O aprendizado de máquina encontra a neurociência comportamental: permitindo uma fenotipagem mais precisa

31 de julho de 2023

Este artigo foi revisado de acordo com o processo editorial e as políticas da Science X. Os editores destacaram os seguintes atributos, garantindo a credibilidade do conteúdo:

verificado

publicação revisada por pares

fonte confiável

revisar

por Anke Schlee, Sociedade Max Planck

Um novo programa de computador permite aos cientistas observar o comportamento de vários animais simultaneamente e durante longos períodos, enquanto analisam automaticamente o seu movimento. O que pode parecer óbvio representa um marco significativo e abre caminho para uma padronização e avaliação robusta e acessível de observações tão complexas.

Imagine um pesquisador do século 19 usando um capacete de medula, observando animais em seu habitat natural. Ou imagine Konrad Lorenz, um veterano da Sociedade Max Planck, na década de 1970, seguindo de perto os seus gansos cinzentos perto do Lago Starnberg – o início da investigação comportamental envolveu observar e registar o que se vê.

A próxima etapa ocorreu no laboratório, onde foram criados ambientes padronizados para estabelecer comparabilidade. Os investigadores obtiveram conhecimentos valiosos, mas sempre houve limitações: o ambiente e a configuração dos testes, o número de animais e a duração das observações não correspondiam à complexidade de certos comportamentos naturais, sejam individuais ou sociais.

Além disso, a observação do comportamento animal visa não apenas compreender melhor como espécies específicas reagem a determinados estímulos, mas também ajudar os investigadores a definir melhor os distúrbios mentais em humanos, a fim de proporcionar um tratamento melhor e individualizado.

Há alguns anos, os cientistas alcançaram um avanço usando a caixa de ferramentas de código aberto DeepLabCut. Eles não só foram capazes de rastrear o ponto central de animais individuais em ambientes simples, mas também detectar automaticamente a postura corporal complexa de vários animais em ambientes do mundo real. Isso abriu caminho para o desenvolvimento de novas ferramentas capazes de extrair informações desses dados, pois capturar a postura não é o mesmo que analisar os comportamentos subjacentes.

Dois grupos de pesquisa do Instituto Max Planck de Psiquiatria assumiram essa tarefa. As equipes lideradas por Mathias V. Schmidt e Bertram Müller-Myhsok desenvolveram um pacote Python chamado DeepOF, que vincula a posição de marcadores corporais individuais ao longo do tempo com padrões comportamentais. Isso lhes permite analisar detalhadamente o comportamento dos animais, no caso dos ratos, em um ambiente seminatural durante qualquer período de tempo desejado.

Duas abordagens diferentes são usadas. Em um pipeline de análise supervisionada, os comportamentos são predefinidos com base nas posturas corporais ao longo do tempo, e os dados obtidos podem ser lidos e analisados ​​diretamente.

“Ainda mais emocionante é o pipeline de análise não supervisionada”, diz o estatístico Müller-Myhsok. "Nosso programa procura episódios comportamentais semelhantes e os classifica", acrescenta o biólogo Mathias Schmidt, "Essa abordagem abre dimensões inteiramente novas, permitindo a investigação automatizada, livre de hipóteses, de comportamento social complexo e produzindo resultados altamente interessantes."

Este tipo de ferramenta abre novas possibilidades e leva a biologia comportamental, em termos de complexidade, a um nível comparável aos métodos de análise biológica molecular ou funcional.

“No futuro, poderemos agora combinar melhor nossos resultados com outras dimensões de medição, como registros de EEG, dados de atividade neural ou dados de biossensores”, relata o biólogo Joeri Bordes. Lucas Miranda, autor do programa DeepOF, está entusiasmado com a “ciência aberta” porque “nosso programa está disponível gratuitamente para pesquisadores de todo o mundo, nosso código é obviamente aberto e qualquer pessoa é bem-vinda para contribuir com o projeto”.