JAABA: новое ПО ускоряет анализ поведения животных

С помощью нового программного обеспечения, разработанного в исследовательском кампусе Janelia Farm HHMI, компьютер можно обучить распознавать характерное поведение животных, как опытный биолог. Например, вместо того чтобы часами изучать видео, чтобы подсчитать, как часто плодовые мушки преследуют друг друга, ученые могут быстро обучить программу тому, что искать, и позволить ей преобразовать видео в полезную статистику.

Благодаря доступным технологиям записи видео и новым инструментам для исследований, позволяющим проводить масштабные исследования, некоторые специалисты по поведению животных столкнулись с большим объемом данных, чем они могли бы проанализировать. «Нам нужны автоматизированные методы, чтобы успевать за технологиями», — говорит научный сотрудник Janelia Кристин Брэнсон, руководившая разработкой нового ПО. Команда Брэнсон создала Janelia Automatic Animal Behavior Annotator (JAABA), чтобы автоматизировать и стандартизировать важную, но трудоемкую задачу классификации поведения животных.

Команда Брэнсон описала JAABA в выпуске журнала Nature Methods от 2 декабря 2012 года. Они показали, что программу можно обучить распознавать поведение у различных животных, включая взрослых плодовых мушек, личинок плодовых мушек и мышей. Программное обеспечение доступно для бесплатного скачивания на jaaba.sourceforge.net и может использоваться биологами без опыта в компьютерных науках или машинном обучении.

Лаборатория Брэнсон в Janelia собирает около 100 часов видео с плодовыми мушками каждую неделю, по 20 мушек на видео. Мухи на видео генетически модифицированы, чтобы исследователи могли активировать небольшие подгруппы нейронов, и команда хочет определить, как это изменение влияет на поведение. Но детальный количественный анализ, необходимый для выявления тонких различий в поведении, является сложной задачей.

«Собрать много видео — дешево и легко. Не так просто сказать о нем что-то количественное», — отмечает Брэнсон. Она и ее коллеги используют ПО для компьютерного зрения, чтобы отслеживать движения животных на видео, получая данные о траекториях и позициях в каждом кадре. «Это дает нам простую информацию, например, скорость или время, проведенное в определенной части среды. Но мы знали, что там есть гораздо более богатая информация».

Чтобы сделать эту информацию доступной, Брэнсон начала работу над программой, которую можно обучить распознавать характерное поведение так же, как это делают опытные ученые. Результатом стала JAABA.

Чтобы использовать JAABA, ученые начинают с обучения программы. Для каждого кадра обучающего видео пользователь указывает компьютеру, происходит ли конкретное поведение (например, ходьба или чистка крыльев). Используя признаки, которые можно вычислить всего по нескольким кадрам (скорость животного или расстояние до других особей), в сочетании с контекстом из окружающих кадров, JAABA вырабатывает критерии для обнаружения поведения.

Программа обучается быстро, создавая детекторы поведения на основе обучающих данных всего за 15–45 секунд. Это позволяет пользователям в любой момент процесса обучения проверить ее способность предсказывать поведение. Непосредственная обратная связь помогает понять, как работает программа, и определить области, требующие дополнительного обучения. «Большинство биологов не имеют опыта в машинном обучении, поэтому интерактивная среда, где видно, что может и чего не может классификатор, дает им уверенность при работе со сложными алгоритмами», — объясняет Брэнсон.

Первый прототип JAABA был создан за несколько недель. Затем команда потратила два года на то, чтобы программа стабильно работала с разнообразными данными, и на превращение базовых алгоритмов в ПО, доступное биологам без опыта в компьютерных науках. «Основная идея была довольно простой, но много времени заняло обеспечение надежности и удобства использования».

Сделав программу более интуитивной, исследователи собрали 12 специалистов по плодовым мушкам, установили JAABA на их ноутбуки и дали 15-минутный инструктаж. Пользователи смогли обучить JAABA идентифицировать поведение преследования у плодовых мушек с точностью более 97%.

JAABA не только освобождает ученых от ручной идентификации поведения, но и стандартизирует его определение. Одно и то же видео может быть проанализировано двумя разными учеными немного по-разному, особенно в моменты перехода между типами поведения или при анализе особей с менее стереотипным поведением. Автоматизация анализа помогает обеспечить согласованность.

В то время как некоторые поведенческие паттерны (например, связанные с ухаживанием и локомоцией) хорошо определены у модельных организмов, существует множество неисследованных форм поведения, которые могут быть информативными для ученых. В конечном итоге, Брэнсон надеется, что программы машинного обучения, подобные JAABA, помогут ученым определять, что составляет поведение, и открывать новые его виды.