48、利用高速摄像、统计建模和机器学习测量小鼠躯体感觉反射行为

利用高速摄像、统计建模和机器学习测量小鼠躯体感觉反射行为

1. 引言

疼痛是一种复杂且主观的体验。在人类中，通常依据患者自身对疼痛的描述，并通过单评分疼痛量表进行大致量化评估。而在研究疼痛机制和筛选潜在新止痛药时，常使用啮齿动物等动物模型。然而，客观测量和解读啮齿动物的痛觉是一项巨大挑战。

目前，反射性退缩试验是测量啮齿动物痛觉最常用的方法，其中爪退缩试验备受青睐。这是因为该试验操作简单，新手实验人员易上手，结果即时呈现，实验装置成本低且搭建相对容易。与其他疼痛行为测试相比，它无需动物花费数小时甚至数天去完成或学习任务。此外，啮齿动物的爪退缩反射与人类对有害刺激的退缩反应相似，为该试验作为疼痛读数提供了表面效度。

不过，新止痛药从实验室到临床应用的成功率并不理想，这引发了对啮齿动物疼痛行为测试特异性、稳健性和有效性的质疑。传统上仅关注爪退缩发生率存在局限性，因为啮齿动物对有害和无害机械刺激的反应率相似，实验人员需主观判断刺激性质，但不同个体对刺激的感知可能不同，这导致研究结果在不同实验室间难以转化。

为解决这一问题，人们转向高速摄像技术来捕捉亚秒级的爪退缩特征。本研究不仅采用高速摄像，还应用主成分分析将多因素数据集转化为单维数据，并结合监督机器学习方法，为每次试验确定“类似疼痛”的概率，从而提高啮齿动物躯体感觉行为测试的精度和严谨性。

2. 实验材料

• 实验动物 ：选用从杰克逊实验室和查尔斯河购买的野生型小鼠，包括C57BL/6J近交系和CD - 1远交系。对于伤害感受器的光遗传学激活，使用了三种小鼠品系，均来自杰克逊实验室。同时，对雄性和雌性小鼠都进行行为测定，以控