- 4 次围观
生物体必须适应发生于多个时间尺度上的环境变化，而内源性多尺度时钟则通过将生理活动和行为与周期性环境节律相协调来发挥作用，其中包括占主导地位的24小时周期以及更快的超昼夜节律。马德拉蜚蠊（*Rhyparobia maderae*）为研究这种多尺度时间组织提供了适宜的模型。在本研究中，研究者在持续黑暗条件下，通过跑轮实验记录其运动活动。尽管内源性昼夜节律时钟产生了清晰可见的24小时节律，但运动行为是否还表现出其他时间尺度上的时间模式，仍是未知的。经典频率分析无法发现这些时间模式，因为它们被昼夜节律的高次谐波所掩盖，而后者处于相同的频率范围内。研究采用无监督机器学习方法，包括K均值聚类、自组织映射和高斯混合模型，以探寻运动活动中可能与昼夜周期相关的快速超昼夜节律。在应用这些方法之前，研究首先定义了若干数据指标，用于刻画活动间歇（称为“活动脉冲”）以及活动减弱时段。研究在这些活动指标中发现了一种随机模式，用以表征活动脉冲之间的时间间隔。综合所有分析方法，在活动峰值出现的时间上均识别出一种一致的、周期约为1小时的超昼夜节律。该节律主要在主观夜间被检测到，提示其受到昼夜节律控制；同时，该节律似乎由两个组分构成，其周期分别约为40分钟和1.5小时。本文提出的方法应用于两个活动水平不同的蜚蠊群体，并且可推广至以时间序列形式呈现且具有主导节律的多种数据集。
使用机器学习表征蟑螂 Rhyparobia maderae 的节律性转轮行为模式 | bioRxiv
跳转至主要内容
主页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
使用机器学习表征蟑螂 Rhyparobia maderae 的节律性转轮行为模式
Johanna Olschewski ， Angelika Brückner-Foit ， 查看 ORCID 个人档案 Natalia Filimonova ， 查看 ORCID 个人档案 Huleg Zolmon ， 查看 ORCID 个人档案 Monika Stengl ， 查看 ORCID 个人档案 Elfriede Friedmann
doi： https://doi.org/10.64898/2026.09.11.747745
Johanna Olschewski 1 卡塞尔大学：Universitat Kassel；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Angelika Brückner-Foit 1 卡塞尔大学：Universitat Kassel；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Natalia Filimonova 1 卡塞尔大学：Universitat Kassel；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Natalia Filimonova 的 ORCID 记录
Huleg Zolmon 1 卡塞尔大学：Universitat Kassel；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Huleg Zolmon 的 ORCID 记录
Monika Stengl 1 卡塞尔大学：Universitat Kassel；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Monika Stengl 的 ORCID 记录
Elfriede Friedmann 2 卡塞尔大学数学与自然科学系
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Elfriede Friedmann 的 ORCID 记录
通讯作者：
friedmann{at}mathematik.uni-kassel.de
摘要
信息/历史
指标
数据/代码
预览 PDF
摘要
生物体必须适应发生于多个时间尺度上的环境变化，而内源性多尺度生物钟则协调生理和行为，使其与反复出现的环境节律相匹配，其中包括占主导地位的 24 小时周期以及更快的超昼夜节律。马德拉蟑螂（Rhyparobia maderae）为研究这种多尺度时间组织提供了合适的模型。在本研究中，我们在持续黑暗条件下通过转轮实验记录了其运动活动。尽管内源性昼夜节律生物钟会产生清晰可见的 24 小时节律，但运动行为是否还表现出其他时间尺度上的时间模式，仍然未知。经典频率分析无法发现这些时间模式，因为它们被昼夜节律的高次谐波所掩盖，而这些高次谐波处于相同的频率范围内。研究采用无监督机器学习方法，包括 K-Means 聚类、自组织映射和高斯混合模型，以探寻运动活动中可能与昼夜节律周期相关的快速超昼夜节律。在应用这些方法之前，我们定义了用于刻画活动发作（称为活动脉冲）相对于低活动期的若干数据指标。在这些活动指标中发现了一种随机模式，该模式刻画了活动脉冲之间的时间间隔。在所有分析方法中，均一致识别出一种约为 1 小时的超昼夜节律，表现为活动峰值出现时间的节律性变化。这种节律主要在主观夜间检测到，提示其可能受到昼夜节律控制；同时，该节律似乎由两个周期成分构成，周期分别约为 40 分钟和 1.5 小时。本文提出的方法应用于两个活动水平不同的蟑螂群体，并且可推广至多种以时间序列形式出现、具有主导节律的数据集。
利益冲突声明
脚注
https://zenodo.org/records/21755835
版权
本预印本的，使其能够展示本预印本。
本内容依据
CC-BY 4.0 国际许可协议
提供。
返回顶部
上一篇
下一篇
发布于 2026 年 9 月 15 日。
下载 PDF
数据/代码
电子邮件
感谢您有意传播 bioRxiv 上的内容。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行一个，或用逗号分隔。
您即将发送以下内容
使用机器学习表征蟑螂 Rhyparobia maderae 的节律性转轮行为模式
邮件主题：（您的姓名）从 bioRxiv 网站转发了一个页面给您
邮件正文：（您的姓名）认为您可能会对 bioRxiv 网站上的此页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾邮件提交。
分享
使用机器学习表征蟑螂 Rhyparobia maderae 的节律性转轮行为模式
Johanna Olschewski ， Angelika Brückner-Foit ， Natalia Filimonova ， Huleg Zolmon ， Monika Stengl ， Elfriede Friedmann
bioRxiv 2026.09.11.747745； doi： https://doi.org/10.64898/2026.09.11.747745
分享本文：
复制
引用工具
使用机器学习表征蟑螂 Rhyparobia maderae 的节律性转轮行为模式
Johanna Olschewski ， Angelika Brückner-Foit ， Natalia Filimonova ， Huleg Zolmon ， Monika Stengl ， Elfriede Friedmann
bioRxiv 2026.09.11.747745； doi： https://doi.org/10.64898/2026.09.11.747745
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.11.747745v1?rss=1
🏷️ 马德拉蜚蠊 超昼夜节律 昼夜节律 跑轮行为 无监督机器学习