- 2 次围观
自动化家笼系统可在数天至数月内测量社会群体中个体的行为。在这些系统中，IntelliCage 已成为开展纵向且嵌入社会环境的行为表型分析的广泛应用平台。然而，与实验本身相比，其分析层面的标准化程度通常较低：原始导出数据、阶段定义、排除规则、时间对齐方式以及衍生行为指标，往往通过实验室特定的脚本进行转换，而这些脚本难以审计、比较或复用。我们提出了 ic-analysis，这是一套开源 Python 工具包，用于构建标准化、可脚本化且可共享的 IntelliCage 分析流程。该工具包将用户定义的实验元数据和工作流脚本，与包含可复用模块化分析及绘图函数的分析核心相分离，使用户能够灵活组装针对具体实验的分析流程，而无需修改软件包内部代码。得益于其模块化设计，该分析核心可应用于广泛的实验范式，包括一般活动、探索行为、动机行为、认知行为和社会行为读出，而不局限于单一固定协议。它能够在起始时间错开的笼次之间对齐生物学阶段窗口，并将图形与定量结果表、所采用的设置以及支持可重复性和 FAIR 报告的审计文件一并导出。在此，我们通过一个逼真的合成性场所学习/场所逆转实验展示了这一灵活设计；该实验包含两组小鼠，且有意设置了错开的笼次开始时间。该工作流在保留实验时间对齐要求的同时，成功检出了预先植入的行为差异。与 B 组相比，A 组表现出更强的终点蔗糖精 preference（81.7 ± 1.7% 对 27.4 ± 3.4%，p = 1.9e-）、更高的液体摄取量、更快的场所学习起始速度（56.6 ± 8.1 次访问对 278.3 ± 33.2 次访问），以及更好的逆转学习表现（获得奖励的正确角落访问比例为 64.1 ± 1.3% 对 25.6 ± 1.7%）。这一示范表明，标准化且明确定义的行为读出指标，能够将复杂的 IntelliCage 导出数据转化为可解释的行为特征，同时保留分析历史，以便进行检查和复用。因此，ic-analysis 既提供了一个可运行的分析框架，也为构建更易于重复、比较、扩展和共享的 IntelliCage 工作流，提供了一条具有可扩展性且有利于社区协作的路径。
自动化家笼系统可在数天至数月的时间内，对社会群体中的个体行为进行测量。在这些系统中，IntelliCage 已成为开展纵向且嵌入社会环境的行为表型分析的广泛应用平台。然而，与实验本身相比，其分析层面通常缺乏标准化：原始数据导出、阶段定义、排除规则、时间对齐以及衍生行为指标，往往通过实验室特定的脚本进行转换，而这些脚本难以审计、比较或复用。我们提出了 ic-analysis，一种开源 Python 工具包，用于构建标准化、可脚本化且易于共享的 IntelliCage 分析流程。该工具包将用户定义的实验元数据和工作流脚本，与包含模块化分析及绘图函数的可复用分析核心相分离，使用户能够灵活组装针对特定实验的分析流程，而无需修改软件包内部代码。得益于其模块化设计，该分析核心可应用于广泛的实验范式，包括一般活动、探索行为、动机行为、认知行为和社会行为测量，而不局限于单一固定方案。该工具能够对不同时间错开的笼舍运行中的生物学阶段窗口进行对齐，并在导出图形的同时，生成定量结果表、所采用的设置以及支持可重复性和 FAIR 报告的审计文件。在此，我们通过一个具有现实代表性的合成位置学习/位置反转实验展示了这一灵活设计；该实验包含两组小鼠，且各笼舍的启动时间经过刻意错开。该工作流在保留必要实验时间对齐的同时，成功识别出预先植入的行为差异。与 B 组相比，A 组表现出更强的终点蔗糖偏好（81.7 ± 1.7% 对比 27.4 ± 3.4%，p = 1.9e⁻⁹）、更高的液体摄入量、更快的位置学习起始速度（56.6 ± 8.1 次访问对比 278.3 ± 33.2 次访问），以及更好的反转学习表现（获得奖励的正确角落访问比例为 64.1 ± 1.3% 对比 25.6 ± 1.7%）。该示例表明，标准化且明确定义的行为测量指标，能够将复杂的 IntelliCage 导出数据转化为可解释的行为特征谱，同时保留分析历史，以便进行检查和复用。因此，ic-analysis 不仅提供了一个可运行的分析框架，也为构建更易于复现、比较、扩展和共享的 IntelliCage 工作流，提供了一条具有可扩展性且便于社区协作的路径。
感谢您有兴趣帮助传播 bioRxiv 的相关信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.06.749703v1?rss=1
🏷️ IntelliCage行为分析 自动化行为表型 标准化分析流程 可重复性研究 开源Python工具包