通过深度学习和实时提示传递,跟踪对住小鼠的有条件恐惧

科学领域:

• 神经科学是一个神经科学.
• 行为科学 行为科学
• 人工智能的人工智能

背景情况:

• 创伤后应激障碍 (PTSD) 是一种普遍存在的疾病,其特点是对创伤线索的生理反应性提高.
• 目前的临床前模型需要更好地将感官生理与行为分析相结合,以了解复杂的PTSD.
• 调查恐惧调节和灭绝需要在伦理学上相关的环境和精确的行为测量.

研究的目的:

• 开发和验证一种基于帕夫洛夫的新型范式,用于评估对住小鼠的恐惧行为.
• 整合开源软件和深度学习,用于自动分析条件恐惧反应.
• 检查反复的有条件刺激对恐惧行为,灭绝学习和家庭子环境中的性别差异的影响.

主要方法:

• 一种新的帕夫洛夫式调节范式被应用在家里的小鼠身上.
• 基于深度学习的姿势估计和开源软件被用于同时录制视频并分析结行为.
• 评估了CS引起的结,灭绝学习和惊反应,考虑昼夜周期和性别差异.

主要成果:

• 恐惧条件下的小鼠表现出显著的CS引起的结,并在2周的范式中展示了灭绝学习.
• 与男性相比,女性表现出较少的结,与结行为有着不同的昼夜模式.
• 男人表现出更高的震惊反应能力,而两性都表现出更高的上下文依赖的结后范式.

结论:

• 开发的软件应用程序能够精确,自动分析条件恐惧和防御行为在一个伦理相关的设置.
• 这种范式有助于研究感官威胁反应性和恐惧反应中的性别差异.
• 这些发现有助于更好地了解PTSD所涉及的神经回路,并可能为未来的治疗策略提供信息.