El aprendizaje automático se une a la neurociencia del comportamiento: permite un fenotipado más preciso
Un nuevo programa informático permite a los científicos observar el comportamiento de varios animales simultáneamente y durante largos periodos, al tiempo que se analiza automáticamente su movimiento. Lo que puede parecer obvio marca un hito importante y allana el camino hacia una normalización y evaluación sólidas y accesibles de observaciones tan complejas.
Imagínese a un investigador del siglo XIX con un casco de médula, observando animales en su hábitat natural. O imagínese a Konrad Lorenz, un veterano de la Sociedad Max Planck, en los años setenta siguiendo de cerca a sus gansos grises cerca del lago de Starnberg: el comienzo de la investigación del comportamiento consistió en observar y registrar lo que uno ve. El siguiente paso tuvo lugar en el laboratorio, donde se crearon entornos estandarizados para establecer comparaciones. Los investigadores adquirieron conocimientos muy valiosos, pero siempre con 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. Por otra parte, la observación del comportamiento animal no sólo pretende comprender mejor cómo reaccionan determinadas especies ante determinados estímulos, sino también ayudar a los investigadores a definir mejor los trastornos mentales en los seres humanos para ofrecer 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 fueron capaces de rastrear el punto central de animales individuales en entornos sencillos, sino también de detectar automáticamente la compleja postura corporal de múltiples animales en entornos del mundo real. Esto allanó 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.
Vincular el movimiento al comportamiento
Dos grupos de investigación del Instituto Max Planck de Psiquiatría se encargaron de esta tarea. Los equipos dirigidos por Mathias V. Schmidt y Bertram Müller-Myhsok desarrollaron un paquete de Python llamado DeepOF, que vincula la posición de marcadores corporales individuales a lo largo del tiempo con patrones de comportamiento. Esto les permite analizar detalladamente el comportamiento de los animales, en su caso ratones, en un entorno seminatural en cualquier marco temporal deseado. Se utilizan dos enfoques diferentes. En un proceso de análisis supervisado, los comportamientos se predefinen en función de las posturas corporales a lo largo del tiempo, y los datos obtenidos pueden leerse y analizarse directamente. "Aún más interesante es el análisis no supervisado", afirma entusiasmado 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, permitiendo la investigación automatizada sin hipótesis de comportamientos sociales complejos y arrojando resultados muy interesantes".
Este tipo de herramienta abre nuevas posibilidades y sitúa la biología del comportamiento, en términos de complejidad, a un nivel comparable al de los métodos de análisis biológico molecular o funcional. "En el futuro podremos combinar mejor nuestros resultados con otras dimensiones de medición, como grabaciones de EEG, datos de actividad neuronal o datos de biosensores", informa la bióloga Joeri Bordes. Lucas Miranda, autor del programa DeepOF, se muestra entusiasmado con la "ciencia abierta" porque "nuestro programa está a libre disposición de investigadores de todo el mundo, nuestro código es, por supuesto, abierto, y cualquiera es bienvenido a contribuir al proyecto".
La revista científica Nature Communications ha dado al programa un sello de aprobación independiente al publicar el estudio de los equipos. Además, el Journal of Open Source Software (JOSS) ha evaluado exhaustivamente el código y las funcionalidades. El programa también representa una mejora para el bienestar animal, ya que los animales son sometidos 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 relativos a la exploración de las enfermedades humanas y su tratamiento.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Joeri Bordes, Lucas Miranda, Maya Reinhardt, Sowmya Narayan, Jakob Hartmann, Emily L. Newman, Lea Maria Brix, Lotte van Doeselaar, Clara Engelhardt, Larissa Dillmann, Shiladitya Mitra, Kerry J. Ressler, et al.: "Automatically annotated motion tracking identifies a distinct social behavioral profile following chronic social defeat stress"; Nature Communications, 2023.
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
