科學家以全新系統解碼動物行為 構建行為“字典”

中國科技網

中國科技網官方帳號

科技日報記者劉傳書

蜜蜂采蜜後為什麼會跳舞？貓咪在被主人撫摸時為什麼會發出咕嚕聲？狗狗也會流眼淚？怎樣才能知道，動物的腦子裏究竟在想些什麼？一直以來，科學家們從未停止探索動物行為的奧秘，以此研究大腦神經對行為的調控，以及在藥物研發中的行為學評估。

5月13日，中國科學院深圳先進技術研究院腦認知與腦疾病研究所王立平、蔚鵬飛團隊的最新研究成果發表於《自然—通訊》。研究團隊自主研發了一種多視角、三維自動化行為采集設備，並提出一類通用動物三維行為圖譜框架“Behavior Atlas”。深圳先進院王立平研究員、蔚鵬飛副研究員為該文章的共同通訊作者，在讀博士生黃康、在讀碩士生韓亞寧為該論文的共同第一作者，賓夕法尼亞州立大學的劉思源教授為論文的共同作者。

據了解，研究團隊曆時兩年自主研發的行為采集設備，能夠獲取動物三維立體的運動姿態，並根據動物行為類似語言一樣的層次結構，提出了一種層次化動物行為分解模型，將連續、複雜的行為簡化為可以被人們理解的動作模塊。該研究已在自閉症模型小鼠進行了行為鑒定，成功實現在亞秒級自動精確識別其特征性的行為異常。

圖為 Behavior Atlas示意圖

AI加持 多視角三維展示動物行為姿態

在傳統的動物行為學采集與分析中，多采用單視角，並提取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准確收集。

一直以來，王立平、蔚鵬飛團隊致力於用光遺傳學技術探索大腦神經環路對行為的調控。自2018年起，團隊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，我們使用傳統方法對行為進行觀測時發現，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需要極大的工作量，極耗費時間和精力。即使對於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複用。”蔚鵬飛表示。

對此，結合人工智能技術，團隊自主研發了多視角、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，更加全面的表征動物的運動。

“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，且非常易於擴展至犬類、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，相關成果發表於《生物化學和生物物理研究通訊》。據了解，目前團隊已經收到了國內外20多家科研機構的合作和采購意向。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。

圖為行為采集設備示意圖及投入量產的設備。

曆時兩年 構建行為“字典”

研究過程中，探索行為的本質規律，對行為進行解碼，構建行為“字典”成為團隊研究的重點。

團隊發現，動物在展現行為時，首先通過肢體表現出豐富的姿態，而姿態的連續變化形成了一個個行走、跳躍、攀爬、抓撓等動作，進一步表達出動物的天性、習性、喜怒哀樂等行為。這種“姿態-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，構建行為的“字典”。結合人工智能算法技術，研究團隊從連續的三維行為序列中，首先對行為的姿態層進行離散化的表征，讓機器識別出行為的每一個姿態，相當於構建行為的“字母表”；其次從這些姿態表征中，將具有相似排列模式的姿態序列挖掘出來，作為行為的動作層，相當於構建行為的“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，團隊在自閉症小鼠模型上進行的驗證實驗中，成功從分離出的40多種行為亞型中發現了自閉症小鼠模型具有的特異性行為。所構建的行為圖譜在對行為數據分析後，行為結果與動物的基因型存在高度的一致性。此外，利用提取出的新的焦慮行為特征，團隊也成功分離出傳統的焦慮測量範式所不能有效分離的焦慮與正常動物。

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。據了解，團隊已經在非人靈長類、犬類開展了研究，未來還將應用在豬等實驗動物上。

讓行為數據解答好生物學問題

行為學上的觀測和量化對藥物研發、疾病診斷有著重要意義。以經典的“強迫遊泳實驗”為例，通過觀測小鼠行為，用以檢測抗抑鬱藥物的作用。然而在該過程中，獲取的行為數據不精准，使抑鬱症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，在國際上仍然處於“跟跑”狀態。該研究在計算神經行為學領域，為探索大腦對行為調控等神經活動提供了一種有效手段，進一步助力疾病診斷及藥物療效方面的評估。

中國科學院院士、浙江大學教授段樹民表示，團隊自主研發的三維動物高精度行為分析系統，部分填補了現有行為學分析的短板。該系統將在很大程度上拓寬動物行為研究的範式，提高行為分析的准確性和效率，其應用有望對研究精神疾病和情緒障礙的發作機制，以及各種治療手段的臨床前研發測試提供重要手段。

“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‘在哪裏’和‘跑多快’，而不知道動物在‘幹什麼’。基於目前我們團隊研發的精細化動物行為檢測與分析系統，我們能夠更加客觀、准確、全面的測量特定神經環路操控下、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;從而可以進一步推動大腦認知機制、類腦智能以及針對腦疾病藥物新藥研發等研究領域的研究。”論文共同通訊作者王立平研究員表示。

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的編碼特定的行為。

（圖片由先進院提供）