鼠标身体语言的自动细分用于研究刺激引起的情绪行为

科学领域:

• 神经科学是一个神经科学.
• 伦理学 伦理学 伦理学
• 计算生物学 计算生物学

背景情况:

• 了解情绪的神经基础对于神经精神疾病研究至关重要.
• 目前研究老鼠情绪的方法,如冷,受到主观解释和狭窄的时间窗口的限制.
• 需要自动化,客观的工具来分析自然主义的小鼠行为.

研究的目的:

• 开发和验证一个用于自动化,标准化和以伦理学驱动的自由移动小鼠观测的计算工具.
• 通过机器学习和行为跟踪,使情绪状态的次秒级推断成为可能.
• 克服传统的主观行为评估的局限性.

主要方法:

• 开发一个计算工具:刺激唤起的3D动物行为跟踪 (SEB3R).
• 利用基于机器学习的行为跟踪和无监督集群分析.
• 在刺激驱动的胡须麻烦 (WN) 任务中验证了该工具.

主要成果:

• SEB3R成功地从自由移动的小鼠中识别出具有统计意义的姿势.
• 这些姿势可以作为刺激驱动的恐惧和探索行为可靠的代理.
• 该工具展示了以伦理学驱动的观测的自动化和标准化.

结论:

• 开发的SEB3R工具为研究小鼠自然主义行为和情绪提供了一种新的方法.
• 自动行为分析提高了实验结果的一致性和解释性.
• 这种工具通过提供客观的行为数据来推进神经精神疾病的生物基质的研究.