东方时讯网一种新的计算机程序使科学家能够同时长时间观察多个动物的行为，同时自动分析它们的运动。看似显而易见的事情标志着一个重要的里程碑，并为对此类复杂观测进行稳健且易于实现的标准化和评估铺平了道路。
想象一下19世纪的一位研究人员戴着髓头盔，在自然栖息地观察动物。或者想象一下，马克斯·普朗克学会的资深人士康拉德·洛伦茨(KonradLorenz)在20世纪70年代在施塔恩贝格湖附近密切跟踪他的灰鹅——行为研究的开端涉及观察和记录人们所看到的东西。
下一步是在实验室中进行，创建标准化环境以建立可比性。研究人员获得了宝贵的见解，但始终存在局限性：环境和测试设置、动物数量以及观察持续时间与某些自然行为(无论是个体还是社会)的复杂性并不相符。
此外，观察动物行为不仅旨在更好地了解特定物种对给定刺激的反应，而且还可以帮助研究人员更好地定义人类的精神障碍，以便提供改进的个性化治疗。
几年前，科学家们利用开源工具箱DeepLabCut取得了突破。他们不仅能够在简单的环境中跟踪单个动物的中心点，还能够自动检测现实环境中多个动物的复杂身体姿势。这为开发能够从这些数据中提取信息的新工具铺平了道路，因为捕获姿势与分析潜在行为不同。
将运动与行为联系起来
马克斯·普朗克精神病学研究所的两个研究小组承担了这项任务。MathiasV.Schmidt和BertramMüller-Myhsok领导的团队开发了一个名为DeepOF的Python包，它将个体身体标记随时间的位置与行为模式联系起来。这使他们能够在任何所需的时间范围内详细分析动物(以小鼠为例)在半自然环境中的行为。
使用两种不同的方法。在监督分析管道中，根据一段时间内的身体姿势预定义行为，并且可以直接读取和分析获得的数据。
“更令人兴奋的是无监督分析流程，”统计学家Müller-Myhsok说。“我们的程序搜索类似的行为事件并对它们进行分类，”生物学家马蒂亚斯·施密特补充道，“这种方法开辟了全新的维度，能够对复杂的社会行为进行无假设的自动调查，并产生非常有趣的结果。”
这种类型的工具开辟了新的可能性，并将行为生物学的复杂性提高到与分子或功能生物分析方法相当的水平。
生物学家JoeriBordes表示：“将来，我们现在可以更好地将我们的结果与其他测量维度相结合，例如脑电图记录、神经活动数据或生物传感器数据。”DeepOF程序的作者卢卡斯·米兰达(LucasMiranda)对“开放科学”充满热情，因为“我们的程序免费提供给世界各地的研究人员，我们的代码当然是开放的，欢迎任何人为该项目做出贡献。”
《自然通讯》通过发表团队的研究成果，为该项目提供了独立的批准印章。此外，开源软件杂志(JOSS)还对代码和功能进行了全面的审查。该计划还代表了动物福利的改善，因为动物接受的实验更少。
最终，通过这个新维度对行为进行详细分析代表了朝着更好地转化有关人类疾病及其治疗探索的数据迈出的重要一步。