基於SLEAP系統的果蠅行為長期追蹤與節律分析
這篇論文使用SLEAP深度學習框架，成功地捕捉了果蠅的長期行為數據，並對其行為模式進行了詳細分析。透過紅外線和12小時的光照循環，持續監控47隻果蠅，長達7天，捕捉了果蠅的姿態變化，最終產生了約20億個數據點。這些高解析度的數據提供了果蠅在各種行為模式下的全方位分析。 果蠅的晝夜規律與老化效應。實驗發現，果蠅的行為有顯著的晝夜變化。白天果蠅表現出較高的活躍度，從事清潔、移動等行為，尤其是在早晨開燈的第一小時，這些行為達到高峰；而夜間則顯示出明顯的靜止狀態。 圖1.記錄了不同行為的訊號，以及經過時間變化之後的結果 隨著實驗進行，尤其是在第4天後，果蠅的活動逐漸減少，靜止時間明顯增長，這種變化顯示出衰老的行為特徵。此外，果蠅的進食頻率和行走速度隨著實驗的進行逐漸下降，晝夜行為模式的差異也隨之減少。 圖2.紀錄果蠅在第四天之後，行為上的變化 這篇論文除了揭示果蠅的行為節律外，也展示了SLEAP系統的技術創新，成功解決了長期、高解析度數據記錄與分析的挑戰。通過主成分分析（PCA）和成分數據分析，研究團隊可以深入解析果蠅在長時間尺度下的行為變化，為行為生物學及衰老研究提供了重要數據與工具。 撰文：李庚翰 原始論文：McKenzie-Smith, Grace C., et al. "Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data." ArXiv (2023). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10508836/
