Model om dierenbewegingen vast te leggen

Eeuwenlang hebben natuurkundigen en wiskundigen ernaar gestreefd om een ​​grote verscheidenheid aan complexe dynamische patronen te modelleren en te begrijpen: van de manier waarop kleine moleculen bewegen tot de bewegingen van planeten en sterren. Kunnen we dezelfde wiskundige precisie toepassen om te begrijpen hoe dieren bewegen? Tosif Ahamed, Antonio C Costa en Greg J. Stephens van de Vrije Universiteit Amsterdam en OIST Graduate University geven het antwoord in Nature Physics.

19-10-2020 | 11:50

In de publicatie introduceren de biologen een nieuwe methode om de volledige dynamische complexiteit van dierenbewegingen vast te leggen en deze te gebruiken om stereotypie en onvoorspelbaarheid te begrijpen bij de bewegingsdynamiek van de in de bodem levende nematode worm C. elegans, een van de eenvoudigste dieren. Het werk is een belangrijke stap naar een nieuw, kwantitatief begrip van gedrag dat zich kan uitstrekken tot andere dieren, inclusief mensen.

Golvende wormen
“We hebben video’s gemaakt met een hoge resolutie van de wormen die op een tweedimensionaal oppervlak bewegen en haalden daar de middellijn van de lichaamsvorm uit voor elk frame, dit is de houding of pose van de worm. Net als bij mensen bewegen wormen door van houding te veranderen. We zien golven door hun hele lichaam voortbewegen, ze vooruit, achteruit of draaien in schijnbaar willekeurige reeksen.” aldus VU-biofysicus Stephens.

Om deze golven te begrijpen, zijn variabelen nodig die maximaal voorspellend zijn voor de toekomst. Stel je de beweging van een slingeruurwerk voor. Als je naar een stilstaand beeld van een slinger kijkt, weet je niet of hij stil zit of naar links of rechts beweegt. Om de toekomst ondubbelzinnig te maken en te voorspellen, heb je extra informatie nodig: kijken waar de slinger bijvoorbeeld een beetje eerder was, is voldoende om nauwkeurig te kunnen voorspellen waar hij naartoe gaat. Daarom is de nieuwe reeks variabelen, bestaande uit twee aangrenzende tijdpunten van de slinger, maximaal voorspellend voor zijn toekomst. In wiskundige taal zeggen we dat deze uitgebreide reeks variabelen de toestandsruimte van de slinger is.

De onderzoekers gebruikten hun analyse om korte houdingssequenties die de maximaal voorspellende gedragstoestand van de worm te bepalen. Terwijl de worm beweegt, volgt de gedragstoestand cycli die overeenkomen met herhaalbare bewegingen van vooruit, achteruit en draaien. Elke cyclus is echter iets anders en bij nader inzien bleek een opvallende deterministische variatie in plaats van simpelweg willekeurige veranderingen. Deterministische variabiliteit staat bekend als chaos en werd voor het eerst waargenomen in eenvoudige maar niet-lineaire fysieke systemen. Zij veronderstelden dat de worm chaotische bewegingen opneemt om een ​​onbekende omgeving beter te verkennen.