蜜蜂采蜜后為什么會跳舞?貓在被主人撫摸時為什么會發(fā)出咕嚕聲?怎樣才能知道，動物的腦子里究竟在想些什么?科學家們從未停止對動物行為奧秘的探索，以此研究大腦神經對行為的調控，以及在藥物研發(fā)中的行為學評估。
中科院深圳先進技術研究院腦認知與腦疾病研究所研究員王立平、副研究員蔚鵬飛等自主研發(fā)了一種多視角、三維自動化行為采集設備，并提出一類通用動物三維行為圖譜框架“Behavior Atlas”。相關研究成果近日發(fā)表于《自然—通訊》。
據了解，該行為采集設備，能夠獲取動物三維立體的運動姿態(tài)，將連續(xù)、復雜的行為簡化為可以被人們理解的動作模塊。該研究已在自閉癥模型小鼠上進行了行為鑒定，成功實現在亞秒級自動精確識別小鼠特征性的行為異常。
AI加持 三維展示動物行為姿態(tài)
在傳統(tǒng)的動物行為學采集與分析中，多采用單視角、提取2~3個身體特征點的方式來拍攝和追蹤動物行為。然而身體部位的遮擋容易造成視角的偏差，導致行為數據分析誤差。此外，追蹤點太少難以將類似四肢的精細動作準確收集。
自2018年起，王立平、蔚鵬飛團隊就開始思考利用新的機器學習等技術解決當前在動物行為學采集與分析領域存在的瓶頸。
“研究前期，我們使用傳統(tǒng)方法對行為進行觀測時發(fā)現，現有動物行為實驗的數據集缺乏，人工標記原始的行為視頻工作量極大。即使對于某一物種在特定場景下構建了足夠的數據集，但因不同物種和行為場景存在差異性，也讓積累的數據集無法復用。”蔚鵬飛表示。
對此，結合人工智能(AI)技術，團隊自主研發(fā)了多視角、三維自動化行為采集設備，能夠構建動物三維、多身體部位的運動骨架，更加全面地表征動物的運動。
“與其他三維動物行為采集設備相比，我們的系統(tǒng)采用的相機個數、對相機性能的要求都比較低，這極大地方便了對動物三維行為數據的獲取，且非常易于擴展至犬類、非人靈長類的大動物研究。”蔚鵬飛介紹。
此前，課題組博士生劉楠和韓亞寧使用該系統(tǒng)已成功在動物的焦慮行為分析中取得了初步進展，相關成果發(fā)表于《生物化學和生物物理研究通訊》。據了解，該技術涉及的兩項專利已經授權轉化，設備已經投入批量生產。目前，團隊已經收到了國內外20多家科研機構的合作意向。
精確收集 構建行為“字典”
研究過程中，探索行為的本質規(guī)律，對行為進行解碼，構建行為“字典”成為了團隊研究的重點。
團隊發(fā)現，動物在展現行為時，首先通過肢體表現出豐富的姿態(tài)，而姿態(tài)的連續(xù)變化形成了行走、跳躍、攀爬、抓撓等動作，進一步表達出動物的天性、習性、喜怒哀樂等。這種“姿態(tài)—動作—行為譜”的行為模型就好比語言中的“字母—單詞—語句”模式，具有層級性。因此，行為數據也需要層級化收集。
想要精確地收集行為數據，就要回歸行為本身，構建行為“字典”。結合人工智能算法技術，研究團隊從連續(xù)的三維行為序列中，首先對行為的姿態(tài)層進行離散化的表征，讓機器識別出行為的每一個姿態(tài)，相當于構建行為的“字母表”;其次從這些姿態(tài)表征中，將具有相似排列模式的姿態(tài)序列挖掘出來，作為行為的動作層，相當于構建行為的“字典”。
“就像觀測一只正在抓撓的小鼠，我們需要解構小鼠究竟撓了多少下、抓撓的時長、所在的場景等，多方面收集行為數據。”蔚鵬飛表示，根據行為的層級化表現，研究團隊進一步構建了一類層次化動物行為圖譜。
據悉，團隊在自閉癥小鼠模型上進行的驗證實驗中，成功從分離出的40多種行為亞型中發(fā)現了自閉癥小鼠模型具有的特異性行為。所構建的行為圖譜對行為數據分析后，發(fā)現行為結果與動物的基因型存在高度的一致性。
目前該行為圖譜仍在不斷更新和完善中，針對不同物種進行研發(fā)。據了解，團隊已經在非人靈長類、犬類中開展了研究，未來還將應用在豬等實驗動物上。
行為數據說話 解答好生物學問題
行為學上的觀測和量化對藥物研發(fā)、疾病診斷有著重要意義。比如經典的“強迫游泳實驗”，通過觀測小鼠行為檢測抗抑郁藥物的作用。然而在該過程中，獲取的行為數據不精準，使抑郁癥模型的建立和評估方法存在差異，讓該實驗備受爭議。
隨著機器學習和人工智能技術的發(fā)展，旨在實現高精度、自動量化行為的“計算神經行為學”正在成為重要的新興研究領域，我國在該領域鮮有涉足，在國際上仍然處于“跟跑”狀態(tài)。
“長期以來，受技術的局限，我們對動物行為的觀測還停留在動物‘在哪里’和‘跑多快’，而不知道動物在‘干什么’?；谀壳皥F隊研發(fā)的精細化動物行為檢測與分析系統(tǒng)，我們能夠更加客觀、準確、全面地測量特定神經環(huán)路操控下、藥物作用下以及基因操控下，動物行為變化特征及對應關系，從而進一步推動大腦認知機制、類腦智能以及腦疾病新藥研發(fā)等領域的研究。”王立平說。
下一步，研究團隊計劃將“Behavior Atlas”與微型化在體雙光子熒光顯微成像技術、高通量神經電生理等技術相結合，在活體、長時程觀測情況下，研究神經元功能網絡，以及各種腦內神經遞質如何精細地編碼特定的行為。
標簽： 行為“字典”
