Des chercheurs de l’Université d’Osaka forment le protocole d’apprentissage en profondeur pour trouver les caractéristiques des troubles du mouvement partagés entre les espèces distantes au sein de la lignée évolutive – telles que les vers, les rongeurs et les humains – qui peuvent aider à connaître la maladie de Parkinson.
Les scientifiques de la Graduate School info Science and Technologies du Collège d’Osaka ont utilisé le suivi de la zone animale ainsi que l’intelligence synthétique pour détecter instantanément les comportements de marche des problèmes de mouvement qui sont partagés par toutes les espèces. En supprimant instantanément les fonctions spécifiques à l’espèce des informations de marche, les informations résultantes peuvent être utilisées pour mieux comprendre les troubles neurologiques qui affecteront le mouvement.
Variations de l’échelle corporelle d’une des différentes espèces. Les trajectoires de locomotion des différents animaux de compagnie (ver, scarabée et souris) diffèrent à l’échelle spatiale. Pointage de crédit : © 2021 Big t. Maekawa et ‘s., Nature Communications
Les algorithmes d’étude machine, en particulier les approches d’apprentissage sérieuses, appliquent plusieurs couches associées à des neurones artificiels, sont très bien adaptés pour faire la distinction entre différentes sources d’information. Par exemple, ils peuvent déterminer l’espèce en fonction des caractéristiques de ses chemins laissés par les chutes de neige. Cependant, il y a des moments où les chercheurs se soucient davantage des meilleurs éléments identiques, plutôt que de ce qui est exactement différent, dans divers ensembles de données. Cela peut être le cas lorsque vous essayez d’agréger les lectures psychiques de différents types de créatures.
Maintenant, l’équipe de chercheurs dirigée par l’Université d’Osaka a utilisé l’apprentissage par appareil pour obtenir des styles à partir d’informations de locomotion créées par des vers, des coléoptères, des souris et des sujets humains qui s’ajoutaient à l’espèce. « L’un des principaux objectifs de l’analyse comportementale comparative serait d’identifier les répertoires de comportements humains chez les animaux de compagnie », décrit le premier écrivain Takuya Maekawa.
Animaux utilisés dans cette étude particulière. Crédit : Université de la ville de Nagoya et Université d’Okayama
Cette méthode peut aider les scientifiques à étudier les conditions neurologiques individuelles qui entraîneront des complications motrices, y compris celles causées par de faibles niveaux de dopamine. Les informations sur les mouvements des animaux généreraient beaucoup plus d’informations ; cependant, les échelles spatiales et temporaires particulières de la locomotion des animaux de compagnie varient considérablement d’une espèce à l’autre. Ce qui signifie que les données ne peuvent pas être directement comparées aux habitudes humaines.
Pour surmonter cela, le groupe a conçu un réseau d’organes nerveux avec une couche d’inversion maigre qui prédit a) si les informations de locomotion d’entrée provenaient d’un animal en mauvaise santé et b) de quelle espèce les données d’entrée particulières sont arrivées. À partir de là, le système a été formé afin qu’il ne puisse pas anticiper les espèces sur lesquelles les informations d’entrée ont été recueillies, ce qui a généralement entraîné le développement d’un réseau incapable de distinguer les espèces mais efficace pour identifier des maladies spécifiques. Cela a permis au réseau particulier de faire ressortir les caractéristiques de locomotion naturelles de la maladie.
Vitesse de locomotion des rongeurs. Les composants de couleur rouge sont au centre de notre propre conception de réseau neuronal qui inclut potentiellement des fonctions de locomotion inter-espèces. Dans cet exemple, le réseau particulier a identifié des pics de rapidité de courte durée qui sont caractéristiques de la souris présentant un déficit en dopamine. Crédit : © 2021 T. Maekawa et al., Character Communications
Leurs expériences ont exposé les fonctions de locomotion inter-espèces partagées par des vers, des souris et des humains déficients en dopamine. Malgré leurs propres différences évolutives, bon nombre de ces organismes sont incapables de se déplacer tout en maintenant des vitesses plus élevées. En outre, la vitesse de ces animaux s’est avérée volatile lors de l’accélération. Curieusement, ces animaux présentent des problèmes de mouvement similaires dans le cas d’une insuffisance de dopamine, même s’ils ont différentes échelles corporelles et des méthodes de locomotion. Alors que des études antérieures ont montré que la carence en dopamine était liée à des troubles du mouvement chez la plupart de ces espèces, cette recherche particulière était la première à identifier les caractéristiques de locomotion distribuées provoquées par cette carence.
“Notre projet démontre que l’apprentissage en profondeur pourrait être un outil puissant conçu pour extraire des connaissances à travers des ensembles de données qui se révèlent trop différents pour être comparés par des chercheurs humains”, déclare l’écrivain Takahiro Hara. L’équipe prévoit que ce travail sera utilisé pour trouver diverses autres caractéristiques communes en ce qui concerne les troubles qui affectent des types distants sur le plan de l’évolution.
Référence : « Analyse du comportement interspécifique avec des réseaux de neurones lourds antagonistes au domaine basés sur l’attention » 17 septembre 2021, Communication marketing nature .
DOI : 10. 1038/s41467-021-25636-x
