Unsupervised temporal analysis of mouse vocalizations

Summary

Τα ποντίκια επικοινωνούν μεταξύ τους χρησιμοποιώντας υπερήχους (στην βιβλιογραφία αναφέρονται ως ultrasonic vocalizations - USVs), οι οποίοι ποικίλουν ανάλογα με παράγοντες όπως το φύλο, το γενετικό υπόβαθρο αλλά και τα περιβαλλοντικά ερεθίσματα. Η μελέτη των μηχανισμών παραγωγής των υπερήχων αυτών έχει οδηγήσει στη δημιουργία χρήσιμων μοντέλων για την κατανόηση της νευροβιολογίας της ανθρώπινης ομιλίας. Για το λόγο αυτό έχουν αναπτυχθεί διάφορα εργαλεία και μέθοδοι για την ανίχνευση των USVs σε ηχογραφήσεις ποντικιών, αλλά και την περαιτέρω ανάλυσή τους.

Η χρονική ανάλυση των USVs προϋποθέτει την ομαδοποίηση τους σε κατηγορίες, μια αρκετά απαιτητική διαδικασία εξαιτίας του μεγάλου πλήθους τους, ακόμα και σε μικρής διάρκειας ηχογραφήσεις ποντικιών. Τα δεδομένα αυτά απαιτούν τη χρήση εξειδικευμένων και επιβλεπόμενων τεχνικών ανάλυσης, καθώς τα περισσότερα από τα υπάρχοντα εργαλεία είτε αναγνωρίζουν μόνο έναν προκαθορισμένο αριθμό κατηγοριών είτε δεν υποστηρίζουν χρονική ανάλυση, περιορίζοντας έτσι την αποτελεσματικότητά τους στην ολοκληρωμένη μελέτη των USVs.

Στην παρούσα εργασία χρησιμοποιήσαμε το λογισμικό ανοικτού κώδικα Analysis of Mouse VOcal Communication (AMVOC), που ειδικεύεται στην ανίχνευση και ομαδοποίηση των USVs. Καταφέραμε να βελτιώσουμε την διαδικασία ομαδοποίησης, η οποία βασίζεται σε λανθάνουσες αναπαραστάσεις που προκύπτουν από τα φασματογραφήματα των USVs και εξάγονται μέσω ενός Συνελικτικού Αυτόματου Κωδικοποιητή (Convolutional Autoencoder, CAE). Για την αξιολόγηση του αποτελέσματος της ομαδοποίησης, δημιουργήσαμε, με την βοήθεια ειδικών του πεδίου, ένα σύνολο από δεδομένα αξιολόγησης. Στη συνέχεια, βασιζόμενοι σε μήτρες μετάβασης μεταξύ των USVs, προτείνουμε τρεις μετρικές που ποσοτικοποιούν τις διαφορές στη χρονική δομή μεταξύ διαφορετικών ηχογραφήσεων. Οι μήτρες μετάβασης καταγράφουν την πιθανότητα μετάβασης μεταξύ διαφορετικών κατηγοριών USV με την πάροδο του χρόνου. Οι προτεινόμενες μετρικές αξιολογήθηκαν σε ένα σύνολο δεδομένων με ηχογραφήσεις ποντικιών που φέρουν μετάλλαξη στο γονίδιο FoxP2, ένα γονίδιο το οποίο σχετίζεται με τη λειτουργία της ανθρώπινης ομιλίας. Οι επιπτώσεις της μετάλλαξης αυτής έχουν μελετηθεί εκτενώς και προσφέρουν ένα αξιόπιστο πλαίσιο για τη δοκιμή της αποτελεσματικότητας της μεθόδου.

Η προτεινόμενη προσέγγιση επιτρέπει στους ερευνητές να πραγματοποιούν μαζικές συγκρίσεις μεταξύ ηχογραφήσεων ποντικιών, διευκολύνοντας τον εντοπισμό διαφορών και ομοιοτήτων στη δομή και τη σύνταξη των USVs. Χρησιμοποιώντας αυτά τα ευρήματα, οι ερευνητές μπορούν στη συνέχεια να προχωρήσουν σε εκτενέστερες αναλύσεις, εστιάζοντας σε συγκεκριμένες περιοχές που εμφανίζουν ενδιαφέρον.

Επιπλέον Πληροφορίες

Τα αποτελέσματα της παρούσας εργασίας δημοσιεύτηκαν στο συνέδριο 2023 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB). https://ieeexplore.ieee.org/document/10264885

Η έρευνα αυτή πραγματοποιήθηκε σε συνεργασία με το Jarvis Neuroscience Lab του Πανεπιστημίου Rockefeller (ΗΠΑ). https://www.jarvislab.net/