密歇根大学的科学家开发了一款名为LabGym的开源、用户友好、人工智能驱动的软件，该软件可以在各种模型系统中自动进行动物行为分析，可能为基础科学和药物开发领域的生命科学家带来福音。
该研究结果发表在2月24日《细胞报告方法》杂志上的文章“LabGym：使用基于学习的整体评估对用户定义的动物行为进行量化”。
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反应。密歇根大学生命科学教授BingYe博士和他的团队分析了模式生物果蝇(果蝇)的运动和行为，以了解人类神经系统发育和功能的机制。
“行为是大脑的功能。因此，分析动物行为提供了有关大脑如何工作以及大脑如何响应疾病而变化的重要信息，”叶实验室的神经科学家、该研究的主要作者YujiaHu说。
手动识别和评分动物行为的各个方面是乏味、耗时的，而且容易出现人为错误。存在一些可以自动定量评估动物行为的程序，但它们提出了挑战。
“许多行为分析程序都是基于预先设定的行为定义，”叶说。“例如，如果果蝇幼虫滚动360度，一些程序就会计算滚动次数。但为什么270度不也是滚动呢?如果用户不知道如何重新编码程序，许多程序不一定能够灵活地进行计数。”
让程序像科学家一样思考
为了克服这些挑战，胡和他的同事决定设计一个新程序，更接近地复制人类认知过程——更像科学家的“思考”——并且对于可能不具备编码专业知识的生物学家来说更加用户友好。使用LabGym，研究人员可以输入他们想要分析的行为示例，并告诉软件它应该计算什么。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“图案图像”数据的组合来获得认知灵活性和可靠性。仅通过视频记录获得的时间序列数据对于人工智能程序来说就很难分析。为了训练LabGym更好地识别行为，Hu通过合并不同时间点动物位置的轮廓来生成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个动物，它的设计还可以忽略不相关的背景信息，同时考虑动物的整体运动以及位置随空间和时间的变化。
提高灵活性
LabGym的另一个优势是其物种灵活性。尽管是用果蝇设计的，但它并不限于任何一种物种。“这其实很少见，”叶说。“它是为生物学家编写的，因此他们可以使其适应他们想要研究的物种和行为，而无需任何编程技能或高性能计算。”
CarrieFerrario博士是药理学副教授，研究大鼠模型中导致成瘾和肥胖的神经机制，帮助叶和他的团队在啮齿动物模型系统中测试和完善该程序。“从研究生院开始，我就一直在尝试解决这个问题，但在人工智能、深度学习和计算方面，技术还不存在，”费拉里奥说。“这个程序为我解决了一个现有的问题，但它也有非常广泛的用途。我看到它在几乎无限的条件下分析动物行为的潜力。”
在未来的研究中，叶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。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！