用机器学习模拟阿片类药物依赖小鼠的戒断状态

科学领域:

• 神经科学是一个神经科学.
• 行为科学 行为科学
• 药理学 药理学是指药理学的学科.

背景情况:

• 在临床前模型中准确量化阿片类药物戒断行为对于推进阿片类药物使用障碍 (OUD) 治疗至关重要.
• 目前测量这些行为的方法往往是主观的,缺乏可扩展性,这给研究人员带来了挑战.
• 个体行为变化和戒断症状的微妙性质使客观测量变得复杂.

研究的目的:

• 开发和验证一个可扩展的行为分析管道,LUPE (轻量自动疼痛评估器),用于量化阿片类药物戒断行为.
• 集成先进的计算工具,用于自动化姿势估计和行为分类.
• 在临床前OUD研究中建立一种标准化,高分辨率的行为量化方法.

主要方法:

• 开发LUPE,这是一个开源框架,结合了视频采集,无标记姿势估计 (DeepLabCut) 和行为分类主动学习 (A-SOiD).
• 使用BORIS的特定阿片类药物戒断行为 (跳跃,生殖器,理,爪震) 和正常行为的手写注释.
• 在A-SOiD中使用姿势数据和注释来对纳洛引起的戒断期间的小鼠行为进行监督和无监督的分类.

主要成果:

• LUPE管道成功集成了视频分析,姿势估计和行为分类.
• A-SOiD有效地检测了长时间的行为,如理和养育,但与快速的,短暂的行为,如跳跃和爪震作斗争.
• 目前正在对模型进行不断的改进,以改善检测所有与戒断相关的行为.

结论:

• 开发的LUPE管道为标准化,高分辨率量化临床前阿片类药物戒断行为提供了基础.
• 这种自动化方法有可能显著提高OUD研究的效率和客观性.
• 进一步将管道应用于不同的数据集,预计将揭示退出表型的新组成部分.