通过自动分析老鼠的自愿行为来询问老鼠的视觉系统

项目背景

视网膜退化和不可逆的光感受器疾病影响着全球约2.2亿人，目前无法治愈。作为疾病病理的一部分，光敏神经元死亡，导致视网膜无法对光做出反应，导致患者失明。通常，潜在的治疗方法是在视网膜变性的小鼠菌株中测量有效性。老鼠的视觉感知很难评估，目前是使用电生理学和行为学方法的结合来测量的。然而，电记录和行为反射测试仅与视觉知觉间接相关。有更相关的行为测试，但这些测试需要大量的动物训练，已知会引起痛苦，并且仅限于与单一视觉刺激的关联。视觉知觉的全面评估需要对许多不同刺激的反应进行测量。

我们为什么资助它

这个David Sainsbury Fellowship的目的是通过开发自发行为测试来减少评估感知视觉所需的小鼠数量。斯托奇博士计划开发一种可靠的方法来追踪老鼠的多个身体点，从而识别出对不同视觉刺激的自发运动。

目前分析视觉知觉的一个问题是对每只动物试验次数的限制。这可能导致试验间的高变异性，尽管在统计上有显著的运动对视觉刺激的反应。斯托奇博士利用先前发表的数据分析了统计能力，以估计他改进的行为测试在动物减少方面的潜力。该试验可以增加每只动物的试验数量，提高试验间的可变性。这将增加统计能力，从而减少产生统计显著性所需的小鼠数量。目前每个实验大约需要12只小鼠才能产生统计学意义，斯托奇博士估计他的新方法将把这一要求减少75%。

研究方法

动物行为被描述为“行为模块”的组合，其中包含一系列编码复杂行为的模块，如行走或饲养。多维跟踪已被用作一种更高通量的方法，为较低物种的自发行为提供全面的分析，如果蝇果蝇和斑马鱼。斯托奇博士的目标是将这些方法推广到老鼠身上，以便分析动物的位置和身体形状。变化点分析可以用来确定行为模块之间的变化，Storchi博士可以用它来识别对视觉刺激的反应，作为对感知视觉的评估。