在Drosophila melanogaster的姿势数据中捕捉连续的,长时间的行为变化

科学领域:

• 伦理学 伦理学 伦理学
• 时间生物学 时间生物学
• 动物行为 动物行为

背景情况:

• 量化行为研究往往侧重于短时间尺度,限制了对较长时间结构的理解.
• 调查长时间的动物行为需要延长,持续的记录和先进的分析技术.

研究的目的:

• 为了研究动物的行为跨延长的时间尺度,包括每日和多天的模式.
• 通过使用高分辨率追踪来探索生物体生命周期中的行为变化.

主要方法:

• 连续高分辨率 (100 fps) 视频录制单个Drosophila melanogaster,长达7天.
• 利用深度学习框架SLEAP进行全身姿势估计,生成了近20亿姿势实例的大数据集.
• 识别了刻板印象的行为 (修饰,鼻延伸,运动) 以创建时间分析的民族图.

主要成果:

• 在7天的记录期间,在所有刻板印象行为中确定了不同的昼夜模式.
• 在实验期间观察到行为的显著变化,与与年龄相关的衰退相关.
• 在Drosophila melanogaster*中展示了行为时间尺度的层次结构.

结论:

• 扩展行为记录揭示了复杂的时间结构,包括昼夜节律和与年龄有关的变化.
• 基于深度学习的姿势估计对于生成大规模行为数据集是有效的.
• 这项研究提供了关于动物行为的全时间动态的见解,从日常周期到寿命变化.