機械学習と行動神経科学の融合: より正確な表現型解析が可能に

2023年7月31日

この記事は、Science X の編集プロセスとポリシーに従ってレビューされています。 編集者は、コンテンツの信頼性を確保しながら、次の属性を強調しました。

事実確認済み

査読済みの出版物

信頼できる情報源

校正する

アンケ・シュリー著、マックス・プランク協会

新しいコンピュータ プログラムにより、科学者は複数の動物の行動を同時に長期間にわたって観察し、その動きを自動的に分析することができます。 明白に見えるかもしれないことが重要なマイルストーンとなり、このような複雑な観測結果の堅牢でアクセスしやすい標準化と評価への道が開かれます。

19 世紀の研究者が髄ヘルメットをかぶって、自然の生息地で動物を観察しているところを想像してみてください。 または、マックス プランク協会の退役軍人であるコンラート ローレンツが、1970 年代にシュタルンベルク湖の近くで彼のハイイロガンを注意深く追跡したところを想像してみてください。行動研究の始まりには、見たものを観察し記録することが含まれていました。

次のステップは実験室で行われ、比較可能性を確立するために標準化された環境が作成されました。 研究者たちは貴重な洞察を得ることができましたが、常に限界がありました。環境と試験の設定、動物の数、観察期間が、個人または社会の特定の自然行動の複雑さに対応していませんでした。

さらに、動物の行動を観察することは、特定の種が与えられた刺激にどのように反応するかをより深く理解することだけでなく、研究者が人間の精神障害をより適切に定義して、改善された個別化された治療を提供するのにも役立ちます。

数年前、科学者たちはオープンソース ツールボックス DeepLabCut を使用して画期的な進歩を達成しました。 彼らは、単純な環境で個々の動物の中心点を追跡できるだけでなく、現実世界の環境で複数の動物の複雑な体の姿勢を自動的に検出することもできました。 姿勢をキャプチャすることは、根底にある行動を分析することと同じではないため、これにより、これらのデータから情報を抽出できる新しいツールの開発への道が開かれました。

マックス・プランク精神医学研究所の 2 つの研究グループがこの課題に取り組みました。 Mathias V. Schmidt と Bertram Müller-Myhsok が率いるチームは、DeepOF と呼ばれる Python パッケージを開発しました。これは、経時的な個々のボディ マーカーの位置を行動パターンと関連付けます。 これにより、半自然環境における動物（この場合はマウス）の行動を、任意の時間枠にわたって詳細に分析できるようになります。

2 つの異なるアプローチが使用されます。 教師あり分析パイプラインでは、時間の経過に伴う体の姿勢に基づいて動作が事前定義され、取得されたデータを直接読み取って分析できます。

「さらに興味深いのは、教師なし分析パイプラインです」と統計学者のミュラー・ミソク氏は言います。 生物学者のマティアス・シュミット氏は、「私たちのプログラムは、類似した行動エピソードを検索して分類します。このアプローチはまったく新しい次元を切り開き、複雑な社会的行動の仮説に依存しない自動調査を可能にし、非常に興味深い結果をもたらします。」と付け加えた。

このタイプのツールは新たな可能性を開き、複雑さの点で行動生物学を分子生物学や機能生物学の分析方法に匹敵するレベルに引き上げます。

「将来的には、結果を脳波記録、神経活動データ、バイオセンサーデータなどの他の測定次元とより適切に組み合わせることができるようになります」と生物学者のジョエリ・ボルデス氏は報告しています。 DeepOF プログラムの作成者であるルーカス・ミランダ氏は、「私たちのプログラムは世界中の研究者が自由に利用でき、コードはもちろんオープンで、誰でもプロジェクトに貢献できる」ため、「オープン サイエンス」に熱心です。