Автоматический анализ поведения животных в соотношении с ключевыми аспектами среды выявляет новые когнитивные специализации нейроновстатья
Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 24 июля 2024 г.
Аннотация:Анализ специфических активаций нейронов относительно элементов внешней среды, поведения или внутреннего состояния животных невозможен без детального анализа поведенческих актов экспериментального животного. В настоящее время достигнуты некоторые успехи в автоматической сегментации поведения животных с использованием методов машинного обучения [1–3] на основе данных о местоположении частей тела животного [3]. При этом на данном этапе такие методы не позволяют достичь желаемого уровня точности в сегментации поведения, а также соотнести поведенческие акты животного с целевыми и мотивационными аспектами среды. В связи с этим авторами был разработан комплекс программных средств для извлечения широкого спектра поведенческих переменных из видеозаписей поведения животных в экспериментальных обстановках и математического анализа континуума поведенческих актов.Для извлечения широкого спектра поведенческих переменных необходима детекция отдельных частей тела животного. Для той задачи нами был использован DeepLabCut — открытый тулбокс для поведенческого трекинга экспериментальных животных, основанный на принципе трансферного обучения c использованием глубоких нейронных сетей. Нами была отработана методика определения местоположения частей тела животного в различных поведенческих средах и сформирован набор частей тела животного, удовлетворяющий двум требованиям: высокая чувствительность к мелким моторным движениям животного и высокий процент точного определения местоположения части тела. В случае съёмки камерой сверху такой набор включает кончик носа, уши, основание хвоста, центр тела мыши, передние и задние конечности, левый и правый бок туловища животного.Далее нами был разработан комплекс программных средств извлечения и детальной аннотации поведенческих переменных из данных о кинематике частей тела животного в различных когнитивных задачах. Разработанная автоматизированная система состоит из двух основных скриптовых модулей: CreatePreset и BehaviorAnalyzer. Модуль CreatePreset осуществляет взаимодействие с пользователем, в ходе которого происходит выбор типа геометрии арены и расположения в ней объектов, указание необходимых для анализа временных и пространственных параметров. Результат работы скрипта сохраняется в виде mat-файла, который может быть использован для анализа поведения во всех видео эксперимента при условии постоянства взаимного расположения арены и видеокамеры, а также дизайна эксперимента. Модуль BehaviorAnalyzer осуществляет предварительную обработку временных рядов координат частей тела животных, формирует массив данных о кинематике частей тела — кинематограмму, выделяет дискретные поведенческие акты животного и аннотирует его поведение в соотношении с мотивационными и целевыми аспектами среды.С помощью методов на основе взаимной информации нами был проведён анализ специализаций нейронов CA1 гиппокампа при обследовании животными арены с разным уровнем новизны. В результате анализа выявлены нейроны, селективные относительно определённых значений непрерывных кинематических параметров позы и траектории животного, таких как местоположение в пространстве арены (координаты X и Y), а также скорости и угла поворота головы (т.е. абсолютной ориентации в пространстве арены). Выявлены также нейроны, специализированные относительно дискретных актов поведения, а именно: остановки, побежки, замирание (фризинг), стойки и акты взаимодействия с объектами. Кроме того, были обнаружены нейроны, селективно активирующиеся относительно дополнительного набора дискретных параметров, представляющих собой комбинацию местоположения животного в арене и скорости.