Bayone 助力科研 | 同济李成、上科大胡霁等团队通过自动化表型分析评估右美托咪定对小鼠术后谵妄的疗效

发表时间:2023-08-10 18:18作者:湾湾

01

科研成果速递

2023 年 8 月 2 日,同济大学附属上海市第四人民医院李成以及上海科技大学胡霁教授团队,以共同通讯身份在 Nature 子刊 Communications Biology 杂志在线发表了题为“Automated phenotyping of postoperative delirium-like behaviour in mice reveals the therapeutic efficacy of dexmedetomidine”的研究论文[1]借助多维数据驱动的精细行为学分析技术,提出了一个包含姿势-动作-行为序列评估的多尺度聚类分析框架,以全面评估小鼠的谵妄样行为,并评估了右美托咪定对小鼠术后谵妄(POD)的影响。同济大学附属第四人民医院李成副教授、上海科技大学生命科学与技术学院胡霁研究员为共同通讯作者。同济大学博士生曹思璐(时为同济大学硕士生),北京大学硕士生吴沂灵(时为上海科技大学本科生)以及北京脑科学与类脑研究中心转化医学中心主任高子龙(时为西湖大学生命科学学院副研究员)为本文的共同第一作者。同济大学附属第四人民医院院长熊利泽教授给予指导与帮助,以及同济大学硕士生唐瑾萱做出了重要贡献。该研究主要受国家自然基金、上海市自然科学基金、上海市科学技术委员会和上海市第四人民医院的支持。

图 1 文章上线截图


术后谵妄(POD)是一种中枢神经系统急性综合征,是老年患者术后常见并发症。然而,要深入研究解决这一具有挑战性的临床病症却十分困难。目前,研究 POD 基本机制面临一些障碍。


首先,缺乏准确检测动物模型中谵妄行为的方法,这导致无法灵敏地发现患有 POD 的动物。其次,临床上 POD 会表现出不同的亚型。而针对于小鼠等 POD 动物模型,POD 的亚型无法准确通过行为学来进行鉴定。因为传统的动物行为学范式主要在特定范式下(如高架十字、三箱社交)下,关注动物位置偏好、平均速度等静态参数。参数有限,缺乏对动物行为的多尺度表征。


本研究论文借助 BehaviorAtlas® 3D-AI 动物行为分析系统,强调考虑动态和层次性动物行为的重要性。通过对 POD 模型小鼠的自发行为和任务驱动行为进行全面而精细的量化,从而更好地理解 POD 的神经生物学机制。


02

研究结果

1. 利用 BehaviorAtlas® 动物行为分析系统分析小鼠术后谵妄表型

利用 BehaviorAtlas® 3D-AI 动物行为分析系统在圆形旷场实验(OFT)、新物体识别(NOR)范式中监测了实验小鼠在不同时间点多尺度模式的谵妄样行为变化。OFT 用于检测小鼠自发行为,NOR 用于检测小鼠任务驱动的行为。

图 2 使用 BehaviorAtlas® 3D-AI 动物行为分析系统

收集小鼠多尺度数据


在旷场实验(OFT)中,通过无监督聚类比较模型组中的自发行为发现 POD 小鼠与非 POD 小鼠在 14 种(摇头、走路、冻结、驼背等)行为动作上存在明显差异,而这是过去使用传统方法无法明确区分的。

图 3 通过无监督聚类和基于自发行为的低维嵌入来分析 POD


在新物体识别(NOR)实验中,通过比较模型组中的任务驱动行为发现 POD 小鼠与非 POD 小鼠的探索偏好存在明显差异。

图 4 评估谵妄小鼠的任务驱动行为


2. 通过姿势聚类分析方法揭示谵妄样行为亚型

通过对姿势进行聚类分析,成功揭示出 POD 的两种临床亚型——高动型和低动型之间的差异,发现低动型有更多的头部摇动和右转动作,这一发现有助于更好地理解 POD 的神经生物学机制。

图 5 使用姿势特征定义 POD 的两种临床亚型


3. 在 POD 动物模型中评估右美托咪定(Dex)的效果

在 POD 动物模型中基于机器学习的方法来评估右美托咪定对小鼠术后谵妄(POD)的影响,研究证明了右美托咪定在动物模型中减轻 POD 的严重程度和发病率,具有潜在治疗 POD 的疗效。

图 6 使用机器学习评估 Dex 的谵妄预防效果


03

Bayone 助力科研

本研究中用到了深圳市一湾生命科技有限公司(Bayone)自主研发的仪器品牌 BehaviorAtlas® 3D-AI 精细动物行为分析系统进行 3D 动物行为数据的采集与分析。在整个过程中 BehaviorAtlas® 团队也紧密与李成老师及胡霁老师课题组进行沟通,在数据采集和数据分析上提供了关键的技术支持。

图 7 论文中提到的 BehaviorAtlas®


04

致谢

目前,BehaviorAtlas® 已经在大小鼠、树鼩、非人灵长类、猪等多种模式动物上,针对自闭症、帕金森症、抑郁症、老年痴呆、脑出血、癌疼等疾病模型以及精神类药物筛选上进行了多种应用。在此,我们由衷地感谢 BehaviorAtlas® 的新老用户对我们系统的持续关注和支持。正是因为你们的支持,我们才能够不断努力,不断改进我们的系统,以帮助更多的科研人员攻克生命科学中的难题。


参考文献

1.Cao, S., Wu, Y., Gao, Z. et al. Automated phenotyping of postoperative delirium-like behaviour in mice reveals the therapeutic efficacy of dexmedetomidine. Commun Biol 6, 807 (2023). https://doi.org/10.1038/s42003-023-05149-7.

2. Tseng Y,   Zhao B, Ding H, Liang L, Schaefke B, Wang L. Systematic evaluation of a predator stress model of depression in mice using a hierarchical 3D-motion learning framework. Translational Psychiatry. 2023.

3. Liu, X., Feng, X., Huang, H. et al. Male and female mice display consistent lifelong ability to address potential life-threatening cues using different post-threat coping strategies. BMC Biol 20, 281 (2022). https://doi.org/10.1186/s12915-022-01486-x.

4.Han, Y., Huang, K., Chen, K. et al. MouseVenue3D: A Markerless Three-Dimension Behavioral Tracking System for Matching Two-Photon Brain Imaging in Free-Moving Mice. Neurosci. Bull. 38, 303–317 (2022). https://doi.org/10.1007/s12264-021-00778-6.

5.Liu N, Han Y, Ding H, Huang K, Wei P, Wang L. Objective and comprehensive re-evaluation of anxiety-like behaviors in mice using the Behavior Atlas. Biochem Biophys Res Commun. 2021 Jun 25;559:1-7. doi: 10.1016/j.bbrc.2021.03.125. Epub 2021 Apr 28. PMID: 33932895.

6.Huang K#, Han Y#, Chen K, Pan H, Zhao G, Yi W, Li X, Liu S, Wei P*, Wang L*. A hierarchical 3D-motion learning framework for animal spontaneous behavior mapping. Nat Commun. 2021;12(1):2784.


分享到:
首页     ·     业务领域    ·    关于我们   ·    新闻中心
广东省深圳市龙岗区星河WORLD G2栋
咨询热线
0755-89589672-861
官方微信:BehaviorAtlas
线上客服服务