Учёные Научно-технологического университета «Сириус» обучили нейросеть автоматически распознавать и анализировать поведение крыс с генетическими нарушениями работы мозга. Такие животные моделируют болезнь Паркинсона, депрессию и другие расстройства, а новый метод позволяет изучать эти заболевания быстрее и точнее, чем при ручном наблюдении. Теперь исследователям больше не нужно часами вручную просматривать видео, а данные становятся объективными и воспроизводимыми, что критически важно при тестировании новых лекарств. Результаты работы опубликованы в авторитетном журнале Neuroscience.
Чтобы научить нейросеть понимать поведение животных, исследователи вручную разметили более семи тысяч кадров, на которых отметили ключевые точки на теле крысы: кончик носа, лапы, корпус. По этим точкам алгоритм научился самостоятельно распознавать позы и определять, что именно делает животное: бегает, замирает на месте, встаёт на задние лапы или исследует территорию. Раньше специалистам необходимо было вручную анализировать видеозапись поведения животных и фиксировать каждое движение. Такой подход занимал много времени и неизбежно вносил в результаты работы элемент субъективности.
Исследование проводилось в рамках междисциплинарного проекта научного направления «Нейробиология» под руководством профессора Павла Мусиенко. Для проверки разработанной системы учёные выбрали две генетические линии крыс с хорошо изученным поведением. Первая линия — это животные с нарушением обратного захвата дофамина, они гиперактивны и служат моделью расстройств, связанных с дисфункцией дофаминовой системы, включая болезнь Паркинсона. Вторая — крысы с дефицитом серотонина, у них снижается исследовательское поведение и общая локомоция. Такие животные помогают изучать депрессию и другие аффективные расстройства.
Автоматизированный анализ позволил точно определить, какие именно параметры поведения отличаются у здоровых и мутантных животных. Например, у крыс с нокаутом гена тирозингидроксилазы 2 типа система зафиксировала снижение вертикальной активности. Они гораздо реже вставали на задние лапы. При этом общая подвижность осталась в норме. Это уточняет представления о том, какую именно роль серотонин играет в регуляции поведения, и показывает, что его дефицит сказывается на вполне конкретных формах активности животного.
С помощью машинного обучения учёные определили, какие поведенческие признаки наиболее важны для различения здоровых животных и мутантов. Для гиперактивных крыс главным маркером оказалась длина пройденного пути, а для животных с серотониновой недостаточностью — стойки на задних лапах. Точность классификации достигла 84% в первом случае и 98% во втором. Это значит, что по поведению животного нейросеть может с высокой долей вероятности определить, какая именно мутация у него присутствует. Разработанный подход уже доступен для использования другими научными группами.
«В данной работе мы продемонстрировали потенциал применения методов машинного обучения для анализа поведения животных. Мы полагаем, что разработанная система в сочетании с предложенными поведенческими тестами способна существенно ускорить и стандартизировать анализ поведения как различных генетических линий, так и скрининг новых потенциальных фармакологических препаратов», — комментирует первый автор исследования, младший научный сотрудник, аспирант направления «Нейробиология» Научного центра генетики и наук о жизни Университета «Сириус» Данил Луковиков.
Исследование выполнено при поддержке государственной программы научно-технологического развития федеральной территории «Сириус». В работе также принимали участие специалисты из Санкт-Петербургского государственного университета, Института экспериментальной медицины и Института физиологии им. И. П. Павлова РАН.
Автор: Денис Новиков
