Quantifying Behavioral Structure and Persistence in Open-Field Assays Using Entropy and Spectral Metrics

Cette étude propose un cadre à haut débit intégrant l'estimation de pose 3D et la modélisation Markovienne pour transformer les comportements spontanés en séquences de « syllabes », permettant ainsi de quantifier leur organisation dynamique via l'entropie de Shannon et la persistance temporelle mesurée par le deuxième plus grand valeur propre.

L'essentiel

🐭 L'histoire : Au-delà de la simple vitesse

Imaginez que vous essayez de comprendre la personnalité d'un ami en le regardant marcher dans un parc.

• La vieille méthode (les scientifiques d'autrefois) : Ils ne regardaient que deux choses : "Est-ce qu'il court vite ?" et "Est-ce qu'il s'arrête au milieu du parc ?". C'est utile, mais c'est comme essayer de comprendre un film en ne regardant que la durée totale et la vitesse moyenne des personnages. On rate toute l'histoire !
• La nouvelle méthode (ce papier) : Les chercheurs disent : "Attendez, regardons comment il marche, quels gestes il enchaîne et dans quel ordre."

🎥 Le tournage : Des caméras magiques et des "mots" de mouvement

Pour faire cela, les chercheurs ont utilisé deux outils de pointe :

1. AVATAR-3D : Imaginez une cage entourée de 5 caméras qui filment la souris sous tous les angles, comme un réalisateur de film qui veut capturer chaque mouvement en 3D, même si la souris cache sa queue.
2. Keypoint-MoSeq : C'est un logiciel très intelligent (une sorte de traducteur) qui prend ces heures de vidéo et les transforme en une suite de "mots".

L'analogie du langage :
Au lieu de voir une souris bouger de façon continue et confuse, le logiciel découpe son comportement en petits blocs discrets qu'on appelle des "syllabes".

• Une "syllabe" pourrait être : "se gratter l'oreille", "tourner sur soi-même", ou "s'arrêter net".
• La souris ne fait pas n'importe quoi au hasard. Elle enchaîne ces syllabes pour former des "phrases" comportementales. Parfois, elle dit "Je me lève, puis je tourne, puis je me gratte".

🎲 Le cœur de la découverte : Le Chaos et la Répétition

Une fois qu'ils ont ces "mots" (syllabes), les chercheurs ont utilisé deux concepts mathématiques (l'entropie et les valeurs propres) pour mesurer la structure de la souris. Voici comment on peut les imaginer :

1. L'Entropie (La "Désorganisation" ou la "Liberté")

Imaginez un orchestre.

• Faible entropie : L'orchestre joue toujours la même note, ou le même petit motif. C'est très prévisible, un peu rigide.
• Forte entropie : L'orchestre joue de tout, change de style, de tempo, et explore toutes les notes possibles. C'est diversifié et libre.
• Dans l'étude : Ils mesurent si la souris utilise une grande variété de mouvements (haute entropie) ou si elle reste coincée dans quelques gestes répétitifs (basse entropie).

2. La "Persistance" (La "Colle" du temps)

Imaginez que vous jouez à un jeu de plateau.

• Forte persistance : Une fois que vous êtes sur une case, il est très difficile de changer de case. Vous restez coincé là-bas longtemps.
• Faible persistance : Vous changez de case très vite, vous sautez partout.
• Dans l'étude : Cela mesure à quel point la souris s'accroche à un comportement avant de passer au suivant. Est-ce qu'elle reste dans son "tournoiement" pendant 10 secondes, ou change-t-elle d'action toutes les 2 secondes ?

💊 L'expérience avec la "Potion" (Le Kétamine)

Pour tester leur méthode, ils ont donné de la kétamine (un médicament qui imite certains troubles psychiatriques) à des souris, et du sérum physiologique (un placebo) à d'autres.

Ce qu'ils ont découvert (et c'est là que c'est fascinant) :

1. Le monde global devient plus "bruyant" (Haute Entropie) :
   Les souris sous kétamine ont utilisé plus de types de mouvements différents que les souris normales. Elles semblaient plus "désorganisées" globalement, comme si elles essayaient tout ce qui leur passait par la tête.

2. Mais localement, c'est plus "rigide" (Basse Entropie Locale) :
   C'est le paradoxe ! Même si elles faisaient plus de choses différentes en général, quand elles faisaient un mouvement spécifique (comme tourner en rond), elles le faisaient de manière très prévisible et répétitive.

   • Analogie : Imaginez quelqu'un qui parle avec un vocabulaire très vaste (il utilise 1000 mots différents), mais dès qu'il utilise le mot "manger", il répète toujours exactement la même phrase bizarre derrière. C'est une organisation bizarre : du chaos global, mais de la rigidité locale.

3. Le temps change tout :

   • Les souris normales (saline) commencent par être très curieuses et changeantes (beaucoup de mouvements), puis se calment et s'habituent à la cage (elles deviennent plus prévisibles).
   • Les souris sous kétamine mettent plus de temps à se calmer et restent dans cet état de "désorganisation structurée" plus longtemps.

🏁 En résumé

Ce papier nous dit que pour comprendre le comportement (d'une souris, ou peut-être un jour d'un humain), il ne suffit pas de compter combien de fois elle bouge. Il faut regarder la structure de ses mouvements.

Grâce à ces nouvelles "lunettes" mathématiques, les chercheurs peuvent voir que la kétamine ne rend pas juste la souris "agitée". Elle réorganise sa façon de penser et d'agir : elle élargit son répertoire de mouvements, mais fige certains de ses gestes en boucles répétitives. C'est comme si le cerveau de la souris changeait la façon dont il enchaîne les notes de musique, passant d'une mélodie fluide à une cacophonie où certains refrains sont répétés à l'infini.

Résumé technique

1. Problématique

Les assays traditionnels de champ ouvert (open-field) chez les rongeurs reposent sur des métriques scalaires de faible dimension (vitesse moyenne, distance totale parcourue, temps passé au centre). Bien que ces mesures fournissent des informations sur les patterns locomoteurs, elles négligent la richesse dynamique et les dépendances temporelles des comportements spontanés. L'analyse actuelle manque souvent de capacité à caractériser l'organisation structurelle globale du comportement en tant que système dynamique, se limitant plutôt à des actions isolées ou à des regroupements subjectifs de motifs comportementaux.

2. Méthodologie

Les auteurs proposent un pipeline à haut débit intégrant l'estimation de pose 3D et la modélisation statistique avancée pour transformer les enregistrements vidéo en séquences temporelles d'unités comportementales discrètes (« syllabes »).

• Acquisition des données (AVATAR-3D) : Utilisation d'un système multi-caméras (5 caméras) pour l'estimation de pose sans marqueurs chez des souris libres. Contrairement aux systèmes monocaméra (comme DeepLabCut ou SLEAP) qui souffrent d'occlusions, ce système triangule les coordonnées 2D pour reconstruire des trajectoires 3D précises de 9 points de repère anatomiques (le point de la queue étant exclu pour réduire le bruit).
• Segmentation comportementale (Keypoint-MoSeq) : Les données de pose 3D sont réduites en dimension via une Analyse en Composantes Principales (PCA) (max 10 composantes) puis segmentées en « syllabes » comportementales récurrentes à l'aide d'un modèle de Markov caché autorégressif (AR-HMM). Ce processus identifie des motifs comportementaux de manière non supervisée (bottom-up).
• Analyse Informationnelle et Spectrale :
  • Construction d'une matrice de transition de probabilité $P$ (stochastique par ligne) entre les syllabes.
  • Entropie de Shannon ($H$) : Calculée à partir de la distribution stationnaire des syllabes pour mesurer la dispersion globale du répertoire comportemental.
  • Entropie Locale ($H_i$) : Calculée pour chaque syllabe individuelle pour mesurer la prévisibilité des transitions sortantes.
  • Valeur Propre ($\lambda_2$ ou Eigen₂) : Le deuxième plus grand module de valeur propre de la matrice de transition est utilisé comme indicateur de persistance temporelle et de dynamique de mélange. Une valeur proche de 1 indique une persistance élevée et un mélange lent (comportement rigide), tandis qu'une valeur plus faible indique un mélange rapide.

3. Contributions Clés

• Cadre d'analyse dynamique : Passage d'une analyse statique (métriques scalaires) à une analyse de système dynamique stochastique.
• Métriques complémentaires : Introduction conjointe de l'entropie (dispersion) et de la persistance spectrale (Eigen₂) pour quantifier simultanément la diversité et la stabilité temporelle du comportement.
• Pipeline automatisé et robuste : Intégration réussie de AVATAR-3D et Keypoint-MoSeq pour une segmentation précise et reproductible des comportements spontanés.

4. Résultats

A. Caractérisation des souris sauvages (WT)

• Structure non aléatoire : L'analyse de 12 souris C57BL/6J a révélé que les syllabes ne sont pas distribuées uniformément mais forment un répertoire stable et structuré.
• Dynamique temporelle : Sur une session de 30 minutes, on observe une diminution significative de l'entropie globale et une augmentation de la valeur propre $\lambda_2$. Cela indique une habituation : le comportement passe d'une exploration variée et dispersée (début de session) à un répertoire plus contraint et prévisible (fin de session).
• Prévisibilité locale : Certaines syllabes montrent une faible entropie locale (transitions stéréotypées), tandis que d'autres sont plus flexibles, révélant une hiérarchie dans l'organisation comportementale.

B. Impact Pharmacologique (Kétamine vs Saline)

L'étude a comparé des souris traitées à la kétamine (30 mg/kg, modèle de dysrégulation comportementale liée à la schizophrénie) à des contrôles sous saline.

• Réorganisation globale : Les souris sous kétamine présentent une entropie globale significativement plus élevée, indiquant un répertoire comportemental plus dispersé et moins concentré sur un sous-ensemble de syllabes.
• Inversion de l'entropie locale : Un phénomène d'inversion a été observé :
  • Les syllabes favorisées par la kétamine (ex: pivots, tours, mouvements circulaires) montrent une entropie locale plus faible (transitions plus rigides et prévisibles une fois engagées).
  • Les syllabes favorisées par le saline (ex: exploration, posture) montrent une entropie locale plus élevée.
• Interprétation : La kétamine induit une réorganisation multi-échelle : elle élargit la diversité globale des états visités (haute entropie globale) tout en rigidifiant les transitions au sein des motifs comportementaux spécifiques qu'elle favorise (basse entropie locale).
• Évolution temporelle : Les effets de la kétamine évoluent au cours de la session, avec une rigidité structurelle accrue immédiatement après l'injection, suivie d'une redistribution plus large des états comportementaux.

5. Signification et Impact

Cette étude démontre que l'analyse comportementale doit dépasser les simples mesures de fréquence ou de distance pour capturer la structure dynamique du comportement.

• Sensibilité aux perturbations : Les métriques d'entropie et spectrales sont capables de détecter des changements subtils et complexes induits par des agents pharmacologiques (comme la kétamine) que les métriques traditionnelles pourraient manquer.
• Modélisation de pathologies : La capacité à quantifier la « rigidité » locale et la « dispersion » globale offre un nouvel outil pour modéliser les dysrégulations comportementales observées dans des troubles neuropsychiatriques (ex: schizophrénie, autisme).
• Fondement pour de futures recherches : Ce cadre méthodologique fournit une base robuste pour comparer des cohortes génétiques, pharmacologiques ou environnementales en termes d'organisation systémique du comportement, plutôt que de simples différences d'activité motrice.

En résumé, l'article propose une avancée majeure en transformant l'analyse comportementale en une science des systèmes dynamiques, permettant une quantification fine de l'organisation, de la persistance et de la flexibilité du comportement spontané.