神經行為學（Neuroethology）是一個結合了神經科學與動物行為學的交叉學科，主要研究神經系統如何控制行為，以及行為如何反過來影響神經系統的功能。其核心目標在于理解神經系統如何將生物刺激轉化為自然行為，自然行為由一系列動作構成，這些動作根據特定規則以概率方式組合，使得兩性個體能夠在不同條件下輸出恰當的行為，從而維持個體生存、促進物種繁衍。有效分析和量化具有多尺度和復雜動態特征的自然行為，對于理解兩性行為差異背后的生物學意義、解析驅動這些行為產生的性別差異性神經機制，進而理解不同物種在進化過程中行為的演變規律，具有重要的科學意義和潛在的應用價值。近年來，行為組學理論的形成和發展旨在以層級化的思路解析行為的內在結構。同時，機器學習算法在定量姿勢估計和行為分割方面的進展，也推動了將連續行為分解為可量化的動作模塊的進程。然而，缺乏通用的行為學分析框架，仍是將行為組學理論應用于神經行為學、應激神經生物學、系統生物學、藥效學評價等領域進行具體行為分析的重要障礙。

文章上線截圖

2月1日，中國科學院深圳先進技術研究院（簡稱“深圳先進院”）腦認知與腦疾病研究所（簡稱“腦所”）、深港腦科學創新研究院王楓研究員團隊與王立平研究員團隊合作在Cell Reports在線發表題為“Hierarchical behavioral analysis framework as a platform for standardized quantitative identification of behaviors”的研究論文，利用應激神經生物學研究中廣泛使用的簡單易行的自發行為范式，開發了層級化行為分析框架（Hierarchical Behavioral Analysis Framework,HBAF），提供了一個通用、標準、快速，以及分層定量的方式開展兩性神經行為學研究的方法。

圖1. HBAF工作流程圖

自發行為是在無主觀意圖或外部刺激的情況下發生的行為，對維持健康和調節軀體至關重要。自發行為學實驗由動物本身而非實驗者來主導，易操作的同時還能更準確地反映動物的內部狀態。自發行為的變化可以反應個體內部狀態的偏差，這些偏差可能與潛在健康問題有關，如疼痛和毒素暴露、癲癇發作間期、中風恢復和自閉癥以及急性應激等。為了建立一個易于理解和解釋的行為分析框架，我們從自發行為的姿勢動力學、動作與動作集的時空特征及其內在組織邏輯層面系統刻畫了兩性小鼠自發行為的特征。研究結果表明，在不同情緒狀態、晝夜節律和光照條件下，兩性小鼠的自發行為表現出不同的特征。這些特征由不同內外因素驅動，最終形成了差異性的行為模式。其中，嗅探是不同條件下自發行為動作轉換的樞紐節點，計算嗅探與梳理的比例能高通量的準確區分自發行為狀態。HBAF為深入開展行為學研究提供了一個高效的平臺，通過提供全面的分層行為數據，在行為結構理論知識與實際分析之間架起了一座橋梁，還將為生物學、藥理學、醫學以及相關學科領域研究中的動物行為實驗分析和結果解讀提供全新的技術手段。

圖2. 研究發現示意圖

深圳先進院腦所研究助理葉家霖（王楓團隊）為該論文第一作者（目前已赴比利時魯汶大學攻讀神經生物學博士學位），深圳先進院腦所王楓研究員、王立平研究員為該論文的共同通訊作者，深圳先進院為論文的第一單位。該研究得到了Helmut Kettenmann教授、趙偉教授、韓明虎教授、魯白教授、胡霽教授、任超然教授的寶貴建議，并得到了科技創新2030-“腦科學與類腦研究”青年科學家項目、國家自然科學基金面上項目及深圳市基礎研究重點項目的資助。