Gesimuleerde zebravissen en een robotvis met zicht tonen hoe het lichaam de hersenbanen vormt

Gesimuleerde zebravissen en een robotvis met zicht tonen hoe het lichaam de hersenbanen vormt
4 min lezen

Onderzoekers van de EPFL, Duke University en het Instituto Superior Técnico hebben een realistische simulatie van een zebravislarve ontwikkeld, evenals een robot geïnspireerd op dit dier die tegen een stroming in kan zwemmen met alleen zicht. Hun werk, gepubliceerd in Science Robotics, laat zien hoe het lichaam en de neurale circuits van een dier samen het gedrag bepalen.

Om op zijn plaats te blijven in een rivier, moet een vis weten hoe snel hij moet zwemmen en hoe hij zich moet oriënteren om de stroming te compenseren. De meeste soorten gebruiken zicht om de optische stroming, dat wil zeggen het voorbijtrekken van de omgeving, waar te nemen, en hun hersenen zetten deze signalen om in compenserende bewegingen. Neurowetenschappers noemen deze stabiliserende reflex de optomotorische respons (OMR). Het netvlies vangt de richting van de stroming op, neuronen in het pretectum, een hersengebied, interpreteren deze, en spinale zenuwen sturen de samentrekking van de spieren aan.

Het probleem ligt in de moeilijkheid om een levend brein te modificeren om de rol van een verbinding te testen. Hoewel beeldvorming nu het mogelijk maakt neuronen te registreren en zelfs te manipuleren tijdens gedrag, blijft het herschrijven van de verbindingen van een complex dier bijna onmogelijk.

Een schema uit het brein van de vis

Het uitgangspunt ligt in het laboratorium van Naumann aan Duke, waar gedetailleerd gedragsonderzoek en calciumbeeldvorming van het hele brein van larven die werden blootgesteld aan visuele stimuli die de optische stroming van een rivierbed nabootsen, gecombineerd met circuitmodellering, een bedradingsschema van de OMR-banen op hersenniveau hebben opgeleverd.

Op basis van dit model en andere gegevens over neurale verwerking in het netvlies en het ruggenmerg van gewervelden, ontwikkelden Dr. Xiangxiao Liu en Luca Zunino, van het EPFL-team, simZFish, een neuromechatronische simulatie. Deze reproduceert het lichaam van de larve, met zijn ogen en vinnen, en gebruikt dit experimentele schema als brein.

simZFish, een brein dat uit elkaar gehaald kan worden

Gebouwd in de fysica-simulator Webots, stelt simZFish een larve van zes dagen oud voor, op schaal 1:1: een lichaam van 4 mm dat 0,3 mg weegt, zeven segmenten, zes gesimuleerde motoren, een hoofd met twee zijwaartse camera’s en een realistische hydrodynamica. Zijn kunstmatige brein reproduceert het hele neurale circuit, vanaf de pixels opgevangen door het netvlies tot de activering van de spieren.

De onderzoekers kunnen elk element van het model wijzigen, neuronen verwijderen of toevoegen, of de lens van het oog veranderen, en vervolgens de effecten direct observeren. Bij het dier, herinneren de auteurs, kan men alleen correlaties van activiteit registreren wanneer de vis het bestudeerde gedrag vertoont, zonder andere lopende processen uit te kunnen sluiten. Het model maakt de componenten dus identificeerbaar en stelt ons in staat de « minimale essentiële elementen » van de OMR te lokaliseren.

Het lichaam maakt deel uit van de berekening

Door de camera’s aan de zijkanten van het hoofd te plaatsen, ontdekten de onderzoekers dat de optische stroming geproduceerd door de stroming tegenstrijdige wervelingen creëert van het ene visuele veld naar het andere, een geval dat dicht bij het klassieke « apertuurprobleem » ligt. Wanneer het hele netvlies het circuit voedde, hieven deze signalen elkaar op en verdween het OMR-gedrag. Het kwam terug zodra de invoer beperkt was tot het onderste en achterste deel van het gezichtsveld.

Dit gebied komt precies overeen met het gebied dat de OMR het sterkst aanstuurt bij de echte vis. Volgens de auteurs verklaart de opstelling van de zijwaartse ogen waarom het circuit zo bedraad is: het vangt de meeste nuttige informatie op met de minste verbindingen, een efficiënte oplossing die de evolutie blijkbaar ook heeft geselecteerd.

Een voorspelling die terugleidt naar de microscoop

De simulatie onthulde ook de beperkingen van het initiële model. Wanneer elk oog een beweging in tegengestelde richting ontving, een schuifstimulus die nooit was getest, draaide simZFish 1.0 veel meer dan verwacht. Getoond aan echte larven, veroorzaakte dezelfde stimulus bijna geen rotatie, volgens Dr. Matthew Loring, de hoofdneurobioloog van het team.

De onderzoekers van Duke registreerden vervolgens, via volumetrische twee-foton calciumbeeldvorming, tienduizenden neuronen. Ze identificeerden verschillende subtypes van binoculaire neuronen in het pretectum, die tot dan toe niet beschreven waren. Geïntegreerd in het model, leverden deze simZFish 2.0 op, dat het gedrag van de echte vis veel beter reproduceert, ook bij de schuifstimulus. Auke Ijspeert, die het laboratorium voor biorobotica (BioRob) van de EPFL leidt, vat samen: « simZFish verkleint het onderzoeksveld, experimenten op het dier verifiëren de voorspellingen, en samen completeren ze de puzzel van het neurale circuit. »

De robot ZBot in de rivier

Het circuit werd vervolgens overgezet naar ZBot, een robot van 80 centimeter die 2,7 kilogram weegt, uitgerust met twee echte camera’s, zes staartmotoren en een Raspberry Pi die hetzelfde neurale netwerk uitvoert. In de rivier de Chamberonne, nabij Lausanne, bleef de robot 58 seconden in het gezichtsveld van een dronecamera met zijn visueel circuit geactiveerd, tegen ongeveer 37 seconden wanneer zijn « ogen » waren uitgeschakeld en 20 seconden wanneer hij dreef, met motoren uit.

Deze tests suggereren dat een vis in principe tegen een stroming in kan vechten dankzij alleen visuele circuits, wat de hypothese tegenspreekt dat rheotaxis de zijlijn vereist, dat netwerk van sensorische organen langs het lichaam. Voor robotica vermijdt deze aanpak het toevoegen van hardware: drones gebruiken meestal een naar beneden gerichte camera, terwijl de methode gebruikmaakt van de reeds aanwezige zijwaartse camera’s. De modellen van de simulator en de ontwerpen van de robot zijn open source.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x