Note de rétractation : apprentissage multisensoriel et engramme mnésique cross-modal

Raison principale de la rétractation

Les auteurs ont retiré l’article après avoir constaté que les résultats de voltage imaging décrits dans les figures 3a–3f et 4a–4b et discutés dans la section « Neurons gain cross-modal activation » ne sont pas reproductibles. Par exemple, des expériences de réplication menées par le groupe et des collaborations, pour les conditions associées aux figures 3a–3d, n’ont pas produit de signaux robustes comparables à ceux publiés initialement. Une réanalyse complète des données de voltage imaging, effectuée indépendamment du pipeline d’origine, n’a pas permis de retrouver l’analyse initiale, ce qui a amené les auteurs à perdre confiance dans ces jeux de données.

Ce qui demeure fiable et ce qui est remis en question

Les auteurs précisent que certaines parties de l’étude ont été répliquées et restent considérées comme solides, tandis que d’autres éléments sont compromis. Exemples et points clés :

• Données comportementales : répliquées par les auteurs et considérées comme valables.
• Données connectomiques : confirmées et cohérentes avec les conclusions générales.
• Voltage imaging : jugé non fiable en l’état à cause de signaux non reproductibles et d’erreurs de traitement possibles.

Les conclusions générales de l’article sont donc nuancées : soutenues par les données comportementales et connectomiques, mais fragilisées par l’absence de confiance dans les mesures électriques optiques.

Erreurs techniques identifiées et leurs conséquences

Les investigations ont mis en lumière des problèmes dans la chaîne d’analyse (pipeline) qui pourraient avoir entraîné une contamination des mesures de type ΔF/F₀, faussant ainsi l’interprétation des signaux. Par exemple, des erreurs de prétraitement, des artefacts non filtrés ou des étapes automatisées mal paramétrées peuvent :

• introduire des fluctuations systématiques prenant l’apparence de signaux neuronaux ;
• augmenter artificiellement le rapport signal/bruit et produire des pics interprétés à tort comme activité ;
• rendre impossibles des réplications indépendantes lorsque le pipeline n’est pas transparent.

Ces problèmes soulignent l’importance de contrôles expérimentaux rigoureux et de validations croisées des scripts d’analyse.

Mesures prises par les auteurs et calendrier

Les auteurs ont conduit des expériences de réplication et une réanalyse indépendante des données de voltage imaging, puis ont décidé de rétracter l’article et de présenter des excuses à la communauté scientifique. Exemples concrets :

• Publication initiale : article en ligne en avril 2023 (résultats initiaux présentés).
• Rétraction : note publiée en mars 2026 après réplications et réanalyses indépendantes.
• Engagement : mise à disposition prochaine des données de suivi pour permettre une évaluation ouverte par la communauté.

Tous les auteurs ont approuvé la rétractation, sauf un auteur (Pedro F. Jacob) qui n’a pas pu être contacté par le correspondant au moment de la décision.

Remerciements et contributions externes

Les auteurs remercient explicitement des membres de laboratoires et des collaborateurs externes pour leur rôle dans la réplication et l’identification des possibles erreurs. Citations d’exemples :

• Membres du Waddell lab impliqués dans les réplications : Anna Cook, Ashwin Miriyala, Martín Klappenbach.
• Contributeurs extérieurs ayant aidé à détecter des erreurs de traitement : Max Hoffmann, Stephen Thornquist, Gaby Maimon (Rockefeller University).

Cette reconnaissance montre l’importance de la collaboration et de la revue par les pairs pour garantir la robustesse des résultats.

Enseignements et bonnes pratiques pour l’avenir

Cette rétractation offre des enseignements concrets pour améliorer la fiabilité des études impliquant des mesures optiques et des pipelines d’analyse. Recommandations pratiques et exemples :

• Transparence du pipeline : partager le code et les paramètres d’analyse pour permettre une réanalyse indépendante (ex. dépôt public du script d’extraction de ΔF/F₀).
• Réplication indépendante : effectuer des réplications internes et externes avant publication (ex. reproduction du signal par une équipe distincte ou par des laboratoires partenaires).
• Contrôles rigoureux : inclure contrôles négatifs/positifs et seuils de robustesse du signal (ex. tests sur données simulées pour vérifier l’absence d’artefacts amplifiés par le pipeline).
• Partage des données brutes : permettre à la communauté d’inspecter les enregistrements initiaux et les étapes intermédiaires.
• Revue logicielle : soumettre le code à des revues de qualité (code review) ou à des outils de validation automatique.

Adopter ces pratiques contribuera à renforcer la confiance dans les résultats futurs et à réduire les risques d’erreurs similaires.