La red neuronal profunda 3D reconstruye con precisión los movimientos de los animales que se comportan libremente

La red neuronal profunda 3D reconstruye con precisión los movimientos de los animales que se comportan libremente

DANNCE es una nueva herramienta que puede usar varias grabaciones de video de un animal en un entorno complejo (Superior) para determinar la pose 3D completa del animal. Abajo: ejemplos de predicciones de DANNCE en 3D (arriba) y reproyecciones de video de cada tercer cuadro (abajo), de una secuencia de crianza en un ratón que no lleva marcadores Crédito: Tim Dunn, Jesse Marshall, Kristian Herrera

Los animales se mueven y se comportan constantemente en respuesta a las instrucciones del cerebro. Pero si bien existen técnicas avanzadas para medir estas instrucciones en términos de actividad neuronal, hay escasez de técnicas para cuantificar el comportamiento en sí mismo en animales que se mueven libremente. Esta incapacidad para medir la salida clave del cerebro limita nuestra comprensión del sistema nervioso y cómo cambia en la enfermedad.

Un nuevo estudio realizado por investigadores de la Universidad de Duke y la Universidad de Harvard presenta una herramienta automatizada que puede capturar fácilmente el comportamiento de los animales que se comportan libremente y reconstruir con precisión su pose tridimensional (3D) desde una sola cámara de video y sin marcadores.

El estudio del 19 de abril en Métodos de la naturaleza dirigido por Timothy W. Dunn, Profesor Asistente, Universidad de Duke, y Jesse D. Marshall, investigador postdoctoral, Universidad de Harvard, describe una nueva red neuronal profunda 3D, DANNCE (Red Neural Alineada Tridimensional para Etología Computacional). El estudio sigue al estudio del equipo de 2020 en Neurona que reveló el innovador sistema de monitoreo del comportamiento, CAPTURE (Continuous Appendicular and Postural Tracking using Retroreflector Embedding), que utiliza la captura de movimiento y el aprendizaje profundo para rastrear continuamente los movimientos 3D de los animales que se comportan libremente. CAPTURE produjo una descripción detallada sin precedentes de cómo se comportan los animales. Sin embargo, requería el uso de hardware especializado y la fijación de marcadores a los animales, lo que dificultaba su uso.

“Con DANNCE aliviamos este requisito”, dijo Dunn. “DANNCE puede aprender a rastrear partes del cuerpo incluso cuando no se pueden ver, y esto aumenta los tipos de entornos en los que se puede usar la técnica. Necesitamos esta invariancia y flexibilidad para medir los movimientos en entornos naturales con más probabilidades de obtener la totalidad y complejo repertorio de comportamiento de estos animales”.

DANNCE funciona en una amplia gama de especies y es reproducible en laboratorios y entornos, lo que garantiza que tendrá un amplio impacto en los estudios de comportamiento animal, e incluso humano. Tiene una red neuronal especializada adaptada al seguimiento de poses 3D desde video. Un aspecto clave es que su espacio de características 3D está en unidades físicas (metros) en lugar de píxeles de cámara. Esto permite que la herramienta se generalice más fácilmente en diferentes disposiciones de cámaras y laboratorios. Por el contrario, los enfoques anteriores para el seguimiento de poses en 3D usaban redes neuronales adaptadas para la detección de poses en dos dimensiones (2D), que luchaban por adaptarse fácilmente a los nuevos puntos de vista en 3D.

“Comparamos DANNCE con otras redes diseñadas para realizar tareas similares y descubrimos que DANNCE las superó”, dijo Marshall.

Para predecir puntos de referencia en el cuerpo de un animal, DANNCE requería un gran conjunto de datos de entrenamiento, que al principio parecía desalentador recopilar. “Las redes neuronales profundas pueden ser increíblemente poderosas, pero tienen mucha hambre de datos”, dijo el autor principal Bence 脰lveczky, profesor en el Departamento de Biología Evolutiva y de Organismos de la Universidad de Harvard. “Nos dimos cuenta de que CAPTURE genera exactamente el tipo de datos de entrenamiento ricos y de alta calidad que estos pequeños cerebros artificiales necesitan para hacer su magia”.

Los investigadores utilizaron CAPTURE para recopilar siete millones de ejemplos de imágenes y etiquetaron puntos clave en 3D en ratas de 30 vistas de cámara diferentes. “Funcionó de inmediato en ratas nuevas, incluso en aquellas que no llevaban los marcadores”, dijo Marshall. “Realmente nos emocionamos cuando descubrimos que también podía rastrear ratones con solo algunos ejemplos adicionales”.

Tras el descubrimiento, el equipo colaboró ​​con varios grupos de la Universidad de Duke, el MIT, la Universidad Rockefeller y la Universidad de Columbia para demostrar la generalidad de DANNCE en varios entornos y especies, incluidos titíes, carboneros y crías de ratas a medida que crecen y se desarrollan.

“Lo que es notable es que esta pequeña red ahora tiene sus propios secretos y puede inferir los movimientos precisos de los animales en los que no fue entrenado, incluso cuando grandes partes de su cuerpo están ocultas a la vista”, dijo 脰lveczky.

El estudio destaca algunas de las aplicaciones de DANNCE que permiten a los investigadores examinar la microestructura del comportamiento animal mucho más allá de lo que actualmente es posible con la observación humana. Los investigadores muestran que DANNCE puede extraer “huellas dactilares” individuales que describen la cinemática de diferentes comportamientos que realizan los ratones. Estas huellas dactilares deberían permitir a los investigadores lograr definiciones estandarizadas de comportamientos que pueden usarse para mejorar la reproducibilidad entre laboratorios. También demuestran la capacidad de rastrear cuidadosamente el surgimiento del comportamiento a lo largo del tiempo, abriendo nuevas vías en el estudio del neurodesarrollo.

Medir el movimiento en modelos animales de enfermedades es de vital importancia para los programas de investigación básicos y clínicos y DANNCE se puede aplicar fácilmente a ambos dominios, acelerando el progreso en todos los ámbitos. El NIH y la Iniciativa de Investigación del Autismo de la Fundación Simons (SFARI) proporcionaron financiación parcial para CAPTURE y DANNCE y los investigadores señalan el valor de estas herramientas para los estudios relacionados con el autismo y la motricidad, tanto en modelos animales como en humanos.

“Debido a que hemos tenido una capacidad muy pobre para cuantificar el movimiento y el movimiento rigurosamente en humanos, esto nos ha impedido separar los trastornos del movimiento en subtipos especializados que potencialmente podrían tener diferentes mecanismos subyacentes y remedios. Creo que cualquier campo en el que las personas se hayan dado cuenta pero hayan estado incapaces de cuantificar los efectos en su población verán grandes beneficios al aplicar esta tecnología”, dijo Dunn.

Los investigadores abrieron la herramienta y ya se está utilizando en otros laboratorios. En el futuro, planean aplicar el sistema a múltiples animales que interactúan. “DANNCE cambia el juego para estudiar el comportamiento de los animales que se mueven libremente”, dijo Marshall. “Por primera vez podemos rastrear la cinemática real en 3D y aprender con un detalle sin precedentes lo que hacen los animales. Estos enfoques serán cada vez más esenciales en nuestra búsqueda para comprender cómo funciona el cerebro”.


Similar Posts

Leave a Reply