使用DeepLabCut和简单的行为分析对C57BL/6J小鼠头部抽反应的快速,开源和自动量化量化
Alexander D Maitland1, Nicholas R Gonzalez1, Donna Walther1
1Designer Drug Research Unit, National Institute on Drug Abuse, Intramural Research Program, Baltimore, Maryland 21224.
bioRxiv : the preprint server for biology
|June 26, 2025
概括
这项研究引入了一种自动化的DeepLabCut和简单行为分析 (DLC+SimBA) 方法,用于量化小鼠头部抽反应 (HTR). 这种开源工具提供了准确而高效地检测HTRs,这是迷幻药物效应的关键指标.
科学领域:
- 神经科学是一个神经科学.
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 血清性迷幻药在小鼠中诱导头反应 (HTR),作为血清2A受体 (5-HT2A) 激素和人类迷幻效应的代理.
- 目前的HTR检测方法,包括视觉评分和商业软件,往往是耗时和劳动密集的.
研究的目的:
- 开发和验证一种新的,自动化的,开源的方法,用机器学习来量化小鼠的HTRs.
- 与现有技术相比,评估这种新方法的准确性和效率.
主要方法:
- 使用DeepLabCut (DLC) 进行姿势估计,以跟踪小鼠视频中的13个身体部位.
- 使用简单行为分析 (SimBA) 与随机森林分类器来检测基于DLC衍生的坐标的HTR.
- 验证了DLC+SimBA方法与视觉评分和半自动化方法在各种视频分辨率和率之间进行验证.
主要成果:
- DLC+SimBA方法在50%分辨率和120fps时实现了高精度 (精度=95.45,回忆=95.56,F1=95.51),在较低的设置 (50%分辨率,60fps) 中保持了精度.
- 与视觉评分和半自动化软件进行HTR量化有很强的相关性 (r = 0.98-0.99).
- 成功地应用了评估布福因效应的方法,揭示了其HTR诱导潜力与5-HT1A受体阻塞有关.
结论:
- DLC+SimBA方法为HTR检测提供了一个模块化,非侵入性和开源的解决方案.
- 这种方法的准确性与基于磁力计的方法相美,而且比手动视觉评分的速度要快得多.
- 经过验证的工具有助于更有效和客观地研究迷幻药物的行为药理学.
