elles sont issues. Ce mode de fonctionnement a été au cœur de mon travail de thèse sur l’estimation des moments musculaires, et revêt un caractère absolument essentiel qui conditionne en partie mon cheminement scientifique et ma pratique d’encadrement. Force est de constater que, comme l’ont souligné McClelland et al. (2012), une grande partie des travaux sur l’analyse de cohérence en neurosciences perpétuent des méthodes d’analyse inappropriées qui peuvent biaiser les résultats. Non, à mon sens, le débat concernant par exemple la rectification du signal EMG n’a pas lieu d’être (Boonstra & Breakspear, 2012 ; Dakin et al., 2014 ; Farina et al., 2013 ; Farmer & Halliday, 2014 ; Keenan et al., 2012 ; McClelland et al., 2012, 2014a, 2014b ; Myers et al., 2003 ; Neto & Christou, 2010 ; Ward

et al., 2013) : l’analyse de cohérence repose sur la modélisation des signaux EEG et/ou EEG

comme des processus gaussiens centrés, pré-requis que ne satisfait évidemment pas un signal EMG redressé, même si ce prétraitement permettait d’améliorer la détection de la cohérence (Ward et al., 2013). De la même manière, le fait que la très grande majorité des études fassent appel à une analyse fréquentielle alors que les signaux électrophysiologiques sont fortement non-stationnaires (Allen & MacKinnon, 2010 ; Brittain et al., 2007 ; Cohen & Walden, 2010 ; Mehrkranoon et al., 2011) constitue une limite à la généralisation des résultats.

Ces réflexions ont abouti au développement d’une méthode temps-fréquence novatrice permettant d’évaluer la dépendance entre des processus oscillatoires non stationnaires. Cette importante contribution méthodologique a donné lieu à la publication suivante, présentée de manière détaillée p. 91-105 et illustrée Figure 7 :

• Bigot, J., Longcamp, M., Dal Maso, F., Amarantini, D. (2011). A new statistical test based on the wavelet cross-spectrum to detect time-frequency dependence between non-stationary signals: application to the analysis of cortico-muscular interactions. NeuroImage. 55(4), 1504-1518.

Cette méthode repose sur la transformation des signaux dans le domaine temps-fréquence par une approche en ondelettes adaptée du package ‘cross wavelet and wavelet coherence toolbox for MATLAB’ initialement mis à disposition de la communauté scientifique par Grinsted et al. (2004) pour des applications dans le domaine de l’océanographie. L’originalité de la méthode développée en collaboration avec Jérémie Bigot, spécialiste en mathématiques et statistiques, est de tester la significativité des

89

interactions entre les processus oscillatoires sur le spectre croisé des signaux étudiés. Cette approche permet de s’affranchir du problème récurrent de détection de faux positifs sur la cohérence, et présente l’avantage d’être performante même quand le nombre d’essais est faible (Pedrosa et al., 2014). La quantité d’interaction entre les deux signaux est alors quantifiée à partir des valeurs de cohérence retenues sur les régions où le spectre croisé est détecté comme statistiquement significatif. Initialement développée pour l’analyse de la cohérence cortico-musculaire (Bigot et al., 2011 ; Cremoux et al., 2017 ; Dal Maso et al., 2017), cette méthode a été généralisée à la cohérence intermusculaire (Charissou et al., 2016, 2017) puis à la cohérence cortico-corticale (Blais et al., 2018). Elle est ainsi devenue le cadre méthodologique de référence pour l’ensemble des travaux que j’ai menés sur la cohérence et sur la réactivité des rythmes électrocorticaux sur la base d’une analyse temps-fréquence.

Figure 7, adaptée de Dal Maso et al. (2017) : Illustration des étapes recommandées pour

le calcul et la quantification de la cohérence cortico-musculaire, ici à partir des données de l’électrode EEG Cz et de l’activité du muscle vastus medialis (VM) chez un participant entrainé en force au cours d’une contraction isométrique des extenseurs du genou réalisée à 20 % de la force maximale volontaire « relative ». a : Signal moyen de l’électrode Cz EEG.

b : Signal EMG moyen du muscle VM. c & d : Cartes temps-fréquence des auto-spectres

du signal EEG de l’électrode Cz (c) et du signal EMG du muscle VM (d). e : Carte temps-fréquence de la densité d’interaction, également appelée « spectre croisé » (c-à-d. : ‘cross-spectrum’), entre le signal EEG de l’électrode Cz et le signal EMG du muscle VM. Les contours rouges identifient les régions de la carte temps-fréquence dans lesquelles la corrélation entre les deux signaux est significative. f : Carte temps-fréquence des zones significatives de cohérence cortico-musculaire entre le signal EEG de l’électrode Cz et le signal EMG du muscle VM. Dans chaque bande de fréquence d’intérêt (p. ex., bêta (β) : 13-31 Hz), la quantité la cohérence cortico-musculaire est quantifiée comme le volume sous les valeurs de cohérence où une corrélation significative a été détectée sur le spectre croisé entre les séries temporelles EEG et EMG.

3026 Exp Brain Res (2017) 235:3023–3031

1 3

CMC was computed in the time–frequency domain as elec-trophysiological signals are non-stationary processes (Zhan et al. 2006; Allen and MacKinnon 2010). Time–frequency CMC between Cz EEG signal and each unrectified EMG signal was calculated with the WaveCrossSpec Matlab tool-box for wavelet coherence analysis (Bigot et al. 2011: http:// www.math.u-bordeaux1.fr/~jbigot/Site/Software_files/ WavCrossSpec.zip). The parameters ‘nvoice’ (scale resolu-tion of wavelets), ‘J1’ (number of scales), and ‘wavenum-ber’ (Morlet mother wavelet parameter) were, respectively, set to 0.125, 864, and 7 to yield accurate identification of oscillatory activity in the [0.0021:0.9967:104.6565] Hz fre-quency range. Magnitude-squared coherence was computed as follows:

where SEEG/EMG(𝜔, u) is the wavelet cross-spectrum between EEG and EMG time series at frequency 𝜔 and time u (Fig. 1e); SEEG(𝜔, u) and SEMG(𝜔, u) are wavelet auto-spectra of EEG (Fig. 1c) and EMG (Fig. 1d) time series, respec-tively, at frequency 𝜔 and time u. Refer to Bigot et al. (2011) for detailed equations.

There is an ongoing debate challenging the conven-tional EMG rectification for CMC analysis (Neto and Christou 2010; McClelland et al. 2012; Negro et al. 2015). (1) R²

EEG/EMG(𝜔, u) = ||SEEG/EMG(𝜔, u)||²∕⁽S_EEG(𝜔, u)S_EMG(𝜔, u)^′)

Rectification of a zero-mean oscillatory signal, as EMG in our case, is a non-linear process that distorts its power spec-trum properties (Neto and Christou 2010; McClelland et al.

2012). Especially for steady-state force tasks, the previous studies highlighted that there is no significant difference in CMC magnitude computed with rectified or unrectified EMG signals (Yao et al. 2007; Bayraktaroglu et al. 2011; Yang et al. 2016). Consequently, to meet both theoretical support and practical justification for the computation of CMC (Bigot et al. 2011; McClelland et al. 2012), CMC was computed from zero-mean centered EEG signals and unrectified EMG signals. As cautioned by Yang et al. (2016), computing CMC with unrectified EMG is suitable provided that EMG signals are motion artefact-free, which was the case of our data (Supplementary Figure 2).

CMC magnitude was quantified as volume under the time–frequency plane where CMC was significant, as detected on cross-spectrum, using the statistical test intro-duced by Bigot et al. (2011). This magnitude quantifica-tion was previously introduced in CMC (Yoshida et al.

2017; Cremoux et al. 2017) and intermuscular coherence (Charissou et al. 2016) studies. The significant threshold of corticomuscular coherence was Bonferroni-corrected to 0.05/4 as CMC was computed with four muscles (Win-slow et al. 2016). Finally, for each participant and experi-mental condition, CMC magnitude in knee extensor and Fig. 1 Steps taken to compute corticomuscular coherence with data

from Cz EEG and VM EMG electrodes in an ST participant during knee extension performed at 20% of rMVC. Signals of a Cz EEG and

b VM EMG electrodes. Wavelet auto-spectra of c Cz EEG and d VM

EMG signals. e Wavelet cross-spectrum between Cz EEG and VM EMG signals: red contours identify areas in the time–frequency plane where correlation between the two signals is significant. f

Represen-tation of significant areas of wavelet magnitude-squared coherence between Cz EEG and VM EMG signals. For each participant, experi-mental condition, and each muscle, the corticomuscular coherence magnitude was quantified as the volume under magnitude-squared coherence values in the low-β (13–21  Hz) and high-β (21–31  Hz) bands where a significant correlation between EEG and EMG time series was detected on the wavelet cross-spectrum

Amarantini, D. Habilitation à Diriger des Recherches | La neuro-biomécanique, c’est magique !

En plus des travaux de Sylvain Cremoux sur l’EMG et sur la réactivité des rythmes électrocorticaux (Cremoux et al., 2013a, 2013b, 2016), l’exploration des cohérences cortico-musculaire et intercortico-musculaire a produit de nouvelles connaissances essentielles à une compréhension de la contribution des mécanismes supra-spinaux au contrôle de l’activité musculaire antagoniste et à la régulation de la co-contraction. Ces travaux ont donné lieu à plusieurs publications significatives (Charissou et al., 2017 ; Cremoux et al., 2017 ; Dal Maso et al., 2017), dont les deux suivantes sont présentées de manière détaillée p. 106-127 : • Cremoux, S., Tallet, J., Dal Maso, F., Berton, E., Amarantini, D. (2017). Impaired corticomuscular coherence during isometric elbow flexion contractions in human with cervical Spinal Cord Injury. European Journal of Neuroscience, 46(4), 1991-2000.

• Charissou, C., Amarantini, D., Baurès, R., Berton, E., Vigouroux, L. (2017).

Effects of hand configuration on muscle force coordination, co-contraction and concomitant intermuscular coupling during maximal isometric flexion of the fingers. European Journal of Applied Physiology, 117(11), 2309-2320.

Dans leur ensemble, les résultats de ces études montrent que la modulation de la co-contraction agoniste/antagoniste est associée à celle du couplage entre les niveaux central et périphérique, ainsi qu’entre les muscles eux-mêmes. L’interprétation des