L’IA reconnaît le rythme et les étapes du développement embryonnaire

Les embryons animaux passent par une série d’étapes de développement caractéristiques au cours de leur voyage d’un ovule fécondé à un organisme fonctionnel. Ce processus biologique est en grande partie contrôlé génétiquement et suit un schéma similaire chez différentes espèces animales.

Pourtant, il existe des différences dans les détails, entre les espèces individuelles et même entre les embryons d’une même espèce. Par exemple, le rythme auquel les différents stades embryonnaires sont traversés peut varier. De telles variations dans le développement embryonnaire sont considérées comme un moteur important de l’évolution, car elles peuvent conduire à de nouvelles caractéristiques, favorisant ainsi les adaptations évolutives et la biodiversité.

L’étude du développement embryonnaire des animaux revêt donc une grande importance pour mieux comprendre les mécanismes évolutifs. Mais comment les différences dans le développement embryonnaire, telles que le calendrier des étapes de développement, peuvent-elles être enregistrées de manière objective et efficace ? Des chercheurs de l’Université de Constance, dirigés par le biologiste des systèmes Patrick Müller, développent et utilisent des méthodes basées sur l’intelligence artificielle (IA).

Dans leur article actuel dans Méthodes naturellesils décrivent une nouvelle approche qui capture automatiquement le rythme des processus de développement et reconnaît les étapes caractéristiques sans intervention humaine – standardisée et au-delà des frontières entre les espèces.

Chaque embryon est un peu différent

Nos connaissances actuelles sur l’embryogenèse animale et les stades de développement individuels sont basées sur des études dans lesquelles des embryons d’âges différents ont été observés au microscope et décrits en détail. Grâce à ce travail manuel minutieux, il existe aujourd’hui des ouvrages de référence contenant des représentations idéalisées de chaque stade embryonnaire pour de nombreuses espèces animales.

“Cependant, les embryons n’ont souvent pas exactement la même apparence au microscope que dans les dessins schématiques. Et les transitions entre les différents stades ne sont pas abruptes, mais plus progressives”, explique Müller. Attribuer manuellement un embryon aux différents stades de développement n’est donc pas anodin même pour les experts et un peu subjectif.

Ce qui rend les choses encore plus difficiles, c’est que le développement embryonnaire ne suit pas toujours le calendrier prévu. “Divers facteurs, comme la température, peuvent influencer le moment du développement embryonnaire”, explique Müller. La méthode basée sur l’IA que lui et ses collègues ont développée constitue un pas en avant substantiel.

Pour un premier exemple d’application, les chercheurs ont formé leur Twin Network avec plus de 3 millions d’images d’embryons de poisson zèbre qui se développaient sainement. Ils ont ensuite utilisé le modèle d’IA résultant pour déterminer automatiquement l’âge de développement d’autres embryons de poisson zèbre.

Objectif, précis et généralisable

Les chercheurs ont pu démontrer que l’IA est capable d’identifier les étapes clés de l’embryogenèse du poisson zèbre et de détecter les différents stades de développement de manière entièrement automatique et sans intervention humaine. Dans leur étude, les chercheurs ont utilisé le système d’IA pour comparer le stade de développement des embryons et décrire la dépendance à la température du développement embryonnaire du poisson zèbre.

Bien que l’IA ait été entraînée à partir d’images d’embryons en développement normal, elle a également pu identifier des malformations pouvant survenir spontanément chez un certain pourcentage d’embryons ou pouvant être déclenchées par des toxines environnementales.

Dans une dernière étape, les chercheurs ont transféré la méthode à d’autres espèces animales, comme les épinoches ou le ver Caenorhabditis elegans, assez éloigné du poisson zèbre sur le plan évolutif. “Une fois que le matériel d’image nécessaire est disponible, notre méthode basée sur Twin Network peut être utilisée pour analyser le développement embryonnaire de diverses espèces animales en termes de temps et d’étapes. Même s’il n’existe aucune donnée comparative pour les espèces animales, notre système fonctionne de manière de manière objective et standardisée”, explique Müller. La méthode présente donc un grand potentiel pour étudier le développement et l’évolution d’espèces animales jusqu’alors non caractérisées.