跨时间尺度无监督识别大鼠行为基序

几种实验室动物的行为可以建模为刻板行为序列，或称为行为基序。然而，识别此类基序是一个具有挑战性的问题。行为具有多尺度结构：动物可以同时执行一个小尺度基序和一个大尺度基序（例如\textit{咀嚼}和\textit{进食}）。基序是可组合的：一个大尺度基序是一串小尺度基序，以特定方式折叠在（某些行为）空间中。我们以大鼠运动数据为例，展示了一种捕捉这些结构的方法。从同一数据集中，我们使用预处理程序创建了不同版本的数据，每个版本描述不同尺度的基序。然后我们并行训练了几个隐马尔可夫模型 (HMM)，每个数据集版本对应一个模型。这种方法实质上迫使每个 HMM 学习不同尺度的基序，使我们能够捕捉到先前方法中丢失的行为结构。通过将 HMM 与代表不同零假设的模型进行比较，我们发现大鼠的运动由从秒级到分钟级的不同基序组成。我们发现基序之间的转换受大鼠在环境中位置的调节，导致非马尔可夫转换。为了测试我们发现的行为基序的伦理学相关性，我们比较了具有高级特质（亲社会性）差异的大鼠之间基序的使用情况。我们发现这些大鼠拥有不同的基序库，表明基序使用统计量可用于推断大鼠的内部状态。因此，我们的方法是一种发现动物行为中多尺度、可组合结构的有效途径。它也可用作检测内部状态的敏感测定法。