El aprendizaje automático se une a la neurociencia conductual: permitiendo un fenotipado más preciso

31 de julio de 2023

Este artículo ha sido revisado de acuerdo con el proceso editorial y las políticas de Science X. Los editores han resaltado los siguientes atributos al tiempo que garantizan la credibilidad del contenido:

verificado

publicación revisada por pares

fuente confiable

corregir

por Anke Schlee, Sociedad Max Planck

Un nuevo programa informático permite a los científicos observar el comportamiento de múltiples animales simultáneamente y durante períodos prolongados, mientras analiza automáticamente su movimiento. Lo que puede parecer obvio marca un hito importante y allana el camino para una estandarización y evaluación sólidas y accesibles de observaciones tan complejas.

Imagínese a un investigador del siglo XIX con un casco de piloto, observando animales en su hábitat natural. O imaginemos a Konrad Lorenz, un veterano de la Sociedad Max Planck, en la década de 1970 siguiendo de cerca a sus gansos grises cerca del lago Starnberg; el comienzo de la investigación del comportamiento implicó observar y registrar lo que uno ve.

El siguiente paso tuvo lugar en el laboratorio, donde se crearon entornos estandarizados para establecer la comparabilidad. Los investigadores obtuvieron conocimientos invaluables, pero siempre hubo limitaciones: el entorno y la configuración de las pruebas, el número de animales y la duración de las observaciones no se correspondían con la complejidad de ciertos comportamientos naturales, ya fueran individuales o sociales.

Además, la observación del comportamiento animal tiene como objetivo no sólo comprender mejor cómo reaccionan especies específicas a estímulos determinados, sino también ayudar a los investigadores a definir mejor los trastornos mentales en humanos para brindar un tratamiento mejor e individualizado.

Hace unos años, los científicos lograron un gran avance utilizando la caja de herramientas de código abierto DeepLabCut. No sólo pudieron rastrear el punto central de animales individuales en entornos simples, sino que también detectaron automáticamente la postura corporal compleja de múltiples animales en entornos del mundo real. Esto abrió el camino para el desarrollo de nuevas herramientas capaces de extraer información de estos datos, ya que no es lo mismo capturar la postura que analizar los comportamientos subyacentes.

Dos grupos de investigación del Instituto Max Planck de Psiquiatría asumieron esta tarea. Los equipos dirigidos por Mathias V. Schmidt y Bertram Müller-Myhsok desarrollaron un paquete Python llamado DeepOF, que vincula la posición de los marcadores corporales individuales a lo largo del tiempo con patrones de comportamiento. Esto les permite analizar en detalle el comportamiento de los animales, en su caso ratones, en un entorno seminatural durante cualquier período de tiempo deseado.

Se utilizan dos enfoques diferentes. En un proceso de análisis supervisado, los comportamientos se predefinin en función de las posturas corporales a lo largo del tiempo, y los datos obtenidos se pueden leer y analizar directamente.

"Aún más interesante es el proceso de análisis sin supervisión", afirma el estadístico Müller-Myhsok. "Nuestro programa busca episodios de comportamiento similares y los clasifica", añade el biólogo Mathias Schmidt. "Este enfoque abre dimensiones completamente nuevas, permite una investigación automatizada sin hipótesis de comportamientos sociales complejos y produce resultados muy interesantes".

Este tipo de herramientas abre nuevas posibilidades y lleva la biología del comportamiento, en términos de complejidad, a un nivel comparable a los métodos de análisis biológico molecular o funcional.

"En el futuro podremos combinar mejor nuestros resultados con otras dimensiones de medición, como registros EEG, datos de actividad neuronal o datos de biosensores", informa el biólogo Joeri Bordes. Lucas Miranda, autor del programa DeepOF, está entusiasmado con la "ciencia abierta" porque "nuestro programa está disponible gratuitamente para investigadores de todo el mundo, nuestro código es, por supuesto, abierto y cualquiera puede contribuir al proyecto".

Nature Communications le ha dado al programa un sello de aprobación independiente al publicar el estudio de los equipos. Además, el Journal of Open Source Software (JOSS) evaluó revisiones exhaustivas del código y la funcionalidad. El programa también representa una mejora para el bienestar animal, ya que los animales se someten a menos experimentos.

En última instancia, el análisis detallado del comportamiento a través de esta nueva dimensión representa un paso significativo hacia una mejor traducción de los datos relacionados con la exploración de las enfermedades humanas y su tratamiento.

Más información: Joeri Bordes et al, El seguimiento de movimiento anotado automáticamente identifica un perfil de comportamiento social distinto después del estrés por derrota social crónica, Nature Communications (2023). DOI: 10.1038/s41467-023-40040-3

Información de la revista:Comunicaciones de la naturaleza

Proporcionado por la Sociedad Max Planck