非人灵长类动物行为学分析方法的进展

一个高效的表型分析系统应该包括覆盖行为与神经生物学、遗传和分子生物学、基因组学、生殖与发育生物学、免疫学、影像学等多个学科，研究层次从分子、细胞、组织扩展至生物个体研究。人类疾病灵长类动物模型研究能否取得突破，很大程度上取决于多学科、多领域、多层次、自动化集成的综合表型分析评价系统的建立。

—— 胡新天, 仇子龙, 顾勇, 龚能, 孙强. 非人灵长类模型.《中国科学院院刊》, 2016

由于进化上相近，非人灵长类的脑在结构、功能活动等多方面与人类高度相似。因此，相对于其他实验动物，非人灵长类具有解决人类问题，特别是脑相关问题的独特优势。它们除了是研究人类正常脑高级功能的关键实验动物外，还是最好的研究脑疾病机理和治疗方法的模型动物。[1]

行为学是非人灵长类动物研究最重要的手段之一，借助行为学指标可以实现对动物疾病及恢复状态最为直观的观测。早期在进行非人灵长类动物行为学研究时，依赖于人工或者简易摄像头进行野外观察、定点观察、行为采样、个体识别等，并人工进行手动记录。简易摄像头虽说可以对非人灵长类动物运动轨迹以及行为动作拍摄录像，但所记录的也只能是该视频视野所能覆盖到 2D 行为信息，导致获取到的行为监测数据精确度不高。

非人灵长类动物传统行为学

研究方法的弊端

时间空间有限：传统方法往往受限于观察时间和空间的限制。野外观察可能受到天气条件、季节性变化和地理限制等因素的影响，而在实验室环境中的观察则可能无法完全模拟自然环境。

耗费大量人力物力：传统的方法限制同时进行实验的动物数量，使得实验周期延长，耗费大量的人力物力，另外对于一些要求较短实验周期的动物模型无法进行研究。

主观性强：传统的观察和记录方法往往依赖于研究者的主观判断和观察技巧，数据存在一定程度的主观性。另外，人为观察需要研究者进行大量的劳动，容易导致疲劳和注意力分散，数据存在一定的不准确性。

采集数据不全：由于观察方法的限制，研究者往往只能对动物行为的一小部分进行观察和记录，无法捕捉到动物行为的全貌。另外采集到的是动物单一的行为活动，不能对复杂行为学、或伴随发生的生理或生物力学变化进行评价。

数据分析复杂性：传统的方法需要研究者手动记录编码收集到的大量数据，处理和分析起来非常繁琐和耗时，很大程度上限制了数据的质量和分析的深度。

向下滑动查看

目前非人灵长类动物行为学研究

是如何开展的呢

随着计算机、电子工程和信息等多种新兴学科的迅速发展和各种新技术向动物行为实验领域的交叉渗透融合，非人灵长类动物的行为学研究逐渐引入先进的技术和方法。

例如利用高分辨率摄像设备和运动追踪技术，可以对非人灵长类动物的运动进行实时跟踪和分析。这种方法可以提供详细的位置和姿势信息，帮助研究者了解动物的移动模式、行为序列和空间导航能力。

另外人工智能（AI）技术可以通过计算机视觉、机器学习和深度学习等技术对非人灵长类动物行为进行自动化识别、分类和分析，从而获取动物行为的精细数据。研究人员还可以利用 AI 技术对大量的行为数据进行分析和挖掘，从而揭示动物行为背后的规律和机制。

最近，虚拟现实（VR）技术的兴起也为非人灵长类动物行为学研究带来了新的可能性。研究者可以利用 VR 构建虚拟环境，模拟特定情境和任务，以观察和研究动物的行为反应。这种技术的应用可以增加实验的可控性，并提供更多的行为数据和认知过程的洞察分析。

新技术的发展为非人灵长类动物行为学研究提供了更多的可能性，采集到的数据也更加精确、客观、完整，对三维动物行为数据进行自动化、智能化、精细化分析已然成为一种趋势。目前，利用新技术开发出的行为识别分析系统或者方案模型进行三维动物行为分析成为常用的工具。

向下滑动查看

目前有哪些系统或方案

可用于非人灵长类动物的行为学研究

01

单视角二维视频记录及分析法

具有代表性的产品包括 PrimateScan (下图左) 和 VigiePrimate（下图右）。主要是采用数字图像处理技术提取动物的轮廓等行为特征，能够实现对直立身体、回降身体 、向左走、向右走 、跳跃、转动、转圈等行为的识别。

02

带物理标记物（反光点）的动作捕捉法

此类方法借助于多个视角的动作捕捉相机，需要在动物身体上粘贴或植入标记。每个视角获取到动物身体部位的反光点的坐标后，重建三维骨骼点。此类设备主要适用于下肢运动功能损伤的研究。[2]

03

Open Monkey Studio

Open Monkey Studio 是明尼苏达大学 Benjamin Y. Hayden 研究团队在 2020 年开发的一款基于深度学习的无标记运动捕捉系统[3]，专门为追踪估计大型无约束环境中自由移动的猕猴的 3D 姿势而设计，通过该系统可以准确识别自由移动的猕猴的动作并跟踪其社交互动。该无标记运动捕捉系统由一个大型笼式设备、一台有 64 个摄像头视频捕捉系统、一个带注释的图像库和一个自动姿势捕捉系统组成。

04

猴脸识别技术

西北大学金丝猴研究团队郭松涛教授研究团队首次开发出基于 Tri-AI 技术的金丝猴个体识别系统[4]。该系统颠覆了依靠动物个体特征（斑纹、颜色、伤疤）或者人为标记特征（如烙印、刺青、染色、环志、无线电项圈及遗传标记）的传统方法，实现了对野生个体的准确身份识别和连续跟踪采样的功能。

05

自动视听动作识别

牛津大学 Max Bain 研究团队在 2021 年提出用深度卷积神经网络方法和完全自动化的管道来检测和跟踪野生黑猩猩在听觉上独特的两个动作：击鼓和敲击坚果。该团队借助摄像机，使用两种行为的音频和视觉特征来训练动作识别模型并展示了使用自动解析视频进行行为分析的潜力，首次开发出野生灵长类动物行为的自动视听动作识别模型 [5]。

06

BehaviorAtlas

非人灵长类三维精细行为分析系统

BehaviorAtlas 非人灵长类三维精细行为分析系统是一湾生命科技自主研发的国内首家无标记(Markerless)三维动物姿态捕捉分析系统。该系统通过至少 4 个视角同步采集动物行为视频，在无标记的情况下精准识别动物身体 21 个点以上部位，并进一步基于深度学习和计算机视觉技术重建动物三维骨架，然后采用并行、层次化的无监督学习算法输出客观分类的行为，最后对动物行为进行大数据分析。

·亮点功能·

精准的三维骨架重建

全三维多身体部位轨迹可视化

精准的多种动作识别，构建行为谱

直接实现多种行为指标的分组对比

参考文献

1. 胡新天,仇子龙,顾勇,龚能 & 孙强.(2016).非人灵长类模型. 中国科学院院刊(07),773-782. doi:10.16418/j.issn.1000-3045.2016.07.006.

2. Capogrosso, M., Milekovic, T., Borton, D. et al. A brain–spine interface alleviating gait deficits after spinal cord injury in primates. Nature 539, 284–288 (2016).https://doi.org/10.1038/nature20118.

3. Bala, P.C., Eisenreich, B.R., Yoo, S.B.M. et al. Automated markerless pose estimation in freely moving macaques with OpenMonkeyStudio. Nat Commun 11, 4560 (2020). https://doi.org/10.1038/s41467-020-18441-5.

4. Max Bain, et al. ,Automated audiovisual behavior recognition in wild primates.Sci.Adv.7,eabi4883(2021).DOI:10.1126/sciadv.abi4883.

5. Songtao Guo, et al. ,Automatic Identification of Individual Primates with Deep Learning Techniques.Iscience.VOLUME 23, ISSUE 8, 101412, AUGUST 21, 2020,https://www.cell.com/iscience/fulltext/S2589-0042(20)30602-7#.