Romain Fayat

Approches computationnelles pour quantifier le comportement de rongeurs à partir de données issues de capteurs inertiels: Les centrales inertielles (ou IMUs) sont des capteurs électromécaniques fournissant des mesures tridimensionnelles d'accélération et de vitesse angulaire. Ils constituent le composant central de nombreux dispositifs portables utilisés pour mesurer l'orientation et la cinématique des parties du corps en santé et en biomécanique. Chez les animaux, les IMUs ont été principalement utilisées pour la mesure d'activités comportementales chez les espèces sauvages et domestiques, dans des contextes où l'observation directe est difficile ou impossible. Au cours de la dernière décennie, ces capteurs ont également gagné en popularité dans l'étude d'animaux de laboratoire en comportement libre, notamment dans le contexte de la recherche neurophysiologique, offrant une lecture résolue dans le temps et l'espace des mouvements, compatible avec l'échelle temporelle fine des enregistrements électrophysiologiques. Pour rendre compte fidèlement de la cinématique squelettique, les IMUs doivent idéalement être fixées à l'os, une approche qui, dans le cas des rongeurs de laboratoire, n'est facilement réalisable qu'au niveau du crâne. Les signaux cinématiques résultants de la tête sont très pertinents pour étudier le comportement des rongeurs, car ces animaux dépendent fortement de la mobilité de leur tête pour explorer leur environnement et diverses activités comportementales telles que le toilettage, le grattage ou le redressement impliquent des mouvements stéréotypés de la tête. Cependant, malgré l'utilisation croissante des IMUs dans la littérature sur les rongeurs, il reste à établir dans quelle mesure les données inertielles de la tête peuvent être utilisées pour cartographier précisément le comportement des rongeurs, et une méthode d'analyse appropriée pour manipuler et analyser ces données fait encore défaut. Dans la première partie de ce projet, nous avons évalué le niveau de précision des estimations d'inclinaison de la tête basées sur les IMUs en les comparant à des mesures simultanées réalisées par capture de mouvement. Nos résultats montrent que la composante basse fréquence des mesures d'accélération, souvent utilisée comme approximation de leur composante gravitationnelle, fournit une estimation fiable de l'orientation de la tête uniquement dans des conditions quasi-statiques. En revanche, une calibration du capteur combinée à un choix approprié d'algorithmes de filtrage peut permettre d'obtenir des erreurs moyennes d'estimation d'inclinaison de moins de 1,5° pendant le mouvement, permettant la quantification fine des changements dynamiques de la posture de la tête. À titre de preuve de concept nous avons illustré l'utilité de cette méthode pour quantifier les symptômes posturaux et moteurs dans un modèle de lésion vestibulaire unilatérale chez le rat. Dans la deuxième partie de ce projet, nous avons mis au point une méthode d'analyse non supervisée des données inertielles de rongeur. Cette méthode exploite des outils d'apprentissage automatique tels que des algorithmes de détection de rupture pour diviser de grandes séries temporelles en segments de longueurs variables et des modèles de mélange gaussien pour regrouper ces segments en groupes partageant des caractéristiques cinématiques similaires. Nos résultats montrent que cette méthode permet de discriminer un large éventail d'activités comportementales à une échelle temporelle fine, révélant notamment des variants dans l'exécution des comportements de réorientation, de locomotion, d'exploration olfactive et de toilettage. Il a également été utilisé avec succès pour quantifier les symptômes moteurs dans un modèle murin de maladie de Parkinson et de dyskinésies induites par la Lévodopa. Ce travail pose également les bases de la conception d'approches supervisées plus ciblées pour détecter l'occurrence de motifs moteurs d'intérêt et constitue une nouvelle méthode de phénotypage approfondi qui pourrait être appliquée à l'humain ou d'autres modèles animaux.

Cette thèse traite du problème d’action collective, appelé aussi le problème du passager clandestin, soulevé en premier lieu par Olson (1965). Il stipule que si des agents autocentrés et rationnels participent à une action collective, en raison de l’impossibilité d’exclure les agents des bénéfices de cette action, ces derniers ont tout intérêt à ne pas contribuer à l’action, tout en profitant de la contribution des autres agents. Partant de ce problème, cette thèse se focalise sur les niveaux d’efforts individuels et l’efficacité d’un groupe à fournir un effort collectif dans différents cadres d’actions collectives. Dans notre premier chapitre, nous nous intéressons à l’effet de la taille du groupe sur les efforts individuels et l’efficacité d’un groupe à parvenir à ses fins. Nous supposons deux groupes se distinguant seulement par leur taille, qui concourent pour un bien pouvant être plus ou moins divisible parmi les membres du groupe victorieux. Notre principal apport est d’analyser comment la complémentarité entre les efforts des membres d’un groupe impacte la relation entre la taille du groupe et son efficacité. Nous montrons que la complémentarité entre les efforts des membres peut renverser le paradoxe de la taille de groupe. Paradoxe qui stipule qu’un plus petit groupe est plus efficace qu’un grand groupe pour parvenir à ses fins. Nous montrons aussi que la complémentarité entre les efforts des membres permet aux agents du plus grand groupe d’obtenir un gain net plus important que des agents du plus petit groupe même si le bien contesté est parfaitement divisible entre les membres du groupe victorieux. Le second chapitre s’intéresse à la répartition de l’effort collectif dans un groupe hétérogène, où chaque agent valorise à un degré différent l’action collective. Nous cherchons à expliquer théoriquement comment la répartition de l’effort à l’action collective évolue en fonctions de divers paramètres. Nous formulons un modèle où les agents valorisent à des degrés divers un bien public qu’ils fournissent, en supposant un certain degré de complémentarité entre les efforts des agents. Nous montrons que la complémentarité entre les efforts des membres avantage l’agent qui valorise le plus l’action collective en terme de répartition de l’action collective. Ensuite, nous supposons que les agents ne sont plus parfaitement autocentrés et nous montrons que la bienveillance entre les agents avantage l’agent qui la valorise le plus l’action collective en terme de répartition de l’effort collective. Le troisième chapitre analyse l’arbitrage que peuvent effectuer des agents entre fournir un effort de conflit et contribuer à un bien public. Nous analysons cet arbitrage en supposant que l’environnement économique est dégradé. Ainsi, nous cherchons à déterminer les incitations économiques qui impactent l’arbitrage que peuvent effectuer des agents entre fournir un effort de conflit ou fournir un effort collectif, lorsque l’environnement économique se dégrade. Nous supposons une fonction d’utilité individuelle qui dépend d’une part, d’une ressource qui peut être accaparée individuellement à travers un conflit et d’autre part, d’un bien public fourni par des contributions volontaires individuelles des agents. Nous supposons aussi que les gains du gain de conflit et la fourniture du bien public sont séparément dégradées par un paramètre exogène. Nous montrons que les agents sont incités à fournir un effort de conflit lorsque les gains du conflit sont diminués, mais qu’ils sont incités à augmenter leur fourniture du bien public lorsque cette dernière est diminuée. Nous analysons aussi la relation entre l’effort et le montant de ressource de conflit. Nous montrons que le signe de la relation entre l’effort de conflit et le montant de ressource de conflit est non monotone et dépend notamment du niveau de dégradation qui impacte négativement les gains du conflit.

Decomposing behavior into elementary components remains a central challenge in computational neuroethology. The current standard in laboratory animals involves multi-view video tracking, which, while providing unparalleled access to full-body kinematics, imposes environmental constraints, is data-intensive, and has limited scalability. We present an alternative approach using inertial sensors, which capture high-resolution, environment-independent, and compact three-dimensional kinematic data, and are commonly integrated into rodent neurophysiological devices. Our analysis pipeline leverages unsupervised, computationally efficient change-point detection to break down inertial time series into variable-length, statistically homogeneous segments. These segments are then grouped into candidate behavioral motifs through high-dimensional, model-based probabilistic clustering. We demonstrate that this approach achieves detailed rodent behavioral mapping using head inertial data. Identified motifs, corroborated by video recordings, include orienting movements, grooming components, locomotion, and olfactory exploration. Higher-order behavioral structures can be accessed by applying a categorical hidden Markov model to the motif sequence. Additionally, our pipeline detects both overt and subtle motor changes in a mouse model of Parkinson’s disease and levodopa-induced dyskinesia, highlighting its value for behavioral phenotyping. This methodology offers the possibility of conducting high-resolution, observer-unbiased behavioral analysis at minimal computational cost from easily scalable and environmentally unconstrained recordings.