머신러닝과 행동 신경과학의 만남: 보다 정확한 표현형 분석 가능

2023년 7월 31일

이 기사는 Science X의 편집 과정 및 정책에 따라 검토되었습니다. 편집자들은 콘텐츠의 신뢰성을 보장하면서 다음 특성을 강조했습니다.

사실 확인된

동료심사를 거친 출판물

신뢰할 수 있는 출처

교정하다

작성자: Anke Schlee, 막스 플랑크 협회

새로운 컴퓨터 프로그램을 통해 과학자들은 여러 동물의 행동을 동시에 장기간 관찰하는 동시에 동물의 움직임을 자동으로 분석할 수 있습니다. 명백해 보이는 것은 중요한 이정표를 나타내며, 그러한 복잡한 관찰에 대한 강력하고 접근 가능한 표준화 및 평가를 위한 길을 열어줍니다.

19세기 연구원이 속 헬멧을 쓰고 자연 서식지에서 동물을 관찰하는 모습을 상상해 보세요. 또는 막스 플랑크 협회(Max Planck Society)의 베테랑인 콘라드 로렌츠(Konrad Lorenz)가 1970년대에 슈타른베르크(Starnberg) 호수 근처에서 회색 거위를 바짝 따라가는 모습을 상상해 보십시오. 행동 연구의 시작은 사람이 본 것을 관찰하고 기록하는 것과 관련이 있었습니다.

다음 단계는 비교 가능성을 확립하기 위해 표준화된 환경이 만들어진 실험실에서 이루어졌습니다. 연구자들은 귀중한 통찰력을 얻었지만 항상 한계가 있었습니다. 환경과 테스트 설정, 동물 수, 관찰 기간은 개인 또는 사회적 특정 자연적 행동의 복잡성과 일치하지 않았습니다.

또한 동물의 행동을 관찰하는 것은 특정 종이 주어진 자극에 어떻게 반응하는지 더 잘 이해하는 것뿐만 아니라 연구자가 인간의 정신 장애를 더 잘 정의하여 개선되고 개별화된 치료를 제공하는 데 도움이 됩니다.

몇 년 전 과학자들은 오픈 소스 도구 상자 DeepLabCut을 사용하여 획기적인 발전을 이루었습니다. 그들은 단순한 환경에서 개별 동물의 중심점을 추적할 수 있을 뿐만 아니라 실제 환경에서 여러 동물의 복잡한 신체 자세를 자동으로 감지할 수 있었습니다. 이는 자세 캡처가 기본 동작 분석과 동일하지 않기 때문에 이러한 데이터에서 정보를 추출할 수 있는 새로운 도구 개발의 길을 열었습니다.

Max Planck Institute of Psychiatry의 두 연구 그룹이 이 작업을 맡았습니다. Mathias V. Schmidt와 Bertram Müller-Myhsok이 이끄는 팀은 시간이 지남에 따라 개별 신체 마커의 위치를 ​​행동 패턴과 연결하는 DeepOF라는 Python 패키지를 개발했습니다. 이를 통해 원하는 기간 동안 반자연 환경에서 동물(쥐의 경우)의 행동을 자세히 분석할 수 있습니다.

두 가지 다른 접근 방식이 사용됩니다. 감독 분석 파이프라인에서는 시간 경과에 따른 신체 자세를 기반으로 행동이 사전 정의되고, 획득된 데이터를 직접 읽고 분석할 수 있습니다.

통계학자 Müller-Myhsok은 "더 흥미로운 것은 비지도 분석 파이프라인입니다."라고 말합니다. 생물학자 Mathias Schmidt는 "우리 프로그램은 유사한 행동 에피소드를 검색하고 분류합니다. 이 접근 방식은 완전히 새로운 차원을 열어 복잡한 사회적 행동에 대한 가설 없는 자동 조사를 가능하게 하고 매우 흥미로운 결과를 산출합니다."라고 덧붙였습니다.

이러한 유형의 도구는 새로운 가능성을 열어주고 행동 생물학을 복잡성 측면에서 분자 또는 기능적 생물학적 분석 방법과 비교할 수 있는 수준으로 끌어올립니다.

생물학자 Joeri Bordes는 "미래에는 우리의 결과를 EEG 기록, 신경 활동 데이터 또는 바이오센서 데이터와 같은 다른 측정 차원과 더 잘 결합할 수 있습니다"라고 말했습니다. DeepOF 프로그램의 저자인 루카스 미란다(Lucas Miranda)는 “우리 프로그램은 전 세계 연구자들에게 무료로 제공되고, 우리 코드는 물론 공개되어 있으며, 누구나 프로젝트에 기여할 수 있기 때문에” “개방형 과학”에 열광합니다.