Машинное обучение и поведенческая нейробиология: возможность более точного фенотипирования

31 июля 2023 г.

Эта статья была проверена в соответствии с редакционным процессом и политикой Science X. Редакторы выделили следующие атрибуты, гарантируя при этом достоверность контента:

проверенный фактами

рецензируемое издание

надежный источник

корректура

Анке Шле, Общество Макса Планка

Новая компьютерная программа позволяет ученым наблюдать за поведением нескольких животных одновременно и в течение продолжительных периодов времени, автоматически анализируя их движения. То, что может показаться очевидным, знаменует собой важную веху и прокладывает путь к надежной и доступной стандартизации и оценке таких сложных наблюдений.

Представьте себе исследователя XIX века в пробковом шлеме, наблюдающего за животными в их естественной среде обитания. Или представьте себе Конрада Лоренца, ветерана Общества Макса Планка, в 1970-х годах внимательно следящего за своими серыми гусями возле озера Штарнберг: начало поведенческих исследований включало наблюдение и запись того, что человек видит.

Следующий шаг был сделан в лаборатории, где были созданы стандартизированные условия для установления сопоставимости. Исследователи получили бесценную информацию, но всегда существовали ограничения: окружающая среда и условия проведения экспериментов, количество животных и продолжительность наблюдений не соответствовали сложности определенных естественных форм поведения, как индивидуальных, так и социальных.

Более того, наблюдение за поведением животных направлено не только на то, чтобы лучше понять, как конкретные виды реагируют на данные раздражители, но и на то, чтобы помочь исследователям лучше определить психические расстройства у людей, чтобы обеспечить улучшенное и индивидуализированное лечение.

Несколько лет назад ученые совершили прорыв, используя набор инструментов с открытым исходным кодом DeepLabCut. Они смогли не только отслеживать центральную точку отдельных животных в простых условиях, но и автоматически определять сложную позу тела нескольких животных в реальных условиях. Это проложило путь к разработке новых инструментов, способных извлекать информацию из этих данных, поскольку фиксация позы — это не то же самое, что анализ основного поведения.

Эту задачу взяли на себя две исследовательские группы в Институте психиатрии Макса Планка. Команды под руководством Матиаса В. Шмидта и Бертрама Мюллера-Михсока разработали пакет Python под названием DeepOF, который связывает положение отдельных маркеров тела с течением времени с моделями поведения. Это позволяет им детально анализировать поведение животных, в данном случае мышей, в полуестественной среде в течение любого желаемого периода времени.

Используются два разных подхода. В конвейере контролируемого анализа поведение заранее определяется на основе позы тела с течением времени, а полученные данные можно напрямую считывать и анализировать.

«Еще более интересным является неконтролируемый конвейер анализа», — говорит статистик Мюллер-Михсок. «Наша программа ищет похожие поведенческие эпизоды и классифицирует их», — добавляет биолог Матиас Шмидт. «Этот подход открывает совершенно новые измерения, позволяя без гипотез автоматически исследовать сложное социальное поведение и получать очень интересные результаты».

Этот тип инструментов открывает новые возможности и выводит поведенческую биологию с точки зрения сложности на уровень, сравнимый с методами молекулярного или функционально-биологического анализа.

«В будущем мы сможем лучше сочетать наши результаты с другими измерениями, такими как записи ЭЭГ, данные нейронной активности или данные биосенсоров», — сообщает биолог Джоэри Бордес. Лукас Миранда, автор программы DeepOF, с энтузиазмом относится к «открытой науке», потому что «наша программа свободно доступна исследователям всего мира, наш код, конечно же, открыт, и любой может внести свой вклад в проект».