Varför socialt beteende är svårare att mäta än enskilt aktivitet
Att mäta en fisk i ett akvarium är ett spårningsproblem. Att mäta flera fiskar samtidigt är ett spårningsproblem plus ett identitetsproblem. Sociala interaktionsmönster beror på att man vet vilken fisk som befinner sig nära vilken annan fisk, hur länge de stannar i närheten av varandra och hur gruppen omorganiserar sig över tid. Ett zebrafiskbeteendeanalyssystem måste lösa detta identitetsproblem innan det kan rapportera något om socialt beteende. Om identiteter byts ut när två fiskar korsar varandra blir datan en registrering av positioner snarare än en registrering av relationer.
Manuell observation kämpar med samma problem. En person som iakttar en akvarie kan följa en fisk en stund, men uppmärksamheten viker av. När flera fiskar rör sig samtidigt kan observatören inte hålla reda på alla identiteter. Resultatet blir ofta en grov uppfattning snarare än en kvantitativ mätning. Automatisering eliminerar inte svårigheten, men den gör identitetsproblemet explicit och lösbart.
Spåra identiteter när fiskar korsar varandra
Spårning av flera objekt är kärnan i mätning av socialt beteende. Programvaran identifierar varje fisk i varje bildruta och kopplar identifieringar mellan bildrutorna. När två fiskar passerar nära varandra blir kopplingssteget tvetydigt. En enkel närmaste-granne-regel misslyckas ofta och byter identiteter. Mer robusta system använder rörelseprediktion, till exempel en Kalman-filter, samt utseendefunktioner, såsom svansform eller kroppsstorlek, för att bibehålla stabila identiteter.
Ungerska algoritmen är vanlig för att tilldela identifieringar till befintliga spår. Den hittar den bästa ett-till-ett-matchningen baserat på en kostnadsmatris som kan inkludera avstånd, förutsagt position och utseende. Även med dessa verktyg förblir fördunkling en utmaning. Fiskar som simmar bakom en akvarieutrustning eller helt överlappar varandra kan gå förlorade under några bilder. Bra system hanterar korta luckor och rapporterar konfidenspoäng så att användaren vet när ett spår är osäkert.
Avstånds- och närhetsmått som fångar social preferens
När identiteterna är stabila kan systemet beräkna sociala mått. Det enklaste är avståndet mellan fiskar, vilket är avståndet mellan en fisk och dess närmaste granne. Genomsnittligt avstånd mellan fiskar i en grupp ger en grov uppskattning av sammanhållning. Ett mindre genomsnittligt avstånd tyder på en tätare skola. Ett större genomsnittligt avstånd tyder på att fiskarna sprider ut sig.
Andra mått ger ytterligare nyanser. Avståndet till närmaste granne fokuserar på den närmaste fisken och kan avslöja parningsbeteende. Tiden som tillbringas inom en definierad radie från en annan fisk mäter preferensen för närhet. Antalet gånger fisken rör sig mot eller bort från en annan fisk räknas som närmanden och avvikelser. Dessa mått kan beräknas för hela gruppen eller för specifika par, beroende på vilken fråga som ställs. Ett zebrafisk-beteendeanalyssystem rapporterar vanligtvis flera av dessa mått samtidigt, vilket hjälper till att skilja mellan olika aspekter av social interaktion.
| Målet med mätningen | Manuell observation | Automatiserat spårningssystem |
|---|---|---|
| Avstånd mellan fiskar | Uppskattas visuellt | Beräknas per bildruta |
| Identitetsbeständighet | Svårt när fiskar korsar varandra | Upprätthålls med hjälp av prediktion och utseende |
| Gruppsammanhållning | Grovt intryck | Genomsnittlig avståndsmått och klustringsmått |
| Närmande och avlägsnande | Lätt att missa | Räknas automatiskt |
| Tid i närheten | Olika mellan observatörer | Definieras av radie och varaktighet |
Gruppdynamik och skolförmedlingsmönster
Social interaktion handlar inte bara om genomsnittligt avstånd. Den handlar också om hur gruppen rör sig tillsammans. Skolförmedlingsmönster inkluderar polarisering, vilket är justeringen av simriktning bland fiskar, och rotation, vilket är benägenheten att simma i en samordnad cirkel. Dessa mönster uppstår från lokala interaktioner och är svåra att upptäcka med blotta ögat.
Automatiserad spårning kan beräkna dem från banor. Polarisation är genomsnittsriktningen för fiskarnas rörelser. Rotation mäts från vinkelhastigheten kring gruppens tyngdpunkt. Dessa mått är känsliga för gruppstorlek, akvariumform och strömning. En grupp i ett cirkulärt akvarium kan visa andra mönster än en grupp i ett rektangulärt akvarium. Systemet rapporterar siffrorna, men forskaren måste tolka dem i sammanhanget.
Miljöfaktorer som påverkar data om social interaktion
Socialt beteende sker inte i ett vakuum. Vattentemperaturen påverkar aktivitetsnivån och därmed hur nära varandra fiskarna håller sig. Ljusintensiteten påverkar uppmärksamheten och flockningstendensen. Akvariumstorlek och -form definierar det utrymme som finns tillgängligt för interaktion. Hållningsdensiteten före experimentet påverkar det sociala beteendet i grundläget. Fiskar som hållits i isolering kan bete sig annorlunda än fiskar som hållits i grupper.
Zebrafiskens beteendeanalyssystem kan logga många av dessa variabler om sensorerna är anslutna. Men det kan inte styra boendehistorik eller genetisk bakgrund. Dessa faktorer måste dokumenteras separat och beaktas vid tolkning av data. En social måttstock som ser olika ut mellan två grupper kan återspegla en behandlingseffekt, en boende-effekt eller en interaktion mellan dessa två.
Ett fältexempel och gränserna för automatiserad social analys
Ett universitetslaboratorium i södra Kina undersökte effekterna av en förening på det sociala beteendet hos vuxna zebrafiskar. Den första omgången använde manuell bedömning. Observatörer räknade hur ofta fiskarna simmade nära varandra, men resultaten var inkonsekventa mellan olika personer och mellan olika sessioner. Laboratoriet installerade sedan ett zebrafisk-beteendeanalyssystem med spårning av flera objekt.
Den automatiserade datan visade att de behandlade grupperna hade ett större genomsnittligt avstånd mellan fiskar och färre närmandehändelser än kontrollgrupperna. Effekten var liten men konsekvent över alla sessioner. Manuell bedömning hade missat den eftersom observatörerna inte kunde spåra identiteter tillförlitligt när fiskarna korsade varandra. Det automatiserade systemet bevisade inte att föreningen ändrade social motivation. Det visade att det spatiala mönstret ändrades. Efterföljande arbete skulle krävas för att förstå varför.
Automatiserad social analys har begränsningar. Den mäter positioner och rörelser. Den mäter inte motivation, igenkännande eller preferens i kognitiv mening. En fisk kan stanna nära en annan fisk därför att den föredrar sällskap, därför att den följer en ledare eller därför att akvariet geometri begränsar den. Spårningsdata kan inte skilja mellan dessa förklaringar. Mänsklig bedömning och noggrant utformade efterföljande experiment är fortfarande nödvändiga.
Hunter Lab (Hunter) tillverkar laboratorieutrustning för zebrafiskar med fokus på avbildningsstabilitet och spårning av flera objekt, vilket är avgörande för studier av socialt beteende. Tillverknings- och kvalitetskontrollprocessen säkerställer den konsekvens som långsiktiga beteendestudier kräver. För laboratorier som mäter mönster i social interaktion är denna typ av tillverkningsdisciplin en del av grunden.