通过深度学习和实时提示交付,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
• 研究中的人工智能.

背景情况:

• 创伤后应激障碍 (PTSD) 是一种普遍的疾病,其特点是对创伤线索的生理反应性提高.
• 了解复杂的PTSD需要在临床前模型中将感官生理与行为分析整合起来.
• 现有的临床前模式往往缺乏在自然环境中整合感官刺激和详细的行为分析.

研究的目的:

• 开发和验证一种基于帕夫洛夫的新型范式,用于研究对住小鼠的恐惧行为.
• 利用开源软件和深度学习来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,灭绝学习和在伦理学上相关的环境中的性别特异性的影响.

主要方法:

• 一个基于帕夫洛夫的新型范式是使用开源软件实现的,用于在它们的家庭子内对双小鼠的恐惧调节.
• 基于深度学习的姿势估计用于同时录制视频并分析受条件刺激 (CS) 引起的结行为.
• 这项研究考虑了光暗昼夜周期,并分析了2周的灭绝学习.

主要成果:

• 恐惧条件下的小鼠表现出显著的CS引起的结,有证据表明在研究期间的灭绝学习.
• 与男性相比,女性表现出较少的结,在结行为中具有明显的昼夜模式.
• 后范式,恐惧条件下的小鼠表现出高度上下文依赖的结,与对照组相比,雄性表现出增加的惊慌反应能力.

结论:

• 开发的软件应用程序能够在自然环境中对有条件的恐惧和防御行为进行强有力的检查.
• 这些发现突出了性别特异性的恐惧反应和昼夜影响行为的差异.
• 这种综合性方法具有了解神经回路,感官威胁反应能力和推进PTSD研究和治疗的潜力.