Michigan Üniversitesi’nden bir ekip, yaşam bilimleri alanındaki araştırmacıların hayvan davranışlarını daha verimli bir şekilde analiz etmelerine yardımcı olacak yeni bir yazılım aracı geliştirdi. LabGym adlı açık kaynaklı yazılım, çeşitli hayvan modeli sistemlerinde tanımlanmış davranışları belirlemek, kategorize etmek ve saymak için yapay zekadan yararlanıyor. Bilim insanlarının, belirli bir ilacın bir organizmayı etkileyebileceği tüm yolları anlamaktan, beyindeki devrelerin belirli bir davranışı üretmek için nasıl iletişim kurduğunu haritalamaya kadar çeşitli nedenlerle hayvan davranışlarını ölçmeleri gerekir. Örneğin, U-M öğretim üyesi Bing Ye’nin laboratuvarındaki araştırmacılar, sinir sisteminin gelişimi ve işlevlerini incelemek için bir model olarak meyve sineklerindeki (Drosophila melanogaster) hareketleri ve davranışları analiz etmektedir. Meyve sinekleri ve insanlar birçok geni paylaştığından, meyve sinekleri üzerinde yapılan bu çalışmalar genellikle insan sağlığı ve hastalıkları hakkında fikir vermektedir.
“Davranış beynin bir fonksiyonudur. Dolayısıyla hayvan davranışlarını analiz etmek, beynin nasıl çalıştığı ve hastalığa yanıt olarak nasıl değiştiği hakkında önemli bilgiler sağlar” diyor Bing Ye’nin U-M Yaşam Bilimleri Enstitüsü’ndeki laboratuvarında nörobilimci olan ve yeni yazılımı açıklayan 24 Şubat tarihli Cell Reports Methods çalışmasının baş yazarı Yujia Hu. Ancak hayvan davranışlarını manuel olarak tanımlamak ve saymak zaman alır. Davranışı analiz eden araştırmacı için oldukça özneldir. Hayvan davranışlarını otomatik olarak ölçmek için birkaç yazılım programı mevcut olsa da, bunlar da zorluklar içermektedir. Bu zorlukların üstesinden gelmek için Hu ve meslektaşları, insan biliş sürecini daha yakından taklit eden (daha çok bir bilim insanı gibi düşünen) ve kodlama konusunda uzman olmayan biyologlar için daha kullanıcı dostu olan yeni bir program tasarlamaya karar verdiler.
Araştırmacılar LabGym’i kullanarak analiz etmek istedikleri davranış örneklerini girebiliyor ve yazılıma neleri sayması gerektiğini öğretebiliyor. Program daha sonra davranışı tanıma ve ölçme yeteneğini geliştirmek için derin öğrenmeyi kullanıyor. LabGym’deki bu, daha esnek kavrama uygulamasına yardımcı olan yeni bir gelişme, programın güvenilirliğini artırmak için hem video verilerinin hem de “desen görüntüsü” olarak adlandırılan bir görüntünün kullanılmasıdır. Bilim insanları hayvanların davranışlarını analiz etmek için hayvanların videolarını kullanıyor, ancak videolar yapay zeka programlarının analiz etmesi zor olabilecek zaman serisi verilerini içeriyor. Hu, programın davranışları daha kolay tanımlamasına yardımcı olmak için, hayvanın farklı zaman noktalarındaki konumunun ana hatlarını birleştirerek hayvanın hareket modelini gösteren hareketsiz bir görüntü oluşturdu. Ekip, video verilerini desen görüntüleriyle birleştirmenin, programın davranış türlerini tanımadaki doğruluğunu artırdığını tespit etti.
LabGym ayrıca alakasız arka plan bilgilerini göz ardı edecek ve tıpkı bir insan araştırmacının yapacağı gibi hem hayvanın genel hareketini hem de uzay ve zaman içindeki konum değişikliklerini dikkate alacak şekilde tasarlanmıştır. Program aynı anda birden fazla hayvanı da takip edebiliyor. Bing Ye, LabGym’in bir diğer önemli özelliğinin de tür esnekliği olduğunu söyledi. Drosophila kullanılarak tasarlanmış olsa da, herhangi bir türle sınırlı değildir. “Bu aslında nadir görülen bir durum” dedi. “Biyologlar için yazıldı, böylece herhangi bir programlama becerisine veya yüksek güçlü bilgisayarlara ihtiyaç duymadan çalışmak istedikleri türe ve davranışa uyarlayabilirler.” ifadelerini kullandı. U-M farmakologu Carrie Ferrario, programın erken gelişimiyle ilgili bir sunum dinledikten sonra Ye ve ekibine, birlikte çalıştığı kemirgen model sisteminde programı test etmelerine ve iyileştirmelerine yardımcı olmayı teklif etti.
Farmakoloji doçenti ve psikoloji yardımcı doçenti olan Ferrario, model sistem olarak sıçanları kullanarak bağımlılık ve obeziteye katkıda bulunan sinirsel mekanizmalar üzerinde çalışıyor. Hayvanlarda ilaca bağlı davranışların gerekli gözlemini tamamlamak için, o ve laboratuvar üyeleri büyük ölçüde öznel, son derece zaman alıcı olan el puanlamasına güvenmek zorunda kaldılar. Ferrario, “Yüksek lisans okulundan beri bu sorunu çözmeye çalışıyorum. Yapay zeka, derin öğrenme ve hesaplama olarak henüz teknoloji mevcut değildi,” dedi. “Bu program benim için mevcut bir sorunu çözdü ama aynı zamanda gerçekten geniş bir kullanım alanına sahip. Hayvan davranışlarını analiz etmek için neredeyse sınırsız koşullarda yararlı olma potansiyelini görüyorum.” ifadelerini sözlerine ekledi. Ekip bundan sonra, doğadaki hayvanları gözlemlemek gibi daha karmaşık koşullar altında performansını artırmak için programı daha da geliştirmeyi planlıyor.