図面 (/)

技術 行動監視及び較正用システム及び方法

出願人 ザ・リージェンツ・オブ・ジ・ユニバーシティ・オブ・カリフォルニア
発明者 グールディング・エヴァンシェンク・カトリンテコット・ローレンス
出願日 2009年1月21日 (8年10ヶ月経過) 出願番号 2010-544397
公開日 2011年5月6日 (6年7ヶ月経過) 公開番号 2011-514576
状態 特許登録済
技術分野 デジタル計算機のユーザインターフェイス 指示記録装置の試験較正と測定試験一般 デジタル計算機の表示出力 デジタル計算機のユーザインターフェイス 特定用途計算機
主要キーワード 一枚岩的 遮断データ グローバル最小値 体積状態 特徴的位置 中央回転軸 共通タイプ 測定ウインドウ

この技術の活用可能性のある市場・分野

関連する未来課題
重要な関連分野

この技術に関連する成長市場

関連メディア astavision

  • 人工筋肉・ソフトアクチュエータ

    人工筋肉とは、ゴムや導電性ポリマー、形状記憶合金、カーボン・ナノチューブなどで作られた伸縮性のアクチ…

  • 3Dプリンター医学応用

    3Dプリンタ、正しくは、積層造形(AM:Additive Manufacturing)技術は、今や家…

  • CCS(CO2の分離・回収、地下・海底貯留)

    CCS(Carbon dioxide Capture and Storage:二酸化炭素回収・貯蔵技…

後で読みたい技術情報を見つけたら、ブックマークしておきましょう!

ページの右上にあるブックマークボタンからこのページをブックマークできます。
あなたがブックマークした技術情報は、いつでもマイページのリストから閲覧することが出来ます。

この項目の情報は公開日時点(2011年5月6日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

高分解能行動データ濾過及び解析用のツールを含む、一定区域内の被験動物の種々の行動の解析用システム及び方法を提供する。

解決手段

これらのシステム及び方法は従来達成出来なかった精度及び定量化レベルにおいて行動パタンを検討する機会を提供する。品質評価及び制御、文書管理、データ質問データ縮小解析工程及び可視化技術を含み、行動監視システムによって生成される膨大で独特データセット管理及び解析する方法とシステムが提供される。自発的行動のかかる詳細な解析により、行動の神経的組織化への基本洞察が得られ、脳機能への遺伝学的、薬学的及び環境的影響高感度検索が可能となる。

背景

生存及び繁殖のために自然環境における動物食物の獲得、捕食動物からの逃避避難所及び性的配偶者の追及など様々な行動従事する。或る行動の実施について最適な時間と場所とを決定するのは環境限定条件であり、多くの行動を同時に実施できるものでもない故、動物にとっては或る行動の実施に当たりその時間と場所について適当に優先順位を決定し計画することが必須である。その結果、自由状態の動物の行動の編成は環境への適応象徴するものである。この編成とは中枢神経系の全体的活動に依存するものであり、例えばエネルギーバランス温度状態浸透性体積状態睡眠生殖、自衛及び環境同調化など種々の生理学的及び行動システムの機能及び反応を反映するものである。従って、自由状態の動物の行動の編成を監視して特徴付け能力は多くの生理学的及び行動システムの機能及び反応を試験する高感度試金物を供する可能性がある。

近年における生物工学分野での進歩を複雑な哺乳類動物の行動の神経下地層解析に使用するには現時点において実質的問題が存在する。哺乳類遺伝子学、医学用化学及び情報技術での分野に見られる急速の進歩に比較して、ネズミ及びその他の哺乳類の行動評価技術の発展遅れている。これらの手法は精神分裂病うつ病、不安症などの普遍的な精神神経性状態に関係する脳活動への遺伝子、薬剤、及び環境の影響を検索するのに必須なものである。例えば幾つもの行動テストを行うからと言ってネズミを何度も棲み処から取り出すというような普遍的所作は、(1)時間がかかり労働集約的ある、(2)テスト管理の順序によってテストの結果が歪められる、(3)棲み処から取り出されるネズミはストレスを受けるから行動データ解釈混乱する、(4)研究での主焦点にない行動分野を考慮しない(例えば学習に関するテストにおける不安感の影響)ことによりデータが往々誤解される、などの理由で問題である。

概要

高分解能行動データの濾過及び解析用のツールを含む、一定区域内の被験動物の種々の行動の解析用システム及び方法を提供する。これらのシステム及び方法は従来達成出来なかった精度及び定量化レベルにおいて行動パタンを検討する機会を提供する。品質評価及び制御、文書管理、データ質問データ縮小、解析工程及び可視化技術を含み、行動監視システムによって生成される膨大で独特データセット管理及び解析する方法とシステムが提供される。自発的行動のかかる詳細な解析により、行動の神経的組織化への基本洞察が得られ、脳機能への遺伝学的、薬学的及び環境的影響の高感度の検索が可能となる。

目的

赤紫色の点はWTネズミがOBネズミより有意義的により多くの活性状態を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

測定期間に亘って測定システムを使用して収集された動物行動データセット濾過する方法であって、上記データは一定の測定地域内での被験動物空間的位置に関するイベント情報一定地域における既知箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報、及び位置及び装置イベント情報に関連した時間情報から成るものであり、上記方法は収集された行動データを入力する工程、行動データを解析して(1)装置イベント情報と不一致位置情報を装置の既知の位置に基づいて、 及び/或は(2)一個以上の装置に関し、その他の装置に関する装置イベント情報と不一致な装置イベントを装置イベントに関連する時間情報に基づいて検出する工程と、検出された不一致の少なくとも幾らかに基づいてデータを更新する工程とから成る方法。

請求項2

一個以上の装置に関し、その他の装置に関する装置イベント情報と不一致な装置イベントが同時或は重複する時間帯或は閾値の時間帯に発生する第一及び第二装置の装置イベントを同定する工程から成るものである、請求項1に記載の方法。

請求項3

行動データを解析する工程が虚偽装置イベント開始を同定する工程から成るものである、請求項1に記載の方法。

請求項4

装置イベント情報と不一致な位置情報を検出する工程が、少なくとも若干の装置イベントの間の位置情報を装置の既知の位置に基づいて予期される動物の位置と比較することにより位置情報の修正計算する工程から成るものである、請求項1に記載の方法。

請求項5

装置イベント情報と不一致な位置情報を検出する工程が、装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する工程から成るものである、請求項1に記載の方法。

請求項6

装置イベントが被験動物による固体及び/或は液体の摂取に関する情報である、請求項1に記載の方法。

請求項7

一定地域が檻内部の地域である、請求項1に記載の方法。

請求項8

被験動物がげっ歯動物である、請求項1に記載の方法。

請求項9

装置が、食品消費表示器から成るものである、請求項1に記載の方法。

請求項10

装置が、液体消費表示器から成るものである、請求項1に記載の方法。

請求項11

装置が、薬品消費表示器から成るものである、請求項1に記載の方法。

請求項12

装置が、感覚刺激に対する被験動物の応答オペラント応答、或は新規対象への応答の少なくとも一個の表示器から成るものである、請求項1に記載の方法。

請求項13

測定期間に亘って測定システムを使用して収集された動物行動データのセットを濾過する方法であって、上記データは一定の測定地域内での被験動物の空間的位置に関するイベント情報、及び一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から成るものであり、上記方法は収集された行動データを入力する工程と、虚偽装置イベント開始を同定して関連する装置イベント情報を削除する工程と、少なくとも若干の装置イベントの間の位置情報を装置の既知の位置に基づいて予期される動物の位置と比較することにより位置情報への修正を計算する工程と、計算された修正に基づいて位置情報を更新する工程と、装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する工程とから成る方法。

請求項14

虚偽装置イベントの同定が、測定された位置のドリフトを測定期間に亘って時間の関数として計算する工程と、各装置イベントに対し、装置イベントの時間における測定された位置のドリフトを装置イベントドリフトと比較する工程とから成る、請求項13に記載の方法。

請求項15

虚偽装置イベントの同定が、各装置イベントに対し、装置イベントの時間における測定された位置のドリフトと装置イベントドリフトとの差を計算する工程と、この差が既定の閾値を越える場合、装置イベント開始エラーの可能性ありとしてこの装置イベントをフラッグする工程とから更に成る、請求項14に記載の方法。

請求項16

虚偽装置イベント開始を同定して関連する装置イベント情報を削除する工程が、フラッグされた装置イベントの各々に関連するイベント情報を削除するか決定するために、フラッグされた装置イベントの表を使用者に提供する工程から成るものである、請求項15に記載の方法。

請求項17

各位置座標に関して、測定された位置のドリフトを、時間に対する定義された地域のその座標に沿った動物の測定された運動境界の位置包絡線生成することによって計算する工程から更に成るものである、請求項14に記載の方法。

請求項18

測定された位置のドリフトを測定する工程が、各座標に関して位置包絡線からの最大最小の位置のドリフトを推定する工程から成るものである、請求項17に記載の方法。

請求項19

最大と最小の位置のドリフトを平均して測定期間に亘る時間に対する測定された位置のドリフトを計算する工程から更に成るものである、請求項18に記載の方法。

請求項20

位置包絡線を生成する工程が連続する凸状殻体を時間に対する座標位置フィットする工程から成り、その頂点は座標位置の包絡線を定義するものであり、凸状殻体をフィットする工程は凸状殻体の各側の最小から最大位置までの距離が少なくとも既定の量になるまで殻体拡張するものである、請求項17に記載の方法。

請求項21

既定の量が座標に沿った測定された地域の全長の少なくとも70%である、請求項20に記載の方法。

請求項22

装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する工程が、 一定の装置に関連したすべての装置イベントの位置情報を受ける工程と、各装置イベントに関し、装置イベントの開始位置から最大距離を有する位置を決定する工程と、密集化解析を実施して最大距離位置を密集化する工程と、装置の既知の位置に基づき、装置イベント間における予期される動物位置にもっとも近いクラスターを受ける工程と、受けられたクラスター以外で最大距離位置を有するイベントに関連するすべての装置イベント情報を削除する工程とから成るものである、請求項13に記載の方法。

請求項23

測定システムのプラットフォームエラーを検出する工程から更に成り、このプラットフォームエラー検出工程が、測定地域の凸状殻体を生成し、測定地域足跡を定義する工程と、測定期間内の動物の総ての測定された位置の凸状殻体を生成する工程と、凸状殻体の重複を計算する工程と、凸状殻体の間の重複の量及び定義された測定地域での運動に関する既知の情報に基づいて測定期間に収集されたデータを排除するか決定する工程とから成るものである、請求項13に記載の方法。

請求項24

測定期間に亘って収集された動物行動データのセットにおける虚偽の可能性のある装置イベントを同定する方法であって、上記データは一定の測定地域の被験動物の空間位置に関するイベント情報及び一定地区の既知の位置にある測定装置における或いはそれに対する被験動物の行動に関する装置イベント情報とから成る方法であって、位置測定総合ドリフトを測定期間の時間の関数として計算する工程と、各装置イベントに関し、装置の既知の位置に基づく動物の推定位置と装置イベントの間の動物の測定された位置とを比較して装置イベントドリフトを計算し、装置イベントドリフトを装置イベントの時における総合ドリフトと比較する工程とから成るものである方法。

請求項25

測定期間に亘って収集された動物行動データのセットにおける位置測定のドリフトを計算する方法であって、上記データは一定地域の被験動物の空間位置に関するイベント情報から成る方法であり、時間に対して位置の連続的な凸状殻体を生成し、それにより測定期間における被験動物の測定位置の境界を定義する位置包絡線を生成する工程と、最大位置のドリフトと最小位置のドリフトとを時間の関数としてこの位置包絡線から決定する工程と、これら最大及び最小位置ドリフトから総合位置ドリフトを時間の関数として計算する工程とから成るものである方法。

請求項26

空間次元の各々について総合位置ドリフトが独立に計算されるものである、請求項25に記載の方法。

請求項27

時間に対して位置の連続的な凸状殻体を生成する工程が連続する凸状殻体を時間に対する次元位置にフィットする工程から成り、その頂点は次元位置の包絡線を定義するものであり、凸状殻体をフィットする工程は凸状殻体の各側の最小から最大位置までの距離が定義された区域の総次元長の少なくとも既定の割合になるまで殻体を拡張するものである、請求項26に記載の方法。

請求項28

総合位置ドリフトが最大及び最小位置でのドリフトを平均して計算されるものである、請求項25に記載の方法。

請求項29

測定期間に亘って測定システムを使用し収集された動物行動データのセットにおける動物位置情報を修正する方法であって、上記データは一定の地域の被験動物の空間位置に関するイベント情報及び一定地区の既知の位置にある一個以上の種類の装置における或いはそれに対する被験動物の行動に関する装置イベント情報とから成る方法であって、測定期間における対象の位置対時間のデータを入力する工程と、一個よけいの種類の装置における動物行動に関する装置イベント情報を入力する工程と、装置の既知の位置に基づいて第二装置イベントにおける被験動物の測定された位置を動物の予期された位置と比較することにより第一と第二装置イベントの間の測定された位置を修正し、測定された及び予期された位置の間の差が既定の閾値を超過する場合には決定し、差が既定の閾値を超過する場合には差を測定された位置に分配してそれらを修正することにより位置情報を修正する工程とから成る方法。

請求項30

測定された及び予期された位置の間の差が連続した位置の間の距離で加重されて分配されるものである,請求項29に記載の方法。

請求項31

或るタイプの第一装置イベントにおける空間位置座標初期化する工程と、そのタイプの総てのその後の装置イベントとそのタイプのそれ以前の装置イベントの間の測定された位置を修正する工程とから更に成るものである,請求項29に記載の方法。

請求項32

一個以上のタイプの装置イベントのため総ての或るタイプの連続した装置イベントの間の運動位置を修正する工程から成るものである、請求項29に記載の方法。

請求項33

測定期間に亘って測定システムを使用して収集された動物行動データのセットの中の装置イベントの終了の検出に関する測定システムの不成功を同定する方法であって、上記データは一定の地域内での被験動物の空間的位置に関するイベント情報、及び一定地域における既知の箇所における一つ以上のタイプの装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から成るものであり、上記方法は共通タイプの総ての装置イベントの間の位置情報を入力する工程と、そのタイプの各装置イベントに関し、その装置イベント開始位置からの最大距離を有する位置を決定する工程と、密集解析を実施して最大距離位置を密集させる工程と、装置の既知の位置に基づいて装置イベントの間の動物の予期される位置に最も近いクラスターを入力する工程と、入力されたクラスター外の最大距離位置を有するイベントに関連する装置イベント情報を除去する工程とから成る、方法。

請求項34

動物行動データを収集するためのシステムにおけるプラットフォーム誤動作を検出する方法であって、上記データは測定地域内での被験動物の空間的位置に関するイベント情報から成り、上記方法は測定地域の凸状殻体を生成し、測定地域足跡を定義する工程と、測定期間内の動物の総ての収集された位置の凸状殻体を生成する工程と、凸状殻体の重複を計算する工程と、凸状殻体の間の重複の量及び定義された測定地域での運動に関する既知の情報に基づいて測定期間に収集されたデータを排除するか決定する工程とから成るものである、する工程とから成る、方法。

請求項35

システムが被験動物の空間的位置を検出するためのロードビームから成るものである、請求項34に記載の方法。

請求項36

プラットフォーム誤動作の検出がロードビーム飽和誤動作を検出する工程から成るものである、請求項35に記載の方法。

請求項37

動物行動データのセットを濾過及び表示するコンピュータ実装の方法であって、上記のデータは一定の測定地域内での被験動物の空間的位置及び運動に関するイベント情報及び一定地域における既知の箇所における一個以上の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から成るものであり、上記の方法は収集された行動データセットを入力する工程と、潜在的虚偽装置イベント開始を同定する工程と、潜在的虚偽運動イベントを同定する工程と、同定された潜在的虚偽装置イベント及び同定された潜在的虚偽運動イベント情報を使用者に供する工程と、同定された虚偽情報に関連し、使用者に選択され、コンピュータシステムへの使用者入力によって受領される品質指標を受ける工程と、装置イベント情報を使用者に選択される品質指標に基づいて行動データから除外し、更新されたデータセットを生成する工程と、更新されたデータセットに基づいて位置情報を修正する工程とから成るものである、方法。

請求項38

修正された位置情報を使用する工程と測定システムによる装置イベントの終了の検出不成功の結果であるデータを同定する工程とから更に成るものである、請求項37に記載のコンピュータ実装の方法。

請求項39

潜在的虚偽装置イベントを同定する工程が測定期間に亘る位置測定における総合ドリフトを計算する工程、装置イベントの各々に関して動物の予期される位置を装置の既知の位置に基づいて装置イベントの間の動物の測定された位置と比較して装置イベントドリフトを計算する工程、及び装置イベントドリフトを装置イベントの時間における総合ドリフトと比較する工程とから成るものである、請求項37に記載のコンピュータ実装の方法。

請求項40

同定された潜在的虚偽装置イベント及び同定された潜在的虚偽運動イベント情報を使用者に供する工程が、測定期間に亘る位置測定の総合ドリフトを表示する図を供する工程から成るものである、請求項39に記載のコンピュータ実装の方法。

請求項41

同定された潜在的虚偽装置イベント及び同定された潜在的虚偽運動イベント情報を使用者に供する工程が、各装置イベントに関して総合ドリフトと装置イベントドリフトの相違を表示する図を供する工程から成るものである、請求項39に記載のコンピュータ実装の方法。

請求項42

使用者に予期された相関からの偏差を供する工程から更に成るものである、請求項37に記載のコンピュータ実装の方法。

請求項43

測定システムを使用して収集された動物行動データを解析する自動化された方法であって、上記行動データは一定の測定地域内の動物の位置に関する空間及び時間情報から成るものであり、上記方法が空間及び時間情報を使用して被験動物の活性及び不活性状態の間の遷移を同定する工程から成るものである自動化された方法。

請求項44

空間情報と時間情報の両方を使用して同定された活性状態内の行動状態特徴付ける工程から更に成るものである請求項43に記載の自動化されたもの。

請求項45

測定システムを使用して収集された動物行動データを解析する方法であって、上記行動データは一定の測定地域内の動物の位置に関する空間的及び時間的情報から成り、上記方法は空間的情報を使用して活性及び不活性状態間の遷移を同定し、時間的期間内の被験動物運動の間の最長持続時間の位置の決定から成るものである、方法。

請求項46

空間的情報を使用して活性及び不活性状態間の遷移を同定する工程が最長持続時間の位置からのその時間的期間内における被験動物のその他の位置の相対的距離を決定する工程から更に成るものである、請求項45に記載の方法。

請求項47

活性及び不活性状態間の遷移を同定する工程が不活性位置持続時間閾値を決定する工程から成るものである、請求項45に記載の方法。

請求項48

空間的情報と時間的情報の両方を使用して同定された活性状態内の行動状態を特徴付ける工程から更に成るものである、請求項45に記載の方法。

請求項49

測定システムを使用して測定期間に亘り収集された動物行動データから時間ウインドウ内の被験動物の不活性状態を同定する方法であって、この動物行動データは測定地域内での被験動物の空間的位置に関するイベント情報から成り、上記方法は時間ウインドウ内での被験動物の空間的位置に関するイベント情報を入力する工程と、上記イベント情報を解析して時間ウインドウ内の位置の持続時間に関する情報を決定する工程と、時間ウインドウ内における最長持続時間位置を決定する工程と、最長持続時間位置から各位置への空間的距離に関する情報を決定する工程と、距離及び持続時間情報を使用して時間ウインドウ内の被験動物の不活性状態を同定する工程とから成るものである、方法。

請求項50

動物行動データが測定地域における既知の箇所における一つ以上のタイプの装置における及びそれに対するこの被験動物の行動に関する装置イベント情報から更に成り、同定された不活性状態内で発生する如何なる装置イベントをも同定する工程から更に成るものである、請求項49に記載の方法。

請求項51

不活性状態エラー率に基づいて分類を更新する工程から更に成るものである、請求項50に記載の方法。

請求項52

不活性状態エラー率が同定された不活性状態の間の装置イベントの発生によるものである、請求項50に記載の方法。

請求項53

装置イベントを有する不活性状態を活性状態と再分類する工程から更に成るものである、請求項50に記載の方法。

請求項54

活性状態エラー率を計算する工程から更に成るものである、請求項50に記載の方法。

請求項55

活性状態エラー率を計算する工程が各活性状態の間に被験動物によって占められた地区を不活性状態の間にその動物で占められた地区と比較する工程から成るものである、請求項54に記載の方法。

請求項56

その測定期間において複数の時間ウインドウ用に被験動物の不活性状態を同定し、時間ウインドウを選択する工程から更に成るものである、請求項49に記載の方法。

請求項57

位置の持続時間を決定するのに二つの連続する位置の間の最小距離を定義するものである複数の運動閾値用に被験動物の不活性状態を同定する工程と運動閾値を選択する工程とから更に成るものである、請求項49に記載の方法。

請求項58

測定システムを使用して測定期間に亘って収集された被験動物行動データのセットを解析する自動化された方法であって、その測定期間における一定地域内での被験動物に関する位置追跡情報及びその測定期間における一個以上の時間的パタンに関する情報を受ける工程と、その位置追跡情報及び時間的情報を使用して一個以上の行動のバウトを同定する工程とから成る、自動化された方法。

請求項59

その一定測定地域における既知の箇所における一個以上の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報を受ける工程から更に成り、各装置が特定の行動に関するものである、請求項58に記載の方法。

請求項60

測定システムを使用して測定期間に亘って収集された被験動物行動データのセットを解析する方法であって、その測定期間における被験動物の空間的位置に関する空間情報及びその測定期間における一個以上の行動の時間的パタンに関する情報を入力する工程と、その空間的情報及び時間的情報を使用して一個以上の行動のバウトを同定する工程とから成り、この空間的情報はイベントの間及びイベント間間隔における被験動物の空間的位置に関する情報から成り、イベント間の間隔とは装置における連続した装置イベントの間の間隔のことである、方法。

請求項61

空間的情報を使用して行動バウトを同定する工程が各イベント間間隔に関する最遠イベント間間隔位置MDIP)を決定する工程から成り、このMDIPとはこのイベント間間隔における被験動物の装置からの最大距離のことである、請求項60に記載の方法。

請求項62

空間的情報を使用して行動バウトを同定する工程が各MDIPについてそれが考慮中の装置のところ或いはそれから離れているかに分類する工程から成るものである、請求項61に記載の方法。

請求項63

各MDIPについてそれが考慮中の装置のところ或いはそれから離れているかに分類する工程がそのイベント間間隔においてその被験動物がその装置のところにいる確率を決定する工程から成るものである、請求項62に記載の方法。

請求項64

空間的情報を使用して行動バウトを同定する工程が決定されたMDIPに二変量正規混合モデルをフィットする工程から成るものである、請求項63に記載の方法。

請求項65

混合モデルをフィットする工程が以前の正規分布からの局地的データセットの生成を利用する自動化初期化法を使用して可能なすべての結合と共に更なる初期化のために以前の分布の各々を二部に分割する工程から成るものである、請求項64に記載の方法。

請求項66

時間的情報がイベント間間隔持続時間(ID)の各々に関する情報から成り、イベント間間隔が装置における連続した装置イベントの間の間隔である、請求項60に記載の方法。

請求項67

時間的情報を使用して行動のバウトを同定する工程が対数正規分布混合をID分布にフィットする工程から成るものである、請求項66に記載の方法。

請求項68

対数正規分布は動物が装置のところに留まる確率に基づいて二部に分割されるものである、請求項67に記載の方法。

請求項69

対数正規分布はイベント間間隔における動物の位置に関する空間的情報に基づいて二部に分割されるものである、請求項67に記載の方法。

請求項70

空間的情報及び時間的情報を使用して一個以上の行動のバウトを同定する工程が各イベント間間隔に関し動物が装置のところにいる確率を推定しそのイベント間間隔の持続時間を他のイベント間間隔の持続時間と比較する工程から成るものである、請求項60に記載の方法。

請求項71

テストグループの行動データパタンを制御グループのそれと比較する方法であって、テスト被験動物のグループに関連する行動データから成るテストデータセットを入力する工程と、制御被験動物のグループに関連する行動データから成る制御データセットを入力する工程と、テスト及び制御データセットからの行動データを結合する工程と、結合されたデータセットを選択された数のクラスターへ密集化する工程と、制御及びテストデータセットの中の行動データは同じであるとの仮定に基づいて各クラスターに関してカイ二乗の統計を計算する工程と、すべてのクラスターのカイ二乗の統計を加算してテストグループデータと制御グループデータの間の差の度合を求める工程と、テスト及び制御グループ間の被験動物のデータを並び替えてこの差の意義の度合いを得る工程と、この差が統計的に有意義である場合には、この差に最も貢献するクラスターを決定する工程戸から成る方法。

請求項72

グループ比較の中の間及び間のデルタカイ二乗のp値を最小化してクラスターの数を選択する工程から更に成るものである、請求項71に記載の方法。

請求項73

運動のパタンが比較されるものである、請求項71に記載の方法。

請求項74

摂食のパタンが比較されるものである、請求項71に記載の方法。

請求項75

摂飲のパタンが比較されるものである、請求項71に記載の方法。

請求項76

薬品摂取のパタンが比較されるものである、請求項71に記載の方法。

請求項77

睡眠のパタンが比較されるものである、請求項71に記載の方法。

請求項78

テスト対象とのコンタクトのパタンが比較されるものである、請求項71に記載の方法。

請求項79

他の動物或いは感覚的刺激への応答のパタンが比較されるものである、請求項71に記載の方法。

請求項80

オペラント応答のパタンが比較されるものである、請求項71に記載の方法。

請求項81

生理学的測定が比較されるものである、請求項71に記載の方法。

請求項82

生理学的測定が心拍率、新陳代謝率、血圧体温の一つから選ばれるものである、請求項81に記載の方法。

請求項83

活性状態頻度或いは持続時間が比較されるものである、請求項71に記載の方法。

請求項84

不活性状態頻度或いは持続時間が比較されるものである、請求項71に記載の方法。

請求項85

行動バウト頻度或いは持続時間が比較されるものである、請求項71に記載の方法。

請求項86

摂取量情報が比較されるものである、請求項71に記載の方法。

請求項87

動物行動監視システムであって、一定の測定地区、この一定の測定地区内の動物の行動に関し、一定の測定地域内での被験動物の空間的位置に関するイベント情報、一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報、及び位置及び装置イベント情報に関連した時間情報から成るものであるデータを収集するためのこの一定測定地区内の既知の箇所にある複数の装置、この複数の装置から収集された行動データを受けるように構成されたインタフェイスと、収集された行動データを収納するための一個以上のメモリと、行動データを解析して(1)装置イベント情報と不一致な位置情報を装置の既知の位置に基づいて、 及び/或は(2)一個以上の装置に関し、その他の装置に関する装置イベント情報と不一致な装置イベントを装置イベントに関連する時間情報に基づいて検出し、少なくとも検出された不一致の幾らかに基づいてデータを更新する一個以上のプロセッサとから成る動物行動監視システム。

請求項88

動物行動監視システムであって、一定の測定地区、この一定の測定地区内の動物の行動に関し、一定の測定地域内での被験動物の空間的位置に関するイベント情報、一定地域における既知の箇所における複数の装置における及びそれに対するこの被験動物の行動に関する装置イベント情報、及び位置及び装置イベント情報に関連した時間情報から成るものであるデータを収集するためのこの一定測定地区内の既知の箇所にある複数の装置、この複数の装置から収集された行動データを受けるように構成されたインタフェイスと、収集された行動データを収納するための一個以上のメモリと、虚偽装置イベント開始を同定して関連する装置イベント情報を削除し、少なくとも若干の装置イベントの間の位置情報を装置の既知の位置に基づいて予期される動物の位置と比較することにより位置情報への修正を計算し、計算された修正に基づいて位置情報を更新し、装置イベントの終了の検出に関する測定システムの失敗によるデータを同定して排除する一個以上のプロセッサとから成る動物行動監視システム。

技術分野

0001

[関連特許出願]
本出願は2008年1月23日に提出された米国特許出願USSN61/062,173号を基に優先権を主張するものであり、その内容のすべてを本出願に合同するものとする。

背景技術

0002

生存及び繁殖のために自然環境における動物食物の獲得、捕食動物からの逃避避難所及び性的配偶者の追及など様々な行動従事する。或る行動の実施について最適な時間と場所とを決定するのは環境限定条件であり、多くの行動を同時に実施できるものでもない故、動物にとっては或る行動の実施に当たりその時間と場所について適当に優先順位を決定し計画することが必須である。その結果、自由状態の動物の行動の編成は環境への適応象徴するものである。この編成とは中枢神経系の全体的活動に依存するものであり、例えばエネルギーバランス温度状態浸透性体積状態睡眠生殖、自衛及び環境同調化など種々の生理学的及び行動システムの機能及び反応を反映するものである。従って、自由状態の動物の行動の編成を監視して特徴付け能力は多くの生理学的及び行動システムの機能及び反応を試験する高感度試金物を供する可能性がある。

0003

近年における生物工学分野での進歩を複雑な哺乳類動物の行動の神経下地層解析に使用するには現時点において実質的問題が存在する。哺乳類遺伝子学、医学用化学及び情報技術での分野に見られる急速の進歩に比較して、ネズミ及びその他の哺乳類の行動評価技術の発展遅れている。これらの手法は精神分裂病うつ病、不安症などの普遍的な精神神経性状態に関係する脳活動への遺伝子、薬剤、及び環境の影響を検索するのに必須なものである。例えば幾つもの行動テストを行うからと言ってネズミを何度も棲み処から取り出すというような普遍的所作は、(1)時間がかかり労働集約的ある、(2)テスト管理の順序によってテストの結果が歪められる、(3)棲み処から取り出されるネズミはストレスを受けるから行動データ解釈混乱する、(4)研究での主焦点にない行動分野を考慮しない(例えば学習に関するテストにおける不安感の影響)ことによりデータが往々誤解される、などの理由で問題である。

0004

定義された分野における対象動物の種々の行動を連続的に監視するための、高分解能の行動データの濾過及び解析用のツールを含めたシステム及び方法が提供される。これらのシステム及び方法により、従来到達できなかった高程度の精度及び定量化における行動パタン調査が可能となる。品質評価及び制御、記録保存、データ質問データ分類解析方式及び可視化技術を含む行動監視システムによって得られる非常に大量な独特データセット管理及び解析用の方法及びシステムが提供される。自発的行動のかように詳細な解析により行動の神経的編成の基本的識見が得られるものであり、脳機能に対する遺伝学的、薬学的及び環境的影響が高感度において検出可能となる。

0005

本発明はその一面において、行動データの高質評価及び濾過の方法に関する。或る実施例の方法は、位置追跡情報及び一個以上の装置との反応に関する情報との間の不一致、及び/或は複数個の装置との反応に関する情報における不一致の検出に関する。例えば或る実施例において、一定の測定地域における被験動物の空間位置に関するイベント情報一定地域における、或いは一定地域において既知の位置における複数の装置との装置イベント情報、及び位置と装置イベント情報に関する時間的情報を含む、測定システムを使用して或る測定時間内に集められた動物行動データを含む行動データセット入力される。この方法とは、この行動データを解析して(1)装置イベント情報と不一致の位置情報、及び/或は(2)その他の装置の装置イベント情報と不一致の一個以上の装置の装置イベント情報を検出し、検出された不一致の少なくとも幾つかに基づいてデータを更新することに関するものである。

0006

或る特殊実施例において、行動データの濾過とは収集された行動データの入力、虚偽装置イベント開始の同定及び関連した装置イベント情報の破棄、装置の既知の位置に基づいて動物の予期される位置と少なくとも若干の装置イベントにおける位置情報を比較することによる位置情報補正計算、計算された補正に基づく位置情報の更新、及び測定システムの装置イベント終了検出不成功の結果のデータの同定及び除去などに関する。

0007

本発明はその別面において、動物行動を例えば活性及び不活性状態のように編成及び分類することに関する。或る実施例において、行動監視システムから受けた空間的(例えば位置追跡)および時間的情報を使用して被験動物の活性不活性間の遷移の同定をする自動化された方法が提供される。更に提供されるのは、測定システムを使用して収集された動物行動データを解析する方法であり、この行動データとは一定の測定地区における動物の位置に関する空間的及び時間的情報から成るものであり、この方法とは空間情報を使用して活性及び不活性状態間の遷移を一定期間中における被験動物運動の間で最長の逗留箇所を決定することにより同定することに関する。

0008

本発明はその別面において、行動的バウト(bout)分類に関する。或る実施例において、測定システムを使用して一定の測定期間中に収集された被験動物行動データのセットの自動解析方法が提供される。この自動方法は、測定期間における一定地区内での被験動物の位置追跡情報及びこの測定期間内での一個以上の行動の時間的パタンに関する情報を受け、この位置追跡情報及び時間的情報を使用して一個以上の行動のバウトを同定することに関する。

0009

或る実施例における方法は測定システムを使用し、一定の測定期間内に収集された被験動物行動データのセットを解析するものであり、ここにおいて、測定システムはこの測定期間内の被験動物の空間的位置に関する空間情報とこの測定期間内の一個以上の行動の時間的パタンに関する情報とを受け、この空間的情報と時間的情報とを使用して一個以上の行動のバウトを同定することに関するものであり、この空間的情報とはイベントの期間中及びイベント間の合間における動物の空間的位置に関する情報を含み、又、イベント間の合間とは装置における連続する装置イベントの間の合間のことである。

0010

本発明は更に別面において、動物行動データの二つのグループ(例えば制御及びテストグループ)の比較に関するものである。或る実施例において、この方法とは二つの群の結合されたデータを密集化させ、これら二つのグループの相違についてもっとも貢献の大きい群(クラスター)を決定することに関する。特種実施例において、この方法とはテスト用被験動物のグループに関する行動データを有するテストデータセットを受けること、制御用被験動物のグループに関する行動データを有するテストデータセットを受けること、テスト及び制御用データセットからの行動データを結合すること、この結合されたデータセットを密集化して選択された数のクラスターとすること、テスト用及び制御用データセット内の行動データは同じであるとの仮説のもとで各クラスターについてカイ二乗統計を計算すること、すべてのクラスターについてのカイ二乗統計を加算してテストグループデータと制御グループデータの相違の度合いを得ること、テスト及び制御グループ間の被験動物のデータを並べ替えて相違の意味の度合いを得ること、及びこの相違が統計的に有意義であるならばこの相違に最も貢献しているクラスターを決定することに関する。

0011

種々の実施例において、比較されてよい行動のパタンには運動パタン、摂食パタン、摂飲パタン、薬物摂取パタン、その他の摂取行動パタン、睡眠パタン、テスト対象物とのコンタクトパタン、及び他の動物或いは他の感覚刺激に対する応答パタンが含まれる。例えば行動測定或いは応答を示すような生理学的測定は心拍数血圧、及び体温が含まれてよい。

0012

更に提供されるものとして、上記の方法の少なくとも一部を実施するためのプログラム指令記録されたコンピュータ用のメディアを含むコンピュータプログラム製品がある。此処に記載される方法はその全部或いは一部がこのようなコンピュータによって読み取り可能なメディアによって提供されるプログラム指令として実現され得る。此処に記載されるように生成及び/或は使用されるデータ及びデータ構成の種々の結合が更に提供される。

0013

上記及びその他の特徴及び利点は更に下記の如く詳細な図を参照して記載される。

図面の簡単な説明

0014

図1は本発明の種々の実施例により運動及び行動監視システムから収集された装置イベントデータを濾過する方法に使用される或る工程のフロー図である。
図2は24時間のネズミの行動記録を示す画像であり、此処で位置は緑色、摂食イベント位置はオレンジ色、摂飲イベント位置は水色で示されている。
図3は本発明の種々の実施例における虚偽装置イベント(イベント開始エラー)検出の方法に使用される或る工程を示すフロー図である。
図4位置測定において総合ドリフトを決定する方法での或る工程を示すフロー図であり、或る実施例において総合ドリフトは虚偽装置イベントの検出に使用される。
図5Aは24時間の監視期間における総合位置ドリフトとなめ測定装置(lickometer)イベントドリフト(水色)及び写真ビームイベントドリフト(赤色)の間の相違が示されるグラフ画面であり、X及びY軸ドリフトは別々に示されている。
図5Bはネズミの行動記録を示す画面であり、ここで歩行運動路は緑色、摂食イベント位置はオレンジ色、摂飲イベント位置は水色で示されている。虚偽摂飲イベントの可能性のある部分は使用者の検討用に記されている。
図6は本発明の種々の実施例において装置の既知の位置を使用して運動/位置データを修正する方法に使用される或る工程を示すフロー図である。
図7は本発明の種々の実施例において装置イベントの終了不成功を検知する方法に使用される或る工程を示すフロー図である。
図8はネズミの行動記録を示す画像であり、フィーダー(緑色の正方形)近くの給食イベントのクラスターとなめ測定装置(水色の円)の近くの摂飲イベントを示す。相反する端部の二個の正方形は二個の摂食イベントの間に決定された動物とフィーダーとの間の最大距離を示す。赤色は有効給食イベントの判断基準の外部であることを示す。
図9はネズミの行動記録を示す画像であり、位置は緑色、摂食イベント位置はオレンジ色、摂飲イベント位置は水色で示されている。位置は測定地域の一方に著しく偏って居り、位置計の誤動作を示している。
図10は本発明の種々の実施例において位置計の誤動作を検出するのに使用される或る工程を示すフロー図である。
図11は本発明の種々の実施例において運動及び行動監視システムから収集された装置イベントデータから被験動物の活性不活性の分類方法に使用さあれる或る工程を示すフロー図である。
図12は本発明の種々の実施例において運動及び行動監視システムから収集された装置イベントデータから被験動物の活性不活性の分類方法に使用さあれる或る工程を示すフロー図である。
図13は(1)装置における最長休止からの距離対休止期間の図1301、(2)不活性状態休止閾値を決定する三線曲線フィット1303、及び(3)不活性状態休止閾値を使用して決定された不活性状態休止位置の図示1305の例を示すものである。
図14状態分類エラーを計算して時間ウインドウ運動閾値を最適化する本発明の種々の実施例における方法に使用される或る工程を示すフロー図である。
図15は本発明の種々の実施例による行動監視システムから収集された運動及び装置イベントデータからの動物行動のバウトを分類する方法において使用される或る工程を示すフロー図である。
図16データ品質制御用の使用者インタエイスを示す画面である。パネルAは実験順路、ネズミ及びデータ選択箱を示す。この特に選択された「ネズミ日」において、エラーイベントが二つ指定されて示されている。パネルBは左部にデータの複数の特徴を見ることを可能にする補充的プロット選択部を示している。「ドリフト差」(Drift Difference)が選択されて、それに対応するプロットが右側に示される。パネルCとDとは「主画面」の二例を示し、各々がイベントプロット(下図)と動物位置を示す振動図(quiver plot)(上右)と品質制御タンナビゲイション用ボタン、及び運動位置補正及び終了ボタンのレイアウトを含んでいる。Cにおいては,「イベントQC」(Event QC)の行で指定されているように、二つのなめイベントと一つ運動イベントとが指定されている。パネルDではなめイベントが(「Le」行の”3”で示されるように)排除されて居り、その結果は動作イベントフラッグ指示の排除及び住居境界侵害となる。
図17はフラッグ指示された検出不成功エラーの例を示す「第二段QCGUI」の画像を示す。図におけるパネルAは日の終わり近くなっての一度を除いてなめイベントのないイベントプロットを示し、パネルBはその日にネズミが摂った水の量(正方形の内部でハイライトされた量)がこのネズミ及びその他のネズミによる通常の一日の摂取量(約4g)と同様であることはなめイベントの検出不成功を強く示唆することを示している。
図18はテスト及び制御グループの行動パタンを比較する本発明の種々の実施例の方法で使用される或る工程を現すフロー図である。
図19は本発明の種々の実施例で使用される比較密集化法で使用される最適クラスター数を選択する方法で使用される或る工程を示すフロー図である。
図20Aは此処に記載される方法及び装置において使用可能なコンピュータシステムの図である。
図20Bは此処に記載される方法及び装置において使用可能なコンピュータシステムの図である。
図21Aは一日における野生(WT)のネズミの位置確率密度を示す。位置確率密度は通常の核機能、1cmのバンド幅の核密度推定器を使用し、一日におけるこのネズミの総ての位置を加重して使用して計算された。この日におけるこのネズミの場合、最高位置確率の頂点は檻の左後方でx=−13cm及びy=34cmの観察されたの位置の中央から0.8cmであった。更に、x=−12.5cm及びy=−2.6cmにあるフィーダーに対応する檻の中央前方とx=0cm及びy=0cmにある飲み口の位置に対応する檻の右前方にもより小さい頂点が存在した。図21Bは図21Aにおけると同じ日と野生のネズミについて摂取と運動の位置及び発生の変動を示す。24時間周期の時間がx軸上で示され、暗サイクルの開始と終了が12時間と24時間において点線で示されている。ネズミの位置は座標がx=0cm及びy=0cmの飲み口の縁からの距離としてy軸に示してある。黒線は不活性状態の期間の位置であり、活性状態での位置は緑線で示されている。図の底部において摂食イベントがオレンジ色のラスターで、摂飲イベントが水色ラスターで示されている。図21Cは図21A及び図21Bと同じ野生のネズミに関しての不活性状態休止閾値の同定を示す。丸一日での位置持続時間はx対数軸に、6時間ウインドウでの最長位置持続時間からの対応距離はy軸に示してある。このネズミの不活性状態位置持続時間閾値は9.3分であり、 これは最長位置持続時間からの距離の急速な増加が観測されたことを示す。不活性状態位置は黒色で、活性状態位置は緑色で示されている。図21Dは同じ野生のネズミの同じ日における不活性状態位置の箇所と摂取イベントを示す。不活性状態位置は黒色の小さい箱形で表示されている巣の近くの位置持続時間閾値クラスターを使用して分類される。この日のこのネズミの不活性状態位置の中央は巣の観察された位置から0.3cmであった。黒色破線は檻の床に対応し、黒色実線は檻の唇部に対応する。フィーダーは檻の左前方にある小さい箱形に表示され、水筒は檻の右前方の円形で表示されている。摂食イベント中のネズミの位置はオレンジ色で、摂飲イベント中のものは水色で表示されている。
図22Aは装置分類に関する。二変量正規分布混合で、一日中の明サイクルの間に野生のネズミがieiの間フィーダーから最大距離にあった時の位置をフィットさせた。左側のパネルにおいて、最終的フィットでの9個の二変量正規分布に割り当てられたすべての位置が異なる色彩及びシンボルで表示されている。中央のパネルでは、二変量正規分布の中央のみが装置で発生したと分類される二変量正規分布と共にオレンジ色で表示され、その他の二変量正規分布はすべて緑色で表示されている。右側のパネルではフィーダーで発生したと分類された最大距離IEI位置がオレンジ色で表示され、その他のすべては緑色で表示され、フィーダーからの移動がIEI期間中に起こったことを示している。右側のパネルではフィーダーへのアクセスを提供するランプの位置が檻の中へ突出する黒色矩形として表示されている。図22BはIEI持続時間分類結果を示す。同じ野生ネズミの一日中の明サイクルの間に発生する対数変換IEI持続時間に単変量正規分布がフィットされた。与えられた持続時間のIEI数の平方根ヒストグラムで表示されている。水色の線は各推定単変量正規分布を示し、赤線は各単変量正規分布の和からのデータへの推定フィットを示す。破線は明サイクルの間に発生した摂食の為の16秒のこのネズミに関する短いIEI持続時間を示す。図22CはIEI分類結果を示す。このネズミのバウト内期間(within bout interval=WBI)或はバウト間間隔(inter−bout interval=IBI)としてのすべての明サイクルIEI分類は、IEI最大距離位置が装置で発生し、IEI持続時間が短い確率の平均値から決定された。各IEIについて対数変換持続時間がx軸に、フィーダーからの距離がy軸に表示されている。バウト内IEIはオレンジ色である。バウト間間隔はネズミがフィーダーに位置しても持続時間が短いIEI閾値を越える場合には赤色、ネズミが運動に従事した場合には緑色、ネズミが運動と摂飲に従事した場合には水色で表示されている。
図23Aは単一明サイクル活性状態を示す。左側のパネルはなめ口先端部からのネズミの距離対24時間周期の時間を示す。緑色の点は運動バウトの間に発生した位置を示し、赤色の点は摂食或は摂飲バウトの間或はその他の行動でのバウトの間に動いた位置を示す。赤線は与えられた位置で過ごされた時間を示す。図の底部において、オレンジ色の鉛直線は摂食イベントの開始と持続時間を示し、水色の鉛直線は摂飲イベントの開始と持続時間を示す。(図示された時間分解能において、イベントの大部分は各自の線に分解されて居らず、重なって表示されている。)摂食及び摂飲イベントを図示する線の上部における厚手のオレンジ色或は水色の線は摂食及び摂飲バウトの開始と終了を示している。図23Bは図23Aに示された活性状態期間中ネズミに占有された位置の箇所と持続時間を示す。図23Cは図23A及びTDEに示された活性状態期間中檻の中での通路を示す。緑色のシンボルは此処でも運動バウトの間に発生した位置を示し、赤色のシンボルは摂食、摂飲或はその他の行動のバウトの間の位置を示す。
図24A−CはWT及びOBネズミ日ごとの量、強度、及び時間予算を示す。図24Aは日ごとの量と運動の平均を示す。各グループに関して、箱図の縁は百分位数75及び25の価を示し、箱図内の線は中央値を示す。各ネズミについてのデータは点で表示されている。OBネズミは 摂食強度(p=0.047:WT 3.9±0.1g, OB 4.16±0.08g)或は水摂取量(p=0.2: WT 3.3±0.1g. OB 3.6±0.1g)で著しい相違がないのに、運動において有意義的に減少がみられる(p=4.3x10-8: WT 471±37m, OB 78±5m)。図24Bは摂食、摂飲及び運動に関する平均日ごとバウト強度を示す。OBネズミは 摂食バウト強度 (p=0.6:WT 0.78±0.03mg/s, OB 0.76±0.03mg/s)或は摂飲バウト強度(p=0.03: WT 7.4±0.3mg/s. OB 6.4±0.3mg/s)で著しい相違がないのに、運動バウトの強度において有意義的に減少がみられる(p=7.9x10-11: WT 13.3±0.4cm/s,OB 5.0±0.2cm/s)。図24Cは平均時間予算を示す。各グループのパイ型図はIS(黒色)と摂食(オレンジ色)、 摂飲 (水色)、運動(緑色)、及びその他の行動(赤色)のバウトの間の時間の分割を示している。OBネズミはISで過ごす百分比時間が有意義的に長く(p=2.3x10-10: WT 66.8±0.9%, OB 83.5±0.5% )、運動のバウト(p=2.4x10-5: WT 3.7±0.3%, OB 1.8±0.1% )及びその他の行動バウト(p=3.7x10-11: WT 22.4±0.7%, OB 7.4±0.4% )で過ごす百分比時間が有意義的に短かった。 摂食及び摂飲バウトで過ごす百分比時間(p=0.6: WT 6.4±0.4%,OB 6.7±0.2% )(p=0.08: WT 0.63±0.03%, OB 0.71±0.03% )には有意義的な変化はない。量、強度、及び時間予算の意味を評価するのに、複数のテストにボンフェロニ修正(Bonferroni corrections)が応用された(3テスト:食餌、水、運動)(5テスト:不活性状態、摂食、摂飲、移動、及びその他のバウト)。
図25A−CはWT及び2Cネズミの日ごとの量、強度、及び時間予算を示す。図25Aは日ごとの量と移動の平均を示す。2Cネズミは日ごと水摂取量(p=0.8: WT 3.6±0.1g. 2C 3.6±0.1g)で著しい相違がないのに、運動(p=0.01: WT 515±50m,2C 712±57m)と摂食強度 (p=0.007:WT 4.4±0.1g,2C 4.81±0.09g)において有意義的に減少がみられる。図25Bは摂食、摂飲及び運動に関する平均日ごとバウト強度を示す。2Cネズミは摂飲バウト強度(p=0.8: WT 3.6±0.1g. 2C 3.6±0.1g)で著しい相違がないのに、運動バウトの強度(p=0.006: WT 12.5±0.4cm/s. 2C 13.9±0.3cm/s)及び摂食バウト(p=0.01: WT 0.98±0.07mg/s. 2C 1.22±0.04mg/s)において有意義的に増加がみられる。図25Cは平均時間予算を示す。2CネズミはISで過ごす百分比時間で有意義的な減少を示し(p=4.8x10-5: WT 66±1%,2C 57±2% )、他の行動で過ごす百分比時間で有意義的な増加を示す(p=9.2x10-7: WT 22.8±0.7%,2C 32±1% )。 摂食,摂飲及び運動バウトで過ごす百分比時間(p=0.02: WT 6.4±0.5%,2C 5.0±0.2% )(p=0.7: WT 0.61±0.02%,2C 0.64±0.04% )(p=0.04: WT 4.4±0.3%,2C 5.5±0.4% )には有意義的な変化はない
図26AはWT,OB及び2Cネズミの一日におけるなめ口からの距離を表示するものである。深緑色の線はAS位置を示し、黒色線はIS位置を示す。各図の底部においては摂食(オレンジ色)及び摂飲(水色)イベントが表示されている。図26Bは同じ三匹のネズミの摂食(オレンジ色)、摂飲(水色)及び運動(ネオン緑色)イベントに関する8日間のデータを示す。AS開始と終了はイベントの上に深緑色の棒で示されている。図26Cは緑色の点として同じネズミの同じ日のすべてのAS開始と持続時間を示す。図26Dは黒色の点として同じネズミの同じ日のすべてのIS開始と持続時間を示す。図26C及び26Dにおいて、24時間周期の開始時間はx軸上に、対数持続時間はy軸上に示されている。各ネズミの状態開始及び持続時間パタンをそのグループと比較するために、ランダムに選択された64のネズミ—日開始及び持続時間が灰色の点として背後に表示されている。
図27A—27DはWT及びOBネズミの日ごとの状態パタンを示す。遺伝子型(G)、時間(T)及び時間反応による遺伝子型(GxT)の影響が2x11の繰返し計量ANOVAによってテストされた。本図及びこれ以後の図において、右上隅のgは遺伝子型の有意義的な効果、tは一日における時間の有意義的な効果、xは遺伝子型の一日における時間との反応の有意義的な効果を示す。本図及びこれ以後の図において、もし遺伝子型と一日における時間とに有意義的反応があるならば、各時間ビン(bin)における状態性質を比較するために事後のtテストが行われた。有意義的な相違(p≦0.05)が検出された場合には各ビンの中にアステリスクが表示されている。一日における時間の変動は WT(中空正方形)及びOB(塗り込み円形)ネズミに関して2時間ビンに表示されている。図27AはAS確率を示す(Gp=1.7x10-10, Tp=9.2x10-64,GxTp=2.0x10-29);図27BはAS開始率を示す(Gp=2.5x10-6, Tp=7.8x10-13,GxTp=1.4x10-6);図27CはAS持続時間を示す(Gp=0.96, Tp=5.7x10-25,GxTp=2.8x10-8);図27DはIS持続時間を示す(Gp=5.7x10-8,Tp=4.9x10-32,GxTp=1.0x10-5)。図27Eは比較用密集化図を示す。比較用密集化はWTとOBネズミの間でAS数及び持続時間の24時間周期の時間変動に有意義的な相違を示す(Σχ2=703,p<1.6x10-4)。上方の図( WT )及び下方(OB)の図において、各点はASの開始時間(x軸)と対数持続時間(y軸)を示す。赤紫色の点はWTネズミがOBネズミより有意義的により多くの活性状態を提供する範囲を示す。灰色の点は両グループによって貢献される活性状態の数が有意義的に相違しない範囲を示す。相違が有意義的である範囲がΣχ2の91.2%となって居り、これはこの範囲がASパタンでの相違の大部分の原因であることを示している。
図28A—28DはWT及び2Cネズミの日ごとの状態パタンを示す。一日の時間に対するWT(中空正方形)及び2C(塗り込み円形)ネズミの変動は2時間ビンに表示されている。図28DはAS確率を示す(Gp=8.9x10-5,Tp=7.0x10-148,GxTp=1.2x10-9);図28BはAS開始率を示す(Gp=0.002,Tp=1.4x10-52,GxTp=4.4x10-13);図28CはAS持続時間を示す(Gp=0.5,Tp=1.8x10-48,GxTp=1.2x10-6);図28DはAS確率を示す(Gp=8.9x10-5,Tp=7.0x10-148,GxTp=1.2x10-9);図28EはIS持続時間を示す(Gp=5.0x10-8,Tp=p=9.6x10-81,GxTp=6.7x10-15)。図28Eは比較用密集化図を示す。比較用密集化はWTと2Cネズミの間でAS数及び持続時間の24時間周期の時間変動に有意義的な相違を示す(Σχ2=233,p=0.001)。シアン色の点はWTネズミが2Cネズミより有意義的により少ない活性状態を提供する範囲を示す。相違が有意義的である範囲はΣχ2の48.3%となっている。
図29A及び29BはWT及びOBネズミの摂食及び運動バウト特性を示す図である。図29A及び29BはWT及びOBネズミの摂食及び運動バウト特性を示す図である。一日の時間に対する変動は以下のように表示されている:(a1)食餌摂取(Gp=0.1,Tp=5.7x10-38,GxTp=3.4x10-8);(a2)時間毎の摂食バウト(Gp=8.3x10-7,Tp=2.5x10-28,GxTp=2.8x10-19);活性状態時間毎の摂食バウト(Gp=4.4x10-5,Tp=8.8x10-5,GxTp=0.2);(a4)摂食バウトサイズ(Gp=1.4x10-5,Tp=0.0004,GxTp=0.2);(b1)運動(Gp=2.8x10-8,Tp=6.3x10-47,GxTp=1.6x10-36);(b2)時間毎の移動バウト(Gp=7.4x10-7,Tp=1.4x10-44,GxTp=1.0x10-32);(b3)活性状態時間毎の移動バウト(Gp=1.8x10-6,Tp=1.7x10-18,GxTp=3.3x10-13);(b4)移動バウトサイズ(Gp=0.0167,Tp=6.5x10-7,GxTp=0.06)。
図30A及び30BはWT及び2Cネズミの摂食及び運動バウト特性を示す図である。図30A及び30BはWT及び2Cネズミの摂食及び運動バウト特性を示す図である。 一日の時間に対する変動は以下のように表示されている:(a1)食餌摂取(Gp=0.01,Tp=3.2x10-92,GxTp=4.9x10-9);(a2)時間毎の摂食バウト(Gp=0.6,Tp=6.1x10-46,GxTp=0.001);(a3)活性状態時間毎の摂食バウト(Gp=0.3,Tp=8.2x10-10,GxTp=0.002);(a4)摂食バウトサイズ(Gp=0.4,Tp=2.0x10-54,GxTp=0.02);(b1)運動(Gp=0.016,Tp=6.1x10-105,GxTp=3.8x10-5);(b2)時間毎の移動バウト(Gp=0.002,Tp=9.2x10-106,GxTp=1.3x10-8);(b3)活性状態時間毎の移動バウト(Gp=0.06,Tp=4.2x10-59,GxTp=2.9x10-5);(b4)移動バウトサイズ(Gp=0.08,Tp=4.2x10-18,GxTp=0.006)。
図31A—31FはWT及びOBネズミの「活性状態内構成」に関する図である。WT(図31A )及びOBネズミ(図31B)に関し、明サイクル中に開始し終了する50のランダムに選択されたASの間に発生する摂食の開始及び終了(オレンジ色)、摂飲及び移動イベントが棒として表示される。y軸上の線の各々は単一活性状態のデータを表示する。AS期間の時間は分単位でx軸上に示され、原点がASの開始を示す。図31C—31Fにおいて、WT(中空正方形)及びOB(塗り込み円形)ネズミのAS開始以来の時間に対するバウト確率の変動が一分ビンに表示されている:(図31C)摂食バウト(Gp=4.6x10-6,Tp=3.3x10-65,GxTp=6.2x10-42);(図31D) 移動バウト (Gp=0.2,Tp=6.2x10-18,GxTp=4.2x10-182);(図31E)摂飲バウト(Gp=0.6,Tp=5.3x10-3,GxTp=0.0002);(図31F)その他のバウト(Gp=9.9x10-6,Tp=6.7x10-63,GxTp=7.9x10-34)。 バウト確率の意味を評価するのに、複数のテストにボンフェロニ修正が応用された(4テスト:摂食、摂飲、移動、その他)。
図32A—32FはWT及び2Cネズミの「活性状態内構成」に関する図である。WT(図32A )及び2Cネズミ(図32B)に関し、明サイクル中に開始し終了する50のランダムに選択されたASの間に発生する摂食の開始及び終了(オレンジ色)、摂飲及び移動イベントが棒として表示される。図32C—32Fにおいて、WT(中空正方形)及び2C(塗り込み円形)ネズミのAS開始以来の時間に対するバウト確率の変動が一分ビンに表示されている:(図32C)摂食バウト(Gp=0.008,Tp=4.9x10-154,GxTp=1.2x10-7);(図32D) 移動バウト (Gp=0.6,Tp=4.2x10-22,GxTp=0.9);(図32E)摂飲バウト(Gp=0.07,Tp=7.1x10-6,GxTp=0.05);(図32F)その他のバウト(Gp=0.002,Tp=3.5x10-131,GxTp=0.0001)。
図33長短の持続時間分割の分類を示す。 WT2C比較からのすべてのWTネズミのすべてのIEI分割の平均持続時間と装置での確率とが表示されている。IEIは明サイクルの間に発生する写真光線イベントデータである。短持続時間分割はこのグループのネズミがフィーダーに留まる確率とそこから去る確率とが同様となる平均分割持続時間を推定するために局所的補間法を使用して線をフィットすることにより同定された。
図34は移動バウト分類図である。単一のネズミの運動率(A)及び回転角度(B)の確率密度推定が表示される。訓練セット内の運動イベントの密度(MIP)は赤色で示されている。分類されるべき運動の密度(MASXIB)は緑色で示されている。破線は MIPとMASXIB密度の交点を示す。MASXIB位置の運動率(C)或は回転角(D)がMIP位置別個である相対的確率は運動率或は回転角に対して示されている。 運動率及び回転角の確率密度は、不活性状態及び摂食或は摂飲(赤色)、及びその他総ての運動(緑色)のバウト発生中の動作用の通常の核機能を有する核密度推定器を使用して推定された。これら二つの確率密度の交点を移動バウト内或はその他の行動(その場所での運動の中止)期間中に発生する運動の分類の閾値とした。
図35は比較密集化法におけるクラスター数セクションに関する図である。デルタカイ二乗の和のカイ二乗分布から計算されるpの対数はWTOB比較のためのクラスター数(A)及びWT2C比較(B)に対して示されてある。破線は最小のp価を示し、点線はp価 が最小p価と有意義的に異ならない範囲を示している。選択されたビンの数はWTOB比較のためには13、 WT2C比較の為には14である。
図36はWT及びOBネズミの場合の活性状態量を示す。一日での時間に対する変動は以下のように示されてある:(A)AS持続時間(Gp=0.96,Tp=5.7x10-25,GxTp=2.8x10-8);(B)AS食餌(Gp=5.6x10-6,Tp=2.8x10-21,GxTp=5.57x10-5);(C)AS水(Gp=7.4x10-6,Tp=9.6x10-36,GxTp=4.6x10-9);(D)AS運動(Gp=7.3x10-5,Tp=1.7x10-20,GxTp=4.2x10-14)。
図37はWT及び2Cネズミの場合の活性状態量を示す。一日での時間に対する変動は以下のように示されてある:(A)AS持続時間(Gp=0.5,Tp=1.5x10-48,GxTp=1.2x10-6);(B)AS食餌(Gp=0.8,Tp=1.0x10-43,GxTp=7.2x10-11);(C)AS水(Gp=0.07,Tp=1.5x10-50,GxTp=5.1x10-8);(D)AS運動(Gp=0.7,Tp=5.7x10-43,GxTp=0.003)。
図38はWT及びOBネズミの場合の摂飲及び「その他」のバウト特性を示す。一日での時間に対する変動は以下のように示されてある:(A1)水摂取(Gp=0.09,Tp=9,6x10-53,GxTp=7.5x10-7);(A2)時間毎摂飲バウト(Gp=0.0006,Tp=2.1x10-50,GxTp=2.9x10-6);(A3)活性状態時間毎摂飲バウト(Gp=0.5,Tp=3.6x10-12,GxTp=9.5x10-7);(A4)摂飲バウトサイズ(Gp=0.003,Tp=0.002,GxTp=0.005);(B1)他時間(Gp=2.2x10-11,Tp=3.3x10-62,GxTp=3.5x10-40);(B2)時間毎その他バウト(Gp=2.9x10−7,Tp=1.6x10-47,GxTp=1.4x10-34);(B3)活性状態時間毎その他バウト(Gp=5.6x10-7,Tp=8.5x10-18,GxTp=2.5x10-11);(B4)その他バウト持続時間(Gp=0.003,Tp=9.3x10-9,GxTp=0.06)。複数のテストにボンフェロニ修正が応用され, 水摂取(3テスト:食餌、水、運動),その他のバウトにかけた時間(5テスト:不活性状態、摂食、摂飲、移動、及びその他),バウト率(5テスト:非活性状態率、摂食、摂飲、移動、及びその他)、水バウトサイズ(3テスト: 摂食、摂飲、移動)、及びその他バウト持続時間(5テスト: 摂食、摂飲、移動、及びその他)。
図39はWT及び2Cネズミの場合の摂飲及び「その他」のバウト特性を示す。一日での時間に対する変動は以下のように示されてある:(A1)水摂取(Gp=0.8,Tp=5.5x10-101,GxTp=5.2x10-9);(A2)時間毎摂飲バウト(Gp=0.04,Tp=5.1x10-73,GxTp=0.1);(A3)活性状態時間毎摂飲バウト(Gp=0.9,Tp=3.9x10-27,GxTp=0.003);(A4)摂飲バウトサイズ(Gp=0.007,Tp=9.4x10-17,GxTp=0.9);(B1)他時間(Gp=1.6x10-6,Tp=6.2x10-146,GxTp=2.0x10-12);(B2)時間毎その他バウト(Gp=0.002,Tp=7.5x10-108,GxTp=3.4x10-8);(B3)活性状態時間毎その他バウト(Gp=0.06,Tp=8.9x10-54,GxTp=4.8x10-5);(B4)その他バウト持続時間(Gp=0.5,Tp=8.9x10-23,GxTp=0.2)。

実施例

0015

1.序文及び関連技術
本発明は高分解能行動データの収集、管理、及び解析の方法、システム、及び装置に関する。これらのシステム及び方法は嘗て達成されなかった高レベルにおいて行動パタンを検査する機会を提供するものである。行動監視システムによって生成される品質評価及び制御、文書保管、データ疑問データ縮小、解析工程及び可視化技術を含む非常に大きく独特なデータセットの管理及び解析の方法及びシステムが提供される。自発的行動のかように詳細な解析は行動の神経的機構に関する基本的識見を供し、脳機能への遺伝学的、薬学的、及び環境学的影響の高感度の検出を可能とする。

0016

以下提供される記述の大部分はホームケージ監視(HCM)システムの被験動物の行動に関するシステム、方法、及び装置によって提供されるものであるが、本発明は決してそのように限定されるものではない。例えば、行動データを濾過及び解析する方法及びシステムは如何なる行動監視システムと使用することも出来る。以下の記述においては発明が明確に理解されるように多くの特定的詳細が開示される。しかし、本発明が此処に記載される具体的な詳細に限定されることなく実施可能であることは明白であろう。

0017

本発明は行動監視システムからのデータの濾過、データ品質制御及び評価、及び解析に関する。一般に、行動監視システムは監視対象動物が存在或は反応する一個以上の装置を含むものである。監視システムは例えば此処に総ての目的において参照して合同される”Animal Cage Behavior System”と題する米国特許出願7,086,350号に記載されたようなホームケージ監視システムであってよい。典型的に監視システムは測定期間に亘って運動及び装置イベントデータの連続的監視を提供するものである。例えば、監視システムは運動(例えば空間位置対時間の形態で)、ならびに摂取イベント、感覚的刺激イベントなどの連続的監視の結果であるデータを供するものである。

0018

発明の方法及びシステムによって使用される行動監視システムは非常に多量のデータを生成するものであり、例えば単一対象物は一日の間に数万から数十万の運動、数千から数万の摂取イベントなどを生成する。このデータに何週、何年の観察に亘り数百或は数千の対象数掛けるには強固な自動化されたデータの品質評価及び修正の技術が要求される。データ品質評価及び修正の方法及びシステムが以下において論じられる。

0019

本発明は別面においてデータ縮小、可視化、及び生物学的にもっとも関連ある解析方法を含む行動の要素及びその時間的及び空間的構成を定義する新規な定量的アプローチである。これらのアプローチはデータ品質制御アルゴリズムによって促進される。殊にクラスターの分類及び行動のバウト、並びに行動の活性不活性状態の分類が以下において記述される。或る実施例において、行動の分類が強固な自動化された様相で実施される方法及びシステムが提供される。

0020

明細書においては以下の技術用語が使用される。明細書の理解のために以下の記述が供されるが、これは本発明の範囲を限定するものではない。

0021

行動イベントとは特殊なタイプの行動の事例或いは発生のことである。行動イベントの例には消費行動に関するイベント、(食物、液体医薬品、などの消費を含む)、運動行為に関するイベント、交信に関するイベント、監視対象に関連する種々の普通の行動に関するイベントが含まれる。例えば、檻の中のネズミについて測定できる行動イベントには摂食、摂飲、檻の中の運動が含まれる。ヒトについて測定できる行動イベントには摂食、摂飲、或る地域の回りの運動、電話、コンピュータのような特殊な電子装置の使用などが含まれる。その他の行動イベントは特種な刺激或いは装置に対する動物応答に関するものであってもよい。

0022

装置イベントとは既知の位置にある装置との反応に関する行動イベントのことである。この位置とは一定の位置でも可動の位置でもよい。その例には檻の中のフィーダーで発生する摂食イベント、檻の中のなめ装置で発生するなめイベントが入る。その他の装置イベントの例として家の中の既知の位置にあるコンピュータの使用、或る特定のレストランで発生するものであり、そのレストランにある装置との反応で示される摂食イベントがある。

0023

装置の例にはなめ装置、動物による液体摂取の度合いを提供する装置、フィーダー、捕獲状態にある動物に食餌を与える装置などがある。或る実施例のフィーダーは動物によって摂取された食餌の量を示すものである。装置との反応は行動の測定に必要なもののことでもよい。例えばネズミによる水の消費はなめ装置においてネズミが水を得るためになめ口をなめることによるキャパシタンスの変化によって測定されてもよい。同様に摂食は動物がフィーダーの中の食餌に届くために写真光線を遮るときに写真光線検出器によって測定することが出来る。その他の装置として回転輪レバー及び穴がある。レバーや穴は食餌、液体、薬品、或いは感覚的刺激の投与或いは供給と反応する。或る実施例において、装置とはオペラント調教装置である。装置との反応には他の動物、感覚的刺激(例えばオドラント)或いは新規な或いは既知のものに露出することがあり、測定で動物の感覚的刺激などに対する反応について行動情報が得られる。

0024

イベント間間隔とは同じタイプの二つの行動イベントの間の間隔のことであり、例えば二回の写真光線遮断の間の間隔のことである。同様に或る行動がコンピュータとの反応で測定される場合、イベント間間隔がキーボードキーの押される間隔或いはマウスクリックする間隔などであってよい。

0025

イベント開始エラーとは装置イベントが実際には発生して居ない場合イベントの開始を誤って測定することに関する。檻を揺らすこと、食餌の移動による写真光線の遮断、なめ装置による電磁界ノイズの検出などが擬似摂食及び摂飲イベント測定の原因の例である。

0026

イベント終了エラーとは装置イベントが実際には終了したのに継続を示す測定エラーを意味する。イベント終了エラーの原因の例として、摂食バウトの間食粒子によるフィーダーの写真光線の遮断がある。なめ装置の故障は自発的滴下の結果かも知れず、また寝具材をなめ口に(ネズミにより)置くことに起因するものかも知れない。そのようなエラーはもし検出されないならば装置イベントの長さの過大評価となり、その装置における動物の行動が長引いた結果となる。

0027

運動データは測定地域内での被験動物の運動に関する情報のことである。これには空間的及び時間的情報、例えば測定期間の時間における動物の空間的位置が含まれる。運動データは一定の時間、例えば1秒間収集されてもよいが、多くの実施例の場合、生データセットにおけるデータの量を減少させるため、運動データは動物が或る閾値以上動いた時に収集される。データ収集閾値距離は行動監視システム及び対象のタイプに依存して変化する。広範囲におけるヒトが対象である場合、数キロメートルの閾値が妥当であり、他の動物の場合には数メートルが、げっ歯類の場合には数センチメートルが適当であろう。従って、運動データは動物の位置及び各位置での時間或いは以前の位置からの持続時間が含まれてよい。位置及び/或は運動はロードビームRFIDトランスポンダー衛星システムビデオ追跡など、種々の機構によって測定されてよい。

0028

ドリフトとは測定に関連する蓄積されたエラーのことである。総合位置ドリフトとは測定期間内の或る時間における測定地区内のx及びy座標(及び/或は測定されるならばその他の座標或いは次元)でのドリフトのことである。例えばロードビームが動物の運動の監視に使用される場合、運動の測定は檻の中の質量分布に影響される。変化は動物の体重、フィーダー内食料の量、及びなめ装置内の水のみならず寝具材の移動によっても起こるものである。檻の位置に対する運動路及び摂取行動位置が移動するようなy軸における位置情報の移動は檻の逆側に置ける食料及び水の除去の結果であるかも知れない。装置イベントドリフトは各イベントにおいて測定される装置の位置の見かけのドリフトのことである。総合位置ドリフトと同様、装置イベントドリフトは典型的に各座標或いは次元について測定される。

0029

対象動物行動はバウト(bout)とクラスターとに分類される。バウトとは同じ行動的行為の発生或いは発生の繰り返し、或いは時間的に密集するように見え、及び/或は異なる行動の介在によって分離されない行動的行為(例えば食餌摂取或いは写真光線の遮断)のことである。或る実施例において、バウトとは或る特別な位置における行動の発生及び/或は繰り返しによって特徴づけられるものである。クラスターとは同じ行動行為のバウトの繰り返し或いは時間的に密集するように見える行動行為(例えば食餌の消費或いは写真光線の遮断)の表示である。

0030

対象動物行動は更に状態、例えば活性及び不活性状態へと編成される。状態は特殊な一種以上の行動の増加した確率及び/或は一つ以上の特徴的位置でのこれらの行動の発生によって特徴付けられるものである。例えば活性および不活性状態に分類されてもよい。活性状態とは或る測定行動(例えば摂食、摂飲、或いは運動)の確率が増加した状態のことである。不活性状態とは若干の測定ウインドウに亘って特徴的位置にいる確率の高い状態のことである。これらの特徴的位置とは捕食或いは環境的条件からの避難所として作用するものであってよい。不活性状態の期間中、対象の動物には或る特定の測定行動(例えば休息或いは睡眠)に従事する確率の増加があってもよい。議論のため以下の記述においては主として活性不活性の分類に言及するが、方法はこれに限定されるものではなく、特種の行動或いは位置において発生する行動の確率の増加するその他の状態の分類の同定に使用することが出来る。

0031

本発明の実施例は種々のコンピュータで実行する操作を実施するための実体的及び非実体的コンピュータで読むことの出来るメディア或はプログラム指令及び/或はデータ(データ構成を含む)を含むコンピュータプログラム製品に関するものである。コンピュータで読むことの出来るメディアの例にはハードディスクフロッピイディスク磁気テープ、のような磁気メディアGDROM装置ホログラフ装置のような光学的メディア、磁気光学的メディア、半導体メモリ装置、及びリードオンリメモリ装置(ROM)及びランダムアクセスメモリ(RAM)、及び時として特種応用集積回路ASIC)のようなプログラム指令を記録し実行するように特に構成されたハードウエア装置プログラマブル論理装置PLD)及び局地ネットワーク、広範囲ネットワーク、及びインタネットのようなコンピュータで読むことの出来る指令配達用信号発信メディアを含むがそれに限られるものではない。本発明のデータ及びプログラム指令はキャリア波或はその他の輸送媒体(例えば光学線、電気線及び/或は空気波)によって実施されてもよい。

0032

データベースとは情報を記録及び検索する手段のことである。データベースは更に保存された情報の仕分け及び/或はサーチの手段を提供するものである。データベースには文書システムカードシステム機械的システム電子的システム、光学的システム磁気的システム、或いはこれらの結合物のような便利な媒体を含むことが出来るが、それに限定されるものではない。或る実施例のデータベースは電子的(例えばコンピュータに基づく)データベースが含まれる。データベースの保存及び操作に使用されるコンピュータシステムは当業者には周知であり、パーソナルコンピュータシステムメインフレームシステム、インタネット或はイントラネット上の分配ノード専用ハードウエア(例えばマイクロチップ)に保存されたデータ或はデータベースなどを含むがこれらに限定されるものではない。

0033

2.データ品質制御
行動監視システムは大量のデータを生成する。例えば檻の各々が食餌消費表示器、液体消費表示器運動を測定する活動プラットフォームを有する32檻監視システムは96個のデータ収集装置を有する。一日ごとに、各装置は例えば500−5000の摂食イベント、1000−10000のなめ装置イベント、ならびに10000−350000空間位置のような何千ものイベントを記録する。これらのイベントの処理には強固な自動化された品質評価アルゴリズムが必要とされる。大きな生物学的データセットを有効的に使用するにはデータ品質を評価する新規な方法が要求される。データの品質は例えば機械的不成功或は被験動物の装置との特異な相互作用によって影響されることがある。行動システムデータの品質の評価には行動データの品質に悪影響がないように考慮が必要である。

0034

本発明は諸面において行動監視システムによって生成された多量のデータの品質制御及び評価に関する。種々の実施例において、この方法は周期的摂取測定、対象動物及び装置外観、及び環境状態に関する実験者観察を合体するものである。尚、行動データ収集装置の機能を監視するのに要求される自動化された技術が供される。

0035

高度の時間的及び空間的分解能を以て摂食、摂飲及び移動活動を評価する行動監視システム。収集されたデータの高分解能は高感度で行動パタンを識別する解析アプローチの発展に必須である。しかし、これらの行動データセットの複雑な特性及びサイズの大きさとは以下のような諸問題を供するものである:(1)データ保存及び質問用の高容量行動データ管理システムの必要、(2)システムノイズ、装置不成功、人的エラーの例を検出及び管理するための品質制御ツールの開発、及び(3)データ縮小及び行動パタンへの遺伝学的及びその他の影響を検出する能力を最大化する解析技術の開発。これらのデータセットは特異なものであるので、これらの問題には新規な解決法が要求されるものである。

0036

上記で指摘された如く、データベースは典型的に測定地区内の動物の運動或いは空間的位置、並びに一個の或いは典型的に複数の装置からの行動装置イベントデータを含むものである。種々の実施例において、品質制御方法は行動データを解析して位置情報と装置情報の間及び/或は複数の装置から受けた情報の間の不一致を検出することから成る。

0037

図1は或る実施例によりデータを濾過する工程の大要を示すものであり、図2−6は図1に記述された或る処理の特種実施例の詳細を示すものである。図1に説明された処理の中のいくらか或いは全部はデータ品質評価及び解析用の濾過されたデータッセットの製作に使用可能である。これに追加的の品質制御処理も実行されてよい。この工程は測定期間の運動及び装置イベントデータの入力で始まる(101)。結合された測定期間及び測定地区(例えば檻の運動及び装置イベントデータはデータッセットと言及されてもよい。このデータセットは如何なる形態であってもよく、複数の対象動物のデータを含むものでもよい。多くの実施例において、運動データは時間対位置データとして供される。装置イベントデータは測定期間内の異なる時間における装置との反応表示を含んでもよい。例えば、データセットの位置/運動データは動物が或る規定距離(例えば1cm、10フィート、など)以上の距離を動く度の記録を含んでもよい。データは例えば測定期間内での動物位置及び時間或いは以前記録された位置からの持続時間の形態であってよい。同様に、摂食或いは摂飲の行動に関し、データセットは食餌及び液体摂取装置からの信号間の持続時間を含むものでよい。データは例えば上記の米国特許出願7086350号に記載された方法で外部から入力されたものでもよい。

0038

工程は虚偽装置イベントデータの同定及び除外(103)によって継続される。これには虚偽装置イベント開始とも言及されるイベント開始エラーの検出が関係する。例えば檻の揺れ、食餌の移動による写真光線の短期間の遮断、なめ装置により電磁界ノイズ検出などの偽性装置イベントの原因で虚偽摂食及び摂飲イベントが出来てしまう。同様に、対象物によって可動電話或いは追跡機のボタンが計画的に押されることに依存する行動監視システムにおいて、虚偽装置イベント開始は不注意な作用による場合がある。事実上装置イベントが発生して居ないのに装置イベントの発生を示す如何なるタイプのエラーもイベント開始エラーである。これらのイベントは典型的には稀なのであるが、装置イベントが運動位置修正(以下において記載)に使用される場合には有意義となる。

0039

イベント開始エラーが検出され関連する装置イベントデータが除外された後、位置運動データの不正確が計算される(103)。或る実施例において、位置情報の不正確は蓄積される。例えばロードビームが動物運動の監視に使用される場合、運動測定は檻の中の質量分布の変化に影響される。変化は動物の体重、フィーダー内の食餌及びなめ装置内の水の量の変化並びに寝具材料の移動で発生する。かような変化が考慮されないと、結果として位置情報の不正確となる。運動位置エラーの一例が図2に示されて居り、ここには24時間の行動記録が移動位置を緑色、摂食イベント位置をオレンジ色、摂飲イベントを水色として示してある。ここでは201においてy軸上に位置情報の移動の証拠が見え、移動路及び摂取行動位置は檻位置に対して後方(上方)に移動している。かような不正確は檻前方の装置からの食餌及び水の除去に起因するものである。

0040

図2は位置情報の測定に檻の中のロードビームを使用した結果のものである。装置イベント(例えば摂飲及びフィーダー写真光線中断)は檻内或いは他の測定区域の既知の位置で発生し、この情報は運動及び位置データの修正に使用される。修正された行動記録は図2の203に示されている。運動位置データ修正の一実施例の詳細が図6に関連して下記に記述されている。位置データの不正確の修正に装置の既知の位置(及び動物の予期される位置)が使用されるので、位置データ修正の前に上記の虚偽装置イベント開始に関連する装置イベントデータを除外するのが好適であることに留意されるべきである。運動位置修正は虚偽装置イベント除外の後のみならず、その前に実施されてもよい。

0041

一度位置データが修正されると、装置イベントの終了不成功の結果であるデータセットの不正確が同定され除外される(109)。或る場合において、装置から離れても終了しないような装置イベントを動物が開始することがある。例えば摂食バウトの間に食餌粒子によってフィーダーの写真光線が遮断されることがある。自発的滴下とか、(ネズミによって)寝具材がなめ口に置かれることによってなめ装置不成功が発生することもある。同様にビデオ、衛星、電子追跡が不成功で装置イベントが登録されないことがある。検出されない場合、かようなエラーは装置イベントの長さの過大評価及び装置における動物の活動が誤って示されることになる。ある実施例においては、装置開始エラーが既に検出されて除外され、位置修正が実施されたデータを使用して装置イベントの間の対象物のすべての位置を見出すことにより装置の終了不成功が検出される。装置イベント間の対象物の位置は高速最隣接密集化(rapid nearest neighbor clustering)アルゴリズムを使用して密集化される。イベント終了エラーがない場合、装置に唯一のクラスターが存在するはずである。一個以上のクラスターが存在する場合、装置に最も近接した最大のクラスターが有効なイベントを含むものとされ、其処以外で発生するイベントは除外される。或る実施例に従って装置イベント終了不成功を検出する詳細は図7を参照して以下において説明される。

0042

或る実施例において、測定期間内での動物の総合的測定された運動が既知の動物行動と比較され、位置検出機構との潜在的エラーが検出される(113)。例えばロードビームの機能不全があると、位置測定エラーが発生する。一例において、機能不全の場合のスクリーニング法として動物の素質傾向が使用され24時間の記録期間に亘り檻の地区全体が調査される。ロードビームの飽和の結果、運動データの切捨て或いは歪みとなり、中央軸の緩みのような問題の結果運動データの切捨ての結果となる力の過小評価となることがある。ロードビーム検出或いは或る実施例による他の位置検出器機能不全については以下図10を参照して説明される。同様に位置データは他のタイプの位置検出機構用の既知の動物行動と比較することが出来る。更に、位置データは例えば対象物が進入不可能な測定区域以外の位置のような境界違反用に検査することが出来る。

0043

図1の処理の種々の実施例が以下において説明される。

0044

A.装置開始エラーの検出
潜在的装置イベント開始エラーの検出には記録された装置イベントと独立的に収集された位置データとの間の不一致の検出が含まれる。例えばなめ装置からの信号が或る時間におけるなめイベント発生を示唆するのに、その時間における位置データがその時間でのその装置におけるネズミ或いはその他の対象物の不在を示すことがある。その場合、装置データ収集或いは運動データ収集のどちらかにエラーがある。或る実施例において、本発明での方法は位置情報を使用して除去及び/或は使用者によるその後の検討のために潜在的虚偽装置イベントを検出しフラッグで示すものである。

0045

或る実施例においては一度動物の位置データと装置開始データの間に不一致が同定されると、このエラーが装置データ収集からのものか運動データ収集からのものか決定される。エラーが装置データ収集からのものであると、その装置イベントは自動的に除外されるか或いはフラッグで識別され除外されるべきか使用者に決定のために供される。

0046

上記の如く、一定の時間における装置イベントの表示がその時間における動物の測定位置と不一致の場合に潜在的イベント開始エラーが検出される。或る測定システムにおいては、位置(運動)データがエラーの蓄積が問題となる機構によって収集される。この蓄積されたエラーはドリフトと言及される。もし動物が装置の近くに居ないと位置データが表示しているときに装置イベントが発生すると、大きな位置ドリフト或いは虚偽イベント開始が発生したことになる。これらの可能性は総合位置ドリフトを測定しそれを装置活性化の間における動物の表示位置のドリフトと比較して識別可能である。もしイベント活性化の時における総合位置ドリフトが装置活性化の開始における動物の位置ドリフトと同様であるならば、そのイベントは有効とみなされてよい。総合ドリフトと装置ドリフトとに相違があると、偽性装置イベントの可能性が発生する。図2は装置イベントドリフトを総合位置ドリフトと比較してイベント開始エラーを検出する或る実施例による工程の概要を示すフロー図である。

0047

この工程は或る時間期間において対象動物の総合位置ドリフト(PD)を測定することで始まる(301)。(総合位置ドリフトの測定は以下において図4を参照して説明される。)各装置イベントが考慮される。与えられた装置イベントに関してイベント開始の時間tにおける対象動物の表示された或いは測定された位置が得られる(303)。装置イベントドリフト(ED)が次いで決定される(305)。時間tにおける位置ドリフト(PDt)と装置イベントドリフト(ED)との差が決定される(307)。この差は閾値差と比較される(309)。もしこの差が閾値より大きいと、このイベントはフラッグで識別され使用者に供される(311)。代行的に、装置イベントが自動的に虚偽と分類され関連するデータが除外されてもよい。313の決定ブロック残余装置イベントの検査がある。対象物の装置イベントと測定期間に残余が存在する場合、フラッグ識別されたイベントは再調査のため使用者に供される(315)。

0048

EDの計算には、イベントの時間における動物の測定された位置と測定ウインドウにおけるイベントの第一測定位置との比較が含まれる。もしこのタイプの第一イベントが測定区域の座標の初期化に使用されたのであるならば、これは装置の既知の位置に基づくイベントの間の動物の推定位置であろう。座標の初期化は運動位置修正の一部として以下において説明される。

0049

総合位置ドリフトの推定を得るため、測定区域における対象物の運動の境界を定義する最小と最大位置(X,Y,及び/或はその他)でのドリフトの推定が取得される。或る実施例において、総合位置ドリフトの決定には凸状殻体(convex hull)の両側の最小から最大位置への距離が檻或いは他の測定区域の幅(X位置)或いは長さ(Y位置)の或る百分比のより大きくなくてはならないとの条件のもとで凸状殻体をX及びY(或いは他の座標)位置対スライディング時間ウィンドウの時間にフィットすることを含む。この特殊な測定区域に好適な如何なるタイプの座標システムが使用されてもよい。重複する凸状殻体は距離条件が満たされるまで独立的に拡張されて最小及び最大位置における総合ドリフトの推定値をもたらす。この位置包絡線は平均することが可能であり、この平均はデータ収集の間のどの時間における総合ドリフトの推定値の取得にも使用可能である。このドリフトが装置位置の見かけのドリフトから例えばX方向で10cm、Y方向で15cmのような一定の閾値以上異なる場合、この装置イベントは処理311における如く以後の再調査のためにフラッグで識別される。

0050

図4は上記のように総合位置ドリフトを取得する主要処理を示す工程フロー図である。この工程は対象物と測定期間の位置対時間データを入力することで始まる(401)。例えばX,Y,及び/或はその他の座標のような位置座標に関して、凸状殻体は持続時間dのウインドウ座標位置対時間にフィットされ時間 t0に初期化される(403)。凸状殻体は既定数の座標位置単位xを包含する時間tnまで時間的に拡張される(405)。例えば凸状殻体は測定区域の全体の幅或は長さの一定割合、例えば80%を包含するまで拡張されてよい。処理403及び405は持続時間d凸状殻体に繰り返され、時間t0に初期化され 時間tmに距離条件が満たされるまで拡張される(407)。これはtmが測定或は観察期間、例えば1日となるまで繰り返される。座標の位置ドリフトはいずれかの時間における凸状殻体に沿った最大と最小位置の平均を取得することで推定され、それによって位置ドリフトが時間の関数として得られる。図4に説明される工程は各位置座標について実施され、例えば時間t=3時間におけるX方向の位置ドリフトとして−3cm、Y方向の位置ドリフトとして2cmが得られる。

0051

イベント開始エラー検出のグラフ例が図5Aに示される。これらのグラフは24時間の監視期間に亘る総合位置ドリフトとなめ装置イベントドリフト(水色)及び写真光線イベントドリフト(赤色)との差を示す。X及びY軸ドリフトは別々に示されている。此の場合Xで10cmYで15cmのフラッグ識別イベントのドリフト差閾値は破線で示されている。この例においては、Y軸ドリフト差がなめ装置イベントの閾値を超過する二例がフラッグ識別されている。このなめ装置イベントデータを自動的に除外すること或はフラッグ識別されたイベントを図5Bのように使用者による再調査用に提供することが可能である。

0052

B.運動位置修正(MPC
運動位置修正には運動及び位置データを修正するのに装置の既知の位置が使用される。 MPCアルゴリズムは運動/位置データから計算された各装置イベント開始における動物の位置を装置の既知の位置に基づく動物の推定位置と比較する。計算された位置と推定位置との差が閾値より大きい場合には、その前のループでの運動データが修正される。

0053

或る若干の処理が図6のフロー図に示されている。この工程は座標の初期化で始まる(601)。各セッション(測定期間)の冒頭において、対象動物の座標が初期化される。この初期化は第一の装置イベントにおいて図6に示される例のように装置における対象動物の推定位置に基づいて対象動物の座標が初期化されてよいが、如何なる適切な初期化が行われても良い。第一装置イベント(或はその他の初期化)以前の動物位置は逆算できる。次の装置イベント(DEn)においてはロードビーム、ビデオ追跡、その他の位置検出機構その他で測定された動物位置が装置の既知の位置に基づいて対象動物の推定位置と比較される(603)。この差が位置ドリフト(PD)である。此の比較は各位置座標(此の例ではX及びY)に関して行われる。もし装置イベントの間測定された位置と推定位置との差が一定の閾値を超過する場合(ブロック605参照)、データセットの位置データはこの差をDEnと前回の装置イベントとの間の測定された位置に亘って分布することにより修正される(607)。この分布は位置間の移動距離によって加重されたものあってよい。この工程はこの測定期間内のすべての装置イベントが考慮されるまで次回の装置イベントDEn+1に繰り返される(609)。

0054

檻の中のネズミに関する位置及び運動データ修正のMPCツールの使用は上記の図2に示されている。しかし、位置情報の確証及び修正のために対象動物と既知の位置を有する装置との作用が利用可能な各種の実験環境においてMPCツールは使用可能である。図1において、MPCツールは虚偽装置開始の検出と除外の後に実施されていることが示されて居り、これはMPCが位置情報を修正するのに対象動物の推定位置に依存するので重要なことである。或る実施例において、MPCツールは虚偽装置イベントの除外以前に使用され、除外の後再度使用されてよい。

0055

C.装置イベント終了不成功の検出
或る実施例においては、上記の如く、終了不成功の装置の事例を検出するのに隣接密集化アルゴリズムが使用される。装置イベントの間の対象動物のすべての位置が密集化される。図7工程フローの主な処理を示し、この工程は特別な装置の総ての装置イベントに関するすべての位置データを入力することで開始する(701)。上記の如く、このデータについては装置開始エラーが既に検出されて除外されたものであり、MPCツールが実施され再実施されたものである。各装置イベントに関してそのイベントの開始位置からの最大位置が取得される(703)。次いでクラスター解析が実施されてこれらの最大位置が密集化される(705)。もしイベント終了エラーがない場合には、予期される装置位置を中心にして只一個のクラスターがある筈である。一個以上のクラスターが存在する場合には予期される装置位置に最も近くを中心とする最大のクラスターが有効イベントを含むものとされ、其所以外に発生するイベントは除外される。従って、予期される装置位置に最も近いクラスターが受け入れられる(707)。この受け入れられるクラスター以外の最大位置を有するイベントはすべて除外される(709)。これと異なる密集化及び除外の標準が使用可能であることは当業者には理解出来ることであろう。イベントデータは自動的に除外されてもよく、叉フラッグ識別されて使用者に除外の判断の為に供されてもよいことに留意されるべきである。

0056

ネズミの住居檻監視システムにおける摂食及び摂飲イベントの密集化のグラフ例が図8に示されている。図8に示される例において、フィーダー(緑色の正方形)に近い摂食イベントのクラスターとなめ装置(水色の円)に近い摂飲イベントのクラスターとが同定された。相反する隅の二つの正方形は二つの摂食イベントの間に決定されたフィーダーからの動物の最大距離を示す。赤色は有効な摂食イベントの標準外であることを表すものである。

0057

D.位置検出器機能不全の検出
或る実施例の行動監視システムは動物運動及び位置の決定用の力のトランスデューサとして機能するようにロードビームを使用する。時としてロードビームには機能不全のことがあり、これらの測定にエラーが発生する。ロードビームが飽和すると結果として運動データに切り捨て及び歪みが発生し、中央の軸が緩むような問題の結果として力の過小評価、運動データにおける切捨てとなる。このようなエラーの起こったデータの例がグラフとして図9に示されて居り、測定値は緑色で示されている。これらのタイプのエラーの可能性は単にロードビームにおけるもののみでなく、その他のタイプの位置検出にもあることである。例えば市のような広範な測定範囲での可動追跡装置に依存する位置検出器は天候によってある地理的区域においては送受信を失うことがある。

0058

このようなエラーの或る実施例における検出には、測定期間のすべての修正された運動位置を既知の或いは予期される動物行動パタンと比較することが含まれる。その一例としてネズミの24時間の測定期間に亘って檻の全面積捜索しようとする偏向がある。その他の例として、対象人間には一日あるいは一週の間に仕事場に隣接した地域を歩き回ることが期待される。

0059

或る実施例において、このようなエラーの検出にはすべての修正された運動位置の凸状殻体をプロットし、その凸状殻体を既知の或いは推定動物行動パタンと比較することが含まれる。例えば、比較には凸状殻体が占有する測定面積の百分比の計算が含まれる。もし檻面積の或る百分比、例えば80%以下が凸状殻体で占有されているならば、その日或いは他のデータ測定期間のデータはその後の使用者による再調査のためにフラッグ識別されてもよい。図10は或る測定期間に入力された位置データからの検出位置検出器機能不全の一実施例の主処理を示すフロー図である。この工程は測定区域足跡を定義するため測定区域の凸状殻体を生成することで始まる(1001)。他の生成方法或いは既存の測定区域足跡が使用されてもよい。測定期間のすべての測定位置の凸状殻体が生成され(1003)、凸状殻体の百分比インタセクションが計算される(1005)。このインタセクションはブロック1007の閾値と比較され、もしこれが閾値より大きければそのデータは受領され、少なくともフラッグで識別されることはない。もしこれが閾値より小さければこのデータを除去されるべきか決定される(1009)。この決定は使用者の再調査の後に行われるが、他の実施例ではデータが自動的に除去されてもよい。

0060

或る実施例において、測定位置の測定区域足跡との比較には例えば市の東部と言ったような測定区域の所定地区の重なりの解析が含まれる。境界侵害の検出をも含め、他のタイプの位置エラー検出が使用されてもよいことに留意されたい。測定地区足跡を測定位置と比較することによって、測定区域の外部からのストレイ信号のような散発的なエラーでない、ロードビーム飽和のような位置検出器の組織的故障を明らかにすることが出来る。

0061

E.自動化或いは使用者によるデータ品質制御のコンピュータ用の方法
上記の如くデータ品質制御アルゴリズムは自動化アルゴリズムと結合された使用者の若干の再調査を含むことが出来る。例えば使用者入力コメント或いは上記の自動化アルゴリズムの結果のデータ品質制御決定は三つのレベルから成る構成とし、品質1(使用)、2(再審査用のフラッグ)、3(使用不可)とされてもよい。品質2とは検査官による検査を必要とする潜在的エラーの存在を示す。この検査の便宜のため、これらの潜在的エラーを実験者が見て処理するツールが供される。データ可視化技術によりデータ及びフラッグ識別されたエラーの試験が容易となり、検査官がこれらのフラッグのものが除外地位へ格下げされるべきか、使用OKの地位へ格上げされるべきか決定するのに役立つ。

0062

或る実施例において、品質制御工程は二段階段階1及び段階2)に分けて実施されてよい。段階1においては自動化アルゴリズムが実施され、例えば位置データの累積エラー、位置検出器機能不全、虚偽装置イベント開始などのサーチを行う。潜在的エラーは更なる検査のためフラッグで識別される。実験者は次いでグラフ式使用者インタフェイス(GUI)を使用してすべてのフラッグ識別されたエラーを処理する。一度これが実施されると、すべての運動データは除外されるか修正される。このフルに処理された運動データは次いで第二段階を通過させられ、ここでは装置終了アルゴリズムが修正された位置データを使用して装置終了エラーを捜査し除外する。この点において装置エラーのすべての自動化検出は完了し、装置イベント(例えば写真光線時間及びなめ数)及び摂取の間の予期される相関からの大きな偏差検査用にフラッグ識別される。このような偏差はデータ入力エラー或いは装置のイベント検出不成功の結果かもしれない。実験者はここでGUIを使用して例えば食餌ホッパが非常に低くて動物が食餌を得られなかった可能性が高い場合など使用者再調査用にフラッグ識別されたデータなどを観察し処理することになる。

0063

図16は段階1QCGUIの画面である。パネルA及びBは実験ラウンド/ネズミ/日付選択ボクス(パネルA)及び補充プロット選択/ビュアー(パネルB)を示す段階1QC GUIのスクリーン画面である。(此処に示されるスクリーン画面はマトラブガイド(Matlab Guide)GUIデザインインフェイスを使用して作成され、これによりデザインにボタン、プロットなどを位置し、これらの特性(即ち色、状態など)を変更することが出来るようになる。選択ボクス内には「檻境界違反」及び「ドリフト差違反」の二つのエラーフラッグが示されている。ドリフト差違反はパネルBの位置ドリフト表示に明らかに存在している。これら離れたなめは本当のなめ装置機能不全とは見えないので、使用者は第二エラー(「檻境界違反」)の起原を理解することが出来る。なめイベントの間でのネズミ位置が運動の修正をするのに運動位置修正アルゴリズムによって使用されるので、フラッグ識別された悪いなめ位置はパネルC(MPCツールの副産物)に示されるようにネズミが檻を越えて動いたように見せてしまう。これら両方の問題を修正するために、使用者はGUIを使用してラジオボタン「3」(「Le」列)をクリックすることにより悪いなめを除外し、GUIを再操作するであろう。パネルDに見られる如く、予期されるようにこの工程によって檻境界違反が除外される。

0064

或る実施例において、除外されるなめは単にドリフト差が或る閾値以上である総てのなめを除外することで自動的に除外される。しかし上記の如く、ドリフト差を計算するアルゴリズムは運動ドリフトを推定するアルゴリズムの正確さに依存する。このドリフトを推定するのは些細な問題ではないので、多くの実施例において実験者には段階1QCGUIを使用してフラッグ識別されたなめ或は摂食イベントを点検する必要があるかもしれない。他のフラッグ識別されたエラーもこのように試験することが出来る。

0065

図17は段階2QCGUIのスクリーン画面である。ここではフラッグ識別された検出失敗エラーの例が見られる。図におけるパネルAはその日の終わりにおいての一件を除いてイベント表示になめイベントが示されて居ない。しかしパネルBはその日にネズミが消費した水の量(正方形の中にハイライトされた値)は
実験のその他の日での摂取と比較しても実験における他のネズミの摂取を比較しても異常でないことを示している。これはなめ装置の検出失敗エラーを示して居り、その日のこのネズミのなめイベントデータは除外されなくてはならない。しかし食餌摂取及び運動データは除外されなくてもよい。再度述べることであるが、かようなエラーは実験者が段階2QC GUIを使用して点検することが出来る。

0066

使用者インタフェイス及び分類結果の表示の更なる詳細は添付された付録1及び2に含まれている。

0067

3.活性及び不活性状態の分類
本発明は別面において活性及び不活性状態の分類に関する。一般的に、活性状態とは不活性状態で中断されながら或る測定行動の発生(運動を含む)の確率増加の状態のことであり、不活性状態とは特徴的位置にいる確率が高く休息及び睡眠が発生しやすい状態のことである。活性と不活性状態の間の遷移は自由行動の動物の行動構成の基本的特徴をなすものである。下記するこれらの状態分類の方法とシステムはどの種その他にも応用できるものである。また、これらの方法は活性不活性以外の他の状態であって、或る行動の発生する確率及び/或は特徴的位置にいる確率の高い状態の分類に使用できるものである。

0068

或る実施例において、指摘されたように、行動構成の基本的特徴を成すものである活性及び不活性状態の客観的同定を自動化するアプローチが提供される。これにより行動の連続順序及び活性状態特性への24時間周期或は超概日性影響の詳細な解析が可能とされる。一度活性及び不活性状態が分類されると、時間的変動の特徴付けが可能となる。この特徴付けの例が以下及び例において説明される。

0069

或る実施例において、不活性状態の分類には不活性位置持続時間閾値の導入が含まれる。不活性閾値より長い持続時間の位置は不活性と分類される。この閾値を正確にかつ強固に同定するには時間ウインドウと空間的濾過パラメタの二つのパラメタの決定が必要であった。時間ウインドウは唯一のホームベースが使用される時代捕獲に使用される。時間的或る期間に亘って動物は自分のホームベースを置き換えることがある。 例えばネズミは巣の位置を変えることがある。ヒトは二カ所を往復し、或る夜は或る家に泊まり、別の夜は第二の家に泊まることがある。単一ホームベース(そのベースがどちら或はどこにあっても)が使用される時間ウインドウを使用することにより、異なる巣、第二のホーム位置などで過ごされる睡眠及び休息時間が正しく不活性状態と同定される。空間的フィイルターが使用されて動物をホームベースの位置から除外しなかった小さい運動,例えばベッドで転がるヒト、巣の中で位置替えをするネズミを平滑化する。時間ウインドウと空間的フィルターとの最適な結合が状態分類エラーを最小化することによって選択される。

0070

図11は活性及び不活性状態を分類する工程の処理を示す工程フロー図である。この工程は時間ウインドウと運動閾値を選択することで始まる(1101)。データセット内の生データは典型的に例えば12時間、24時間、36時間とされる測定期間に亘る運動(位置対時間)情報を含む。上記の如く、生データセット内の運動データは位置における閾値変化で記録される。例えば1cmの閾値の場合、動物が少なくとも1cm動けば運動情報が収集され生データセットに保存される。時間ウインドウの範囲は0から測定期間、例えば24時間の測定期間、0から24時間、1、2、4、6、12、24などである。空間フィルターは例えば1 cm ,2cm 、3cmなどのデータ収集閾値からの範囲で良い運動閾値を選択することで用いることが出来る。

0071

不活性状態閾値が次いで選択され、不活性状態開始及び終了が定義される(1103)。上記の如く、不活性状態閾値とは或る位置を不活性と分類する閾値持続時間のことである。不活性状態閾値の決定については図12を参照して下記において説明される。考慮下の運動閾値によることであるが、不活性状態閾値によって異なる不活性状態の結果となることに留意されるべきである。例えば不活性状態閾値が1時間である場合、或る状態を不活性と分類するのは運動閾値に依存する。もし動物が1時間に10cm動くとすると、運動閾値が15cmの場合状態は不活性と分類されるが、運動閾値が5cmの場合にはそうではない。従って、一度考慮中の不活性閾値の時間ウィンドウと運動閾値の結合を使用して不活性開始及び終了が定義されると、不活性状態エラー百分比が計算される(1105)。これは尚下記において説明されるが、或る実施例においては不活性と分類された状態の間(このようなイベントが起るべきでない期間)に発生の装置イベントの点検が含まれる。誤って不活性と分類された状態が次いで修正される、即ち再分類される(1107)。総エラー率、即ち誤って不活性と分類された状態も含めたものが次いで計算される(1109)。分類とエラー率工程(処理1101−1109)が次いで時間ウインドウと運動閾値の全部の結合について繰り返される(1111)。不活性状態分類(即ち処理1103で実施され処理1107で修正された不活性状態の分類)が総エラー率に基づいて選択される(1113)。

0072

A.非活性状態開始と終了を定義するための不活性状態閾値の決定
図12は不活性状態閾値決定の処理を示す工程フロー図である。これは不活性状態の最小持続時間、即ちその間動物が動かない最小持続時間のことであり、ここで「動く」とは上記の如く運動閾値で決定されるものである。上記の如く(図11の処理1103を参照)、不活性状態閾値持続時間は不活性状態開始及び終了を定義するものであり、測定期間における動物の行動の高度の時間的分類を供するものである。

0073

不活性状態閾値の決定工程は最長持続時間或いはLDPを有する考慮下の時間ウインドウ/運動閾値の間の位置を見つけることで開始される(1201)。LDPは時間ウインドウ及び運動閾値によって変化する。次にLDPからのその他すべての位置の距離が獲得される(1203)。これらの距離はこれらの位置の持続時間の対数に対して表示される。このような表示の一例が図13の1301で示されている。図13に示される如く、この表示はこの時間ウィンドウにおける最長の休止に相対的に近接した長休止のクラス或いはクラスターを示している。不活性状態閾値持続時間とLDPからの最大距離が劇的に増加する持続時間のことである。或る実施例において、この持続時間は休止持続時間を容器入れ(binning)(1207)、各容器(bin)における最長休止からの最大距離を決定(1209)することで求められる。最小二乗曲線にフィットするルーテンが次いで使用され、三本の線が最大休止距離対休止持続時間対数にフィットされる(1211)。図13の1303を参照されたい。第二と第三線の交点1305(即ちLDPからの最大距離が劇的に増加する場所)が不動状態の休止閾値の定義に使用できる(1213)不活性状態はここで不活性状態閾値以上の持続時間を有する連続的位置(或いは単一位置)として定義できる(1215)。この基準から不活性状態開始及び終了が得られる(1217)。図13のプロット1305は不活性状態休止閾値の応用であきらかになる檻の中の不活性期間(赤色)のグループを示す。これらの状態は動物の休息位置に限定されている。不活性状態開始及び終了が獲得されると、活性状態開始及び終了も獲得されることになる。

0074

B.状態分類エラーの計算
上記の如く、最適時間ウインドウ/運動閾値を見出すことには分類エラー率が含まれる。もし上記の方法が不活性状態の分類に正確であるならば、不活性状態では装置イベントが発生しないはずである。或る実施例において、摂取分類エラーの決定には装置イベントを含む不活性状態の百分比計算が含まれる。活性状態分類エラーは例えば装置イベントが無く、又動物が居た区域が不活性状態に居た総ての区域の最大値より大きい活性状態の百分比として決定される。状態分類エラーは不活性と活性の両方の状態分類エラーから、例えば不活性及び活性状態分類エラーを加えて決定される。図14は状態分類エラーを計算する一方法の処理を示す工程フロー図である。この工程は不活性状態開始及び終了を入力して始められる(1401)。装置イベントを含む不活性状態、即ち開始と終了の間が同定される(1403)。不活性状態エラー率が次いで同定された不活性状態の数に基づいて計算される。図14に示される例において、エラー率は装置イベントを含む不活性状態の百分比である(1405)。この不活性状態エラーは総エラー率、従って運動閾値の適正の計算に使用されるように保存される。次いで装置イベントを含む不活性状態がないように分類が修正される(1407)。不活性状態の修正は例えば不活性状態閾値より大きな持続時間を有する連続位置のような不活性状態の定義に使用される標準に基づいている。従って装置イベントを有する不活性状態は周囲の活性状態と連続的な単一活性状態に再分類され、或いは活性及び不活性状態に分割されてもよい。修正が実施された後、更新された分類に基づいて活性状態エラー率が計算される(1409)。或る実施例において、活性状態エラー率は装置イベントが無く(例えば動物が食わず、飲まず、刺激に反応しないなど)、又動物が広い地区に亘って居ない活性状態の観点から計算される。例えば図14のフロー図において、活性状態エラー率は装置イベントがなくその間に動物の居た地区が最大の不活性状態地区より大きくない活性状態の百分比である。各活性及び不活性状態の地区は各不活性及び活性状態の位置データに凸状殻体をフィットして求められる。総合エラー率は次いで不活性及び活性状態エラー率に基づいて計算される。

0075

4.バウト分類
活性状態での行動はバウトを行動要素概念として編成される。バウトとは異なる行動で中断されることなく時間的に密集化される行動の繰り返しのことである。行動の時間的及び空間的特性両方に関する情報を合体させたバウト同定の自動化アルゴリズムが摂食、摂飲及びその他の行動の定量に提供される。上記の如く、バウトが同定されるデータにはフィーダーにおけるネズミの存在を示す写真光線遮断などのような装置イベント情報が含まれる。本発明の工程により自動化による行動のバウトへの分類、又それに加えて高程度のバウトの編成クラスターを可能とする。

0076

バウト同定のため、空間的情報は各装置イベントの終了から次のその装置における装置イベントの開始までの間(イベント間間隔IEI)の動物の位置を評価して分類計画に合体されてよい。或る実施例において、もし動物がIEIの間に装置から離れたら介在行動が発生したことになる。従って、例えば動物がIEIの間装置に居残った確率が推定される。もし装置に残留する確率が0.5以上ならばIEIは”装置に居た”と分類される。時間的行動パタンも分類計画に合体される。もしイベントが時間的にバウトを形成するように集合するならば、IEI持続時間、IDは少なくとも二つのタイプ即ち摂食バウト中に発生しやすいIDと摂食間に発生しやすいIDとが見られるはずである。(例えば、Langton,S.D.,Collett,D.,and Sibly,R.M.(1955)”Splitting Behavior Into Bouts; A Maximum Likelihood Approach Behaviour”132,781−799、及びTolkamp,B.J.,Allcroft,D.J.,Austin,E.J.,Nielsen,B.L.and Kyriazakis,I.(1998)”Satiety splits feeding behavior into bouts”, Journal of theoreticalbiology 194,235−250(両者とも此処に参照して合体されるものとする)を参照。)或る実施例において、ID分布は2グループ(長と短)に分割され、IEIの短い確率が推定される。各IEIのバウト内間隔(within−bout interval = WBI)或いはバウト間間隔(inter−bout interval = IBI)との指名はIEIが装置で発生した確率とそれが短かった確率との両方に基づいて行うことが出来る。

0077

図15は空間的及び時間的情報の両方を使用して行動イベントをバウトへ編成する方法の高程度の処理を示す工程フロー図である。この工程は装置イベント及び運動情報の入力で始まる(1501)。この情報にはイベント間及びイベント間間隔(IEI)の動物の空間的位置を含む空間的情報が含まれる。上記の如く、IEIとは装置イベントの開始からからその装置における次のイベントの開始までの間隔のことである。入力される情報にはイベント間間隔の持続時間を含む時間的情報が含まれる。バウトの同定には各IEIにおける動物によって占められる位置の評価により空間的情報が分類計画へ合体される。各IEIにおいて、動物が考慮下の装置から最遠であった位置(最大距離のIEI位置或いはMDIP)が決定される(1503)。IEIにおいて動物が装置に残留した確率が次いで考慮下の装置のMDIPに基づいて推定される(1505)。考慮下の装置のイベント間間隔(ID)に基づいてIEIが短い(長いに対して)確立を推定することにより時間的情報が分類計画に合体される(1507)次いでIEIが推定された空間関連及び時間関連確率に基づき、例えば確率を平均してバウト内間隔(WBI)或いはバウト内間隔(IB)であると分類される(1509)。WBIの不断のつながりが次いでバウトであると分類される(1511)。

0078

このアプローチが特徴的な空間的及び時間的特性をもつIEIの集団と区別される証拠が図22Cに示されている。各IEIに関し、フィーダーからの最大距離がY軸上に、その持続時間の対数がX軸上に表示されている。WBIと識別されるIEIはオレンジ色で示されて居り、すべてはフィーダーの近くて発生している。大部分のIBIの間、動物はフィーダーから離れて居り(緑色)、水の摂取はこのサブッセット(水色)として発生している。IEIの小さいクラスターがフィーダーの近くで発生している(赤色)が、これらは持続時間が長いのでIBIと分類されている。従って空間的及び時間的情報を両方使用すると空間的或いは時間的情報の一方のみ使用する場合と異なる分類となる。

0079

A.IEIの装置への遠近に関しての分類
上記の如く、或る実施例において、空間的情報はIEIが装置の位置或いは離れているかの確率を推定或いは分類をしてバウト分類計画に合体される。或る実施例において、これはIEIの間二変量正規の混合をMDIPにフィットすることで実施される。フィットされた二変量正規のセントロイドは高速最近接密接化アルゴリズムを使用して密集化される。セントロイドが装置に最も近い二変量正規のクラスターが「装置にある」(”at the device” =AD)と分類される。このクラスターの中の二変量正規はAD二変量正規と選定される(例外として拡散的二変数正規は除外されてもよい)。AD二変量正規の後位確率は加算されて各最遠IEI位置(MDIP)が装置にある確率が得られる。或る実施例において、IEIはこの確率が0.5以上であると「装置において」発生したものと分類される。或る実施例において、この確率は上記の如く時間関連確率と共にIEIがバウト内間隔であるかバウト内間隔であるか分類するのに使用される。

0080

図22Aは檻の中のネズミに関して二変数正規をMDIPにフィットする結果の例を示す。左側のパネルにおいて、最終フィットでの9個の二変数正規分布に割り当てられた位置はすべて異なる色とシンボルで表示されている。中央のパネルでは、オレンジ色で表示された装置で発生と分類された二変数正規分布についてセントロイドのみが表示され、その他の二変数正規分布はすべて緑色で表示されている。右側のパネルでは、フィーダーで発生と分類されるMDIPはオレンジ色で表示され、その他の位置は緑色でフィーダーからの移動がIEIの間に発生したことを示している。

0081

B.IEIの長短に関しての分類
摂食バウト内で発生し易いIDと摂食バウト間で発生し易いIDと区別するのに各動物のID分布が対数正規分布の混合でフィットされる。ID分布は別個のタイプのIDの存在と矛盾のない3個以上の対数正規分布の混合で最適にフィットされることが発見されている。IEIが短い確率が動物が装置の位置に居残って居た確率に基づいて対数正規分布を2グループ(例えば短と長)に分割することにより次いで決定される。

0082

或る実施例において、IDが総合的分布に対して短い確率は単変数正規を対数変換IDにフィットして決定される。その一例は図22Bに示されて居り、ここでは5個の単変数正規が対数変換IDにフィットされている。図22Bにおいて、対数変換ID(最小)はx軸に、正規化されない確率(IDの周期率の平方根)がy軸に示されている。

0083

次いで各正規分布に関し各IDの後位確率を見出して持続時間データが分割される。データを分割するのにIDは最短から最長へ区分される。各IDはハード的に密集化される、即ち、各IDは後位確率が最高の正規分布に従って索引付けされ、図22Bに示された例では各持続時間データ点は1、2、3、4或は5の索引を持つことになる。索引に変化がある度にデータは分割され、即ちハード的に密集化された独自性は一つのクラスターから他のクラスターへと変化する。

0084

次いで空間的情報が使用され、短い持続時間はIEIがWBI(上記のように計算された)である確率が高いことと矛盾しないとして、分割が持続時間の長短によって分類される。分割持続時間を長短で分類するに当たり、与えられたグループ(例えばOBネズミ)のすべての分割が個々の変化性の効果を減少するために結合された。平滑化線が次いで対数変換分割持続時間の平均の関数として分割AD確率にフィットされた。一例が図33に示されている。WBIに関し、グループ持続標準IDWBI-groupが動物の居残る確率と立ち去る確率とが同様になる持続として次に設定された。平均持続がこの標準より小さく分割AD確率が0.5以上の分割はすべて短間隔分割と分類される。同様に、平均持続がグループ持続標準より大きくて分割AD確率が0.5以下の分割はすべて長間隔分割と分類される。

0085

各動物について、長短の分割は短IEI持続時間標準として使用できる。次いで平均持続時間がこの持続時間標準以下である単変数正規の後位確率が加算されて各IEIが短い確率の推定が得られる。

0086

5.運動バウト分類
発明は他の面において活性状態(AS)の期間であり移動運動(LM)或は非移動運動(NLM)へのその他の装置イベントバウトの期間ではない運動の分類方法に関する。これは不活性状態の間或は摂食バウトの間に発生した運動を訓練セットとして使用した監督習得アルゴリズムを使用して行われる。これらの運動は限定された区域で起こるので、「場所での運動」(”moving in place”(MIP))行動を示すものでありNLMイベントの特性を反映するはずである。従って、MIP運動は動物が檻或は他の測定区域を巡り歩く移動のバウトの期間に発生する運動とは区別されるべきものである。一実施例においては、MIPイベントの訓練セットをパラメタ化するのに、各位置の運動率と反転角(2個の運動ベクトル内積)が使用される。移動の間に最も発生しやすかった中断のない運動イベントの継続が移動バウトの開始及び終了時間の定義に使用された。最後に、活性状態の中で動物が或る装置に関連する行動バウト(例えば摂取)或は移動バウトに従事していない時間が「他の」行動(例えば見回り、飼育、みづくろい、前掻など)のバウトと分類可能である。

0087

運動バウト分類を合体した特種実施例の更なる説明は以下において例としてある。

0088

6.比較密集化(Comparison clustering)
他の面において本発明は個々の対象物から収集された情報を使用して動物のグループ間比較をして遺伝子、薬品及び環境要素の神経規制への影響を研究する方法を提供する。行動の時間的パタンの詳細な定量的評価によってかような実験的操作の脳機能への高感度の影響の指標が得られるかもしれない。これには行動パタンの変化性を説明すると同時に実験グループ間の行動パタンの相違を検出する解析的方法が必要となる。

0089

二つのグループ(例えばWTネズミとOBネズミ)の間の行動パタンを比較する新規な方法が提供される。比較密集化法は二つのグループの間でパタンに差があるか決定し、観察された差に最も貢献するところのあるパタンを同定する。このアルゴリズムの例が活性状態(AS)開始時間及び持続時間に関して説明されるが、当業者はこれを他の行動データに応用することが理解できよう。

0090

この方法は二つのグループが例えばAS開始時間及び持続時間に関して同じパタンを持って居たとするヌル仮定のテストを含む。これは二つのグループの毎日のAS開始時間と持続時間を結合し(これはヌル仮定のもとで好適)、結合されたデータの各ASをクラスターの中の一つに割り当てることで達成される。各クラスターに関して制御及びテストグループがクラスターへASの同様な部分貢献しているとのヌル仮定に基づいてカイ二乗統計が計算される。総てのクラスターに亘るカイ二乗の和は日ごとのパタンの差の度合いとして使用される。差の意義は二つのグループの動物を並べ替え、カイ二乗の順列された和に対する元のカイ二乗和の百分位数等級を得ることで決定される。総合的パタンに有意義的な差がある場合にはこの差に最も大きく貢献したパタンの部分が段階的再サンプリングアルゴリズム3を使用する複数の比較のために調節された各クラスターのp値を得ることで見つけられる。Troendle,J.F.(2000)”Stepwise normal theory multiple test procedures controlling the false discovery rate”, Journal of StatisticalPlanning and Inference 84,139−158を参照。これは参照することによって此処に合体されるものとする。

0091

図18はこれらの或る実施例における二つのグループを比較する方法の処理を示す工程フロー図である。第一に、ヌル仮説のもとに二つの比較グループからのデータが結合される(1801)。典型的に、テストグループと制御グループとが二つのグループとなり、データは各グループの対象物の行動データ或は考慮下のデータである。数個のクラスターが選択される(1803)。最適な数のクラスターを選ぶ工程は下記において説明される。次に、結合されたデータセットの各データ点がクラスターの中の一つに割り当てられる(1805)。ヌル仮定に基づいて各クラスターに関しカイ二乗統計が計算される(1807)。総てのクラスターに亘ってカイ二乗が加算される(1809)。これは二つのグループのパタンの差の度合いである。対象動物は二つのグループの間で並び替えられる(1811)。これは二つのグループの間の差をテストする為である。有意義的な差があれば、複数比較テストが実施され、パタンの差に貢献するクラスターが見つけられる(1813)。

0092

図19はクラスターの最適数を見つける方法の処置を示す工程フロー図である。見られる如く、グループ比較内及び間のデルタカイ二乗のp値を最小化することが含まれる。図19に示される工程は一例であり、当業者は変更及び最適化の出来ることが理解されよう。

0093

7.コンピュータハードウエア
明瞭なことであろうが、本発明の或る実施例は一個以上のコンピュータシステムの指令及び/或はそれに保存或はそれを通じて転送されるデータの制御のもとに活動する工程を使用するものである。これらの作用を実施する装置に関する実施例もある。この装置は要求された目的で特に設計されたもの及び/或は製造されたものでもよく、或は一個以上のコンピュータプログラム及び/或はコンピュータに保存或はその他の様相で使用可能とされたデータ構成で構成された選択的に構成された汎用コンピュータでもよい。此処に開示される工程は内在的に特種なコンピュータ或は他の装置と関係のあるものではない。殊に、此処に開示されたプログラムと共に種々の汎用器具が使用可能であり、要求される方法工程の実施にはより特種化された装置を製造するのが便宜かもしれない。これら種々の機会の特種な構成について以下説明する。

0094

更に、或る実施例はコンピュータ読み取り可能のメディア或は少なくとも下記のタスクと関連のある種々のコンピュータ実施用処理の実行用プログラム指令及び/或はデータ(データ構成を含む)を含むコンピュータプログラム製品に関する:(1)器具類から生データを取得、(2)自動化及び使用者インタフェイスデータ品質制御の実施、(3)活性及び不活性状態の分類、(4)これら状態での時間的変化の解析と特徴付け、(5)行動バウトの分類、(6)運動バウトの分類、(7)グループに亘る比較密集化の実施。本発明はこれらのタスクのいずれ或は全部を実行するための指令を実施する計算装置にも関する。これらのタスク実行のための指令で符号化されたコンピュータ読み取り用のメディアにも関する。

0095

本発明のコンピュータプログラム製品及び計算装置使用に適切な実体的コンピュータ読み取り用メディアの例にはハードディスク、フロッピイディスク、及び磁気テープのような磁気メディア;CD−ROMディスクのような光学的メディア;磁気光学的メディア;半導体メモリ装置(例えばフラッシュメモリ)、及びリードオンリメモリ装置(ROM)及びランダムアクセスメモリ(RAM)のようなプログラム指令を保存及び実行するように特に構成されたハードウエア装置があるが、これらに限定されるのではない。ここに提供されるデータ及びプログラム指令はキャリヤ波或は他の輸送媒体(電気的或は光学的伝送路を含む)によって具現されてもよい。

0096

図20Aは適当に構成或は設計された場合或る実施例による計算装置として作用し得る典型的なコンピュータシステムを簡単なブロック様式によって示すものである。コンピュータシステム2000には一次保存装置1906(典型的にはランダムアクセスメモリ、或はRAM)、一次保存装置2004(典型的にはリードオンリメモリ装置、或は ROM )を含む保存装置と組まれているプロセッサ2002(中央処理ユニット或はCPUとも呼ばれる)が含まれる。CPU2002はどのようなタイプのものでもよく、例えばプログラマブルマイクロコントローラマイクロプロセサ(例えばCPLD,FPGA)及びゲートアレイASIC或は汎用マイクロプロセサのようなプログラマブルでない装置であってよい。図示された実施例において、一次保存装置2004はデータや指令を一方向的にCPUへ転送する作用をし 一次保存装置2006は典型的にデータや指令を二方向的に転送するのに使用される。これら両方の一次保存装置は上記のようなコンピュータ読み取り用メディアを含んでよい。大容量保存装置2008も一次保存装置2006に二方向的に組み合わされて居り、追加的にデータ保存容量を提供し、上記のようなコンピュータ読み取り用メディアを含んでよい。大容量保存装置2008はプログラム、データなどの保存に使用され、典型的にハードディスクのような二次保存メディアである。多くの場合、かようなプログラム、データなどはCPU2002での実行のため一時的に一次保存装置2006へ複写される。大容量保存装置2008に保持された情報は適当な場合標準的な様式において一次保存装置2004の一部と合体されることがある。CD−ROM2014のような特別な大容量保存装置もCPU或は一次保存装置にデータを通す。

0097

CPU2002は一個以上のヴィデオモニタトラックボール、マウス、キーボード、マイクロホンタッチ型表示器、トランスデューサカード読み取り器、磁気或は紙テープリーダタブレットスタイラス肉声或は筆跡認識周辺装置USBポート、或は他のコンピュータのような周知の入力装置のような入力/出力装置と接続されるインタフェイス2010とも組み合わされる。最後に CPU2002は2012に示されるように外部接続を使用してデータベース或はコンピュータ或は遠距離通信ネットワークのような外部装置に組み合わされても良い。このような接続により、CPUは此処に記載の方法工程を実施する課程においてネットワークから情報を受け或はネットワークに情報を出力することが期待される。

0098

一実施例において、コンピュータシステム2000のようなシステムは此処に記載のタスクの一部或は全部の実施が可能なデータ輸入、データ修正或は質問システムとして使用される。データファイルを含む情報及びプログラムは研究者ダウンロードすることによってネットワーク接続2012から供給される。代行的にこのような情報、プログラム及びファイルは保存装置の上で研究者に供給され得る。

0099

特別な一実施例において、コンピュータシステム2000はサンプルからデータを捕獲するマイクロアレイ或は高処理能力スクリーニングシステムのようなデータ獲得システムに直接組み合わせられる。このようなシステムからのデータはシステム2000での解析用にインタフェイス2012を経て供給される。代行的に、システム2000によって処理されたデータはデータベース或は関係あるデータの保管所のようなデータ保存源から供給される。一度装置2000に入ると、一次保存装置2006或は大容量保存装置2008のようなメモリ装置は関連あるデータを少なくとも一時的に緩衝或は保存する。メモリはデータの輸入、解析及び呈示する種々のルーテン及び/或はプログラムも保存する。

0100

本発明は固定メディア或は論理指令及び/或は適当に構成された計算装置にロードされるとその装置が本発明の方法に従ってデータセット(例えば行動をバウトへ分類、24時間周期時間パタンを動作アウトへ同定、クラスター内行動の分類、グループの比較、など)に関して一個以上の上記の解析処理を実行するようにするデータを含む転送可能なプログラムコンポネントに具現することが出来る。

0101

図20Bはメディア2067及び/或はネットワークポート2069から指令を読むことの出来る論理装置と理解されてよいディジタル装置を示す。装置2050はその後これらの指令を使用して行動データを指導し、行動データベースその他の生成、分類、サーチ及び読み出しをすることが可能である。或る実施例において、このディジタル装置は本発明による一個以上の檻行動システムに直接結合し、任意的リアルタイムに機能することが出来る。或る実施例において、ディジタル装置は単に以前収集したデータのアクセス、解析、 及び/或は操作を行う。

0102

本発明の実施例となり得る一タイプの論理装置は2050に示される装置であって、CPU2057、それから任意的に入力装置2059と2061、ディスクドライブ2065、及び任意的モニター2055を含む。そのようなシステムのプログラムに固定メディア2067が使用可能であり、ディスク型光学的及び/或は磁気的メディア及び/或はメモリその他となり得る。通信ポート2069もこのようなシステムのプログラムに使用可能であり、どのようなタイプの通信接続(例えばデータ獲得システムへの接続)をも表す。

0103

本発明は特定応用集積回路(ASIC)或はプログラマブル論理装置(PLD)の回路内に具現することが出来る。そのような場合、発明は此処に記述したように作用するASIC或はPLDを生成するのに使用され得るコンピュータ理解用デスクリプタ言語で具現され得る。

0104

本発明の方法は局地的或いは分布された計算環境で実施され得る。分布された環境において、この方法は複数のプロセサから成る単一コンピュータ或は複数のコンピュータで実行することが出来る。コンピュータは例えば共通のバスリンクされてもよいが、コンピュータがネットワークのノードであることが望ましい。ネットワークは一般的でも局地専用でも広範囲ネットワークであってもよく、或る好適な実施例において、コンピュータはイントラネット或はインタネットの部品であってよい。

0105

或るインタネット実施例において、クライエントシステムは典型的にウエブブラウザを実行してウエブサーバを実行するサーバコンピュータに組み合わされている。ウエブブラウザは典型的にマイクロソフトのインタネットエキスプロアラ(Internet Explorer)或はネットスケイプ(NetScape)或はオペラ(Opera)のようなプログラムである。ウエブサーバは典型的にIBMのHTTPダエモン或は他のWWWダエモンであるがそれに限定はされない。クライエントコンピュータ有線或は無線システムを通じるサーバコンピュータと二方向的に組み合うことが出来る。叉、サーバコンピュータはウエブサイトと二方向的に組み合って(サーバがウエブサイトの上位)本発明の方法実施ソフトウエアへのアクセスを提供する。

0106

イントラネット或はインタネットと接続されたクライエントの使用者はクライエントに本発明の方法の実施を提供するアプリケイションのホストをするウエブサイトの一部であるリソースを要求させることが出来る。サーバプログラムは指定されたリソース(使用可能であるならば)の返還の要求を実施する。ユニフォームリソースロケイタ(Uniform Resource Locator(”URL”))として知られている標準的名付け慣習に従っている。この慣習は数タイプの位置名称を包含して居り、現在Hyperext Transport Protocol (”http”),File Transport Protocol(”ftp”), gopher,及び Wide Area Information Service (”WAIS”)のようなサブクラスが含まれている。リソースがダウンロードされると追加的リソースのURLが含まれるかもしれない。従ってクライエントの使用者は特に要求しなかった新しいリソースの存在が容易に分かる。

0107

本発明の方法の実行をするソフトウエアは本当のクラーエンサーバ構成のウエブサイトを提供するサーバの上で局地的に実行される。従ってクライエントコンピュータは局地的に要求された処理を実行するホストサーバに要求を掲示し、次いで結果をクライエントにダウンロードする。代行的に本発明の方法は「多層方式で実施されてもよく、ここでは方法の部分はクライエントによって局地的に実行される。これはサーバからクライエント(例えばJava(登録商標)アプリケイション)の要求によってダウンロードされたソフトウエアで、或は「恒久的に」クライエントにインストールされたソフトウエアによって実行することが出来る。

0108

一実施例において、本発明の方法を実施するアプリケイションはフレームに分割されている。このパラダイムにおいては、アプリケイションを特徴や機能性の集合としてではなく、個々のフレーム或は視野の集合と見なすのが有利である。例えば典型的なアプリケイションにはメニュ項目のセットが含まれて居り、その各々が特別なフレーム即ちアプリケイションの或る機能性を表明する形態をよびおこすものである。この観点から、アプリケイションは一枚岩的なコードの体系ではなく、アプレットの集合或は機能性の束と見なされる。かようにブラウザの内側から使用者はウエブペイジリンクを選択し、それが順にアプリケイションの特別なフレーム(即ちサブアプリケイション)を呼び起こす。従って、例えば一個或はそれ以上のフレームが或る特別の動物或は種族エソグラムの入力及び/或はアクセス機能性を提供する一方、他のフレームがバウト、クラスター、24時間周期時間パタンなどの同定のツールを提供することが出来る。

0109

アプリケイションをフレームの集合と表現するに加えて、アプリケイションはイントラネット及び/或はインタネット上の位置;アプリケイションを指すURL(Universal Resouce Locator)アドレスとして表現出来る。各URLには好適に二つの特徴がある:データタイプと共にURLの内容データ(即ちサーバに保存された何かしらのデータ)或はMIME(Multipurpose Internet Mail Extension)タイプ。データタイプはそれによってウエブブラウザがサーバから受けたデータを如何に解釈すべきか決定する(例えば.gifファイルをビットマップ画像と解釈する)ものである。事実、これはブラウザで一度受けられたデータをどうすればよいかの記述の役を果たす。もし一連バイナリデータがHTMLタイプとして受けられると、ブラウザはこれをHTMLペイジとする。これに反し、もしこれをビットマップタイプとして受けると、ブラウザはこれをビットマップ画像とする。

0110

マイクロソフトウインドウズではホストアプリケイションがデータオブジェクト興味を登録する(即ち特種のデータ)種々の方法がある。一法ではウインドウズにアプリケイションが(例えば.doc−−”Microsoft Word Document”)特別ファイルエクステンションへの興味を登録する;これはウインドウアプリケイションで使用される最も普通なテクニクである。Microsoft Object Linking and Embedded(OLE)で使用される別のアプローチはクラスGlobally Unique Identifier或は16バイトの識別子を使用して特別なサーバアプリケンションを指摘し(GUIDを有するドキュメントを提供するため)提供する。クラスIDは特別な機械に特別なDLL(Dynamic Link Library)或はアプリケイションサーバに接続されているとして登録される。

0111

特に興味のある一実施例において、ホストアプリケンションをドキュメントと関連させるテクニクとはMIMEタイプを使用することである。MIMEはドキュメントオブジェクト包装する標準化されたテクニクを提供するものである。これにはどちらのアプリケイションがドキュメントを提供するのに適当か指摘するMIMEヘッダが含まれ、すべてはインタネットに亘って転送するのに適当な様式で含まれている。

0112

好適な一例において、本発明の方法は一部本発明の方法の使用に特別のMIMEタイプの使用で実施される。このMIMEタイプは局地的にドキュメント(例えば)の生成に必要な情報を含むが、それに加えてもし必要ならばドキュメントを見えるようにするプログラムコードを見つけてダウンロードするのに必要な情報が含まれる。このプログラムコードが既に局地的に存在するならば、局地的のコピーを更新する目的でダウンロードすることのみが必要である。これでドキュメントを見えるようにするダウンロード出来るプログラムコードを指示する情報を含む新しいドキュメントタイプが定義される。

0113

MIMEタイプは.APPのファイルエクステンションに関連するかもしれない。 .APPエクステンションを有するファイルはOLEDocObjectで実行されるOLE Documentである。.APP ファイルはファイルなので、サーバに置かれ、HTML HREFの使用にリンクされる。.APP ファイルは好適に以下のデータを含むものである:(1)本発明の方法の使用に適切な一つ或はそれ以上の様式に実行されたOLE Document ViewerであるActiveXオブジェクトのCLSID;(2)オブジェクトのコードが見出されるコードベースのURL;及び(3)(任意的に)要求されたバージョン数。一度APP DocObjectハンドラーコードがインストールされ、APP MIMEタイプを登録すると。これは.APPファイルを使用者のウエブブラウザにダウンロードするのに使用することが出来る。

0114

サーバの側においては、.APPファイルが実際にファイルであるので、ウエブサーバは単に要求を受け、ファイルをクライエントに返還する。APPファイルがダウンロードされると、 .APP DocObjectハンドラーは.APPファイルに指定されたオブジェクト用のコードベースをダウンロードするようにオペレイティングシステムに要求する。このシステム機能性はCoGetClassObjectFromURL機能によりウインドウズで利用可能である。ActiveXオブジェクトのコードベースがダウンロードされた後、 .APP DocObjectハンドラーは例えばExplorerドキュメントサイトのActivateMe方法を呼び出してそれ自身の上に視界を生成するようブラウザに要求する。Internet Explorerは次いでDocObjectを呼び返し、ダウンロードされたコードからActiveX視界オブジェクトのインスタンスを生成することにより視界を実体化する。一度生成されると、Active視界オブジェクトはInternet Explorerの中で活性化され、適切な形態とその総てのchild controlとが生成される。

0115

形態が生成されると、機能の実行に必要な遠隔サーバオブジェクトへの接続が設立される。此の点において、使用者はInternet Explorerフレームに埋め込まれたように見える形態と作用することが出来る。使用者が異なる頁へと変えると、ブラウザは最終的に形態を閉めて破壊する責任を負う(叉、遠隔サーバとの未解決の接続を放棄する)。

0116

好適な一実施例において、最終使用者デスクトップからシステムへの入口点は会社のホーム或は別の特別なウエブサイトのホームページである。任意的にページは従来の様式に従ってリンクの数を含むものである。使用者がアプリケイションのページ(例えば本発明の方法の機能性を提供するページ)への特別なリンクをクリックすると、ウエブブラウザはサーバに存在するページ(ファイル)に接続する。

0117

一実施例において、使用者が本発明の方法へのアクセスを要求すると、使用者は特種のページタイプ,例えばウエブブラウザの中のアプリケイション(本発明の方法の一個以上の要素を実施する)実行用のアプリケイション(appdoc)ページに導かれる。各アプリケイションページはURLを使用して見つけるものであるから、他のページはそこへのハイパーリンクを有することが出来る。複数のアプリケイションページがこれらのアプリケイションページへのハイパーリンクを含むカタログページを作成することによってグループに纏めることが出来る。使用者が或るアプリケイションページへのハイパーリンクを選択すると、ウエブブラウザはアプリケイションコードをダウンロードしブラウザ内のページを実行する。

0118

ブラウザがアプリケイションページをダウンロードすると、ブラウザは(定義されたMIMEタイプに基づいて)局地的ハンドラー、殊にタイプのドキュメントのハンドラーを呼び出す、アプリケイションは好適にGlobally Unique Identifier(GUID)及びドキュメントを提供するために呼び出す遠隔(ダウンロード可能な)アプリケイションを同定するコードベースURLを含んでいる。ドキュメントオブジェクト及びアプリケイションページと共に得られるGUIDが与えられると、局地的ハンドラーはクライエント機械を見て提供するアプリケイションが既に局地的に存在するか判断する(例えばWindows 95/NT(登録商標)の登録を検査して)。この点において局地的ハンドラーは局地的コピー(もし存在するならば)を呼び出すこととし、或はホストアプリケイションの最新バージョンをダウンロードする。

0119

コードをダウンロードするには異なるモデルが利用可能である。コードがダウンロードされるとサーバから“コードベース”仕様(ファイル)が最初に要求される。コードベース自身は簡単なDLLファイルから複数の圧縮されたファイルを含むCabinetファイル(Microsoft .cabファイル)であり得る。更に、情報(例えばMicrosoft.inf)ファイルもクライエントシステムに如何にダウンロードされたアプリケイションをインストールするか教示するために使用することが出来る。これらの機構により、アプリケイションのどの部分が何時ダウンロードされるか選択する自由度が大きくなる。

0120

或る実施例において、実際にプログラムコード自身をダウンロードするのに使用される機構は標準Microsoft ActiveXAPI(Application Programming Interface)−callsに依存する。ActiveX APIはウエブから得られるアプリケイションに生来の支持を提供するものではないが、そのAPIはプログラムコードの正しいバージョンを見つけ、これを局地的機械にコピーし、その完全性を証明し、それをクライエントオペレイティングシステムに登録するのに呼び出すことが出来る。一度コードがダウンロードされると、ハンドラーはドキュメントオブジェクトを与えるために今は存在するアプリケイションホストの呼び出しにかかることが出来る(すでにインストールされている場合には登録によってホスティングアプリケイションを呼び出すのと同様に)。

0121

一度ホスティングアプリケイション(OLEサーバ)がクライエントにロードされると、クライエントシステムはOLEドキュメントヴィウ構成を使用してアプリケイションを正確にブラウザ内に与えることが出来、それには従来のOLE法を使用してアプリケイションのメニュをブラウザのそれに加え正確にブラウサの変更サイズの上にアプリケイションのサイズ変更を行うこと(アプリケイションが単一Active X制御矩形の中で実行されるように要求する(以前留意された限定)に反して)が含まれる。一度アプリケイションがクライエントにおいて実行し始めると、RPC(Remote Procedure Call)法を使用するなど遠隔論理が実施可能である。このようにして好適に遠隔手法として実施される論理が今だに使用可能である。

0122

或る好適な実施例において、本発明の方法は一個以上のフレームとして実施され、以下の機能性を提供する。生行動データ或は減少/処理行動データ(例えば本発明の装置で生成されたデータ)を編成,サーチ、保存及び回収する機能、バウトを同定及び/或は分類する機能、バウトのクラスターを同定及び/或は分類する機能、24時間周期パタンを同定及び/或は分類する機能、バウト内行動を同定及び/或は分類する機能、エソグラムを比較及びコントラストする機能、エソグラムをグラフ表示する機能、など。

0123

更に、任意的に、機能とは局地的ネットワーク及び/或はイントラネットを通じてアクセス可能な私的及び/或は公的データベースへのアクセスを提供し、それによってデータベースに含まれる一個以上のエソグラムが本発明の方法に入力出来るようになる機能であり得る。

0124

計算及び/或はアクセス処理のイントラネット及び/或はインタネット実施例の実行並びに当業者に周知の方法は詳細に文書化されている。(例えばCluer et al.(1992)”A General Framework for the Optimization of Object−Oriented Queries”, Proc SIGMODInternational Conference on Management of Data, San Diego, Calif., Jun.2,5,1992, SIGMOD Record,vol.21,Issue 2,Jun.,1992; Stonebraker,M.,Editor;ACMPress, pp.383 392; ISO−ANSI, Working Draft, ”Information Technology−Database LanguageSQL”, Jim Melton, Editor, International Organization for Standadization and American National StandardsInstitute, July 1992; Microsoft Corporation, ”ODBC 2.0 Programmer’s Reference and SDK Guide. The Microsoft Open Database Standard for Microsoft Wiindows.. TM.. and WindowsNT..TM.., Microsoft Open Database Connectivity..TM.. Software Development Kit”, 1992, 1993, 1994 Microsoft Press, pp.3 30 and 41 56; ISO Working Draft, ”Databse LanguageDQL−Part 2: Foundation (SQL/Foundation)”, CD9075 2:199. chi. SQL, Sep.11,1997などを参照)。

0125

当業者は本発明の範囲から逸脱することなくこの構成に多くの変更が可能であることに気付くことであろう。例えば二層構成において、WWWゲイトウエイの機能を実施するサーバシステムはウエブサーバの機能をも実施するものでよい。例えば、上記の実施例はいずれもURL以外の形式の使用者/使用者ターミナルからの要求により変更されてよい。変更には複数マネージャ環境への適合に関するものでもよい。

0126


住居檻行動パタンの解析に、ネズミは通常個々に14日間住居檻監視(HCM)檻のなかに住まわせられた。最初の4日は順化期間とみなされ、次の10日のデータが行動パタンの解析に使用された。各ネズミから複数日のデータを得たので、各ネズミの平均的日ごとの行動の詳細な記述が得られ、基礎的行動要素及び日ごとのパタンの再現性の評価が可能であった。

0127

1.実験工程
A.動物
肥満自然変異同種接合ネズミ(Lepob, B6.V−Lepob/J: OB)及び制御(C57BL/6J)ネズミ(WT)がThe Jackson Laboratory (Bar Harbor, ME)から入手された。 X−linked htr2c遺伝子(Tecott et al., 1995)のヌル変化を有するセロトニン2Cレセプタ半接合自然変異牡(2C)と制御WT同腹仔がUCSFにおいてhtr2c-対立遺伝子(C57BL/6J背景類遺伝子性)と The Jackson Laboratoryから入手されたC57BL/6J牡から養育された。 htr2c-対立遺伝子の遺伝子型はPCR解析で実施された。動物は室温(18−23°C)で12時間の明/暗サイクル(午前7時点灯)のもと、水と標準的食餌(PicoLab Mouse Diet 20, Purina Mills, Richmond, IN)に自由にアクセス出来る環境に収容された。実験はNational Institute of Health Guide for Care and Use of Laboratory Animals及びthe University of California Committee on Animal Researchのガイドラインに従って行われた。

0128

B.データ収集
牡ネズミは一端にフィーダーと水瓶備えた45x24x17cmのプレクシグラスの囲いから成る住居檻行動監視システム(HCM)に14日間収容された。網製のランプによって4x4cmのフィーダーに入ることが可能であり、ここで動物は2.5x2.5cmの孔から頭を食餌引き出しに突っ込んで粉末化された食餌にアクセスすることが出来た。摂食の検出のため、頭が突っ込まれるとランプ(DiLog Instruments, Tallahassee,FL)の孔の下に位置する写真光線が遮断される。摂飲の検出には、0.5x2.5cmの孔を有する金属板後ろに位置する水瓶に付けられた金属製の飲み口を動物がなめた。金属製の飲み口はなめの接触でキャパシタンスが変化する(DiLog Instruments, Tallahassee, FL)。動物の体重の重心を監視するため、プレクシグラスの囲いは中央回転軸と前方に二本のロードビームを有する活動監視プラットフォーム(DiLog Instruments, Tallahassee, FL)の上に設置した。データは隣室(DiLog Instruments, Tallahassee, FL)に位置されたパソナルコピュータで収集された。摂取イベントファイルミリ秒単位でサンプリングされる写真光線遮断及びなめ接触の開始と終了を記録した。運動イベントは動物の体重中心が1cm(動物の体重と500ミリ秒の移動平均ウインドウで濾過した後の二本のロードビームへの力からオンラインで計算)の直径以外に出たことで定義された。運動イベントファイルは各20ミリ秒でサンプルされた運動イベント開始を記録した。

0129

食餌及び水の摂取決定に関し、データの収集は食餌と水の重量を測定するのに中止され、その後又再開された。この期間は午前9時と11時の間で2時間以下かかった。動物の巣の位置は檻をxに3区画、yに7区画,合計21の区画に分けて毎日記録した。データは年齢11−14週の牡ネズミについて収集された:WT(n=8)及びOB(n=8);WT(n=16)及び2C(n=16)。

0130

写真光線遮断時間及びなめ接触数を日ごとの食餌及び水の摂取量として有効化するため、ネズミのサブセットに関して食餌と水の重量を初回のデータ収集の後3日に亘り午前7時に、3日に亘り午前7時と午後7時に、3日に亘り午前7時、午後1時、7時及び10時に計測した。一日の異なる時間において摂取と装置測量と高度の相関があったので、これらの装置計量は一日のどの時間においても摂取の推定として使用出来ることが確認された(摂食R2(平均±標準偏差、ネズミの数):WT 0.95±0.04 N=8,2C 0.97±0.01 N=6; 摂飲 R2 : WT 0.98±0.01 N=8,2C 0.98±0.01 N=8; p<0.0001すべてのネズミ両方の摂取装置)。時間に亘っての摂取の推定に、食餌摂取を総写真光線遮断時間で割って摂食係数(mg/s)を、総水摂取を総なめ接触回数で割って摂飲係数(mg/なめ)を計算した。摂食係数を写真光線遮断時間と、或は摂飲係数をなめ接触回数と掛けて時間に亘る摂取を推定した。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する未来の課題

関連する公募課題

ページトップへ

おすすめの成長市場

関連メディア astavision

  • 生体情報デバイス・バイオセンサ

    「音楽を学習した人工知能は、人間を感動させることができるか?」をテーマに、クラブイベント「2045」…

  • 人工筋肉・ソフトアクチュエータ

    人工筋肉とは、ゴムや導電性ポリマー、形状記憶合金、カーボン・ナノチューブなどで作られた伸縮性のアクチ…

  • 人工知能

    米国Google社が2015年6月23日に発表した“A Neural Conversational …

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

新着 最近公開された関連が強い技術

この技術と関連性が強い技術

この技術と関連性が強い人物

この技術と関連する未来の課題

関連する未来の課題一覧

この技術と関連する公募課題

公募課題一覧

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ