在年轻和成年小鼠中基于证据的比较严重性评估
Maria Reiber1, Lara von Schumann1, Verena Buchecker1
1Institute of Pharmacology, Toxicology, and Pharmacy, Ludwig-Maximilians-University (LMU), Munich, Germany.
PloS one
|October 20, 2023
概括
这项研究开发了一种生物信息学方法,以创建评估动物福利的复合措施. 这些经过验证的方案使得客观的,个性化的严重程度分类和对老鼠模型进行比较.
科学领域:
- 动物福利科学 动物福利科学
- 生物信息学是一种生物信息学.
- 神经科学研究 神经科学研究
背景情况:
- 在研究中对动物痛苦的准确评估在伦理和法律上至关重要,但由于疼痛和痛苦的多维性质而复杂化.
- 现有的评估动物福利的方法往往缺乏标准化和跨模型可比性.
研究的目的:
- 设计和验证使用生物信息学方法评估动物福利的多维复合措施方案.
- 为了使基于证据,在不同的动物模型中进行比较性严重性评估.
主要方法:
- 在从神经和精神疾病的小鼠模型发布的数据集上使用生物信息学工作流.
- 应用接收器操作特性 (ROC) 和主要组件分析 (PCA) 用于参数选择和方案验证.
- 雇佣的k-means集群用于严重程度的分类和比较.
主要成果:
- 开发并验证了成年和年轻小鼠的复合测量方案,证明了行为参数的模型特定的歧视力.
- 据PCA证实,这些计划提供了相关信息,分组反映了预期的严重程度.
- K-means集群验证了个性化严重程度分类和模型间直接比较的方案.
结论:
- 生物信息学方法成功验证了基于证据的综合测量方案,用于小鼠的基于证据的比较严重性评估.
- 这些方案有助于个性化严重性分类和对不同实验模型进行比较.
- 提供了一个在线工具 (R包),用于将这种方法应用于严重性评估数据和验证改进措施.
