浅谈动物行为学研究方法的过去、现在和未来

点击蓝字，关注我们

动物行为学的研究方法的过去、现在和未来尤其是最近两年，基于人工神经网络（Artificial Neural Network，ANN），新的行为软件工具可以精确地追踪到动物身体的多个身体点。这些先进的技术几乎能够帮助人们获取无数的行为参数，并将这些参数转化为丰富的行为量化指标。这些新技术的出现正在改变动物行为分析的传统局面，在带来前景的同时，也对未来动物行为学的发展方向带来挑战。

左右滑动查看更多

图1 动物行为学研究方法的发展历程

Past

早期人们研究动物行为——过去

在早期，达尔文和洛伦兹及廷贝亨等人研究动物行为都是在自然的条件下去观测动物行为，属于行为生态学（Behavioral Ecology）的范畴。此阶段采用的方法主要是人工直接观察法，在观察的同时，采用最原始的方式记录某些行为出现的次数或时长。目的是观察动物的栖息、觅食、繁殖、迁徙、社会交往有关的习性。用于总结动物与环境、种群内和种群间的关系，从而进一步验证有关进化、遗传、生理和心理等领域的各种假设。这种方法只能主观性的对动物的行为进行描述，既不能记录下动物行为，也无法客观的定量描述。

Present

“迷宫工程”——现在

在摄像技术等传感器技术出现后，传统的直接观察法变成了可以利用录像等设备记录动物行为，实现间接的行为观察。相比传统的人为观察，借助录像设备的间接观察法不需要观察者长时间参与，并且不会对动物造成干扰和惊吓。不过，另一方面，随着记录的行为原始数据增多，人为观察和评估不仅耗时费力，主观性依然存在，因此，需要更加高效的方式从这些视频中定量分析行为。

在上篇文章中，我们提到为了能够自动、定量的提取其中的行为参数，科学家们（尤其是在神经科学领域）设计了一系列行为测试装置（或者叫做行为范式），例如旷场（Open-field test, OFT）、高架十字迷宫（Elevated plus-maze test, EPM）、水迷宫（Morris water maze, MWM）等。目的是为了构造一种特定简化的场景，在这个场景下，动物被诱导去往不同的位置、或者进行特定的动作响应（如舔糖水）。因为在过去机器学习（Machine Learning）技术出现，位置及部分动作是容易被计算机自动量化、识别成行为特征（Feature）的。这些容易量化的行为特征，被关联到学习与记忆、认知、社会交往、情绪状态等脑功能。

将位置信息以及特定环境要素下的动作响应与动物的脑功能关联，这种思路本身是没有问题的。但即使是动物的位置及一些简单的动作，也并非那么容易准确获取。你也许有这种体会：即使在背景简单的照片上用Photoshop抠图，也很难自动地得到好的效果。因此，过去几十年，动物行为学新增的各种范式有几十种，都是在在范式合理性以及后期数据量化的难度之间进行了权衡后沿用下来的。在这个大前提下设计的很多范式就像在让小老鼠走“迷宫”，所以这个时代可以叫做“迷宫工程”。这也导致了诸如强迫游泳（Force swimming test, FST）这种范式具备很好的量化性，但合理性被人质疑。

图2 对动物行为特征追踪的发展趋势（Pereira, Shaevitz, et al., 2020）

在“迷宫工程”的同时，人们也没有放弃对动物精准追踪的努力（图4）。到了机器学习时代，尤其是人工神经网络的兴起，使动物行为学得到了快速地发展。这其中最具有代表性的非2018年在Nature Neuroscience上发表的动物姿态工具包DeepLabCut（DLC）莫属了。Nature在知乎的认证账号也用《运动科学大惊喜：Dr.魏也在用的DeepLabCut》这样吸引眼球的标题作为介绍。实际上，该工具包的火爆程度在动物行为学研究领域里也许不亚于Dr.魏。这个工具包使得动物位置追踪，甚至是任意身体点追踪不再是难事。那么，下个时代，动物行为范式的设计是不是可以也跟着改变了呢？

图3 DeepLabCut 在许多动物物种中产生了有意义的结果，包括老鼠、果蝇甚至是年轻人（Wei, Kording, et al., 2018）

Future

新一代行为评估方法不仅仅需要技术的进步——未来

当DLC这类工具出现以后，很多实验室都开始配置高性能的图形处理工作站、按照教程配环境、标数据点、训练模型。这样辛苦一番的操作后，得到的效果确实不错。DLC可以在各种光照、背景下追踪多个身体点，甚至可以精细到小鼠的胡须、爪子的关节点。相比之前动辄数万美金的动物位置追踪软件，DLC灵活度更好，准确度更高。

但是大家很快发现，在增加硬件投入、时间投入，数据维度也接近指数增长的同时，后续还是只能用来计算动物的速度、位置等低维的行为指标。尽管一些课题组也尝试采用有监督学习（Supervised learning）的策略，事先标记常见的一些自发行为动作（例如，Groom-梳理、Freeze-冻结、Rear-竖起、Sniff-嗅探等），然后训练神经网络来从这些追踪到的身体点中识别这些动作。动物行为复杂多样，同一种动作呈现状态也各异。需要海量的人工标注的数据集，而目前这种数据是缺乏并且短时间内难以建立的。数据集中的行为类型也是有限的，新的疾病动物模型的关键行为特征也许识别不出来。另外，就算识别出了这些自发动作，动物在这些迷宫范式中出现某些动作频次的多或少、先或后究竟与脑功能与脑疾病有何关联？

图4 在新的技术体系下，如何建立行为大数据与脑功能之间的关联？(Kheirbek et al., 2020)

也就是说，现阶段，想要通过批量录制动物行为视频，用人工智能就能自动化地评估动物乃至人的疾病与正常状态（包括疾病分型、疾病分级、药物作用下行为的变化）的目标看似接近，但还远未实现。那么接下来，新一代的行为评估方法体系该如何建立呢？领域内普遍认为除了要继续开发更多的工具让行为大数据变得更容易获取，还需要构建新的行为知识数据库（或者叫做行为图谱）。

首先，在行为学的工具开发上，要往自动、智能、精细化的方向发展。要借助于传感、物联网、计算机视觉、机器学习等技术，开发能够在各种范式下获取动物身体三维姿态、任意部位速度、步态、精细化动作系列、面部表情、眼动反应等基础的行为参数的仪器和软件。

其次，在建立行为图谱上，将上述的基础行为参数与行为对应的范式、基因、神经活动等数据关联起来后，还要将最新的研究成果（比如，某个物种通过基因编辑构建新的疾病模型所表现的共性的行为表型）共享起来。形成一个良好注释（Well-annotated）的数据库，方便研究人员们查阅、参考和讨论。这方面可以参考基因测序领域。人类基因组计划完成后，如何解释和分析它的问题仍然存在。为了寻找与疾病相关的基因，像DAVID、Metascape、Enrichr、ClueGO等知识数据库及工具就被构建起来。构建类似的行为学知识数据库要解决的最重要的问题是数据如何共享起来。共享的前提是数据存储在哪里，存储哪些行为数据字段、用什么样的工具去格式化数据以及查看数据。

我们相信，随着未来上述问题的解决，动物行为分析必然会给神经-行为的分析以及基于行为的疾病模型鉴别、药物筛选、疾病诊断带来质的提升。

参考资料

Huang, K., Han, Y., Chen, K., Pan, H., Zhao, G., Yi, W., ... & Wang, L. (2021). A hierarchical 3D-motion learning framework for animal spontaneous behavior mapping. Nature communications, 12(1), 1-14.

Pereira, T. D., Shaevitz, J. W., & Murthy, M. (2020). Quantifying behavior to understand the brain. Nature neuroscience, 23(12), 1537-1549.

Wei, K., & Kording, K. P. (2018). Behavioral tracking gets real. Nature neuroscience, 21(9), 1146-1147.

Xia, F., & Kheirbek, M. A. (2020). Circuit-based biomarkers for mood and anxiety disorders. Trends in neurosciences, 43(11), 902-915.

为促进脑科学与类脑智能、神经行为学、动物行为学等领域的合作交流，更好地服务广大科研工作者，BehaviorAtlas公众号组建了“脑经急转湾”交流群，长按下方二维码，添加官方微信进群。由于申请人数较多，添加微信请备注：姓名-单位-研究方向。

关于BehaviorAtlas

BehaviorAtlas神经行为学智能分析系列产品是深圳市一湾生命科技有限公司基于多年在神经行为学研究的积淀。结合前沿的计算机视觉、机器学习技术和神经工程学，公司自主发展了高精度动物行为三维重建和自动化表型鉴定系统、小动物眼动追踪系统、小动物虚拟现实系统。该系列通过对动物行为大数据的分析和计算，实现了对动物行为自动化、智能化、精细化的评估，最终服务于脑科学及生物医药产业。

关于BAYONE

一湾生命科技（BAYONE）成立于2020年，是一家基于AI技术、计算机视觉、神经科学，聚焦输出生命科学领域高端设备、平台和服务的公司。公司在脑科学与类脑研究领域持续深耕，自主开发了神经行为学智能分析系列产品，在国际上均处于领先水平，相关研究成果多次发表于顶级期刊，服务于众多高校、科研院所。此外，公司还为用户提供疾病模型动物造模、实验动物繁育、动物实验数据分析及药物筛选等服务。

目前公司已经获得2000万天使轮投资。与中国科学院深圳先进技术研究院成立了「AI智能行为分析系统及神经疾病药效评价联合实验室」，在实验动物精细行为分析、实验动物眼动追踪等系统上实现技术突破。