segTracker.ai：无监督多动物姿态追踪算法与自闭症谱系障碍研究

研究亮点

.ai：一种无监督的、最先进的多动物姿态追踪算法。

：一种弱监督的动物社交行为聚类算法。

STCS揭示了自闭症谱系障碍（ASD）小鼠的社交压力与运动障碍之间的关联。

论文简介

.ai：组合深度学习技术追踪实验动物

.ai是一个先进的实验室动物姿态追踪模块，受 .ai 启发并整合于 STCS 系统中。它背靠计算机视觉知名开源库MMCV等一系列框架，利用最先进的计算机视觉技术进行检测、实例分割和姿态估计，能够应用于各类实验动物追踪，尤其擅长处理不同视频质量的复杂追踪任务。研究人员能够轻易组合多种深度学习模型，利用更先进的实例分割和光流估计模型提高追踪精度，借助姿态估计领域新进展提高关键点检测水平，以应对动物社交实验设计带来的各种挑战。

实验证明，.ai的策略能够处理数分钟至数小时的行为学视频，包含小鼠、蚂蚁和果蝇等模式生物，在聚集、战斗、追逐和睡眠等各种情形之下都能保持稳定的追踪和姿态估计结果，为神经科学研究人员提供了全新的分析工具。

2xWT

4xWT

6xWT

4xPD

Fly

Ant

rob

.ai基于云平台构建，联网上传视频即可进行分析。研究团队可以在从高性能笔记本到工作站的各种设备上构建服务，借助局域网或互联网为一整个研究团队提供服务。

：弱监督信息指导下挖掘行为特征

许多时候，研究人员可能知晓某种模式生物基因水平上的改变，但无法知晓其在社交行为上的潜在差异。为此，我们提出，借助图卷积神经网络，构建一个多功能的自编码器，捕获模式生物的行为特征。作为 STCS 的第二大支柱，能够尝试根据基因型识别实验动物在社交行为上的细微差异。该模块采用弱监督学习方法，结合降维和聚类分析，以无偏且数据驱动的方式识别并分类行为模式。

使用STCS分析自闭谱系小鼠

敲除小鼠是研究自闭症谱系障碍（ , ASD）的常用模型，尤其是因为 基因突变已被证实与 ASD 的发生密切相关。基因编码一种重要的突触蛋白，负责维持突触的功能和结构，其突变常导致突触功能失调，这是 ASD 发生的核心机制之一。

敲除小鼠常常表现出一系列与 ASD 相关的行为异常，包括重复性自我梳理、社交互动障碍、焦虑增强以及感觉处理异常等。这些行为类似于人类 ASD 患者的症状，尤其是社交行为的缺陷，使 敲除小鼠成为研究 ASD 基础机制和筛选潜在治疗方法的重要工具。传统三箱实验是揭示ASD症状的经典手段之一，但这种实验设计与真实条件下不同个体之间自由互动的模式仍然相去甚远。

STCS 在 敲除小鼠的实验中识别出了多种不同的社交行为模式，提示纯合子与杂合子可能存在被动接受社交与主动逃避社交的差异倾向。通过比较单独活动的小鼠与群体中的小鼠的运动特征变化，发现在应对社交压力上，纯合子与杂合子采取了截然不同的应对策略，揭示了社交压力与ASD小鼠运动水平之间的联系，从而进一步验证了STCS挖掘的社交洞见。这表明STCS能够精准地捕捉不同表型之间的微妙行为差异，为ASD小鼠行为研究提供了新颖的分析视角。

未来展望

STCS系统的应用潜力不仅限于ASD领域，还可以扩展到行为神经科学的其他领域，例如攻击行为、交配行为、社会等级结构以及抑郁症中的社交回避行为等，在实践中发现新问题，使用新技术加以解决，以期完成更长久的姿态追踪和更精准的行为分析。我们希望STCS能够成为未来计算神经行为学研究中一个多功能工具，不仅仅是为了移除传统实验中限制动物自由活动的牢笼，更希望神经科学研究人员得以打破技术限制的桎梏，以更自由的方式设计全新的动物社交行为学实验。

相关论文信息

研究成果发表在Cell Press旗下期刊上，点击“阅读全文”或扫描下方二维码查看论文。

▌论文标题：

and multi- of

▌论文网址：

▌DOI：