癲癇是一種影響數百萬人的重大疾病。盡管現代電生理學和成像方法提供了對癲癇多尺度腦回路故障的高分辨率訪問，但我們對癲癇行為如何變化的理解仍然淺顯。因此，為患有癲癇的兒童和成人篩查新療法仍然依賴於對動物模型中少數預先選擇的癲癇行為跡象的固有主觀，半定量評估。

斯坦福大學研究人員使用機器學習輔助的3D視頻分析來揭示患有獲得性和遺傳性癲癇的小鼠中隱藏的行為表型，並跟蹤它們在損傷後癲癇發生期間和對抗癲癇藥物的反應中的改變。結果表明，癲癇患者中行為的持續改變，並表明它們可以用於大規模快速、自動化的抗癲癇藥物檢測。

1. 亞秒級3D姿勢動力學的自動分析在發作間期識別和評估癲癇小鼠方麵優於經典方法

首先，研究人員探索是否可以在不需要侵入性腦電圖監測、行為測試和癲癇易感性實驗的情況下發現後天性和遺傳性癲癇小鼠模型的不同表型。對於後天性癲癇，研究人員使用了慢性顳葉癲癇(TLE)的單側海馬內紅藻氨酸(IHKA)模型，已知該模型可重現人類TLE的關鍵組織學、電圖和認知特征。

作者對發作間期60分鍾的3D視頻記錄並使用MoSeq的分析揭示了注射對照(CON)和IHKA小鼠，分別顯著上調和下調特定行為改變。然而，小鼠行為的整體可預測性保持不變，這表明IHKA並沒有深刻地改變行為的語法微觀結構。相較於訓練有素的觀測者，亞秒級、刻板的3D姿勢動力學監測即使在發作間期也能識別和評估癲癇動物，而無需監測動物數天或數周以進行觀察和計數通常不常見的行為發作。

2. 行為揭示了Dravet綜合征動物模型中先前未識別的性別特異性行為表型

接下來，作者檢查了遺傳性癲癇模型的行為表型，特別是攜帶SCN1B突變的小鼠模型，該模型與Dravet綜合征相關，這是一種嚴重的發育性和癲癇性腦病在兒童中。MoSeq成功地揭示了雌性SCN1B+/-小鼠行為的選擇性變化，行為顯著改變。此外，雄性SCN1B +/-小鼠與其野生型同窩小鼠相比沒有顯著差異。

這些結果揭示了SCN1B雜合缺失小鼠先前未被識別的性別特異性行為改變，說明了自動化、數據驅動的行為分析在遺傳性癲癇中的價值。

3. 顳葉癲癇小鼠模型中癲癇發生過程中不同時間點的不同行為表型

作者進一步確定了在發病的最初幾周內是否存在可區分的時間依賴性行為表型。IHKA注射會導致即刻的癲癇持續狀態(24小時內)，隨後持續大約1-2周的時間，其特征是海馬神經元死亡、炎症增加、突觸重組。作者通過比較IHKA注射一個月內每周采樣的單個60分鍾3D視頻記錄。MoSeq提供的行為的模塊化區分了小鼠在注射後不同周內的行為，同時也優於常用的指標。

通過歸一化統計行為表型發現第2-4周行為表型的行為子集彼此之間相似，但與注射IHKA後第1周的相比相似度更小。後幾周與歧視相關的行為相關，而注射後第一周更多與昏睡的行為相關。

4. 行為表型檢測加速客觀抗癲癇藥物篩查

MoSeq可通過小鼠在自由探索期間行為的潛在結構來自動區分注射了不同AED的小鼠。作者用高劑量或低劑量的三種不同AED(VAL、PHT和LEV)中的一種對野生型小鼠進行給藥，結果表明MoSeq在預測藥物方麵優於傳統分析方法。MoSeq捕獲了一個無偏見的行為模式譜，然後可用於識別AEDs在癲癇中的在靶和脫靶效應。

作者在TLE模型中的結果表明，該係統可用於區分用載體治療的IHKA小鼠與注射LEV的小鼠，其劑量先前顯示可降低該模型中的癲癇發作頻率。因此，該研究結果強調了MoSeq在AED篩查中的潛力，它以自動化方式測量不受限製的自然行為，而無需勞動密集型和昂貴的視頻腦電圖監測。使用MoSeq對癲癇發作行為進行無監督分割可以根據使用拉辛量表的人類觀察將癲癇發作行為分類為相似。

這些以發作期為重點的自動行為評估提供了與傳統癲癇發作評分係統的鏈接，並表明基於MoSeq的分析既可以應用於發作間期，也可以應用於癲癇發作的自動、無偏倚評估。

總 結

總之，盡管各種新工具具有為各種癲癇創建更好的動物模型的巨大潛力，並且還可以加速分子水平上的藥物發現，但目前癲癇研究中的行為評估實踐構成了推進癲癇機製見解和以可重複的方式大規模篩選新AED的主要瓶頸。該研究結果表明，對隱藏的發作間期和發作期行為表型的無偏檢測可能開始克服這一瓶頸，並推動該領域朝著無偏倚的癲癇評估方法發展。

國內，有一些專注於3D行為分析係統開發的團隊，感興趣的可以查看：

參考文獻

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