単独行動と比べて社会的行動を測定することが難しい理由
水槽内の1匹の魚を測定するのは単なる追跡問題ですが、複数匹を同時に測定するのは、追跡問題に加えて個体識別問題でもあります。社会的相互作用のパターンを把握するには、どの魚がどの魚の近くにいるか、どれだけの時間近接しているか、そして群れが時間とともにどのように再編成されるかを正確に知る必要があります。したがって、ゼブラフィッシュの行動解析システムは、社会的行動に関する何らかの指標を報告する前に、まず個体識別の問題を解決しなければなりません。たとえば、2匹の魚が交差した際に個体識別が入れ替わってしまうと、得られるデータは個体間の関係性ではなく、単なる位置情報の記録となってしまいます。
手動観察でも同様の課題に直面します。水槽を観察する人が1匹の魚に注目し続けることはできますが、注意力は次第に散漫になります。複数の魚が同時に動き出すと、観察者はすべての個体を正確に識別できなくなります。その結果、定量的な測定ではなく、あいまいな印象しか得られないことが多くなります。自動化によってこの困難が完全に解消されるわけではありませんが、個体識別の問題を明確に可視化し、解決可能な形にすることが可能になります。
魚がすれ違う際の個体追跡
多対象追跡(MOT)は社会的行動の計測の根幹です。ソフトウェアは各フレームごとにすべての魚を検出し、それらの検出結果をフレーム間で関連付けます。2匹の魚が互いに接近して通過する際、この関連付け処理は曖昧さを伴います。単純な「最も近い隣接者」ルールでは、しばしば誤った関連付けが生じ、個体の識別が入れ替わってしまいます。より堅牢なシステムでは、カルマンフィルターによる運動予測や、尾びれの形状・体長などの外見的特徴を活用して、個体識別の安定性を高めています。
ハンガリー法は、検出結果を既存のトラックに割り当てる際に広く用いられる手法です。この手法では、距離、予測位置、外見などの要素を含むコスト行列に基づき、最適な一対一のマッチングを決定します。しかしながら、こうした手法を用いても、遮蔽(オクルージョン)は依然として課題です。水槽内の装飾物の後ろを泳ぐ魚や、他の魚と完全に重なってしまう魚は、数フレーム分検出から抜け落ちてしまうことがあります。優れたシステムでは、こうした短時間の欠落に対応でき、また信頼度スコアを出力することで、ユーザーがトラッキングの不確実性を把握できるようになっています。
社会的選好を捉えるための距離および近接性指標
個体の識別が安定した後、システムは社会的指標を算出できます。最も単純な指標は「個体間距離」であり、これはある魚とその最も近い隣接個体との間の距離を意味します。群れ全体における個体間距離の平均値は、群れの結束度を大まかに示す指標となります。平均距離が小さいほど、群れは密集していることを示し、逆に平均距離が大きいほど、個体がばらけていることを示します。
その他の指標も、行動の詳細を明らかにするのに役立ちます。たとえば、「最近接隣接距離」は最も近い個体に注目し、ペアリング行動の有無を示すことができます。「一定半径内での滞在時間」は、他個体との接近傾向を測定します。「接近行動」と「離反行動」は、個体が互いに近づく・離れる回数をカウントしたものです。これらの指標は、研究目的に応じて、群全体に対して算出することも、特定の個体ペアに対して算出することも可能です。ゼブラフィッシュの行動解析システムでは、通常、複数の指標を同時に報告することで、社会的相互作用の異なる側面を区別しています。
| 測定目的 | 手動観察 | 自動追跡システム |
|---|---|---|
| 個体間距離 | 目視で推定 | フレームごとに計算 |
| 個体識別の一貫性 | 個体が交差すると困難 | 予測と外見情報で維持 |
| 群れの結束性 | 全体的な印象 | 平均距離およびクラスタリング指標 |
| 接近・離脱行動 | 見落としがち | 自動的にカウントされる |
| 近接時間 | 観察者間でばらつきがある | 半径と持続時間によって定義される |
群れのダイナミクスおよび群れ形成パターン
社会的相互作用は単に平均距離だけではなく、群れがどのように一体となって移動するかも重要です。群れ形成パターンには、個体の泳ぎ方向がそろう「偏極(ポラリゼーション)」や、協調的に円を描くように泳ぐ「回転(ローテーション)」などがあります。こうしたパターンは局所的な相互作用から生じるものであり、肉眼では捉えにくいものです。
自動追跡により、これらの指標は魚の軌道から算出できます。偏極度(ポラリゼーション)は、群れ全体の魚の進行方向ベクトルの平均値です。回転度(ローテーション)は、群れの重心を中心とした角速度から測定されます。これらの指標は、群れのサイズ、水槽の形状、水流に敏感です。たとえば、円形水槽内の群れと長方形水槽内の群れでは、異なるパターンが観察されることがあります。システムは数値を出力しますが、研究者はその文脈に即して解釈する必要があります。
社会的相互作用データに影響を与える環境要因
社会的行動は真空状態で生じるものではありません。水温は魚の活動レベルに影響し、それによって個体間の距離も変化します。光の強さは覚醒度や群れをなす傾向に影響を与えます。水槽の大きさや形状は、相互作用が可能な空間を規定します。実験前の飼育密度は、社会的行動のベースラインに影響を与えます。単独飼育された魚は、群れで飼育された魚とは異なる行動を示すことがあります。
ゼブラフィッシュ行動解析システムは、センサーが接続されていれば、これらの変数の多くを記録できます。しかし、飼育履歴や遺伝的背景を制御することはできません。これらの要因は別途文書化し、データ解釈時に考慮する必要があります。2つの群の間で異なる様相を示す社会性指標は、投与処置の効果、飼育環境の影響、あるいはその両者の相互作用を反映している可能性があります。
現場での事例と自動社会性解析の限界
中国南部のある大学の研究室が、ある化合物が成体ゼブラフィッシュの社会的行動に及ぼす影響を調べていました。第1段階では手動による評価を行いました。観察者は魚同士が互いに近接して泳ぐ頻度をカウントしましたが、評価者間およびセッション間で結果にばらつきがありました。その後、研究室は複数対象追跡機能を備えたゼブラフィッシュ行動解析システムを導入しました。
自動化されたデータ分析の結果、処置群では対照群と比べて魚同士の平均距離が大きく、接近行動の発生回数が少なかった。効果は小さかったが、複数のセッションにわたり一貫して観察された。手動による評価ではこの傾向を見逃していたが、これは観察者が魚が交差した際に個体を確実に追跡できなかったためである。自動化システムは、その化合物が社会的動機を変化させたという結論を証明したわけではない。あくまで空間的な配置パターンが変化したことを示したにすぎない。なぜこのような変化が生じたのかを明らかにするには、さらに詳しい検討が必要である。
自動化された社会行動解析には限界がある。それは、個体の位置や動きを測定するものであり、認知的な意味での動機、認識、好ましさといった要素を直接測定するものではない。たとえば、ある魚が他の魚の近くに留まる理由は、仲間を好んでいるからかもしれないし、リーダーを追っているからかもしれないし、水槽の形状によって物理的に近づかざるを得ないからかもしれない。トラッキングデータだけでは、こうした異なる解釈を区別することはできない。したがって、人間の判断力および厳密に設計された追加実験は、今後も不可欠である。
ハンター・ラボ(ハンター)は、社会的行動研究に不可欠な画像の安定性と複数対象の追跡機能に配慮したゼブラフィッシュ用実験装置を製造しています。また、製造および品質管理の面でも、長期的な行動研究に求められる再現性を支えています。社会的相互作用のパターンを測定する研究室にとって、こうした厳密な製造プロセスは、研究の基盤そのものなのです。