在基因及環境影響下的斑馬魚幼體之注意力轉換

所有生物體在接收感覺輸入後會整理並產生行為反應，通常是以運動行為的方式表現出來，而這項處理是經過空間、時間尺度下帶有雜訊的資訊之整合。此種決策機制已在多種生物中被研究過，例如齧齒類動物、果蠅、靈長類，以及斑馬魚幼體。此文章探討斑馬魚中的「連貫點視運動反應」（coherent-dot optomotor response, OMR）並以其進行決策過程的研究。

OMR是指斑馬魚會追隨整體運動線索的方向，以穩定其在移動水流中的位置，且斑馬魚幼體的游泳實際上是稱為擺動(bouts)的離散事件組成，每一個bouts都可視為潛在決策過程的表現，因此可藉由分析各個擺動來理解動作選擇機制。作者使用了「隨機點運動實驗」（random dot motion assay），以量化斑馬魚幼體在視覺運動任務中的表現。這種實驗能調整刺激的一致性（coherence）來控制任務難度。具體而言，他們在圓形培養皿底部投影出整場的點運動刺激，並即時追蹤斑馬魚的游動方向與位置。每一次完整的實驗行程包含兩個階段：首先是持續 150 秒的「基礎期」，此時螢幕上的隨機點以 0% 的一致性移動，亦即沒有整體方向性的運動訊號；接著是 30 秒的「刺激期」，此時點群會以固定方向（左或右）進行一致性運動(圖1左)。研究團隊透過即時追蹤斑馬魚的位置與朝向，建立出一個閉環（closed-loop）系統：每當斑馬魚完成一次轉向，螢幕上點的運動方向便會依斑馬魚的身體姿勢自動調整，使刺激方向始終保持與斑馬魚體軸垂直。此設計使斑馬魚在刺激存在時連續地做出轉向，便於量化其視覺決策行為。實驗發現，斑馬魚在刺激期的平均擺動頻率明顯高於基礎期（基礎：約62.9±14.5 擺動/分；刺激期：75.2±16.4 擺動/分）(圖1右)。斑馬魚每次擺動的轉動方向被記錄，並以此計算表現值（performance score），其定義為「向刺激方向轉向的擺動數占總擺動數的比例」。其中+1表示完全沿刺激方向轉，–1則表示轉向與刺激方向相反，且0代表隨機（即50%朝一方向、50%朝另一方向）。
圖1. 左: 實驗測試設計。右: 在刺激前後的擺動速率差。

分析發現，斑馬魚受到刺激後的整體表現值呈現兩極化，一部分表現值聚集在接近零（隨機轉動）附近，另一部分向高表現值聚集（圖2上半）。為了定量描述這一現象，研究者對所有試驗的表現分數分佈同時進行了高斯分佈與伽馬分佈的計算統整。這個 Gaussian-Gamma 混合模型揭示了兩個組成：一個較窄的高斯分佈對應「非專注」狀態，另一個較寬的伽馬分佈則對應「專注」狀態。從擬合結果提取的兩個參數𝑤和𝜅分別量化了這兩個分佈的特性：其中𝑤為伽馬分佈的權重，可視為斑馬魚處於「專注」狀態的相對比例（focus）；𝜅為伽馬分佈形狀參數，反映「專注時表現的能力」大小（competence），即在專注狀態下表現分數偏向更高值的程度（圖2下半）。作者接著採用了一個簡單的雙狀態隱馬可夫模型（Hidden Markov model, HMM）來描述斑馬魚從專注到非專注的切換。在該模型中，每次試驗開始時斑馬魚隨機處於「專注」或「非專注」，並可在測試間按照一定的轉換概率切換。該模型假定，當斑馬魚處於專注態時，它會統整計算感官線索進行準確決策；而處於非專注態時則「忽略」視覺刺激，導致其轉向決策變成隨機雜訊。實驗數據顯示，這種雙狀態HMM足以再現個體間平均表現和測試間變異的趨勢，暗示魚的錯誤可能來自感覺運動轉換過程的雜訊，也可能來自非專注時完全忽視刺激。
圖2. 上半: 刺激前(左)與刺激後(右)的表現值變化。下半: 左圖為基線期，右圖為刺激期，黑色圓圈表示對應的表現分數分佈，以及高斯-伽瑪混合模型的統整線，其中高斯分量為紅色，伽馬分量為藍色。插圖中藍色的𝑤值表示高斯的權重， 𝜅表示伽瑪分佈的形狀參數。

接下來作者探討基因及環境對兩個參數𝑤和𝜅的影響。作者比對兩個在不同設施長期分離繁殖的 WT 族群（A、B）並實施胚胎互換養育。結果表明𝑤主要受親代來源影響（遺傳/父母效應），而𝜅主要受飼養環境影響（環境可塑性）：A 血統後代無論在哪裡養育𝑤都呈現較高的數值，𝜅則隨棲息地改變（圖3）。
圖3. 不同棲息地跟親代對𝑤和𝜅的影響。

最後，研究以同代對照方式篩選多項操作如降低coherence、基礎期間的looming干擾、睡眠剝奪、scn1lab與slc6a3 突變(分別影響鈉離子通道及多巴胺運輸蛋白並分別造成自閉症和精神分裂症)等，發現多數操作主要改變𝜅而非𝑤，例如將coherence降至 50% 導致𝜅顯著下降；looming干擾與睡眠剝奪能提升𝜅；兩基因突變亦使𝜅增加但𝑤無顯著變化（圖 4A–E、4F–J、4K–O）。這支持𝑤與𝜅的獨立性，並表明該雙維度框架可用於解析遺傳與環境對注意力與能力的分別影響（圖 4）。
圖4. 各項操作對𝑤和𝜅的影響，A為coherence下降、B為looming干擾、C為睡眠剝奪、D為scn1lab突變、E為slc6a3突變。

本研究提出一套可量化的行為模型：以 HMM 捕捉試驗間的注意力切換，再以 Gaussian-gamma 混合提取𝑤（focus）與𝜅（competence）兩個獨立指標。該框架不僅解釋了斑馬魚在 OMR 任務中表現的非最佳化現象，也為後續以神經影像、電生理與基因篩選解析注意力、決策與其分子／迴路基礎提供了量化工具與可操作的篩選策略。

利用Chatgpt協助撰寫


撰文：陳意融


Reference
Krishnan, K., Muthukumar, A., Sterrett, S., Pflitsch, P., Fairhall, A., Fishman, M., ... & Engert, F. (2023). Attentional Switching in Larval Zebrafish: The Attentive Leaky Integrator.

留言

張貼留言