饮食调控下狼蛛动态视觉求偶信号的计算解析与进化意义

本研究通过高斯隐马尔可夫模型（GHMM）量化分析了Rabidosa rabida狼蛛雄性动态求偶展示的层级结构，结合一元和二元相似性度量，首次揭示了摄食历史对前腿形态及运动模式的调控作用。该工作为动物通讯行为的标准化分析提供了新范式，成果发表于《Animal Behaviour》。

　　

在动物行为学领域，雄性求偶信号的复杂性一直是进化研究的核心议题。狼蛛作为典型的视觉信号使用者，其前腿波浪式运动（leg-waving display）的精确量化却长期依赖人工观察，存在主观性强、难以标准化等瓶颈。更关键的是，环境因素（如营养状况）如何影响这类动态视觉信号的表达，始终缺乏数学建模层面的证据。

针对这一空白，研究人员以Rabidosa rabida狼蛛为模型，通过饮食操控实验结合计算行为学方法展开研究。采用高斯隐马尔可夫模型（GHMM）这一机器学习技术，首次实现了求偶运动中前腿动作序列的自动化分层解析。通过整合一元相似性（unary similarity）和二元相似性（binary similarity）两种量化指标，构建出比传统方法更稳健的信号比对框架。

关键技术包括：1）基于高速摄像的野外种群行为采集；2）GHMM对运动轨迹的状态空间建模；3）动态时间规整（DTW）算法量化运动相似性。研究发现：

1. 模型验证
   GHMM自动识别的运动层级结构与人类专家分类结果高度吻合（匹配度>85%），证实该算法可有效捕捉微秒级运动特征。

2. 饮食效应
   高蛋白饮食组雄性表现出更复杂的运动模态（p<0.01），其前腿振幅增加12.7±3.2%，且运动状态转换频率显著提升。

3. 信号进化
   一元相似性分析显示种群内运动模式保守性达73%，而二元比较揭示饮食组间差异主要存在于展示中期（p=0.003），暗示生态压力可能驱动信号可塑性。

结论部分指出，该研究首次将GHMM应用于节肢动物动态信号解析，建立的量化框架可推广至其他物种的多模态行为研究。特别值得注意的是，摄食历史通过改变运动器官形态（前腿刚毛密度差异达29%）间接影响信号强度，这为"条件依赖性信号"假说提供了实证支持。论文建议未来研究可拓展至紫外视觉等非可见波段，以更全面评估环境-基因-行为的三维互作机制。