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(xué)家們從未停止對動物行為奧秘的探索，以此研究大腦神經(jīng)對行為的調(diào)控，以及在藥物研發(fā)中的行為學(xué)評估。
中科院深圳先進技術(shù)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(shè)備，并提出一類通用動物三維行為圖譜框架“Behavior Atlas”。相關(guān)研究成果近日發(fā)表于《自然—通訊》。
據(jù)了解，該行為采集設(shè)備，能夠獲取動物三維立體的運動姿態(tài)，將連續(xù)、復(fù)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(xiàn)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(xué)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(dǎo)致行為數(shù)據(jù)分析誤差。此外，追蹤點太少難以將類似四肢的精細動作準(zhǔn)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(xué)習(xí)等技術(shù)解決當(dāng)前在動物行為學(xué)采集與分析領(lǐng)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(xiàn)，現(xiàn)有動物行為實驗的數(shù)據(jù)集缺乏，人工標(biāo)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(gòu)建了足夠的數(shù)據(jù)集，但因不同物種和行為場景存在差異性，也讓積累的數(shù)據(jù)集無法復(fù)用。”蔚鵬飛表示。
對此，結(jié)合人工智能(AI)技術(shù)，團隊自主研發(fā)了多視角、三維自動化行為采集設(shè)備，能夠構(gòu)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(shè)備相比，我們的系統(tǒng)采用的相機個數(shù)、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(shù)據(jù)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(guān)成果發(fā)表于《生物化學(xué)和生物物理研究通訊》。據(jù)了解，該技術(shù)涉及的兩項專利已經(jīng)授權(quán)轉(zhuǎn)化，設(shè)備已經(jīng)投入批量生產(chǎn)。目前，團隊已經(jīng)收到了國內(nèi)外20多家科研機構(gòu)的合作意向。
精確收集 構(gòu)建行為“字典”
研究過程中，探索行為的本質(zhì)規(guī)律，對行為進行解碼，構(gòu)建行為“字典”成為了團隊研究的重點。
團隊發(fā)現(xiàn)，動物在展現(xiàn)行為時，首先通過肢體表現(xiàn)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(xí)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(shù)據(jù)也需要層級化收集。
想要精確地收集行為數(shù)據(jù)，就要回歸行為本身，構(gòu)建行為“字典”。結(jié)合人工智能算法技術(shù)，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(dāng)于構(gòu)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(dāng)于構(gòu)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(gòu)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(shù)據(jù)。”蔚鵬飛表示，根據(jù)行為的層級化表現(xiàn)，研究團隊進一步構(gòu)建了一類層次化動物行為圖譜。
據(jù)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(xiàn)了自閉癥小鼠模型具有的特異性行為。所構(gòu)建的行為圖譜對行為數(shù)據(jù)分析后，發(fā)現(xiàn)行為結(jié)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(jù)了解，團隊已經(jīng)在非人靈長類、犬類中開展了研究，未來還將應(yīng)用在豬等實驗動物上。
行為數(shù)據(jù)說話 解答好生物學(xué)問題
行為學(xué)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(jīng)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(shù)據(jù)不精準(zhǔn)，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(xué)習(xí)和人工智能技術(shù)的發(fā)展，旨在實現(xiàn)高精度、自動量化行為的“計算神經(jīng)行為學(xué)”正在成為重要的新興研究領(lǐng)域，我國在該領(lǐng)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(shù)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(zhǔn)確、全面地測量特定神經(jīng)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(yīng)關(guān)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(lǐng)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(shù)、高通量神經(jīng)電生理等技術(shù)相結(jié)合，在活體、長時程觀測情況下，研究神經(jīng)元功能網(wǎng)絡(luò)，以及各種腦內(nèi)神經(jīng)遞質(zhì)如何精細地編碼特定的行為。
標(biāo)簽： 行為“字典”
