Neuron：癫痫模型中隐藏的行为表型——斯坦福团队借助最新3D视频分析的新发现
时间：2023-03-26 21:01:02 热度：37.1℃ 作者：网络
癫痫是一种影响数百万人的重大疾病。尽管现代电生理学和成像方法提供了对癫痫多尺度脑回路故障的高分辨率访问，但我们对癫痫行为如何变化的理解仍然浅显。因此，为患有癫痫的儿童和成人筛查新疗法仍然依赖于对动物模型中少数预先选择的癫痫行为迹象的固有主观，半定量评估。
斯坦福大学研究人员使用机器学习辅助的3D视频分析来揭示患有获得性和遗传性癫痫的小鼠中隐藏的行为表型，并跟踪它们在损伤后癫痫发生期间和对抗癫痫药物的反应中的改变。结果表明，癫痫患者中行为的持续改变，并表明它们可以用于大规模快速、自动化的抗癫痫药物检测。
1. 亚秒级3D姿势动力学的自动分析在发作间期识别和评估癫痫小鼠方面优于经典方法
首先，研究人员探索是否可以在不需要侵入性脑电图监测、行为测试和癫痫易感性实验的情况下发现后天性和遗传性癫痫小鼠模型的不同表型。对于后天性癫痫，研究人员使用了慢性颞叶癫痫 (TLE) 的单侧海马内红藻氨酸 (IHKA) 模型，已知该模型可重现人类TLE的关键组织学、电图和认知特征。
作者对发作间期60分钟的3D视频记录并使用MoSeq的分析揭示了注射对照 (CON) 和IHKA小鼠，分别显着上调和下调特定行为改变。然而，小鼠行为的整体可预测性保持不变，这表明IHKA并没有深刻地改变行为的语法微观结构。相较于训练有素的观测者，亚秒级、刻板的3D姿势动力学监测即使在发作间期也能识别和评估癫痫动物，而无需监测动物数天或数周以进行观察和计数通常不常见的行为发作。
图1.发作间期后天性和遗传性癫痫小鼠模型中隐藏的行为表型
2. 行为揭示了Dravet综合征动物模型中先前未识别的性别特异性行为表型
接下来，作者检查了遗传性癫痫模型的行为表型，特别是携带SCN1B突变的小鼠模型，该模型与Dravet综合征相关，这是一种严重的发育性和癫痫性脑病在儿童中。MoSeq成功地揭示了雌性SCN1B+/-小鼠行为的选择性变化，行为显着改变。此外，雄性SCN1B +/-小鼠与其野生型同窝小鼠相比没有显着差异。
这些结果揭示了SCN1B杂合缺失小鼠先前未被识别的性别特异性行为改变，说明了自动化、数据驱动的行为分析在遗传性癫痫中的价值。
3. 颞叶癫痫小鼠模型中癫痫发生过程中不同时间点的不同行为表型
作者进一步确定了在发病的最初几周内是否存在可区分的时间依赖性行为表型。IHKA注射会导致即刻的癫痫持续状态（24小时内），随后持续大约1-2周的时间，其特征是海马神经元死亡、炎症增加、突触重组。作者通过比较IHKA注射一个月内每周采样的单个60分钟3D视频记录。MoSeq提供的行为的模块化区分了小鼠在注射后不同周内的行为，同时也优于常用的指标。
通过归一化统计行为表型发现第2-4周行为表型的行为子集彼此之间相似，但与注射IHKA后第1周的相比相似度更小。后几周与歧视相关的行为相关，而注射后第一周更多与昏睡的行为相关。
图2.TLE小鼠模型中癫痫发生过程中的不同行为表型
4. 行为表型检测加速客观抗癫痫药物筛查
MoSeq可通过小鼠在自由探索期间行为的潜在结构来自动区分注射了不同AED的小鼠。作者用高剂量或低剂量的三种不同AED（VAL、PHT和LEV）中的一种对野生型小鼠进行给药，结果表明MoSeq在预测药物方面优于传统分析方法。MoSeq捕获了一个无偏见的行为模式谱，然后可用于识别AEDs在癫痫中的在靶和脱靶效应。
作者在TLE模型中的结果表明，该系统可用于区分用载体治疗的IHKA小鼠与注射LEV的小鼠，其剂量先前显示可降低该模型中的癫痫发作频率。因此，该研究结果强调了MoSeq在AED筛查中的潜力，它以自动化方式测量不受限制的自然行为，而无需劳动密集型和昂贵的视频脑电图监测。使用MoSeq对癫痫发作行为进行无监督分割可以根据使用拉辛量表的人类观察将癫痫发作行为分类为相似。
这些以发作期为重点的自动行为评估提供了与传统癫痫发作评分系统的链接，并表明基于MoSeq的分析既可以应用于发作间期，也可以应用于癫痫发作的自动、无偏倚评估。
总 结
总之，尽管各种新工具具有为各种癫痫创建更好的动物模型的巨大潜力，并且还可以加速分子水平上的药物发现，但目前癫痫研究中的行为评估实践构成了推进癫痫机制见解和以可重复的方式大规模筛选新AED的主要瓶颈。该研究结果表明，对隐藏的发作间期和发作期行为表型的无偏检测可能开始克服这一瓶颈，并推动该领域朝着无偏倚的癫痫评估方法发展。
国内，有一些专注于3D行为分析系统开发的团队，感兴趣的可以查看：
Gschwind T, Zeine A, Raikov I, et al. Hidden behavioral fingerprints in epilepsy [published online ahead of print, 2023 Feb 17]. Neuron. 2023;S0896-6273(23)00081-8. doi:10.1016/j.neuron.2023.02.003
