Chapitre 5 : Expériences et résultats
5.11 Discussions
Cette section porte sur des discussions autour des modèles et des résultats sous différents angles.
5.11.1
Émergence de comportement multicellulaire avec
« physiologie de groupe »
Comme souligné dans l’introduction, comparée à une cellule d'un organisme multicellulaire, une cellule bactérienne est une entité mobile et autonome pouvant se développer et agir de manière indépendante au niveau individuel, et capable de coordonner son comportement avec celui d'autres cellules au niveau populationnel. Cela permet d'obtenir des caractéristiques de coordination précédemment reconnues comme spécifiques aux organismes multicellulaires (par exemple la formation de structure).
127 Il est donc important d'observer dans nos simulations le développement de formes (shape
formation) émergeant du comportement de la population microbienne. En effet, la colonie
de cellules bactériennes forme une structure auto-organisée semblable à organismes multicellulaires (un amas circulaire de cellules dans lequel les organismes unicellulaires sont proches les uns des autres comme s’ils ne formaient qu’un seul organisme).
L’étude de l’émergence de comportements multicellulaires par des microbiotes artificiels fait aussi l’un des objectifs du projet européen SYMBIOTIC (Pascalie et al., 2016). Ce projet vise à explorer le développement de formes, pouvant générer des comportements collectifs, basé sur un assemblage de cellules (y compris des cellules procaryotes non sujettes à la multicellularité).
Dans notre modèle, le comportement multicellulaire de la population de bactéries ne se limite pas simplement à la formation de structure (développement de forme) mais également au comportement physiologique de groupe vis-à-vis de la régulation du métabolisme de toute la colonie (énergie alignée au même taux comme il s’agissait d’un seul organisme).
5.11.2 Métabolisme comme solution biologique au problème
d’optimisation d’énergie dans les réseaux sans fil
Les résultats présentés dans ce manuscrit ont montré que le métabolisme a été régulé, c'est-à-dire stabilisé une fois le quorum atteint. Cette fonctionnalité est très importante pour réguler la durée de vie de la batterie des réseaux sans fil artificiels proposés.
Plus explicitement, d'une part, il est connu que l'énergie est un enjeu majeur pour la majorité des nouveaux réseaux sans fils à savoir les réseaux de capteurs mobiles, MANET (Mobile Ad Hoc Networks), etc.
D'autre part et le plus intéressant, le QS régule l'un des comportements bactérien des plus importants à savoir le métabolisme qui :
inclut la production de bioénergie, essentielle à la survie des bactéries (Yong & Zhong, 2012).
permet d'optimiser l'utilisation de l'énergie et des ressources par des individus vivant dans des environnements surpeuplés (Goo, An, Kang et Hwang, 2015a).
Par conséquent, la solution biologique qu’est le Quorum sensing représente une bonne solution au problème d’optimisation d’énergie dans les réseaux de capteurs car le QS est intrinsèquement un système de communication, qui en plus permet de réguler et optimiser l’énergie. Typiquement, l'équivalent du métabolisme dans un réseau de capteurs sans fil est le cycle de vie de la batterie, cela peut être explicité comme illustré par la Tableau 8 :
128 Solution biologique Equivalent dans les réseaux de capteurs
Métabolisme Cycle/durée de vie de la batterie (1) Énergie de base Charge initiale de la batterie (2)
Production d'énergie Possibilité de recharger (3) : pratiquement, un agent ou un nœud peut être: un nœud de capteur (dans un réseau de capteurs sans fil), un véhicule aérien (dans un réseau ad hoc), un nano-robot, etc. Donc, il peut facilement être équipé d'un capteur tel qu'un panneau solaire pour capter l'énergie solaire et produire sa propre énergie. L’énergie éolienne peut également être considérée. Par définition, les nœuds de capteurs sont équipés de capteurs spécifiques.
Consommation d'énergie Coût énergétique de chaque opération (4) Energie du nœud (1)= (2) +(3) +(4)
Tableau 8 : Équivalent du métabolisme dans les réseaux sans fil, exemple : réseau de capteurs.
5.11.3 Communication par bioluminescence dans la nature
Le modèle proposé utilise des mécanismes abstraits qui capturent des phénotypes tels que la croissance, la reproduction, les interactions inter et intracellulaires et la bioluminescence. Cette bioluminescence ou production de lumière est ensuite conçue comme base pour la formation d’un réseau coopératif. Dans la nature, la production de lumière, qui se produit principalement dans les Vibrios marins, n'apparaît pas comme une sorte de communication directe entre les cellules. Certainement, la lumière pourrait jouer un rôle implicite dans la communication entre bactéries et est très avantageuse pour l'adaptation sexuelle et en niche mais le concept de bactéries établissant des « réseaux » les uns avec les autres en réagissant aux signaux lumineux n’existe pas dans la nature c’est seulement un choix de modélisation.
5.11.4 Quorum sensing versus processus de contamination pour
modéliser la communication
Dans cette partie nous discutons si un simple processus de contamination peut générer les mêmes résultats. De manière globale le QS peut donner les mêmes résultats qu'un processus de contamination mais l’inverse n’est pas assuré. Par exemple, le processus de bioluminescence peut être généré par un processus de contamination, mais la génération de la bioluminescence dans ce cas n’implique pas par exemple la régulation de l’énergie ou l’optimisation de ressources, des mécanismes assurés par le QS.
À notre connaissance, nous ne connaissons pas de processus de contamination qui :
– puisse servir de système de communication sans fil sans utiliser les données de localisation ni de messages de contrôle global
– et en même temps puisse réguler l'énergie (croissance et autres phénotypes,…). La régulation énergétique par QS comprend : la production de bioénergie, la survie de la population et l'optimisation des ressources.
129 Comme les processus de contamination sont simples à utiliser dans les systèmes visant à partager une information commune, des mécanismes similaires sont déjà utilisés dans les réseaux sans fils. Par exemple, la diffusion des coordonnées d'une tête de cluster (une station de base) lors de l'établissement de la topologie. Ici, la coordonnée est une information commune à tous les abonnés du cluster.
De plus, les processus de contamination se font généralement par contact physique. Nous pensons que cela ne constitue pas une bonne solution pour nous car nous proposons une topologie auto-adaptative pour les réseaux sans fil (sans liens physiques ni contact) et qui n'utilise pas le contrôle global c'est-à-dire l'échange de messages sur le nœud par ex. l’adresses IP (la diffusion d'une information commune).
Par ailleurs, la diffusion d'informations communes dans les réseaux a un problème de sécurité bien connu (le problème des écouteurs, listener, expliqué dans la partie problématique dans l’introduction).
Un processus de contamination ne peut pas offrir cette propriété d’auto-sélection des types de nœuds. L’auto-sélection du type veut dire : sans utilisation de processus d'élection, ou d'un processus centralisé pour déterminer/sélectionner les têtes de cluster du système. Nous souhaitions concevoir un système sans aucun processus de propagation d'informations telles que les numéros d'identification des têtes de cluster existantes dans le système. Un cluster followers dans un système de réseau de capteurs doit choisir son
cluster Head via un mécanisme autonome tel que détecter ou suivre une intensité de
lumière.
Enfin, le QS offre plusieurs avantages pour la communication. S’il est appliqué à des types de réseaux spécifiques (par exemple dont les nœuds sont mobiles), on peut développer des algorithmes très efficaces.
Les travaux présentés dans ce manuscrit de thèse ont l'avantage d'être génériques et peuvent donc être utilisés pour différents types de réseaux spécifiques (ex. drones,) ou même en robotique (ex. essaims de nanorobots), …