L'IA décrypte la dynamique complexe du comportement des vers avec stimulation laser

Au cours des dernières décennies, les progrès en biologie quantitative ont permis aux scientifiques de mesurer avec précision la dynamique de systèmes biologiques complexes en réponse à des perturbations.

Expérience sur Caenorhabditis Elegans

Dans cette étude, les chercheurs ont analysé la capacité de prise de décision du Caenorhabditis elegans : comment ils répondent à un stimulus sensoriel. Caenorhabditis elegans est un animal modèle de laboratoire standard, et depuis les années 1970, il a été largement utilisé comme organisme modèle.

Référence : PNAS | doi:10.1073/pnas.1816531116 | Emory Health Sciences

Comme les humains, Caenorhabditis elegans a une dendrite qui s'étend de la cellule pour collecter les neurotransmetteurs, et s'étend vers le cerveau pour une connexion synaptique entre neurones. Il n'a que 302 neurones et un ensemble limité de mouvements.

Caenorhabditis elegans | Crédit image : genome.gov

L'équipe de recherche a interrompu le mouvement avant de chaque Caenorhabditis elegans en frappant une lumière laser sur sa tête. Chaque ver a réagi différemment. Certains ont fait une pause pendant un court moment avant de répondre, tandis que d'autres ont rapidement inversé leur direction sous le stimulus laser. Mais il y avait une chose en commun : tous les vers ont réagi rapidement aux températures plus chaudes (laser intensif).

Plateforme Sir Isaac

L'équipe a enregistré les données de mouvement des premières secondes des expériences et les a fournies à la méthode d'apprentissage automatique. Le système a été capable d'estimer le mouvement du ver bien au-delà de ces premières secondes. Environ 90 % de la variabilité dans le mouvement du ver (après le stimulus laser) peut être biologiquement expliquée.

Prédire le mouvement d'un ver en réponse à un stimulus est bien plus difficile que d'estimer le mouvement d'une balle lorsqu'on la frappe. L'algorithme Sir Isaac fait la même chose tout en tenant compte du traitement sensoriel complexe dans les vers et de leurs activités neuronales suivies de l'activation des muscles. Tout cela est résumé dans une description mathématique modeste.

Cette méthode d'apprentissage automatique peut aider à trouver des modèles précis et interprétables de systèmes plus complexes. L'objectif à long terme est de construire une intelligence artificielle qui peut accélérer la procédure scientifique de création d'hypothèses quantitatives, puis les tester via des expériences.