摘要：科学家以线虫秀丽隐杆线虫为基础，开发了一种模拟动物运动的高精度模型。该模型捕获可预测和随机行为，可应用于医学和机器人技术。
该方法可以帮助诊断运动障碍、改进机器人设计并协助药物发现。模拟的准确性为理解影响行为的因素提供了一种新方法。
关键事实：
来源：OIST
科学家开发了一种新方法，能够以极高的精度模拟动物的复杂运动。
研究小组着手解决生物学中长期存在的挑战，即如何准确地模拟生物体复杂且看似不可预测的运动。他们专注于线虫秀丽隐杆线虫，这是一种广泛用于生物学研究的模式生物。
发表在 PNAS 上的研究结果有助于预测和理解动物行为，潜在应用范围从机器人到医学研究。
与钟摆或弹簧上的珠子等简单的物理系统不同，动物的行为存在于规则行为和随机行为之间。冲绳科学技术研究所 (OIST) 生物物理理论组组长格雷格·斯蒂芬斯 (Greg Stephens) 教授解释说，捕捉这种微妙的平衡非常困难，这就是我们的模型的独特之处，此前从未有人提出过如此逼真的动物模型。）。
准确模仿真实的蠕虫运动
动物的行为受到多种因素的影响，包括其内部状态、环境经历、发育历史和遗传遗传。用一个简单的预测模型来表达这些影响是值得注意的，但有些违反直觉。索邦大学巴黎大脑研究所的主要作者 Antonio Costa 博士解释说，这种复杂性以及我们对其进行有效建模的能力值得注意。
创建模型是一个复杂的过程，涉及多个步骤。该团队首先录制蠕虫运动的高分辨率视频。他们使用机器学习技术来识别每个视频帧中的蠕虫形状。
然后，他们分析了这些形状如何随时间变化，以更深入地了解蠕虫行为。最后，他们确定需要多少过去的数据才能做出可靠的预测。
我们将真实动物行为的统计特性（例如运动速度和行为变化的频率）与我们的模拟生成的数据进行了比较，Dr.科斯塔补充道。这些数据集之间的紧密匹配证明了我们模型的高精度。
对医学和机器人技术的影响
这项研究的影响远远超出了蠕虫的研究范围。该团队已经在与使用这种线虫来测试化学化合物对行为的影响的公司进行沟通。
他们还将该模型应用于其他物种，包括经常用于药物发现的斑马鱼幼虫研究。此外，研究人员正在探索在人类医学中的应用，特别是在帕金森病等运动障碍的研究中。
对医学研究的潜在影响是巨大的。目前运动障碍的诊断方法通常依赖于短暂临床就诊期间进行的主观观察。这些变化对于直接观察来说可能过于微妙，这也是诊断这些医疗状况具有挑战性的部分原因。
这种新方法可以提供对患者运动的更连续、客观的测量，即使在家庭环境中也是如此，从而导致更精确的诊断和个性化的治疗策略。
除了医学之外，该模型还可以应用于机器人等领域，在这些领域实现自然的运动一直是一个持续的挑战。通过更好地了解动物如何在其环境中导航，工程师也许能够设计出适应性更强、更高效的机器人系统。
随着团队不断完善和扩展他们的建模技术，他们预计这种方法将开辟新的途径理解各种物种的环境因素、遗传学和行为之间错综复杂的关系。
作者：Tomomi Okubo
来源：OIST
联系人：Tomomi Okubo OIST
图片：该图片来源于《神经科学新闻》
原始研究：封闭访问。
秀丽隐杆线虫的马尔可夫动力学格雷格·斯蒂芬斯等人的跨尺度行为。PNAS
摘要
秀丽隐杆线虫跨尺度行为的马尔可夫动力学
我们如何捕捉动物运动行为的广度，从快速的身体抽搐到衰老？
使用线虫秀丽隐杆线虫的高分辨率视频，我们表明单一动力学将姿势尺度波动与轨迹扩散和更长寿命的行为状态联系起来。
我们采取短姿势序列作为瞬时行为测量，固定序列长度以获得最大预测。在姿势序列的空间内，我们构建了一个精细尺度的最大熵分区，以便微观状态之间的转换定义了一个高保真马尔可夫模型，我们也将其用作原则性粗粒度的手段。
我们使用阻力理论将这些动力学转化为运动，捕获觅食轨迹的统计特性。为了进行跨尺度的预测，我们利用推断的马尔可夫链的最长寿命特征向量对蠕虫的觅食行为进行自上而下的细分，揭示奔跑和旋转以及以前未表征的更精细的行为。
我们使用我们的模型来研究这些精细行为与觅食成功的相关性，恢复本地和全局搜索策略之间的权衡。