AI工具可加速小鼠癫痫药物的筛选
通过使用最先进的技术来分析癫痫小鼠的行为模式,研究人员可能能够更好地研究这种疾病并确定潜在的治疗方法。研究人员利用人工智能技术确定了小鼠肉眼无法识别的行为“指纹”。这种自动化的行为表型只需要一个小时的视频记录,不需要研究人员等待罕见的癫痫发作事件。这项研究发表在神经元.
科学家们发现这种机器学习辅助3D视频分析优于传统方法,传统方法的分析依赖于人类观察,在癫痫发作期间在动物模型中标记癫痫的行为迹象。这个劳动密集型的过程需要连续几天或几周对小鼠进行视频监控,同时用脑电图(EEG)记录它们的脑电波活动。
由斯坦福大学的研究人员领导的研究小组对患有后天和遗传性癫痫的小鼠进行了研究。他们发现,机器分析比训练有素的人类观察者更能区分癫痫小鼠和非癫痫小鼠。人工智能程序还在癫痫发展的不同阶段确定了不同的行为表型。
值得注意的是,在给小鼠服用三种抗癫痫药物中的一种后,研究人员能够使用人工智能程序区分不同的行为模式。这表明该工具可以用于快速、自动化的抗癫痫药物检测。最终,在癫痫动物研究中使用自动化表型可能会彻底改变研究的进行方式,加快发现速度并降低成本。
的机器学习技术在这项研究中使用的MoSeq用于运动测序,定位,跟踪和量化自由移动的行为老鼠在视频的每一帧中。这些信息被用来训练无监督机器学习模型来识别重复的行为主题(称为“音节”)。例如右转或头向左)。MoSeq预测音节出现的顺序(或“语法”),允许快速客观地描述小鼠行为。
更多信息:Tilo Gschwind等人,癫痫中的隐藏行为指纹,神经元(2023)。DOI: 10.1016 / j.neuron.2023.02.003