大阪大學(xué)信息科學(xué)與技術(shù)研究生院的科學(xué)家使用動物位置跟蹤和人工智能來自動檢測跨物種共有的運(yùn)動障礙的步行行為。通過從步行數(shù)據(jù)中自動刪除特定物種的特征，所得數(shù)據(jù)可用于更好地了解影響運(yùn)動的神經(jīng)系統(tǒng)疾病。
機(jī)器學(xué)習(xí)算法，尤其是使用多層人工神經(jīng)元的深度學(xué)習(xí)方法，非常適合區(qū)分不同的數(shù)據(jù)源。例如，他們可以根據(jù)其在雪中留下的痕跡的特征來確定其物種。然而，有時(shí)科學(xué)家更關(guān)心不同數(shù)據(jù)集中的相同之處，而不是不同之處。嘗試匯總來自不同類型動物的讀數(shù)時(shí)可能會出現(xiàn)這種情況。
現(xiàn)在，由大阪大學(xué)領(lǐng)導(dǎo)的一組科學(xué)家使用機(jī)器學(xué)習(xí)從蠕蟲、甲蟲、小鼠和人類受試者創(chuàng)建的獨(dú)立于物種的運(yùn)動數(shù)據(jù)中獲取模式。“比較行為分析的一個核心目標(biāo)是確定動物中類似人類的行為庫，”第一作者 Takuy??a Maekawa 解釋說。這種方法可以幫助科學(xué)家研究導(dǎo)致運(yùn)動功能障礙的人類神經(jīng)系統(tǒng)疾病，包括由低多巴胺水平引起的疾病。動物運(yùn)動數(shù)據(jù)會產(chǎn)生更多的信息;然而，動物運(yùn)動的空間和時(shí)間尺度因物種而異。這意味著數(shù)據(jù)不能直接與人類行為進(jìn)行比較。為了克服這個問題，該團(tuán)隊(duì)設(shè)計(jì)了一個神經(jīng)網(wǎng)絡(luò)具有梯度反轉(zhuǎn)層，可預(yù)測 (a) 輸入運(yùn)動數(shù)據(jù)是否來自患病動物以及 (b) 輸入數(shù)據(jù)來自哪個物種。從那里，網(wǎng)絡(luò)經(jīng)過訓(xùn)練，使其無法預(yù)測收集輸入數(shù)據(jù)的物種，這導(dǎo)致創(chuàng)建了一個無法區(qū)分物種但能夠識別特定疾病的網(wǎng)絡(luò)。這使網(wǎng)絡(luò)能夠提取疾病固有的運(yùn)動特征。
他們的實(shí)驗(yàn)揭示了缺乏多巴胺的蠕蟲、小鼠和人類共有的跨物種運(yùn)動特征。盡管存在進(jìn)化差異，但所有這些生物都無法在保持高速移動的同時(shí)。此外，發(fā)現(xiàn)這些動物在加速時(shí)的速度不穩(wěn)定。有趣的是，這些動物在多巴胺缺乏的情況下表現(xiàn)出類似的運(yùn)動障礙，即使它們具有不同的體型和運(yùn)動方式。雖然之前的研究表明多巴胺缺乏與所有這些物種的運(yùn)動障礙有關(guān)，但這項(xiàng)研究首次確定了由這種缺乏引起的共同運(yùn)動特征。
“我們的項(xiàng)目表明，深度學(xué)習(xí)可以成為一種強(qiáng)大的工具，可以從數(shù)據(jù)集中提取知識，這些數(shù)據(jù)集看起來差異太大而無法由人類研究人員進(jìn)行比較，”作者 Takahiro Hara 說。該團(tuán)隊(duì)預(yù)計(jì)，這項(xiàng)工作將用于尋找影響進(jìn)化遙遠(yuǎn)物種的疾病的其他共同特征。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！