使用机器学习对小鼠进行长期伤分析
Koji Kobayashi1, Yusuke Miyazaki2, Naoaki Sakamoto2
1Department of Food and Animal Systemics, Graduate School of Agricultural and Life Sciences, The University of Tokyo, Tokyo 113-8657, Japan.
PNAS nexus
|October 1, 2025
概括
研究人员使用机器学习开发了一种自动化方法来量化小鼠的行为,揭示了对 () 和其持续性的新见解,特别是在光线条件下.
科学领域:
- 动物行为 动物行为
- 计算生物学 计算生物学
- 皮肤病学 皮肤病学
背景情况:
- 是与各种疾病相关的常见症状,需要通过动物模型更好地理解.
- 目前在研究环境中评估的方法缺乏客观的量化.
研究的目的:
- 开发和验证一个自动化系统,客观,长期分析小鼠的抓行为.
- 在原始和化学诱导条件下描述的详细模式.
主要方法:
- 利用图像分析和机器学习算法来跟踪和量化鼠标的划痕.
- 在光明和黑暗条件下对BALB/c小鼠进行了24小时的连续监测.
- 给药的丁甲 (DNFB) 诱导和分析行为反应.
主要成果:
- 纯粹的小鼠在光线期间表现出明显更频繁和更长时间的痕,这对灭绝有抵抗力.
- 与暂时的车辆反应相比,丁二二 (DNFB) 诱导的持续的,双相的伤行为.
- 在接受DNFB治疗的小鼠中,即使在休息期间也观察到伤行为.
结论:
- 自动化长期动行为分析为客观研究提供了强大的工具.
- 鼠标的痕表现出明显的时间模式,受到光线和化学刺激的影响.
- 这种方法为的病理生理学提供了新的见解.
