密歇根大学的一个团队开发了一种新的软件工具，帮助生命科学领域的研究人员更有效地分析动物行为。

开源软件LabGym利用人工智能来识别，分类和计数各种动物模型系统中定义的行为。

出于各种原因，科学家需要测量动物的行为，从了解特定药物可能影响生物体的所有方式到绘制大脑回路如何通信以产生特定行为。

例如，密歇根大学教员Bing Ye实验室的研究人员分析了黑腹果蝇或果蝇的运动和行为，作为研究神经系统发育和功能的模型。由于果蝇和人类共享许多基因，这些对果蝇的研究通常为人类健康和疾病提供见解。

“行为是大脑的功能。因此，分析动物行为提供了关于大脑如何工作以及它如何响应疾病的基本信息，“UM生命科学研究所Ye实验室的神经科学家Yujia Hu说，他是24月<>日细胞报告方法研究的主要作者。

但是手动识别和计数动物行为对于分析行为的研究人员来说既耗时又非常主观。虽然存在一些软件程序可以自动量化动物行为，但它们带来了挑战。

“许多这些行为分析程序都是基于行为的预设定义，”Ye说，他也是医学院细胞和发育生物学教授。“例如，如果果蝇幼虫滚动360度，一些程序将计算一次滚动。但是为什么 270 度不也是滚动呢?许多程序不一定具有计算的灵活性，而用户不知道如何重新编码程序。

更像科学家一样思考

为了克服这些挑战，胡和他的同事们决定设计一个新程序，更贴近人类的认知过程——更像科学家的“思考”——并且对可能没有编码专业知识的生物学家更加用户友好。使用LabGym，研究人员可以输入他们想要分析的行为示例，并教软件它应该算什么。然后，该程序使用深度学习来提高其识别和量化行为的能力。

LabGym的一项新发展是使用视频数据和所谓的“模式图像”来提高程序的可靠性，这有助于它应用这种更灵活的认知。科学家使用动物的视频来分析它们的行为，但视频涉及时间序列数据，这对于人工智能程序来说可能具有挑战性。

为了帮助程序更轻松地识别行为，胡创建了一个静止图像，通过合并动物在不同时间点的位置轮廓来显示动物的运动模式。研究小组发现，将视频数据与模式图像相结合可以提高程序识别行为类型的准确性。

LabGym还旨在忽略不相关的背景信息，并考虑动物的整体运动以及位置随空间和时间的变化，就像人类研究人员一样。该程序还可以同时跟踪多只动物。

物种灵活性提高效用

LabGym的另一个关键特征是它的物种灵活性，Ye说。虽然它是使用果蝇设计的，但它并不局限于任何一个物种。

“这实际上很少见，”他说。“它是为生物学家编写的，因此他们可以使其适应他们想要研究的物种和行为，而无需任何编程技能或高性能计算。

在听取了有关该计划早期开发的介绍后，UM药理学家Carrie Ferrario提出帮助Ye和他的团队在她使用的啮齿动物模型系统中测试和完善该程序。

法拉里奥是药理学副教授和心理学兼职副教授，他以大鼠为模型系统，研究导致成瘾和肥胖的神经机制。为了完成对动物药物诱导行为的必要观察，她和她的实验室成员不得不在很大程度上依靠手评分，这是主观且极其耗时的。

“从研究生院开始，我一直在试图解决这个问题，但在人工智能、深度学习和计算方面，这项技术并不存在，”法拉里奥说。“这个程序为我解决了一个现有问题，但它也具有非常广泛的实用性。我看到了它在几乎无限的条件下分析动物行为的潜力。

该团队接下来计划进一步完善该程序，以提高其在更复杂的条件下的性能，例如观察自然界中的动物。