Neuron：癲癇模型中隱藏的行為表型——斯坦福最新3D視頻分析
癲癇是一種影響數(shù)百萬人的重大疾病。盡管現(xiàn)代電生理學和成像方法提供了對癲癇多尺度腦回路故障的高分辨率訪問，但我們對癲癇行為如何變化的理解仍然淺顯。因此，為患有癲癇的兒童和成人篩查新療法仍然依賴于對動物模型中少數(shù)預先選擇的癲癇行為跡象的固有主觀，半定量評估。
斯坦福大學研究人員使用機器學習輔助的3D視頻分析來揭示患有獲得性和遺傳性癲癇的小鼠中隱藏的行為表型，并跟蹤它們在損傷后癲癇發(fā)生期間和對抗癲癇藥物的反應中的改變。結(jié)果表明，癲癇患者中行為的持續(xù)改變，并表明它們可以用于大規(guī)?？焖?、自動化的抗癲癇藥物檢測。
1. 亞秒級3D姿勢動力學的自動分析在發(fā)作間期識別和評估癲癇小鼠方面優(yōu)于經(jīng)典方法
首先，研究人員探索是否可以在不需要侵入性腦電圖監(jiān)測、行為測試和癲癇易感性實驗的情況下發(fā)現(xiàn)后天性和遺傳性癲癇小鼠模型的不同表型。對于后天性癲癇，研究人員使用了慢性顳葉癲癇 (TLE) 的單側(cè)海馬內(nèi)紅藻氨酸 (IHKA) 模型，已知該模型可重現(xiàn)人類TLE的關(guān)鍵組織學、電圖和認知特征。
作者對發(fā)作間期60分鐘的3D視頻記錄并使用MoSeq的分析揭示了注射對照 (CON) 和IHKA小鼠，分別顯著上調(diào)和下調(diào)特定行為改變。然而，小鼠行為的整體可預測性保持不變，這表明IHKA并沒有深刻地改變行為的語法微觀結(jié)構(gòu)。相較于訓練有素的觀測者，亞秒級、刻板的3D姿勢動力學監(jiān)測即使在發(fā)作間期也能識別和評估癲癇動物，而無需監(jiān)測動物數(shù)天或數(shù)周以進行觀察和計數(shù)通常不常見的行為發(fā)作。
圖1.發(fā)作間期后天性和遺傳性癲癇小鼠模型中隱藏的行為表型
2. 行為揭示了Dravet綜合征動物模型中先前未識別的性別特異性行為表型
接下來，作者檢查了遺傳性癲癇模型的行為表型，特別是攜帶SCN1B突變的小鼠模型，該模型與Dravet綜合征相關(guān)，這是一種嚴重的發(fā)育性和癲癇性腦病在兒童中。MoSeq成功地揭示了雌性SCN1B+/-小鼠行為的選擇性變化，行為顯著改變。此外，雄性SCN1B +/-小鼠與其野生型同窩小鼠相比沒有顯著差異。
這些結(jié)果揭示了SCN1B雜合缺失小鼠先前未被識別的性別特異性行為改變，說明了自動化、數(shù)據(jù)驅(qū)動的行為分析在遺傳性癲癇中的價值。
3. 顳葉癲癇小鼠模型中癲癇發(fā)生過程中不同時間點的不同行為表型
作者進一步確定了在發(fā)病的最初幾周內(nèi)是否存在可區(qū)分的時間依賴性行為表型。IHKA注射會導致即刻的癲癇持續(xù)狀態(tài)（24小時內(nèi)），隨后持續(xù)大約1-2周的時間，其特征是海馬神經(jīng)元死亡、炎癥增加、突觸重組。作者通過比較IHKA注射一個月內(nèi)每周采樣的單個60分鐘3D視頻記錄。MoSeq提供的行為的模塊化區(qū)分了小鼠在注射后不同周內(nèi)的行為，同時也優(yōu)于常用的指標。
通過歸一化統(tǒng)計行為表型發(fā)現(xiàn)第2-4周行為表型的行為子集彼此之間相似，但與注射IHKA后第1周的相比相似度更小。后幾周與歧視相關(guān)的行為相關(guān)，而注射后第一周更多與昏睡的行為相關(guān)。
圖2.TLE小鼠模型中癲癇發(fā)生過程中的不同行為表型
4. 行為表型檢測加速客觀抗癲癇藥物篩查
MoSeq可通過小鼠在自由探索期間行為的潛在結(jié)構(gòu)來自動區(qū)分注射了不同AED的小鼠。作者用高劑量或低劑量的三種不同AED（VAL、PHT和LEV）中的一種對野生型小鼠進行給藥，結(jié)果表明MoSeq在預測藥物方面優(yōu)于傳統(tǒng)分析方法。MoSeq捕獲了一個無偏見的行為模式譜，然后可用于識別AEDs在癲癇中的在靶和脫靶效應。
作者在TLE模型中的結(jié)果表明，該系統(tǒng)可用于區(qū)分用載體治療的IHKA小鼠與注射LEV的小鼠，其劑量先前顯示可降低該模型中的癲癇發(fā)作頻率。因此，該研究結(jié)果強調(diào)了MoSeq在AED篩查中的潛力，它以自動化方式測量不受限制的自然行為，而無需勞動密集型和昂貴的視頻腦電圖監(jiān)測。使用MoSeq對癲癇發(fā)作行為進行無監(jiān)督分割可以根據(jù)使用拉辛量表的人類觀察將癲癇發(fā)作行為分類為相似。
這些以發(fā)作期為重點的自動行為評估提供了與傳統(tǒng)癲癇發(fā)作評分系統(tǒng)的鏈接，并表明基于MoSeq的分析既可以應用于發(fā)作間期，也可以應用于癲癇發(fā)作的自動、無偏倚評估。
總 結(jié)
總之，盡管各種新工具具有為各種癲癇創(chuàng)建更好的動物模型的巨大潛力，并且還可以加速分子水平上的藥物發(fā)現(xiàn)，但目前癲癇研究中的行為評估實踐構(gòu)成了推進癲癇機制見解和以可重復的方式大規(guī)模篩選新AED的主要瓶頸。該研究結(jié)果表明，對隱藏的發(fā)作間期和發(fā)作期行為表型的無偏檢測可能開始克服這一瓶頸，并推動該領域朝著無偏倚的癲癇評估方法發(fā)展。
參考文獻：
Gschwind T, Zeine A, Raikov I, et al. Hidden behavioral fingerprints in epilepsy [published online ahead of print, 2023 Feb 17]. Neuron. 2023;S0896-6273(23)00081-8. doi:10.1016/j.neuron.2023.02.003
編譯作者：Amy Yao（brainnews創(chuàng)作團隊）
校審：Simon（brainnews編輯部）
