Bandeau du Laboratoire d'Informatique & Systèmes (LIS)

ASDMOD modélise le comportement de souris autistes

Le projet ASDMOD vise à modéliser les comportements de cinq modèles de souris autistes causés par des mutations génétiques ou par un gain de poids gestationnel excessif (GWG, détecté aujourd'hui chez la moitié des femmes), voire une combinaison des deux..
  • Contact : Séverine DUBUISSON, équipe I&M
Le projet ASDMOD ("Modeling complex autistic-like behavior in mice and impact of obesity induced during oregnancy") se concentre sur une étude comportementale non invasive, longitudinale et en aveugle de souris mâles et femelles autistes (modèles génétiques et environnementaux) par rapport à des souris témoins (même âge, même sexe). Le trouble du spectre autistique (TSA) est une maladie neurodéveloppementale fréquente dans la population (un peu moins de 1 %) dont le diagnostic repose exclusivement sur des critères comportementaux, qui comprennent un déficit de la communication et de l'interaction sociales, des modèles stéréotypés et répétitifs de comportement ou d'activités, ainsi qu'un champ d'intérêt restreint. Les expertises complémentaires de trois laboratoires d’Aix-Marseille Université (IBDM, INMED et LIS) sont associées pour étudier tout au long de leur vie le « comportement spontané » des souris se déplaçant librement dans un espace ouvert, en utilisant un système reposant sur des outils nouveaux et évolutifs. Live Mouse Tracker et DeepLabCut peuvent révéler et mesurer des séquences comportementales complexes ou encore étudier plusieurs souris en interaction. Les études actuelles tentent de répondre à la question « que se passe-t-il ? ». Dans ASDMOD, poses et actions sont des données d'entrée extraites automatiquement par les outils précédemment cités. Il s'agit donc d'approfondir l'analyse en répondant à plus de questions : « comment, quand et où est-ce que cela arrive-t-il ?". Nous proposons ainsi une analyse comportementale 3D pour l'étude de séries temporelles d'actions (individuelles, dyadiques ou de groupe) via des techniques récentes issues de la vision par ordinateur et de l’apprentissage profond. Les séries chronologiques d'actions sont examinées à plusieurs échelles de temps et ces différents niveaux de granularité devraient permettre de regrouper en comportements de petits ensembles d'actions, d’extraire des motifs de comportements (ou répétitions des comportements) et d’étudier les séquences de comportements qui décrivent le déplacement global des souris entre deux zones d'intérêt. Toutes ces échelles considérées seront représentées dans des espaces d'états comportementaux dans lesquels on distinguera les différentes cohortes de souris étudiées pour caractériser des classes de comportements ou des valeurs aberrantes