Des poissons zèbres simulés et un robot-poisson équipé d’une vision révèlent comment le corps façonne les circuits du cerveau

Des poissons zèbres simulés et un robot-poisson équipé d’une vision révèlent comment le corps façonne les circuits du cerveau
5 min de lecture

Des chercheurs de l’EPFL, de l’université Duke et de l’Instituto Superior Técnico ont mis au point une simulation réaliste de larve de poisson zèbre, ainsi qu’un robot inspiré de cet animal capable de remonter un courant grâce à la seule vision. Leurs travaux, publiés dans Science Robotics, montrent comment le corps et les circuits neuronaux d’un animal participent ensemble au comportement.

Pour se maintenir sur place dans une rivière, un poisson doit savoir à quelle vitesse nager et comment s’orienter pour compenser le courant. La plupart des espèces utilisent la vision pour repérer le flux optique, c’est-à-dire le défilement du décor, et leur cerveau transforme ces signaux en mouvements compensatoires. Les neuroscientifiques nomment ce réflexe stabilisateur la réponse optomotrice (OMR). La rétine capte la direction du flux, des neurones du prétectum, une région cérébrale, l’interprètent, et des nerfs spinaux commandent la contraction des muscles.

Le problème tient à la difficulté de modifier un cerveau vivant pour tester le rôle d’une connexion. Si l’imagerie permet désormais d’enregistrer et même de manipuler des neurones pendant le comportement, réécrire les liaisons d’un animal complexe reste presque impossible.

Un schéma tiré du cerveau du poisson

Le point de départ se trouve dans le laboratoire Naumann de Duke, où des études comportementales détaillées et une imagerie calcique de tout le cerveau de larves exposées à des stimuli visuels imitant le flux optique d’un lit de rivière, combinées à une modélisation de circuits, ont permis d’établir un schéma de câblage des voies de l’OMR à l’échelle du cerveau.

À partir de ce modèle et d’autres données sur le traitement neuronal dans la rétine et la moelle épinière des vertébrés, le Dr Xiangxiao Liu et Luca Zunino, de l’équipe de l’EPFL, ont développé simZFish, une simulation neuromécanique. Elle reproduit le corps de la larve, avec ses yeux et ses nageoires, et utilise ce schéma expérimental comme cerveau.

simZFish, un cerveau que l’on peut démonter

Construit dans le simulateur physique Webots, simZFish représente une larve âgée de six jours, à l’échelle 1:1 : un corps de 4 mm pesant 0,3 mg, sept segments, six moteurs simulés, une tête portant deux caméras latérales et une hydrodynamique réaliste. Son cerveau artificiel reproduit l’ensemble du circuit neuronal, depuis les pixels captés par la rétine jusqu’à l’activation des muscles.

Les chercheurs peuvent modifier n’importe quel élément du modèle, supprimer ou ajouter des neurones, ou changer la lentille de l’œil, puis observer les effets immédiatement. Chez l’animal, rappellent les auteurs, on ne peut enregistrer que des corrélations d’activité lorsque le poisson adopte le comportement étudié, sans pouvoir exclure d’autres traitements en cours. Le modèle rend donc les composants identifiables et permet de repérer les « éléments essentiels minimaux » de l’OMR.

Le corps fait partie du calcul

En plaçant les caméras sur les côtés de la tête, les chercheurs ont constaté que le flux optique produit par le courant crée des tourbillons contradictoires d’un champ visuel à l’autre, un cas proche du classique « problème de l’ouverture ». Lorsque l’ensemble de la rétine alimentait le circuit, ces signaux s’annulaient et le comportement d’OMR disparaissait. Il revenait dès que l’entrée était limitée à la partie inférieure et postérieure du champ visuel.

Cette zone correspond précisément à celle qui pilote le plus fortement l’OMR chez le poisson réel. Selon les auteurs, la disposition des yeux latéraux explique pourquoi le circuit est câblé ainsi : elle capte le plus d’informations utiles avec le moins de connexions, une solution efficace que l’évolution semble également avoir retenue.

Une prédiction qui renvoie au microscope

La simulation a aussi révélé les limites du modèle initial. Lorsque chaque œil recevait un mouvement dans le sens opposé, un stimulus de cisaillement jamais testé, simZFish 1.0 tournait beaucoup plus que prévu. Montré à de vraies larves, le même stimulus ne provoquait presque aucune rotation, selon le Dr Matthew Loring, neurobiologiste principal de l’équipe.

Les chercheurs de Duke ont alors enregistré, par imagerie calcique volumétrique à deux photons, des dizaines de milliers de neurones. Ils ont identifié plusieurs sous-types de neurones binoculaires du prétectum, jusque-là non décrits. Intégrés au modèle, ils ont donné simZFish 2.0, qui reproduit bien mieux le comportement du poisson réel, y compris face au stimulus de cisaillement. Auke Ijspeert, qui dirige le laboratoire de biorobotique (BioRob) de l’EPFL, résume : « simZFish réduit le champ de recherche, les expériences sur l’animal vérifient les prédictions, et ensemble elles complètent le puzzle du circuit neuronal. »

Le robot ZBot dans la rivière

Le circuit a ensuite été transposé dans ZBot, un robot de 80 centimètres pesant 2,7 kilogrammes, équipé de deux vraies caméras, de six moteurs de queue et d’un Raspberry Pi exécutant le même réseau de neurones. Dans la rivière Chamberonne, près de Lausanne, le robot est resté dans le champ de la caméra d’un drone pendant 58 secondes avec son circuit visuel activé, contre environ 37 secondes lorsque ses « yeux » étaient désactivés et 20 secondes lorsqu’il était dérivant, moteurs à l’arrêt.

Ces essais suggèrent qu’un poisson pourrait, en principe, lutter contre un courant grâce aux seuls circuits visuels, ce qui contredit l’hypothèse selon laquelle la rhéotaxie requiert la ligne latérale, ce réseau d’organes sensoriels le long du corps. Pour la robotique, l’approche évite d’ajouter du matériel : les drones utilisent généralement une caméra orientée vers le bas, alors que la méthode exploite les caméras latérales déjà présentes. Les modèles du simulateur et les conceptions du robot sont en 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