使用机器学习对小鼠厌恶反应的自动量化
Shizuki Inaba1, Naofumi Uesaka2, Daisuke H Tanaka3
1Department of Cognitive Neurobiology, Graduate School of Medical and Dental Sciences, Institute of Science Tokyo, 1-5-45 Yushima, Bunkyo-ku, Tokyo, 113-8519, Japan.
Scientific reports
|May 21, 2025
概括
这项研究引入了一种机器学习方法,可以自动计算小鼠的厌恶反应,显著减少分析时间. 自动化系统准确量化了这些反应,帮助进行大规模实验.
科学领域:
- 神经科学是一个神经科学.
- 动物行为 动物行为
- 机器学习 机器学习
背景情况:
- 厌恶是一种主要的情绪,对防止毒素和感染至关重要.
- 量化动物的厌恶反应传统上涉及耗时的手动视频分析.
- 味觉反应性测试是评估动物模型中厌恶的关键方法.
研究的目的:
- 开发和验证一种自动化方法,用机器学习量化小鼠的厌恶反应.
- 为了减少与分析动物研究中厌恶反应相关的劳动和时间.
主要方法:
- 使用DeepLabCut来自动跟踪鼠标面部和脚的运动.
- 雇佣了一个随机森林分类器,训练在手动标记的厌恶反应数据上.
- 使用测试数据集验证了自动化方法与手动计数的有效性.
主要成果:
- 自动化方法实现了高相关性 (皮尔森的r=0.97) 与手动计数的厌恶反应.
- 机器学习显著减少了数据分析所需的时间和精力.
- 开发的分类器准确地识别和量化了不同类型的厌恶反应.
结论:
- 自动机器学习方法为小鼠厌恶反应的手动分析提供了可靠和高效的替代方案.
- 这种方法促进了大规模的查和长期实验,需要大量量化厌恶反应.
- 这些发现支持在行为神经科学研究中更广泛地实施味道反应性测试.
