机器学习解码遗传对行为的影响

医学2020-10-29 00:18:48
导读觅食时小鼠四处乱窜,但遗传可能是控制这些蜿蜒动作的看不见的手。犹他州立大学健康大学的研究人员正在利用机器学习来绘制遗传控制之间的

觅食时小鼠四处乱窜,但遗传可能是控制这些蜿蜒动作的看不见的手。犹他州立大学健康大学的研究人员正在利用机器学习来绘制遗传控制之间的联系,从而形成本能和学习行为的渐进步骤。结果可在8月13日的Cell Reports上在线获得。

“寻找食物的复杂行为模式由感觉随机,自发和自由的序列组成,”Christopher Gregg博士说。,U of U Health的神经生物学和解剖学助理教授,该研究的高级作者。“利用机器学习,我们发现的离散序列比你想象的更频繁地复制,这些序列植根于生物学。”

该研究团队正在进入行为测序的新领域。

“我们正试图了解复杂行为的结构以及遗传学如何塑造这些模式,”格雷格说。

该研究支持这样的观点,即复杂行为由作者称为行为模块的有限“构建块”集合组成,并且遗传学正在控制这些构建块的进展以形成不同的行为模式。

研究小组评估了190只老鼠的遗传和年龄差异,因为他们从家中搬到了独特的“竞技场”,以评估在觅食时表达的行为序列。在寻找食物时,小鼠表现出需要许多神经系统来控制寻求行为,焦虑,奖赏,保存,饥饿,饱腹感,注意力,导航和记忆的行为。新方法揭示了不同的遗传和年龄效应影响不同的序列。

“大多数物种都有家庭范围,他们的行为是围绕这个家庭范围构建的,”格雷格说。“我们能够识别可重现的行为序列,并使用这些信息来了解复杂的模式。”

该团队将从家到旅行的往返旅行分开,然后回到一系列超过5,600个鼠标行动中。在这些动作中分层是附加信息,例如步态模式,速度,行进距离和所访问的位置。使用机器学习,他们评估了这些信息并确定了71个可重现的行为序列,这些行为序列是更复杂的行为模式的基础构建块。

从一个“构建块”到下一个“构建块”的转变意味着一种机制关系,产生特定的觅食行为,最大限度地减少捕食风险,能量消耗和热量摄入。此外,该算法能够识别特定小鼠独有的自发反应。

Gregg认为这种方法足够敏感,可以在一个基因的拷贝中找到突变。为了证明这一点,他的团队专注于在小鼠中觅食行为,其中印迹基因Magel2的突变与自闭症有关。例如,当母亲的副本被关闭时,父亲的副本被打开。在这种情况下,人们普遍认为母亲的副本是沉默的,并没有影响后代。不是这样。

“对我们来说令人兴奋的是,我们能够通过母体基因拷贝中的单个突变检测到对行为的显着影响,”Gregg说。

目前,该研究仅探索了实验室小鼠觅食行为的基石。格雷格认为,该方法可用于理解其他复杂行为模式的基础,并学习塑造导致人类疾病的行为的特定基因组元素,包括肥胖,成瘾,恐惧,焦虑和精神疾病。

“通过解构真正复杂,看似自发的行为,我们能够发现其他研究中无法观察到的事物,”格雷格说。“如果存在导致人类疾病的突变,我们希望使用这种方法将其映射到特定模块[又称行为构建模块],以了解基因如何有助于塑造特定的行为模式。”

免责声明:本文由用户上传,如有侵权请联系删除!