Utilisant la puissance de l’intelligence artificielle, un nouvel outil open source simplifie l’analyse du comportement animal

Une équipe de l’Université du Michigan a développé un nouvel outil logiciel pour aider les chercheurs des sciences de la vie à analyser plus efficacement les comportements des animaux.

Le logiciel open source LabGym s’appuie sur l’intelligence artificielle pour identifier, catégoriser et compter les comportements définis dans divers systèmes de modèles animaux.

Les scientifiques doivent mesurer les comportements des animaux pour diverses raisons, de la compréhension de toutes les façons dont un médicament particulier peut affecter un organisme à la cartographie de la façon dont les circuits du cerveau communiquent pour produire un comportement particulier.

Chercheurs dans le laboratoire d’un membre du corps professoral de l’UM Bing Ye, par exemple, analysent les mouvements et les comportements de Drosophila melanogaster – ou mouches des fruits – comme modèle pour étudier le développement et les fonctions du système nerveux. Étant donné que les mouches des fruits et les humains partagent de nombreux gènes, ces études sur les mouches des fruits offrent souvent un aperçu de la santé et des maladies humaines.

“Le comportement est une fonction du cerveau. Ainsi, l’analyse du comportement des animaux fournit des informations essentielles sur le fonctionnement du cerveau et la façon dont il change en réponse à la maladie”, a déclaré Yujia Huneuroscientifique dans le laboratoire de Ye à l’UM Life Sciences Institute et auteur principal d’une étude de Cell Reports Methods du 24 février décrivant le nouveau logiciel.

Mais identifier et compter manuellement les comportements des animaux prend du temps et est très subjectif pour le chercheur qui analyse le comportement. Et bien que quelques logiciels existent pour quantifier automatiquement les comportements des animaux, ils présentent des défis.

“Beaucoup de ces programmes d’analyse du comportement sont basés sur des définitions prédéfinies d’un comportement”, a déclaré Ye, qui est également professeur de biologie cellulaire et du développement à la faculté de médecine. « Si une larve de drosophile roule à 360 degrés, par exemple, certains programmes comptent un roulement. Mais pourquoi 270 degrés n’est-il pas aussi un roulement ? De nombreux programmes n’ont pas nécessairement la flexibilité de compter cela, sans que l’utilisateur sache comment recoder. le programme.”

Penser plus comme un scientifique

Pour surmonter ces défis, Hu et ses collègues ont décidé de concevoir un nouveau programme qui reproduit plus fidèlement le processus cognitif humain – qui « pense » davantage comme le ferait un scientifique – et qui est plus convivial pour les biologistes qui n’ont peut-être pas d’expertise en codage. À l’aide de LabGym, les chercheurs peuvent saisir des exemples du comportement qu’ils souhaitent analyser et enseigner au logiciel ce qu’il doit compter. Le programme utilise ensuite l’apprentissage en profondeur pour améliorer sa capacité à reconnaître et à quantifier le comportement.

Un nouveau développement de LabGym qui l’aide à appliquer cette cognition plus flexible est l’utilisation à la fois de données vidéo et d’une soi-disant “image de modèle” pour améliorer la fiabilité du programme. Les scientifiques utilisent des vidéos d’animaux pour analyser leur comportement, mais les vidéos impliquent des données de séries chronologiques qui peuvent être difficiles à analyser pour les programmes d’IA.

Pour aider le programme à identifier plus facilement les comportements, Hu a créé une image fixe qui montre le schéma du mouvement de l’animal en fusionnant les contours de la position de l’animal à différents moments. L’équipe a découvert que la combinaison des données vidéo avec les images de motifs augmentait la précision du programme dans la reconnaissance des types de comportement.

LabGym est également conçu pour ignorer les informations contextuelles non pertinentes et prendre en compte à la fois le mouvement global de l’animal et les changements de position dans l’espace et dans le temps, tout comme le ferait un chercheur humain. Le programme peut également suivre plusieurs animaux simultanément.

La flexibilité des espèces améliore l’utilité

Une autre caractéristique clé de LabGym est sa flexibilité d’espèce, a déclaré Ye. Bien qu’il ait été conçu à l’aide de Drosophila, il n’est pas limité à une seule espèce.

“C’est en fait rare”, a-t-il déclaré. “Il est écrit pour les biologistes, afin qu’ils puissent l’adapter à l’espèce et au comportement qu’ils souhaitent étudier sans avoir besoin de compétences en programmation ou d’informatique de grande puissance.”

Après avoir entendu une présentation sur les premiers développements du programme, le pharmacologue de l’UM Carrie Ferrario a proposé d’aider Ye et son équipe à tester et à affiner le programme dans le système de modèles de rongeurs avec lequel elle travaille.

Ferrario, professeur agrégé de pharmacologie et professeur agrégé adjoint de psychologie, étudie les mécanismes neuronaux qui contribuent à la dépendance et à l’obésité, en utilisant des rats comme système modèle. Pour compléter l’observation nécessaire des comportements induits par les médicaments chez les animaux, elle et les membres de son laboratoire ont dû compter en grande partie sur la notation manuelle, qui est subjective et extrêmement chronophage.

“J’essaie de résoudre ce problème depuis mes études supérieures, et la technologie n’était tout simplement pas là, en termes d’intelligence artificielle, d’apprentissage en profondeur et de calcul”, a déclaré Ferrario. “Ce programme a résolu un problème existant pour moi, mais il a également une utilité très large. Je vois le potentiel pour qu’il soit utile dans des conditions presque illimitées pour analyser le comportement des animaux.”

L’équipe prévoit ensuite d’affiner davantage le programme pour améliorer ses performances dans des conditions encore plus complexes, telles que l’observation d’animaux dans la nature.

Cette recherche a été soutenue par les National Institutes of Health.

Outre Ye, Hu et Ferrario, les auteurs de l’étude sont : Alexander Maitland, Rita Ionides, Anjesh Ghimire, Brendon Watson, Kenichi Iwasaki, Hope White et Yitao Xi de l’Université du Michigan, et Jie Zhou de la Northern Illinois University.

Étude: LabGym : quantification des comportements animaux définis par l’utilisateur 1 à l’aide d’une évaluation holistique basée sur l’apprentissage (DOI : 10.1016/j.crmeth.2023.100415) (disponible une fois l’embargo levé)