I grew up watching Star Trek. I love Star Trek. Star Trek made me want to see alien creatures, creatures from a far-distant world. But basically, I figured out that I could find those alien creatures right on Earth.
J'ai grandit en regardant Star Trek. J'adore Star Trek. Star Trek m'a donné envie de voir des créatures extra-terrestres, des créatures d'un monde lointain. Mais en fait, je me suis rendu compte que je pouvais trouver ces créatures étranges ici-même sur la Terre.
And what I do is I study insects. I'm obsessed with insects, particularly insect flight. I think the evolution of insect flight is perhaps one of the most important events in the history of life. Without insects, there'd be no flowering plants. Without flowering plants, there would be no clever, fruit-eating primates giving TED Talks.
Moi, j'étudie les insectes. Je suis passionné par les insectes, et plus particulièrement par leur vol. Je pense que l'évolution du vol des insectes est peut-être un des évenements les plus importants de l'histoire de la vie. Sans les insectes, il n'y aurait pas de plantes à fleurs, Sans les plantes à fleurs, il n'y aurait pas de primates fructivores et intelligents donnant des conférences TED.
(Laughter)
(Rires).
Now, David and Hidehiko and Ketaki gave a very compelling story about the similarities between fruit flies and humans, and there are many similarities, and so you might think that if humans are similar to fruit flies, the favorite behavior of a fruit fly might be this, for example -- (Laughter) but in my talk, I don't want to emphasize on the similarities between humans and fruit flies, but rather the differences, and focus on the behaviors that I think fruit flies excel at doing.
Alors, David, Hidehiko et Ketaki ont raconté une histoire très probante sur les similitudes entre les mouches drosophiles et les êtres humains, il y a de nombreuses similitudes, et vous pourriez penser que si les hommes et les mouches drosophiles sont similaires, le comportement préféré d'une drosophile drosophile serait par exemple celui-ci - (Rires) mais, dans cette conférence, je ne souhaite pas mettre l'accent sur les similitudes entre les hommes et les mouches drosophiles, mais plutôt sur les différences et me concentrer sur les comportements pour lesquels les mouches sont particulièrement douées.
And so I want to show you a high-speed video sequence of a fly shot at 7,000 frames per second in infrared lighting, and to the right, off-screen, is an electronic looming predator that is going to go at the fly. The fly is going to sense this predator. It is going to extend its legs out. It's going to sashay away to live to fly another day. Now I have carefully cropped this sequence to be exactly the duration of a human eye blink, so in the time that it would take you to blink your eye, the fly has seen this looming predator, estimated its position, initiated a motor pattern to fly it away, beating its wings at 220 times a second as it does so. I think this is a fascinating behavior that shows how fast the fly's brain can process information.
Alors, je vais vous montrer une vidéo à haute vitesse, d'une mouche filmée à 7000 images seconde en lumière infra-rouge, et à droite, hors de l'écran, il y a un prédateur électronique qui approche, qui est prêt à sauter sur la mouche. La mouche va sentir ce prédateur, va tendre ses pattes, et va s'en aller en se pavanant pour vivre une nouvelle journée de mouche. Alors, j'ai découpé cette séquence pour qu'elle dure exactement le temps d'un clignement d’œil humain, et pendant le temps qu'il vous faut pour cligner de l’œil, la mouche a vu ce prédateur qui approche, a estimé sa position, a mis en route un schéma pour s'enfuir, en battant des ailes 220 fois par seconde. Je trouve que c'est un comportement fascinant qui montre à quelle vitesse le cerveau de la mouche peut traiter des informations.
Now, flight -- what does it take to fly? Well, in order to fly, just as in a human aircraft, you need wings that can generate sufficient aerodynamic forces, you need an engine sufficient to generate the power required for flight, and you need a controller, and in the first human aircraft, the controller was basically the brain of Orville and Wilbur sitting in the cockpit.
Mais, le vol. Que faut-il pour voler ? Pour voler, comme dans un avion, il vous faut des ailes qui peuvent générer suffisamment de forces aérodynamiques, il vous faut un moteur capable de générer assez d'énergie pour un vol, et il vous faut un contrôleur, dans le premier avion, le contrôleur était tout simplement le cerveau d'Orville et Wilbur assis dans le cockpit.
Now, how does this compare to a fly? Well, I spent a lot of my early career trying to figure out how insect wings generate enough force to keep the flies in the air. And you might have heard how engineers proved that bumblebees couldn't fly. Well, the problem was in thinking that the insect wings function in the way that aircraft wings work. But they don't. And we tackle this problem by building giant, dynamically scaled model robot insects that would flap in giant pools of mineral oil where we could study the aerodynamic forces. And it turns out that the insects flap their wings in a very clever way, at a very high angle of attack that creates a structure at the leading edge of the wing, a little tornado-like structure called a leading edge vortex, and it's that vortex that actually enables the wings to make enough force for the animal to stay in the air. But the thing that's actually most -- so, what's fascinating is not so much that the wing has some interesting morphology. What's clever is the way the fly flaps it, which of course ultimately is controlled by the nervous system, and this is what enables flies to perform these remarkable aerial maneuvers.
Alors, quel rapport avec une mouche ? J'ai passé une grande partie de mon début de carrière à essayer de comprendre comment les ailes des insectes pouvaient générer assez de force pour les maintenir en l'air. Et vous avez peut-être entendu parler du fait que des ingénieurs ont prouvé qu'un bourdon ne pouvait pas voler ? Et bien, le problème était d'avoir pensé que les ailes des insectes fonctionnent comme les ailes des avions. Mais ce n'est pas le cas. On a résolu le problème en construisant des insectes robots géants, à l'échelle, qui battaient des ailes dans des piscines géantes d'huile minérale où nous pouvions étudier les forces aérodynamiques. Et il se trouve que les insectes battent des ailes d'une façon très intelligente, avec un angle d'attaque très élevé qui crée une structure à l'extrémité de l'aile, une sorte de structure comme une tornade, que l'on appelle un vortex et que c'est ce vortex qui permet aux ailes de créer assez de force pour que l'animal reste en l'air. Mais, en fait, ce qui est le plus - ce qui est fascinant, ce n'est pas le fait que l'aile ait une morphologie intéressante. Ce qui est intéressant, c'est la façon dont la mouche bat de l'aile, ce qui est bien évidemment contrôlé par son système nerveux, qui lui permet de voler et de réaliser ces figures aériennes remarquables.
Now, what about the engine? The engine of the fly is absolutely fascinating. They have two types of flight muscle: so-called power muscle, which is stretch-activated, which means that it activates itself and does not need to be controlled on a contraction-by-contraction basis by the nervous system. It's specialized to generate the enormous power required for flight, and it fills the middle portion of the fly, so when a fly hits your windshield, it's basically the power muscle that you're looking at. But attached to the base of the wing is a set of little, tiny control muscles that are not very powerful at all, but they're very fast, and they're able to reconfigure the hinge of the wing on a stroke-by-stroke basis, and this is what enables the fly to change its wing and generate the changes in aerodynamic forces which change its flight trajectory. And of course, the role of the nervous system is to control all this.
Alors, qu'en est-il du moteur? Le moteur de la mouche est totalement fascinant. Elles ont deux types de muscle pour voler : le muscle dit de puissance, qui s'active en s'étirant, ce qui veut dire qu'il s'active et n'a pas besoin d'être contrôlé par le système nerveux sur un mode de contraction- par contraction. Ce muscle génère l'énorme puissance qui est demandée pour le vol, et il remplit la partie au milieu de la mouche, donc quand une mouche heurte votre pare-brise, c'est tout simplement le muscle de la puissance que vous avez en face de vous. Mais aussi, attachés à la base de l'aile, il y a un ensemble de petits muscles de contrôle minuscules qui ne sont pas du tout puissants, mais qui sont très rapides et qui peuvent reconfigurer la charnière de l'aile à chaque battement, et c'est ce qui permet à la mouche de changer son orientation et qui est à l'origine des changements dans les forces aérodynamiques qui changent sa trajectoire de vol. Bien sûr, c'est au système nerveux de contrôler tout ça.
So let's look at the controller. Now flies excel in the sorts of sensors that they carry to this problem. They have antennae that sense odors and detect wind detection. They have a sophisticated eye which is the fastest visual system on the planet. They have another set of eyes on the top of their head. We have no idea what they do. They have sensors on their wing. Their wing is covered with sensors, including sensors that sense deformation of the wing. They can even taste with their wings. One of the most sophisticated sensors a fly has is a structure called the halteres. The halteres are actually gyroscopes. These devices beat back and forth about 200 hertz during flight, and the animal can use them to sense its body rotation and initiate very, very fast corrective maneuvers. But all of this sensory information has to be processed by a brain, and yes, indeed, flies have a brain, a brain of about 100,000 neurons.
Alors, regardons un peu le contrôleur. Les mouches excellent dans le type de capteurs sensoriels qu'elles ont pour résoudre ce problème. Elles ont des antennes qui sentent les odeurs et qui détectent le vent. Elles ont un œil sophistiqué qui est le système visuel le plus rapide de la planète. Elles ont aussi un autre groupe d'yeux sur le sommet de la tête. Et nous ne savons pas à quoi ils servent. Elles ont des capteurs sur leurs ailes. Leurs ailes sont couvertes de capteurs, y compris des capteurs qui mesurent la déformation de l'aile. Elle peuvent même gouter avec leurs ailes. Un des capteurs les plus sophistiqués de la mouche est une structure qu'on appelle les haltères. Les haltères sont en fait des gyroscopes. Ces éléments battent d'avant en arrière à environ 200 hertz pendant le vol, l'animal peut les utiliser pour ressentir la rotation de son corps et faire des manœuvres correctives extrêmement rapides. Toutes ces informations sensorielles doivent être analysées par un cerveau, et oui, en effet, les mouches ont un cerveau, un cerveau d'environ 100 000 neurones.
Now several people at this conference have already suggested that fruit flies could serve neuroscience because they're a simple model of brain function. And the basic punchline of my talk is, I'd like to turn that over on its head. I don't think they're a simple model of anything. And I think that flies are a great model. They're a great model for flies. (Laughter)
Plusieurs personnes présentes à cette conférence ont déjà suggéré que les drosophiles soient utilisées en neurosciences. parce qu'elles ont un modèle simple de fonction cérébrale. Le point central de mon exposé est que, je voudrais que l'on y réfléchisse, je ne pense pas qu'il y ait un modèle simple pour quoi que ce soit. Et je pense que les mouches sont un modèle formidable, elles sont un modèle formidable pour les mouches. (Rires)
And let's explore this notion of simplicity. So I think, unfortunately, a lot of neuroscientists, we're all somewhat narcissistic. When we think of brain, we of course imagine our own brain. But remember that this kind of brain, which is much, much smaller — instead of 100 billion neurons, it has 100,000 neurons — but this is the most common form of brain on the planet and has been for 400 million years. And is it fair to say that it's simple? Well, it's simple in the sense that it has fewer neurons, but is that a fair metric? And I would propose it's not a fair metric. So let's sort of think about this. I think we have to compare -- (Laughter) — we have to compare the size of the brain with what the brain can do. So I propose we have a Trump number, and the Trump number is the ratio of this man's behavioral repertoire to the number of neurons in his brain. We'll calculate the Trump number for the fruit fly. Now, how many people here think the Trump number is higher for the fruit fly?
Examinons un peu cette notion de simplicité. Je pense que malheureusement de nombreux spécialistes des neurosciences nous sommes tous un peu narcissiques. Quand on pense cerveau, on bien sûr pense à notre propre cerveau. Mais souvenez-vous que ce type de cerveau, qui est beaucoup plus petit - il a 100 000 neurones et pas 100 milliards - c'est la forme la plus courante de cerveau de cette planète depuis 400 millions d'années. Alors, est-il juste de dire qu'il est simple ? Il est simple dans la mesure où ce cerveau a moins de neurones, mais est-ce la bonne façon de mesurer ? Je pense que ce n'est pas une bonne façon de mesurer. Réfléchissons-y un peu, Nous devons comparer (Rires) nous devons comparer la taille du cerveau à ce que le cerveau peut faire. Admettons que nous ayons un chiffre façon Trump, et que ce chiffre soit le ratio entre le nombre de comportements de cet homme et le nombre de neurones de son cerveau. Nous allons calculer ce chiffre pour la mouche drosophile. Combien de personnes pensent ici que ce chiffre est supérieur pour la drosophile ?
(Applause)
(Applaudissements)
It's a very smart, smart audience. Yes, the inequality goes in this direction, or I would posit it.
Nous avons un public vraiment très intelligent. Oui, c'est bien dans ce sens qu'il faut lire cette équation.
Now I realize that it is a little bit absurd to compare the behavioral repertoire of a human to a fly. But let's take another animal just as an example. Here's a mouse. A mouse has about 1,000 times as many neurons as a fly. I used to study mice. When I studied mice, I used to talk really slowly. And then something happened when I started to work on flies. (Laughter) And I think if you compare the natural history of flies and mice, it's really comparable. They have to forage for food. They have to engage in courtship. They have sex. They hide from predators. They do a lot of the similar things. But I would argue that flies do more. So for example, I'm going to show you a sequence, and I have to say, some of my funding comes from the military, so I'm showing this classified sequence and you cannot discuss it outside of this room. Okay? So I want you to look at the payload at the tail of the fruit fly. Watch it very closely, and you'll see why my six-year-old son now wants to be a neuroscientist. Wait for it. Pshhew. So at least you'll admit that if fruit flies are not as clever as mice, they're at least as clever as pigeons. (Laughter)
Bon, je conçois bien que ça semble un peu absurde de comparer les comportements d'un humain à ceux d'une mouche. Mais prenons par exemple un autre animal. Voici une souris. Une souris a 1 000 fois plus de neurones qu'une mouche. J'étudiais les souris à une époque. Quand j'étudiais les souris, je parlais très lentement. Ensuite, quand j'ai commencé à travailler sur les mouches, il s'est passé quelque chose. (Rires) Je pense que si on compare l'histoire naturelle des mouches et des souris, c'est très similaire. Les deux sont en quête de nourriture. Elles doivent faire la cour pour trouver leur partenaire. Elles ont des relations sexuelles. Elles se cachent de leurs prédateurs. Elles font de nombreuses choses similaires. Mais je dirais que les mouches font bien plus. Voici par exemple un film, et je dois avouer que certains de mes financements proviennent de l'armée, alors je vais vous montrer cette vidéo classée secret défense dont vous ne pourrez pas parler à l'extérieur de cette pièce. D'accord ? Regardez la charge sur la queue de la drosophile. Regardez attentivement, et vous comprendrez pourquoi mon fils de six ans veut devenir un spécialiste en neurosciences. Attendez un instant. Pouf. Alors si les drosophiles ne sont pas aussi intelligentes que les souris vous conviendrez qu'elles sont au moins aussi intelligentes que les pigeons. (Rires)
Now, I want to get across that it's not just a matter of numbers but also the challenge for a fly to compute everything its brain has to compute with such tiny neurons. So this is a beautiful image of a visual interneuron from a mouse that came from Jeff Lichtman's lab, and you can see the wonderful images of brains that he showed in his talk. But up in the corner, in the right corner, you'll see, at the same scale, a visual interneuron from a fly. And I'll expand this up. And it's a beautifully complex neuron. It's just very, very tiny, and there's lots of biophysical challenges with trying to compute information with tiny, tiny neurons.
Mais, je veux vous expliquer que ce n'est pas qu'un problème de chiffres, mais c'est aussi le défi posé à la mouche pour calculer tout ce qui se présente à son cerveau en utilisant des neurones aussi petits. Voici une photo superbe d'un interneurone de la vision d'une souris, qui provient du laboratoire de Jeff Lichtman, et vous voyez ces images magnifiques des cerveaux qu'il a montrées dans sa conférence. Au coin en haut à droite, vous pouvez voir, à la même échelle, l'interneurone de la vision d'une mouche. Je vais agrandir. C'est un neurone d'une complexité magnifique. Il est vraiment minuscule, et les défis bio-physiques pour calculer avec des neurones aussi minuscules sont immenses.
How small can neurons get? Well, look at this interesting insect. It looks sort of like a fly. It has wings, it has eyes, it has antennae, its legs, complicated life history, it's a parasite, it has to fly around and find caterpillars to parasatize, but not only is its brain the size of a salt grain, which is comparable for a fruit fly, it is the size of a salt grain. So here's some other organisms at the similar scale. This animal is the size of a paramecium and an amoeba, and it has a brain of 7,000 neurons that's so small -- you know these things called cell bodies you've been hearing about, where the nucleus of the neuron is? This animal gets rid of them because they take up too much space. So this is a session on frontiers in neuroscience. I would posit that one frontier in neuroscience is to figure out how the brain of that thing works.
A quel point les neurones peuvent-ils être petits ? Regardons cet insecte. Il ressemble à une mouche. Il a des ailes, il a des yeux, il a des antennes, des pattes une histoire de vie compliquée. C'est un parasite qui doit voler et trouver des chenilles à parasiter. Non seulement son cerveau est de la taille d'un grain de sable, de celui d'une mouche, il est réellement de la taille d'un grain de sable. Voici d'autres organismes à la même échelle. Cet animal est de la taille d'une paramécie et d'un amibe et a un un cerveau de 7000 neurones qui est si petit - vous avez entendu parler de ces corps cellulaires où se trouve le noyau du neurone ? Cet animal s'en débarrasse car ils prennent trop de places. C'est une session sur les limites des neurosciences. Mon postutlat est qu'une des frontières en neurosciences est de comprendre comment le cerveau de cet animal fonctionne.
But let's think about this. How can you make a small number of neurons do a lot? And I think, from an engineering perspective, you think of multiplexing. You can take a hardware and have that hardware do different things at different times, or have different parts of the hardware doing different things. And these are the two concepts I'd like to explore. And they're not concepts that I've come up with, but concepts that have been proposed by others in the past.
Réfléchissons un peu. Comment si peu de neurones peuvent faire autant de choses ? Je pense, que du point de vue d'un ingénieur, on pense au multiplexage. On prend un matériel et on lui fait faire différentes choses à différents moments, ou alors, on fait faire différentes choses au différentes parties de ce matériel. Voici les deux concepts que j'aimerais étudier. Ce ne sont pas des concepts que j'ai imaginés, mais ce sont des concepts qui ont été avancés par d'autres dans le passé.
And one idea comes from lessons from chewing crabs. And I don't mean chewing the crabs. I grew up in Baltimore, and I chew crabs very, very well. But I'm talking about the crabs actually doing the chewing. Crab chewing is actually really fascinating. Crabs have this complicated structure under their carapace called the gastric mill that grinds their food in a variety of different ways. And here's an endoscopic movie of this structure. The amazing thing about this is that it's controlled by a really tiny set of neurons, about two dozen neurons that can produce a vast variety of different motor patterns, and the reason it can do this is that this little tiny ganglion in the crab is actually inundated by many, many neuromodulators. You heard about neuromodulators earlier. There are more neuromodulators that alter, that innervate this structure than actually neurons in the structure, and they're able to generate a complicated set of patterns. And this is the work by Eve Marder and her many colleagues who've been studying this fascinating system that show how a smaller cluster of neurons can do many, many, many things because of neuromodulation that can take place on a moment-by-moment basis. So this is basically multiplexing in time. Imagine a network of neurons with one neuromodulator. You select one set of cells to perform one sort of behavior, another neuromodulator, another set of cells, a different pattern, and you can imagine you could extrapolate to a very, very complicated system.
Une de ces idées vient d'études sur la mastication des crabes. Je ne parle pas de mastiquer des crabes. J'ai grandi à Baltimore, et je mastique vraiment très bien les crabes. Non, je parle des crabes qui eux-mêmes mastiquent. La mastication des crabes est réellement fascinante. Les crabes ont une structure très complexe sous leur carapace que l'on appelle le moulin gastrique et qui meule la nourriture de plusieurs façons différentes. Voici une vidéo endoscopique de cette structure. Le plus épatant, c'est qu'elle est contrôlée par un tout petit groupe de neurones, environ 24 neurones, qui peuvent générer une grande variété de schémas moteurs, et ceci est possible grâce à ce minuscule ganglion qui est dans le crabe et qui est inondé par de nombreux neuromodulateurs. On a parlé des neuro-modulateurs un peu plus tôt. Il y a plus de neuromodulateurs qui changent, qui innervent la structure que de neurones dans la structure en fait, et ils sont capables de produire des schémas complexes. C'est le travail d'Eve Marder et de ses nombreux collègues qui ont étudié ce système fascinant qui ont montré qu'un tout petit groupe de neurones peut faire vraiment beaucoup de choses, parce que la neuromodulation peut avoir lieu à chaque moment. C'est donc du multiplexage dans le temps. Imaginez un réseau de neurones avec un unique neuromodulateur. Vous choisissez un groupe de cellules pour avoir un certain comportement, un autre neuromodulateur, un autre groupe de cellules, un autre schéma, et vous voyez bien qu'on peut extrapoler à un système beaucoup plus compliqué.
Is there any evidence that flies do this? Well, for many years in my laboratory and other laboratories around the world, we've been studying fly behaviors in little flight simulators. You can tether a fly to a little stick. You can measure the aerodynamic forces it's creating. You can let the fly play a little video game by letting it fly around in a visual display. So let me show you a little tiny sequence of this. Here's a fly and a large infrared view of the fly in the flight simulator, and this is a game the flies love to play. You allow them to steer towards the little stripe, and they'll just steer towards that stripe forever. It's part of their visual guidance system. But very, very recently, it's been possible to modify these sorts of behavioral arenas for physiologies. So this is the preparation that one of my former post-docs, Gaby Maimon, who's now at Rockefeller, developed, and it's basically a flight simulator but under conditions where you actually can stick an electrode in the brain of the fly and record from a genetically identified neuron in the fly's brain. And this is what one of these experiments looks like. It was a sequence taken from another post-doc in the lab, Bettina Schnell. The green trace at the bottom is the membrane potential of a neuron in the fly's brain, and you'll see the fly start to fly, and the fly is actually controlling the rotation of that visual pattern itself by its own wing motion, and you can see this visual interneuron respond to the pattern of wing motion as the fly flies. So for the first time we've actually been able to record from neurons in the fly's brain while the fly is performing sophisticated behaviors such as flight. And one of the lessons we've been learning is that the physiology of cells that we've been studying for many years in quiescent flies is not the same as the physiology of those cells when the flies actually engage in active behaviors like flying and walking and so forth. And why is the physiology different? Well it turns out it's these neuromodulators, just like the neuromodulators in that little tiny ganglion in the crabs. So here's a picture of the octopamine system. Octopamine is a neuromodulator that seems to play an important role in flight and other behaviors. But this is just one of many neuromodulators that's in the fly's brain. So I really think that, as we learn more, it's going to turn out that the whole fly brain is just like a large version of this stomatogastric ganglion, and that's one of the reasons why it can do so much with so few neurons.
Peut-on prouver que les mouches le font ? Et bien , pendant de nombreuses années, dans mon labo et dans de nombreux labos dans le monde, nous avons étudié les comportements de la mouche dans des petits simulateurs de vols. On peut attacher la mouche à un petit bâton. On peut mesurer les forces aérodynamiques ainsi créées. On peut permettre à la mouche de jouer à un jeu vidéo en la laissant voler devant une visualisation. Je vais vous en montrer une toute petite séquence. Voici une mouche et vous avez une vue étendue en infra-rouges de la mouche dans le simulateur de vol, et c'est un jeu auquel les mouches adorent jouer. On leur permet de se diriger vers la petite bande, et elle s'y dirigent encore et encore. Ça fait partie de leur système de navigation visuel. Mais depuis peu, il est possible de modifier ce genre d'arène comportementale pour de la physiologie. Voici le document que l'un de mes post-doctorants Gaby Maimon, qui est maintenant à Rockfeller, a développé, c'est tout simplement un simulateur de vol mais dans lequel on peut coller une électrode dans le cerveau de la mouche et enregistrer à partir d'un neurone identifié génétiquement dans le cerveau de la mouche. Voici à quoi ressemble une de ses expérences. C'est une séquence tirée d'un autre post-doctorant du laboratoire, Bettina Schnell. La trace verte en bas est le potentiel de la membrane d'un neurone du cerveau d'une mouche, et vous voyez que la mouche commence à voler et qu'en fait elle contrôle la rotation de ce modèle visuel en produisant son propre mouvement d'aile et vous voyez que cet interneurone visuel répond au modèle de mouvement d'aile au fur et à mesure que la mouche vole. Pour la première fois, nous avons été vraiment en mesure d'enregistrer à partir des neurones de la mouche pendant que la mouche réalise des mouvements aussi sophistiqués que le vol. Une des leçons qu'on en a tiré, c'est que la physiologie des cellules que nous avions étudiées pendant de nombreuses années sur des mouches au repos n'est pas la même que la physiologie de ces cellules lorsque la mouche est active, comme par exemple quand elle vole, avance, etc. Pourquoi la physiologie est-elle différente ? Il se trouve que c'est le fait de ces neuromodulateurs, tout comme les neuromodulateurs du petit ganglion des crabes. Voici une photo du système de l'octopamine. L'octopamine est un neuromodulateur qui semble jouer un rôle important dans le vol et dans d'autres comportements. Mais c'est juste un des nombreux neuromodulateurs présents dans le cerveau de la mouche. Je pense vraiment qu'au fil de nos découvertes, nous allons découvrir que le cerveau de la mouche tout entier n'est qu'une version plus grande du ganglion stomatogastrique et que c'est une des raisons pour laquelle il peut en faire tant, avec si peu de neurones.
Now, another idea, another way of multiplexing is multiplexing in space, having different parts of a neuron do different things at the same time. So here's two sort of canonical neurons from a vertebrate and an invertebrate, a human pyramidal neuron from Ramon y Cajal, and another cell to the right, a non-spiking interneuron, and this is the work of Alan Watson and Malcolm Burrows many years ago, and Malcolm Burrows came up with a pretty interesting idea based on the fact that this neuron from a locust does not fire action potentials. It's a non-spiking cell. So a typical cell, like the neurons in our brain, has a region called the dendrites that receives input, and that input sums together and will produce action potentials that run down the axon and then activate all the output regions of the neuron. But non-spiking neurons are actually quite complicated because they can have input synapses and output synapses all interdigitated, and there's no single action potential that drives all the outputs at the same time. So there's a possibility that you have computational compartments that allow the different parts of the neuron to do different things at the same time.
Une autre idée, une autre façon de multiplexer, est de multiplexer dans l'espace, et de faire faire des choses différentes aux différentes parties d'un neurone au même moment. Là, vous voyez deux types de neurones canoniques, celui d'un vertébré et celui d'un invertébré, un neurone pyramidal humains de Ramon Y Cajal, et une autre cellule à droite, un interneurone sans poussées, c'est le travail réalisé il y a bien des années par Alan Watson et Malcolm Borrows, et Malcom Burrows est arrivé à une conclusion particulièrement intéressante basée sur le fait que ce neurone de sauterelle ne déclenche pas de potentiels actionnels; c'est une cellule sans poussée. Une cellule classique, comme le neurone de notre cerveau a une partie appelée dendrite qui reçoit une information et cette information s'additionne et génèrera des potentiels d'action qui courront le long de l'axone et activeront toutes les zones réactives du neurone. Mais les neurones sans poussée sont en fait très complexes car ils ont des synapses réceptives et des synapses émettrices toutes emboitées, et il n'y aucun potentiel d'action qui actionne toutes les émissions au même moment. Il est possible qu'il y est des subdivisions computationnelles qui permettent aux différentes zones du neurone de faire des choses différentes en même temps.
So these basic concepts of multitasking in time and multitasking in space, I think these are things that are true in our brains as well, but I think the insects are the true masters of this. So I hope you think of insects a little bit differently next time, and as I say up here, please think before you swat.
Ces concepts simple d'activités en multi-tâche dans le temps, en multi-tâche dans l'espace, je pense qu'ils sont également valables pour nos cerveaux mais je suis persuadé que les insectes sont les vrais maîtres en la matière. J'espère que vous verrez les insectes d'un autre œil la prochaine fois, et comme je dis, réfléchissez un peu avant d'en écraser un.
(Applause)
(Applaudissements)