인공 지능의 힘을 사용하여 동물 행동 분석을 단순화하는 새로운 오픈 소스 도구

[아름이]

인공 지능의 힘을 사용하여 동물 행동 분석을 단순화하는 새로운 오픈 소스 도구
날짜:
2023년 2월 24일
원천:
미시간 대학교
요약:
한 팀이 생명 과학 분야의 연구자들이 동물 행동을 보다 효율적으로 분석할 수 있도록 돕는 새로운 소프트웨어 도구를 개발했습니다.

전체 이야기
그래픽

미시간 대학의 한 팀이 생명 과학 분야의 연구자들이 동물 행동을 보다 효율적으로 분석할 수 있도록 돕는 새로운 소프트웨어 도구를 개발했습니다. 

오픈 소스 소프트웨어인 LabGym은 인공 지능을 활용하여 다양한 동물 모델 시스템에서 정의된 행동을 식별, 분류 및 계산합니다.

과학자들은 특정 약물이 유기체에 영향을 미칠 수 있는 모든 방식을 이해하는 것부터 특정 행동을 생성하기 위해 뇌의 회로가 통신하는 방식을 매핑하는 것까지 다양한 이유로 동물의 행동을 측정해야 합니다.

예를 들어, UM 교수진 Bing Ye 연구실의 연구원들은 신경계의 발달과 기능을 연구하기 위한 모델로 Drosophila melanogaster 또는 초파리의 움직임과 행동을 분석합니다. 초파리와 인간은 많은 유전자를 공유하기 때문에 이러한 초파리 연구는 종종 인간의 건강과 질병에 대한 통찰력을 제공합니다.

"행동은 뇌의 기능입니다. 따라서 동물의 행동을 분석하면 뇌가 어떻게 작동하고 질병에 반응하여 뇌가 어떻게 변화하는지에 대한 필수 정보를 얻을 수 있습니다 . 새로운 소프트웨어를 설명하는 2월 24일 Cell Reports Methods 연구.  

그러나 동물 행동을 수동으로 식별하고 계산하는 것은 시간이 많이 걸리고 행동을 분석하는 연구원에게 매우 주관적입니다. 그리고 동물 행동을 자동으로 정량화하는 몇 가지 소프트웨어 프로그램이 존재하지만 문제가 있습니다.

"이러한 행동 분석 프로그램 중 다수는 행동에 대한 미리 설정된 정의를 기반으로 합니다."라고 의과 대학의 세포 및 발생 생물학 교수이기도 한 Ye는 말했습니다. "예를 들어 Drosophila 애벌레가 360도 회전하는 경우 일부 프로그램은 롤을 계산합니다. 그러나 270도 회전도 롤이 아닌 이유는 무엇입니까? 많은 프로그램은 사용자가 다시 코딩하는 방법을 모르기 때문에 반드시 유연하게 계산할 수는 없습니다. 프로그램."

과학자처럼 생각하기

 

이러한 문제를 극복하기 위해 Hu와 그의 동료들은 과학자처럼 "생각"하는 인간의 인지 과정을 더 가깝게 복제하고 코딩에 대한 전문 지식이 없는 생물학자들에게 더 사용자 친화적인 새로운 프로그램을 설계하기로 결정했습니다. 연구원은 LabGym을 사용하여 분석하려는 행동의 예를 입력하고 소프트웨어에 무엇을 계산해야 하는지 가르칠 수 있습니다. 그런 다음 프로그램은 딥 러닝을 사용하여 행동을 인식하고 정량화하는 능력을 향상시킵니다.

보다 유연한 인식을 적용하는 데 도움이 되는 LabGym의 새로운 개발 중 하나는 프로그램의 신뢰성을 향상시키기 위해 비디오 데이터와 소위 "패턴 이미지"를 모두 사용하는 것입니다. 과학자들은 동물의 행동을 분석하기 위해 비디오를 사용하지만 비디오에는 AI 프로그램이 분석하기 어려울 수 있는 시계열 데이터가 포함됩니다.

프로그램이 행동을 보다 쉽게 ​​식별할 수 있도록 Hu는 서로 다른 시점에서 동물 위치의 윤곽선을 병합하여 동물의 움직임 패턴을 보여주는 스틸 이미지를 만들었습니다. 팀은 비디오 데이터와 패턴 이미지를 결합하면 프로그램의 행동 유형 인식 정확도가 높아진다는 것을 발견했습니다.

LabGym은 또한 관련 없는 배경 정보를 간과하고 인간 연구원과 마찬가지로 동물의 전반적인 움직임과 시공간적 위치 변화를 모두 고려하도록 설계되었습니다. 이 프로그램은 또한 여러 동물을 동시에 추적할 수 있습니다.

종의 유연성으로 효용성 향상

 

LabGym의 또 다른 주요 기능은 종의 유연성입니다. Drosophila를 사용하여 설계되었지만 한 종에 국한되지 않습니다.

그는 "사실상 드문 일"이라고 말했다. "생물학자를 위해 작성되었으므로 프로그래밍 기술이나 고성능 컴퓨팅 없이도 연구하려는 종과 행동에 적응할 수 있습니다."

프로그램의 초기 개발에 대한 프레젠테이션을 들은 후, UM 약리학자인 Carrie Ferrario는 Ye와 그의 팀이 함께 작업하는 설치류 모델 시스템에서 프로그램을 테스트하고 개선하는 데 도움을 주겠다고 제안했습니다.

약리학 부교수이자 심리학 부교수인 Ferrario는 쥐를 모델 시스템으로 사용하여 중독과 비만에 기여하는 신경 메커니즘을 연구합니다. 동물의 약물 유발 행동에 대한 필요한 관찰을 완료하기 위해 그녀와 그녀의 실험실 구성원은 주관적이고 극도로 시간이 많이 걸리는 손 채점에 크게 의존해야 했습니다.

"저는 대학원 시절부터 이 문제를 해결하려고 노력했지만 인공 지능, 딥 러닝 및 계산 측면에서 기술이 없었습니다."라고 Ferrario는 말했습니다. "이 프로그램은 저에게 기존의 문제를 해결했지만 매우 광범위한 유용성을 가지고 있습니다. 저는 이 프로그램이 거의 무한한 조건에서 동물 행동을 분석하는 데 유용할 가능성이 있다고 생각합니다."

팀은 다음으로 자연에서 동물을 관찰하는 것과 같이 훨씬 더 복잡한 조건에서 성능을 향상시키기 위해 프로그램을 더욱 다듬을 계획입니다.

이 연구는 National Institutes of Health의 지원을 받았습니다.

Ye, Hu, Ferrario 외에도 연구 저자로는 Alexander Maitland, Rita Ionides, Anjesh Ghimire, Brendon Watson, Kenichi Iwasaki, Hope White, 미시간 대학의 Yitao Xi, 노던 일리노이 대학의 Jie Zhou가 있습니다.

연구: LabGym: 학습 기반 전체론적 평가를 사용하여 사용자 정의 동물 행동의 정량화 1 (DOI: 10.1016/j.crmeth.2023.100415)(금지 해제 후 사용 가능)

출처 : https://www.sciencedaily.com/