Ein digitaler Zwilling von Drosophila

NeuroMechFly: ein digitaler Zwilling von Drosophila

Ein digitales Modell von Drosophila melanogaster namens NeuroMechFly. Bildnachweis: Pavan Ramdya (EPFL)

Wissenschaftler der EPFL haben ein digitales Modell der Fruchtfliege Drosophila melanogaster entwickelt, das die Bewegungen des Tieres realistisch simuliert. Der Zwilling ist ein großer Schritt in Richtung Reverse Engineering der neuromechanischen Steuerung des Verhaltens von Tieren und der Entwicklung bioinspirierter Roboter.

“Wir haben zwei Arten von Daten verwendet, um NeuroMechFly zu bauen”, sagt Professor Pavan Ramdya von der School of Life Sciences der EPFL. „Zuerst nahmen wir eine echte Fliege und führten einen CT-Scan durch, um eine morphologisch realistische Biomechanik zu erstellen Modell. Die zweite Datenquelle waren die realen Gliedmaßenbewegungen der Fliege, die wir mithilfe einer Posenschätzungssoftware erhalten haben, die wir in den letzten Jahren entwickelt haben und die es uns ermöglicht, die Bewegungen des Tieres genau zu verfolgen.“

Ramdyas Gruppe, die mit der Gruppe von Professor Auke Ijspeert am EPFL-Labor für Biorobotik zusammenarbeitet, hat in Naturmethoden präsentiert den ersten genauen „digitalen Zwilling“ der Fliege Drosophila melanogaster mit dem Namen „NeuroMechFly“.

Zeit vergeht

Drosophila ist das am häufigsten verwendete Insekt in den Biowissenschaften und ein langfristiger Schwerpunkt von Ramdyas eigener Forschung, die seit Jahren an der digitalen Verfolgung und Modellierung dieses Tieres arbeitet. 2019, seine Gruppe veröffentlichte DeepFly3Deine Deep-Learning-basierte Motion-Capture-Software, die mehrere Kameraansichten verwendet, um die Bewegungen von Drosophila im dreidimensionalen Raum zu quantifizieren.

Fortsetzung des Deep-Learning im Jahr 2021 Ramdyas Team veröffentlichte LiftPose3D, ein Verfahren zur Rekonstruktion von 3D-Tierposen aus 2D-Bildern, die von einer einzelnen Kamera aufgenommen wurden. Diese Art von Durchbrüchen haben die explodierenden Bereiche der Neurowissenschaften und der von Tieren inspirierten Robotik mit Werkzeugen versorgt, deren Nützlichkeit nicht hoch genug eingeschätzt werden kann.

In vielerlei Hinsicht stellt NeuroMechFly einen Höhepunkt all dieser Bemühungen dar. Das Modell ist durch morphologische und kinematische Daten aus diesen früheren Studien eingeschränkt und verfügt über unabhängige Berechnungsteile, die verschiedene Körperteile des Insekts simulieren. Dazu gehört ein biomechanisches Exoskelett mit artikulierenden Körperteilen wie Kopf, Beinen, Flügeln, Bauchsegmenten, Rüssel, Antennen, Halftern (Organe, die der Fliege helfen, ihre eigene Orientierung beim Fliegen zu messen) und neuronalen Netzwerk-„Controllern“ mit einem Motorausgang .

Warum einen digitalen Zwilling von Drosophila bauen?

“Woher wissen wir, wann wir ein System verstanden haben?” sagt Ramdya. „Eine Möglichkeit ist, es nachbauen zu können. Wir könnten versuchen, eine Roboterfliege zu bauen, aber es ist viel schneller und einfacher, ein simuliertes Tier zu bauen. Eine der Hauptmotivationen hinter dieser Arbeit ist also, mit dem Bau eines Modells zu beginnen, das was integriert Wir kennen das Nervensystem und die Biomechanik der Fliege, um zu testen, ob es ausreicht, um ihr Verhalten zu erklären.”

„Wenn wir Experimente durchführen, werden wir oft von Hypothesen motiviert“, fügt er hinzu. „Bis jetzt haben wir uns auf Intuition und Logik verlassen, um Hypothesen und Vorhersagen zu formulieren. Aber da die Neurowissenschaften immer komplizierter werden, verlassen wir uns mehr auf Modelle, die viele miteinander verflochtene Komponenten zusammenbringen, sie durchspielen und vorhersagen können, was passieren könnte, wenn Sie es machen würden hier oder da eine Zwickung.”

NeuroMechFly: ein digitaler Zwilling von Drosophila

Jonathan Arreguit, Victor Lobato Rios, Auke Ijspeert, Pavan Ramdya, Shravan Tata Ramalingasetty und Gizem Özdil. Bildnachweis: Alain Herzog (EPFL)

Das Prüfbett

NeuroMechFly bietet ein äußerst wertvolles Testbed für Studien, die Biomechanik und Biorobotik voranbringen, aber nur insofern, als es das echte Tier in einer digitalen Umgebung genau darstellt. Dies zu überprüfen, war eines der Hauptanliegen der Forscher. “Wir haben Validierungsexperimente durchgeführt, die zeigen, dass wir das Verhalten des echten Tieres genau nachbilden können”, sagt Ramdya.

Die Forscher führten zunächst 3D-Messungen von echten Lauf- und Pflegefliegen durch. Anschließend wiederholten sie diese Verhaltensweisen mit dem biomechanischen Exoskelett von NeuroMechFly in einer physikbasierten Simulationsumgebung.

Wie sie in dem Papier zeigen, kann das Modell tatsächlich verschiedene Bewegungsparameter vorhersagen, die ansonsten nicht gemessen werden, wie z. B. die Drehmomente der Beine und die Kontaktreaktionskräfte mit dem Boden. Schließlich waren sie in der Lage, die vollen neuromechanischen Fähigkeiten von NeuroMechFly zu nutzen, um neurale Netzwerk- und Muskelparameter zu entdecken, die es der Fliege ermöglichen, auf eine Weise zu „laufen“, die sowohl für Geschwindigkeit als auch für Stabilität optimiert ist.

„Diese Fallstudien haben unser Vertrauen in das Modell gestärkt“, sagt Ramdya. „Am meisten interessiert uns jedoch, wann die Simulation das Verhalten von Tieren nicht reproduzieren kann, und zeigt Möglichkeiten auf, das Modell zu verbessern.“ Somit stellt NeuroMechFly eine leistungsstarke Testumgebung dar, um zu verstehen, wie Verhaltensweisen aus Interaktionen zwischen komplexen neuromechanischen Systemen und ihrer physischen Umgebung entstehen.

Eine Gemeinschaftsleistung

NeuroMechFly ist ein Gemeinschaftsprojekt. Als solches ist die Software Open Source und für Wissenschaftler frei verfügbar, um sie zu verwenden und zu modifizieren. „Wir haben ein Werkzeug gebaut, nicht nur für uns, sondern auch für andere. Deshalb haben wir es gemacht Open Source und modular, und bieten Richtlinien zur Verwendung und Änderung.”

“Fortschritt in der Wissenschaft hängt immer mehr von Gemeinschaftsanstrengungen ab”, fügt er hinzu. „Es ist wichtig, dass die Community das Modell verwendet und verbessert. Aber eines der Dinge, die NeuroMechFly bereits tut, ist, die Messlatte höher zu legen. Weil Modelle früher nicht sehr realistisch waren, haben wir nicht gefragt, wie sie direkt durch Daten informiert werden könnten . Hier haben wir gezeigt, wie man das machen kann; man kann dieses Modell nehmen, Verhaltensweisen wiedergeben und aussagekräftige Informationen ableiten. Ich denke, das ist also ein großer Schritt nach vorne.“


Deep-Learning-Methode zum Entwerfen von fliegenähnlichen Robotern


Mehr Informationen:
NeuroMechFly, ein neuromechanisches Modell der erwachsenen Drosophila melanogaster, Naturmethoden (2022). DOI: 10.1038/s41592-022-01466-7

Zitieren: NeuroMechFly: A digital twin of Drosophila (2022, 11. Mai), abgerufen am 12. Mai 2022 von https://phys.org/news/2022-05-neuromechfly-digital-twin-drosophila.html

Dieses Dokument ist urheberrechtlich geschützt. Abgesehen von einem fairen Handel zum Zwecke des privaten Studiums oder der Forschung darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Der Inhalt dient nur zu Informationszwecken.

Leave a Comment

Your email address will not be published.