相关实验视频
Updated: Jan 7, 2026
07:38
Strategies for Assessing Autistic-Like Behaviors in Mice
Published on: September 20, 2024
2.1K
人工智能驱动的自然主义行为解码能够定制地检测小鼠的抑郁类行为
Hyeonsik Oh1, Sian Choi1, Jinsu Lee2,3
1Department of Biological Sciences, Korea Advanced Institute of Science and Technology, Daejeon, Republic of Korea.
Nature communications
|December 30, 2025
概括
研究人员开发了CLOSER,这是一个使用自主监督学习的AI平台,用于精确监测大抑郁症 (MDD) 研究的小鼠行为. 这种工具有助于标准化评估,促进精神病药物发现.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 大型抑郁症 (MDD) 由于其多样性和异质性而带来诊断挑战.
- 目前用于人类MDD和动物抑郁症模型的诊断方法往往不兼容,需要新的评估技术.
- 需要使用非侵入性方法来量化自然环境中类似抑郁的状态,特别是在临床前模型中.
研究的目的:
- 推出CLOSER,一种自我监督的机器学习平台,用于精确,可靠和高效地监测抑郁症小鼠模型中的自发行为.
- 开发一个整合3D姿势骨架数据和动力学特征的框架,用于详细的行为分析.
- 建立一种标准化的方法来评估小鼠中类似抑郁症的表型,弥合临床前和临床研究.
主要方法:
- 采用了一个自主监督的机器学习平台,名为CLOSER (基于对比学习的自发行为的观察者免费分析以图形表示).
- 在新型数据增强策略中,集成的3D姿势骨架数据和动态特征.
- 分析了小鼠抑郁症模型中的自发行为,包括两性和不同疾病阶段的慢性压力小鼠.
主要成果:
- 在慢性压力下的小鼠中,CLOSER成功地识别了不同的运动形状,区分了性别和疾病进展.
- 该平台在监测自发行为方面表现出高精度和可靠性.
- CLOSER有效量化了心理运动症状的药物特异性恢复,展示了其识别药物有效性的能力.
结论:
- CLOSER提供了一种人工智能驱动的解决方案,用于解码探索性行为,并在小鼠模型中标准化对类似抑郁的表型的评估.
- 该平台提高了抑郁症研究行为分析的精度,可靠性和效率.
- CLOSER有可能弥合临床前和临床诊断之间的差距,大大帮助精神病药物发现.
