La dynamique collective des micro-organismes est extrêmement riche, faisant écho à la grande diversité des signaux que les cellules uniques peuvent capter, traiter et produire. Par exemple, les paramécies produisent naturellement du CO2 qui acidifie localement le milieu et attire les autres individus, mais en même temps consomment de l’oxygène ce qui a un effet répulsif. Ces interactions opposées créent des dynamiques de fronts pouvant aboutir à la stabilisation d'agrégats à la géométrie interne non-triviale (fig 1-a). Un autre exemple est celui des micro-algues Chlamydomonas reinhardtii, qui d’une part absorbent la lumière et d’autre part cherchent l’obscurité (phototaxie négative), ce qui crée des agrégations spontanées et des motifs variés1 (fig. 1-b).

 Or, à ces échelles il n’est pas évident de découpler les effets liés aux forces hydrodynamiques de ceux liés à l’activité des microorganismes en réponse aux interactions. Des simulations multi-agents récentes permettent à chaque agent d’être piloté par un réseau de neurones artificiel simple modélisant les réseaux d’interactions internes des cellules. En mettant en interaction de larges ensembles d’agents, ces simulations ont reproduit de manières encourageante divers aspects de la dynamique de systèmes réels.

Ce stage vise donc à générer des dynamiques collectives de micro-organismes avec ces simulations multi-agents afin d’en dégager les “ingrédients” minimaux nécessaires à la formation des motifs dynamiques complexes et formuler des prédictions à destination des expérimentateurs. Selon l’avancée des résultats, il est aussi envisagé de laisser au réseau de neurones la possibilité d’évoluer et de se complexifier afin de reproduire au mieux les dynamiques observées expérimentalement.

Bibliographie

 1. Eisenmann, I. et al., Light-induced phase separation with finite wavelength selection in photophobic micro-algae - ArXiv (2024) https://doi.org/10.48550/arXiv.2401.08394