密歇根大學(xué)的科學(xué)家們開發(fā)了一種名為LabGym的開源、用戶友好、人工智能驅(qū)動的軟件，它可以在各種模型系統(tǒng)中自動進行動物行為分析，這可能會為基礎(chǔ)科學(xué)和藥物開發(fā)領(lǐng)域的生命科學(xué)家?guī)砀Ｒ簟?/p>
研究結(jié)果發(fā)表在2月24日CellReportsMethods雜志的文章“LabGym：使用基于學(xué)習(xí)的整體評估來量化用戶定義的動物行為”中。
測量動物行為有助于理解基本的神經(jīng)過程以及評估藥物的治療和副作用。密歇根大學(xué)生命科學(xué)教授BingYe博士和他的團隊分析了模式生物果蠅(果蠅)的運動和行為，以了解參與人類神經(jīng)系統(tǒng)發(fā)育和功能的機制。
“行為是大腦的一種功能。因此，分析動物行為提供了關(guān)于大腦如何工作以及它如何響應(yīng)疾病而發(fā)生變化的重要信息，”YujiaHu說，他是Ye實驗室的神經(jīng)科學(xué)家，也是該研究的主要作者。
手動識別和評分動物行為的各個方面是乏味、耗時且容易出現(xiàn)人為錯誤的。存在一些自動對動物行為進行定量評估的程序，但它們帶來了挑戰(zhàn)。
“許多這些行為分析程序都是基于行為的預(yù)設(shè)定義，”葉說。“例如，如果果蠅幼蟲360度滾動，一些程序會計算一次滾動。但為什么270度不也是一個翻滾呢?在用戶不知道如何重新編寫程序的情況下，許多程序不一定具有計算的靈活性。”
讓程序像科學(xué)家一樣思考
為了克服這些挑戰(zhàn)，Hu和他的同事們決定設(shè)計一個新程序，該程序可以更接近地復(fù)制人類的認知過程——更像科學(xué)家那樣“思考”，并且對可能不具備編碼專業(yè)知識的生物學(xué)家更友好。使用LabGym，研究人員可以輸入他們想要分析的行為示例，并教軟件它應(yīng)該計算什么。然后，該程序使用深度學(xué)習(xí)來提高其識別和量化行為的能力。
LabGym利用視頻和“模式圖像”數(shù)據(jù)的組合來獲得認知靈活性和可靠性。僅通過視頻記錄獲得的時間序列數(shù)據(jù)對于AI程序的分析來說可能具有挑戰(zhàn)性。為了訓(xùn)練LabGym更好地識別行為，Hu通過合并動物在不同時間點位置的輪廓來生成描繪動物運動模式的圖像。將視頻數(shù)據(jù)與模式圖像相結(jié)合提高了程序識別不同行為的準(zhǔn)確性。
LabGym不僅同時跟蹤多只動物，它的設(shè)計還忽略了不相關(guān)的背景信息，同時考慮了動物的整體運動以及位置隨時間和空間的變化。
提高靈活性
LabGym的另一個優(yōu)勢是其物種靈活性。盡管是使用Drosophila設(shè)計的，但它不限于任何一種物種。“這其實很少見，”葉說。“它是為生物學(xué)家編寫的，因此他們無需任何編程技能或高性能計算即可使其適應(yīng)他們想要研究的物種和行為。”
CarrieFerrario博士是一名藥理學(xué)副教授，她在大鼠模型中研究導(dǎo)致成癮和肥胖的神經(jīng)機制，幫助Ye和他的團隊在嚙齒動物模型系統(tǒng)中測試和改進程序。“從研究生院開始，我就一直在努力解決這個問題，但在人工智能、深度學(xué)習(xí)和計算方面，技術(shù)并不存在，”費拉里奧說。“這個程序為我解決了一個現(xiàn)有問題，但它也有非常廣泛的用途。我看到了它在幾乎無限條件下分析動物行為的潛力。”
在未來的研究中，Ye的團隊計劃進一步完善該程序，以提高其在更復(fù)雜條件下的性能，例如評估自然環(huán)境中的動物行為。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！