Territorio
Contenidos
“El interés ha sido especialmente alto entre los investigadores de primates, y nuestra tecnología ya está siendo utilizada por un grupo que investiga a los chimpancés salvajes en Uganda”, afirma Markus Marks. (Crédito: satya deep/Unsplash)
Los investigadores que se dedican a estudiar el comportamiento de los animales suelen contar con horas y horas de vídeo que analizan manualmente. Por lo general, esto requiere que los investigadores se abran paso a través de grabaciones que abarcan varias semanas o meses, anotando laboriosamente las observaciones sobre el comportamiento de los animales.
Ahora, investigadores de la ETH de Zúrich y de la Universidad de Zúrich han ideado una forma automatizada de analizar este tipo de grabaciones. El algoritmo de análisis de imágenes que han desarrollado utiliza la visión por ordenador y el aprendizaje automático. Puede distinguir animales individuales e identificar comportamientos específicos, como los que indican curiosidad, miedo o interacciones sociales armoniosas con otros miembros de su especie.
La tecnología ofrece a los científicos una solución de un solo clic para analizar automáticamente secuencias de vídeo, por muy largas o detalladas que sean las grabaciones. Otra ventaja del nuevo método es su reproducibilidad: si diferentes grupos de investigadores utilizan el mismo algoritmo para analizar sus datos de vídeo, la comparación de los resultados es más fácil porque todo se basa en los mismos estándares.
¿Cuáles son los 10 tipos de comportamiento animal?
son los efectos aleatorios a nivel individual, que se supone que se distribuyen normalmente de forma multivariada con medias cero y una matriz de varianza-covarianza homogénea de 2 × 2. En aras de la brevedad, presentamos ecuaciones con sólo interceptos, pero pueden incluirse covariables adicionales (es decir, efectos fijos) para modelar la medida en que los individuos exhiben relativamente más o menos del comportamiento k en lugar de la referencia.Cuando un intercepto variable a nivel individual es positivo (v
> 0), indica que el individuo i tiene una probabilidad superior a la media de mostrar el comportamiento k en lugar del comportamiento de referencia. Lo contrario ocurre con los interceptos variables que son negativos. La parametrización anterior modela la correlación de estos efectos aleatorios a través de las K – 1 categorías de respuesta. En el ejemplo anterior, la correlación se deriva de forma habitual: ρ
El cuadro 2 presenta las estadísticas descriptivas de las covariables de efectos fijos. Nos centramos inicialmente en la edad, siguiendo las predicciones de que los individuos se comportan de forma que aprovechan su fuerza y sus habilidades a diferentes edades. Por ejemplo, se espera que los varones adolescentes se centren en actividades que requieren relativamente poca fuerza y habilidad, como la pesca y el cuidado del ganado. A medida que maduran, se prevé que los hombres adultos se centren en actividades de gran fuerza y habilidad, como la caza y la limpieza de los campos. Se espera que los hombres mayores cuya fuerza ha disminuido se dediquen a actividades como la fabricación de herramientas y las actividades agrícolas rutinarias. Ajustamos polinomios de primer y segundo orden de la edad para permitir que la propensión a ciertos tipos de trabajo aumente y disminuya a lo largo de la vida (y viceversa).Tabla 2 Nombres de las variables predictoras, descripciones y estadísticas resumidasTabla de tamaño completo
Impresión
Con una tecnología asequible para capturar vídeos y nuevas herramientas de investigación que permiten realizar estudios a gran escala, algunos científicos del comportamiento se encuentran con más datos de los que podrían analizar. “Necesitamos técnicas automatizadas para seguir el ritmo de la tecnología”, dice la becaria de Janelia Kristin Branson, que dirigió el desarrollo del nuevo software. El equipo de Branson desarrolló el Anotador Automático de Comportamiento Animal de Janelia, o JAABA, para automatizar y estandarizar la tarea esencial, pero lenta, de clasificar el comportamiento animal.
El equipo de Branson describió JAABA en el número del 2 de diciembre de 2012 de la revista Nature Methods. Han demostrado que el software puede ser entrenado para reconocer comportamientos en una variedad de animales, incluyendo moscas de la fruta adultas, larvas de mosca de la fruta y ratones. El software puede descargarse gratuitamente en http://jaaba.sourceforge.net y puede ser utilizado por biólogos sin conocimientos informáticos o de aprendizaje automático, afirma Branson.
Este vídeo muestra un screencast de un usuario que empieza a entrenar un clasificador de alas de mosca. En este vídeo, el usuario etiqueta una serie de fotogramas en los que la mosca se acicala las alas y otra serie de fotogramas en los que la mosca no se acicala. El usuario deja un espacio entre el final de una de estas tandas y el comienzo de la siguiente, ya que es difícil etiquetar estos fotogramas de forma consistente. A continuación, el usuario entrena un clasificador inicial a partir de este primer conjunto de etiquetas, un proceso que dura unos segundos. El usuario examina las predicciones del clasificador resultante en los fotogramas que no están en los datos de entrenamiento. Este clasificador inicial comete varios errores, y el usuario etiqueta un tercer encuentro para corregir algunos errores. A continuación, el usuario vuelve a entrenar un nuevo clasificador y examina de nuevo las predicciones. Después de sólo tres combinaciones de etiquetas de entrenamiento, el clasificador hace predicciones razonables sobre datos que no están en el conjunto de entrenamiento.
Historia del comportamiento animal
IntroducciónLa experimentación con animales requiere siempre una evaluación ética que equilibre el beneficio científico y las posibles limitaciones al bienestar animal. Sin duda, la generación de datos de investigación de alta calidad es crucial para una mejor traslación de los datos experimentales a los seres humanos. En cuanto al bienestar, el estrés de los animales de laboratorio debe limitarse al mínimo. Afortunadamente, estos dos objetivos suelen ir perfectamente unidos porque es bien sabido que los datos derivados de animales no estresados son de mayor calidad, lo que se expresa, por ejemplo, en datos científicos más robustos y/o más consistentes [1, 2].
Una posibilidad bien conocida para minimizar el estrés del animal de laboratorio es la habituación previa a equipos experimentales y/o procedimientos de manipulación desconocidos [1, 3]. El término habituación tiene su origen en la biología del comportamiento y describe la disminución de una respuesta inducida por la exposición constante o repetida a un estímulo nuevo y muestra una forma simple de aprendizaje no asociativo [4]. Se distingue entre la habituación a lo largo del tiempo (intrasesión) y a lo largo de exposiciones repetidas (intersesión) [4]. En este original campo de la biología del comportamiento, el proceso de habituación es el principal objetivo de investigación y sirve de modelo para los mecanismos de aprendizaje y memoria no asociativos, así como para los estudios farmacológicos [4-6]. Uno de los parámetros más frecuentemente evaluados de la habituación es la disminución de la conducta exploratoria medida en la prueba de campo abierto (OF) como un cambio en la distancia recorrida o en la actividad. Una vez que el animal se familiariza con el nuevo entorno, la conducta exploratoria se reduce y se considera que el animal de laboratorio se ha habituado y el proceso de aprendizaje y memoria se ha completado [4].