Miért nehezebb mérni a társas viselkedést, mint az egyedülálló tevékenységet
Egy hal mérése egy akváriumban egy nyomon követési probléma. Több hal egyidejű mérése egy nyomon követési probléma plusz egy azonosság-probléma. A társas interakciós minták attól függenek, hogy melyik hal melyik másik hal közelében van, mennyi ideig maradnak egymás közelében, és hogyan rendeződik át az állomány az idővel. Egy zebrahal-viselkedésanalízis rendszernek meg kell oldania ezt az azonosság-problémát, mielőtt bármit is jelenthetne a társas viselkedésről. Ha az azonosságok felcserélődnek, amikor két hal keresztezi egymást, az adatok helyzetekről szóló feljegyzéssé válnak, nem pedig kapcsolatokról szóló feljegyzéssé.
A kézi megfigyelés ugyanazzal a problémával küzd. Egy személy, aki egy akváriumban lévő halakat figyeli, egy ideig követhet egy halat, de a figyelme elkalandozik. Amikor több hal egyszerre mozog, a megfigyelő nem tudja megtartani az összes azonosságot. Az eredmény gyakran csak egy durva benyomás, nem pedig mennyiségi mérés. Az automatizálás nem szünteti meg a nehézséget, de világossá teszi az azonosságproblémát, és megoldhatóvá teszi.
Az azonosságok nyomon követése halak kereszteződő pályáin
Több tárgy nyomon követése a társas viselkedés mérésének alapja. A szoftver minden keretben észleli az egyes halakat, és összeköti az észleléseket a keretek között. Amikor két hal egymáshoz közel halad el, a kapcsolódási lépés bizonytalan lesz. Az egyszerű legközelebbi szomszéd szabály gyakran meghiúsul, és az azonosságokat felcseréli. Robusztusabb rendszerek mozgás-előrejelzést használnak, például Kalman-szűrőt, valamint megjelenési jellemzőket, például farokforma vagy testméret alapján, hogy az azonosságok stabilak maradjanak.
A magyar algoritmus gyakran használt a detekciók meglévő nyomokhoz történő hozzárendelésére. A legjobb egy-a-egyhez párosítást találja meg egy költségmátrix alapján, amely tartalmazhat távolságot, előrejelzett pozíciót és megjelenést is. Ezekkel az eszközökkel is az árnyékolás továbbra is kihívást jelent. Azok a halak, amelyek egy akváriumi szerelvény mögött úsznak, vagy teljesen átfedik egymást, néhány képkockára elveszhetnek. A jó rendszerek kezelik a rövid szüneteket, és bizonytalansági pontszámokat is jelentenek, így a felhasználó tudja, mikor bizonytalan egy nyom.
Távolság- és közelségmérők, amelyek leképezik a társas preferenciát
Miután az azonosságok stabilakká váltak, a rendszer kiszámíthatja a társas mutatókat. A legegyszerűbb a halak közötti távolság, azaz egy hal és legközelebbi szomszédja közötti távolság. Egy csoporton belüli átlagos halak közötti távolság durva mértéke a koheziónak. Kisebb átlagos távolság szorosabb rajt jelez, nagyobb átlagos távolság pedig arra utal, hogy a halak szétterülnek.
Egyéb mérőszámok finomítják a képet. A legközelebbi szomszéd távolsága a legközelebbi halra összpontosít, és feltárhatja a párképzési viselkedést. A másik hal meghatározott sugarú környezetében töltött idő a közelségpreferenciát méri. A közeledések és távolodások száma azt mutatja, hányszor mozognak a halak egymás felé vagy egymástól el. Ezeket a mérőszámokat az egész csoportra vagy konkrét párokra egyaránt kiszámíthatják, a kérdéstől függően. Egy zebrahal-viselkedésanalitikai rendszer általában egyszerre több ilyen mérőszámot is jelent, ami segít elkülöníteni a társas interakció különböző aspektusait.
| Mérési cél | Kézi megfigyelés | Automatizált követőrendszer |
|---|---|---|
| Halak közötti távolság | Becsült szemmel | Képkockánként számított |
| Azonosság megőrzése | Nehéz, ha a halak keresztezik egymást | Előrejelzéssel és megjelenéssel tartják fenn |
| Csoportösszetartás | Közelítő benyomás | Átlagos távolság és csoportosítási mutatók |
| Közeledés és távozás | Könnyen elkerülhető | Automatikusan számolva |
| Közelség ideje | Nem egyezik meg a megfigyelők között | Sugár és időtartam alapján határozott |
Csoportdinamika és rajzolási minták
A társas interakció nem csupán az átlagos távolságról szól. Azt is magában foglalja, hogyan mozog együtt a csoport. A rajzolási minták közé tartozik a polarizáció – azaz a halak úszási irányának egyezése –, valamint a forgás – azaz az összehangolt körkörös úszásra való hajlam. Ezek a minták helyi interakciókból alakulnak ki, és szabad szemmel nehezen észlelhetők.
Az automatizált nyomon követés kiszámíthatja őket a pályagörbék alapján. A polarizáció a halak átlagos irányvektora. A forgás a csoport súlypontja körüli szögsebességből számítható. Ezek a mérőszámok érzékenyek a csoport méretére, a medence alakjára és az áramlásra. Egy kör alakú medencében lévő csoport más mintázatot mutathat, mint egy téglalap alakú medencében lévő csoport. A rendszer számokat jelent, de a kutatónak kontextusban kell értelmeznie őket.
A társas interakciós adatokat formáló környezeti tényezők
A társas viselkedés nem zajlik le vákuumban. A víz hőmérséklete befolyásolja a tevékenységszintet, és ezáltal azt is, milyen közel maradnak egymáshoz a halak. A fényerősség változása hatással van az izgalmi szintre és a rajzolási hajlamra. A medence mérete és alakja meghatározza az interakcióra rendelkezésre álló teret. A kísérlet előtti tartási sűrűség befolyásolja a társas viselkedés alapvonását. Az elkülönítve tartott halak másképp viselkedhetnek, mint a csoportosan tartott halak.
A zebrafish viselkedésvizsgálati rendszer rögzítheti sok ilyen változót, ha a szenzorok csatlakoztatva vannak. Azonban nem tudja szabályozni a tartási körülményeket vagy a genetikai hátteret. Ezeket a tényezőket külön dokumentálni kell, és figyelembe kell venni az adatok értelmezésekor. Egy olyan társasági mutató, amely két csoport között eltérőnek tűnik, tükrözheti egy kezelés hatását, egy tartási hatást, vagy a kettő közötti interakciót.
Egy mezőbeli példa és az automatizált társasági elemzés korlátai
Egy dél-kínai egyetemi labor vizsgálta egy vegyület hatását felnőtt zebrafish társas viselkedésére. Az első körben manuális értékelést alkalmaztak. A megfigyelők megszámolták, hányszor úsznak a halak egymás közelében, de az eredmények ellentmondóak voltak személyenként és munkamenetenként is. A labor ezután telepített egy zebrafish viselkedésvizsgálati rendszert többobjektumos nyomkövetéssel.
Az automatizált adatok azt mutatták, hogy a kezelt csoportokban a halak átlagos távolsága egymástól nagyobb volt, és kevesebb közeledési esemény történt, mint a kontrollcsoportokban. A hatás kicsi volt, de minden munkamenetben konzisztens. A kézi értékelés nem vette észre, mert a megfigyelők nem tudták megbízhatóan nyomon követni az egyedeket, amikor a halak keresztezték egymást. Az automatizált rendszer nem igazolta, hogy az anyag megváltoztatta a társas motivációt. Csak azt mutatta, hogy a térbeli minta megváltozott. A háttér okának megértéséhez további kutatásra lenne szükség.
Az automatizált társas elemzésnek korlátai vannak. Csak pozíciókat és mozgásokat mér. Nem méri a motivációt, a felismerést vagy az előnyt élvezett irányt kognitív értelemben. Egy hal akár azért is maradhat közel egy másikhoz, mert társaságot részesít előnyösebbnek, mert egy vezetőt követ, vagy mert a medence geometriája erre kényszeríti. A nyomkövetési adatok nem tudják megkülönböztetni ezeket a magyarázatokat. Az emberi ítélet és a gondosan tervezett követő kísérletek továbbra is szükségesek.
A Hunter Lab (Hunter) cég a zebrafish laboratóriumi felszereléseket gyártja, különös figyelmet fordítva a képalkotás stabilitására és a több tárgy nyomon követésére, amelyekre a társas viselkedés tanulmányozása épül. A gyártási és minőségellenőrzési folyamatok támogatják azt az egyenletességet, amelyet a hosszú távú viselkedéskutatás igényel. Azoknak a laboroknak, amelyek a társas interakciós mintákat mérik, ilyen gyártási diszciplína része az alapnak.