Millisecond-scale detection of mouse ultrasonic vocalizations enables closed-loop experiments

Les souris sont bien plus vocales que ne le suggèrent leurs petits cris. Lorsqu'elles interagissent socialement, que ce soit avec une mère, un partenaire potentiel ou un étranger, elles émettent un flux rapide de sons dont la fréquence est bien trop élevée pour que l'oreille humaine puisse les percevoir. Ces appels ultrasoniques, qui peuvent atteindre des fréquences dépassant largement ce que nous pouvons percevoir, constituent un langage riche pour leur monde social. Pour les scientifiques qui étudient le comportement, ces sons offrent une fenêtre directe sur l'esprit de la souris, révélant des moments de parade nuptiale, de détresse ou de curiosité. Cependant, pendant des décennies, l'écoute de cette conversation a été un processus lent et rétrospectif. Les chercheurs enregistraient des heures d'audio, puis passaient des jours ou des semaines à utiliser des ordinateurs pour chercher dans le silence les appels brefs et fugaces cachés dans le bruit. Le temps que les appels soient identifiés, le moment était déjà passé depuis longtemps, rendant impossible toute réaction à la communication de la souris au moment même où elle se produisait.

Cette limitation a tenu un outil puissant hors de portée de la science en temps réel. Si un chercheur pouvait entendre l'appel dès qu'il est émis, il pourrait réagir instantanément par une lumière, un son ou un stimulus, transformant la propre voix de la souris en un déclencheur pour l'expérience. Le défi était technique : ces appels sont incroyablement courts, durant souvent seulement quelques millisecondes, et surviennent par rafales rapides. Les programmes informatiques existants étaient trop lents pour les capturer au moment où ils se produisaient, nécessitant généralement une longue séquence d'audio avant de pouvoir commencer l'analyse. Un nouvel outil, développé par des chercheurs de l'Université de Bonn, change entièrement la donne. Ils ont créé un système qui écoute les ondes sonores brutes de la voix d'une souris et décide, en quelques millisecondes, si un appel est en cours, assez rapidement pour déclencher une réponse immédiate pendant que la souris est encore en train de parler.

Les chercheurs, dirigés par Martin K. Schwarz, ont construit un système qu'ils appellent DeepFisFis. Au lieu d'essayer de traduire le son en une image visuelle d'abord, une étape qui prend du temps et de la puissance de calcul, leur système regarde directement la forme de l'onde sonore elle-même. Imaginez l'onde sonore comme une ligne dentelée traversant un écran. Le système découpe cette ligne en petites tranches de cinq millisecondes. Pour chaque tranche, il pose une question simple : ce petit morceau de son ressemble-t-il à une partie d'un appel de souris ? Parce que les tranches sont si petites, l'ordinateur peut répondre à cette question presque instantanément. En fait, le système traite chaque tranche en environ 2,5 millisecondes, ce qui est plus rapide que le temps nécessaire au microphone pour enregistrer cette tranche de son. Cette vitesse signifie que l'ordinateur n'est jamais en retard sur le flux audio ; il écoute en temps réel, prêt à agir dès qu'un appel commence.

Pour prouver l'efficacité de ce système, l'équipe l'a testé par rapport aux méthodes établies qui étaient utilisées depuis des années. Ils ont soumis le système à des enregistrements de souris en interaction et lui ont demandé de trouver les appels. Le nouveau système a trouvé presque tous les appels que les experts humains avaient marqués, égalant ou dépassant même la précision des anciens outils plus lents. Mais la précision n'était qu'une moitié de l'histoire. Le véritable test était la vitesse. Lorsque les chercheurs ont mesuré le temps nécessaire pour analyser un segment d'audio, leur nouveau système était quatre à cinq fois plus rapide que les meilleurs outils précédents. Plus important encore, parce qu'il travaille sur des tranches aussi infimes, il n'a pas besoin d'attendre qu'un appel entier soit terminé avant de prendre une décision. Il peut identifier qu'un appel a commencé seulement quelques millisecondes après le début du son.

Cette vitesse a débloqué une nouvelle façon de mener des expériences. L'équipe a mis en place un système en boucle fermée, une configuration où l'ordinateur écoute la souris et déclenche immédiatement une réponse. Dans leur test, ils ont diffusé des enregistrements d'appels de souris au système. Dès que le système détectait un appel, il déclenchait la lecture d'un ton via un haut-parleur. L'ensemble du processus, de l'arrivée du son au microphone à la diffusion du ton, a pris environ 128 millisecondes. Bien que ce délai soit principalement dû au matériel et non au logiciel, la conclusion critique est que le logiciel lui-même n'ajoutait presque aucun temps supplémentaire. Le système était assez rapide pour suivre le flux sonore, prouvant que l'ordinateur pouvait agir comme un partenaire en temps réel dans l'expérience plutôt que comme un simple enregistreur passif.

Au-delà du déclenchement de réponses, cette vitesse offre une solution pratique à un problème majeur de la science moderne : le stockage des données. L'enregistrement d'audio de haute qualité aux vitesses nécessaires pour capturer ces appels génère des quantités énormes de données. Si un chercheur enregistre pendant une heure, il peut se retrouver avec des gigaoctets de silence, avec seulement une infime fraction contenant des appels réels. Le nouveau système permet aux chercheurs de n'enregistrer que ce qui compte. En utilisant le détecteur pour surveiller le flux audio en direct, l'ordinateur peut décider de sauvegarder uniquement les moments où un appel est détecté, ainsi qu'un petit tampon de son avant et après. Dans leurs tests, cette méthode a réduit la quantité de données stockées de plus de 75 % tout en conservant presque toutes les vocalisations réelles. Cela signifie que les scientifiques peuvent mener des expériences plus longues ou enregistrer des comportements plus complexes sans être submergés par des données vides.

Le système a également fait preuve d'une remarquable flexibilité. Les chercheurs ont entraîné l'ordinateur sur des enregistrements effectués à une vitesse spécifique, puis l'ont testé sur des enregistrements effectués à une vitesse différente, plus rapide. Sans avoir besoin de collecter de nouvelles données ou de réentraîner le système à partir de zéro, ils ont pu adapter l'outil aux nouvelles conditions et maintenir une haute précision. Cela suggère que le système apprend la forme fondamentale de la voix de la souris plutôt que de simplement mémoriser des enregistrements spécifiques, ce qui le rend assez robuste pour fonctionner dans différents laboratoires avec des équipements différents.

Ce travail représente un changement dans la manière dont les scientifiques interagissent avec le comportement animal. Pendant des années, l'étude de la communication des souris a été une activité rétrospective, analysant ce qui s'était passé après coup. Cette nouvelle approche transforme la voix de la souris en un signal vivant, disponible dès qu'elle est produite. Elle ne remplace pas l'analyse détaillée qui intervient plus tard, mais elle ouvre la porte à des expériences où la propre voix de l'animal dirige le cours de l'étude. En écoutant et en réagissant en un clin d'œil, les chercheurs peuvent désormais poser des questions sur les circuits neuronaux de la communication d'une manière qui était auparavant impossible, passant de l'observation d'une conversation à la participation à celle-ci.