Publié le 2025-12-29 10:36:00. Des chercheurs ont développé un nouvel outil open source, baptisé DANCE, pour automatiser l’analyse des comportements complexes chez la mouche du vinaigre Drosophila melanogaster, ouvrant la voie à une meilleure compréhension des mécanismes neuronaux et moléculaires sous-jacents à l’agression et à la parade nuptiale.
- DANCE combine des classificateurs comportementaux basés sur l’apprentissage automatique avec une configuration matérielle peu coûteuse, rendant l’étude du comportement accessible à un plus large éventail de laboratoires.
- Le système améliore la précision et la fiabilité de l’analyse comportementale par rapport aux méthodes traditionnelles et aux approches précédentes.
- Tous les codes et classificateurs sont disponibles publiquement, favorisant la collaboration et l’innovation dans le domaine de l’éthologie computationnelle.
L’étude du comportement animal, et en particulier des comportements sociaux complexes, nécessite une analyse minutieuse et détaillée des interactions. Comprendre les fondements neuronaux et moléculaires de ces comportements est un défi majeur pour les neurosciences. La mouche du vinaigre, Drosophila melanogaster, est depuis longtemps un organisme modèle privilégié pour cette recherche, en raison de sa génétique bien caractérisée et de la relative simplicité de son système nerveux.
Jusqu’à présent, l’analyse comportementale reposait largement sur l’observation manuelle par des experts, une méthode précise mais chronophage et difficile à adapter aux études à grande échelle. L’émergence de l’« éthologie computationnelle » (Anderson et Perona, 2014 ; Datta et al., 2019) offre une solution prometteuse en automatisant l’annotation comportementale grâce aux progrès de la vision par ordinateur et de l’apprentissage automatique (Robie et coll., 2017b). Cette automatisation permet de cribler un grand nombre de données pour identifier les gènes et les circuits neuronaux impliqués dans des comportements spécifiques.
Plusieurs logiciels, tels que Ctrax, Caltech FlyTracker et Deep Lab Cut (Branson et al., 2009 ; Eyjolfsdottir et al., 2014 ; Mathis et coll., 2018), sont couramment utilisés pour suivre les mouvements des mouches et analyser leur comportement. Ctrax, par exemple, permet de suivre avec précision la position et le mouvement des mouches, mais peut rencontrer des difficultés à maintenir l’identité des individus, en particulier dans les groupes. Des algorithmes comme FixTrax (Courbé et al., 2021) sont utilisés pour corriger ces erreurs.
L’évaluation de l’efficacité de ces outils automatisés repose sur une comparaison avec des annotations réalisées par des observateurs humains, une étape connue sous le nom de « vérification sur le terrain ». Des algorithmes basés sur des règles, comme CADABRA (Dankert et coll., 2009), peuvent être utilisés pour quantifier l’agression, mais ils sont susceptibles de générer des erreurs et des confusions d’identité (Simon et Heberlein, 2020), nécessitant une correction semi-automatique (Kim et coll., 2018). MateBook (Ribeiro et coll., 2018) est un autre algorithme basé sur des règles, mais il a tendance à manquer des événements comportementaux importants.
Pour surmonter ces limitations, les chercheurs ont développé l’annotateur automatique du comportement animal Janelia (JAABA) (Kabra et coll., 2013), qui utilise une approche d’apprentissage supervisé. JAABA est entraîné sur des données étiquetées par l’utilisateur, ce qui lui permet de s’adapter aux variations naturelles des comportements et de prédire avec plus de précision les actions observées.
Le nouveau système DANCE (Drosophile UNagression unnd Cfréquentation Eévaluateur) s’appuie sur JAABA pour offrir une solution complète et accessible. Il comprend un ensemble de classificateurs comportementaux robustes pour quantifier l’agression et la parade nuptiale, ainsi qu’une configuration matérielle peu coûteuse, basée sur des composants disponibles dans le commerce et des smartphones grand public. Les auteurs affirment que DANCE améliore la précision et la fiabilité de l’analyse comportementale par rapport aux méthodes existantes, tout en réduisant les coûts et en facilitant son adoption par un plus grand nombre de laboratoires. Tous les classificateurs et codes d’analyse sont mis à disposition du public, ce qui favorise la collaboration et l’accélération de la recherche dans ce domaine.
Sur le même sujet
