Cell Rep Met | AI定量分析生物行为
原创 图灵基因 图灵基因 2023-03-14 10:11 发表于江苏
收录于合集#前沿生物大数据分析
密歇根大学的科学家们开发了一款开源、用户友好、人工智能驱动的软件LabGym，该软件可以在各种模型系统中自动进行动物行为分析，这对基础科学和药物开发领域的生命科学家来说可能是一个福音。
这一发现发表在《Cell Reports Methods》杂志上的一篇题为“LabGym: quantification of user-defined animal behaviors using learning-based holistic assessment”的文章中。
测量动物行为有助于了解基本的神经过程，以及评估药物的治疗和不良影响。密歇根大学生命科学教授Bing Ye博士和他的团队分析了模式生物黑腹果蝇（果蝇）的运动和行为，以了解人类神经系统发育和功能的相关机制。
“行为是大脑的一种功能。因此，分析动物行为提供了关于大脑如何工作以及它如何对疾病做出反应的基本信息。”Ye博士实验室的神经科学家、该研究的主要作者Yujia Hu说。
对动物行为的各个方面进行手动识别和评分繁琐且耗时，而且容易出现人为错误。目前的一些程序可以自动对动物行为进行定量评估，但它们面临着挑战。
“许多行为分析程序都是基于预先设定的行为定义。”Ye博士说，“例如，如果果蝇幼虫360度旋转，一些程序会计算一次旋转。但为什么270度不也是一次旋转呢？在用户不知道如何重新编码程序的情况下，许多程序不一定有计算这些数据的灵活性。”
为了克服这些挑战，Hu和他的同事们决定设计一个新的程序，它更接近于复制人类的认知过程——更像科学家那样“思考”——而且对可能没有编码专业知识的生物学家更友好。使用LabGym，研究人员可以输入他们想要分析的行为的例子，并教会软件应该计算什么。然后，该程序使用深度学习来提高其识别和量化行为的能力。
LabGym利用视频和“模式图像”数据的组合来获得认知的灵活性和可靠性。通过视频记录获得的时间序列数据本身对人工智能程序的分析具有挑战性。为了训练LabGym更好地识别行为，Hu通过合并动物在不同时间点的位置轮廓，生成了描绘动物运动模式的图像。将视频数据与模式图像相结合，提高了程序识别不同行为的准确性。
LabGym不仅可以同时跟踪多只动物，还可以忽略无关的背景信息，同时考虑动物的整体运动和位置随时间和空间的变化。
LabGym的另一个优势是它的物种灵活性。尽管是用果蝇设计的，但它并不局限于任何一个物种。Ye博士说，“这实际上很罕见，这是为生物学家编写的，因此他们可以在不需要任何编程技能或高性能计算的情况下，使其适应他们想要研究的物种和行为。”
Carrie Ferrario博士是药理学副教授，他在大鼠模型中研究导致成瘾和肥胖的神经机制，帮助Ye和他的团队在啮齿动物模型系统中测试和完善了该程序。Ferrario说：“从研究生开始，我就一直试图解决这个问题，但在人工智能、深度学习和计算方面，技术还不存在。这个程序为我解决了一个存在的问题，但它也有非常广泛的用途。我看到了它在几乎无限条件下分析动物行为的潜力。”
在未来的研究中，Ye博士的团队计划进一步完善该程序，以提高其在更复杂条件下的性能，例如评估自然环境中的动物行为。
