使用行为测试作为一个简单而敏感的模型来评估水污染的潜在不良影响:重点是抗抑郁药

科学领域:

• 水生物质毒理学研究
• 动物行为分析 动物行为分析
• 深度学习应用程序深度学习应用程序

背景情况:

• 淡水 (Procambarus clarkii) 是用于制药和环境研究的敏感水生模型.
• 在鱼中手动行为分析是劳动密集型和主观的.
• 需要自动化的行为分析来进行高效和客观的生态毒性测试.

研究的目的:

• 开发一种自动化管道,使用深度学习分析多种的行为.
• 量化行为终点并验证系统的性能.
• 为了研究抗抑郁药暴露对鱼行为的影响.

主要方法:

• 利用DeepLabCut (DLC),一个深度学习框架,用于自动化身体部位标签和多种的轨迹分析.
• 计算的内部和个人间的行为指标.
• 在不同性别配对 (男性-男性,女性-女性) 中验证了检测性能.
• 暴露于雄性的塞特拉林 (SRT) 在1ppb为7和14天,以评估精神活性作用.

主要成果:

• 自动化系统可靠量化了多种的行为终点.
• 雄性的攻击性明显高于雌性.
• 塞特拉林暴露改变了的行为,增加了延伸爪子比率,移动距离,平均速度和快速移动,同时减少了相互作用时间.
• 14天的塞特拉林暴露影响了侵略性和大胆性.

结论:

• 开发的深度学习管道为鱼的自动行为分析提供了快速而准确的方法.
• 这种方法增强了生态毒性测量,适用于环境研究.
• 普罗坎巴鲁斯·克拉基 (Procambarus clarkii) 作为一种有价值的模型,用于研究精神活性药物对行为的影响.