基于多相机阵列显微镜与机器学习的高通量斑马鱼癫痫行为自动化检测新范式

为突破传统癫痫行为检测的局限性，加州大学旧金山分校团队开发了多相机阵列显微镜(MCAM)结合机器学习(ML)的平台，实现了96孔板中2700余只斑马鱼幼虫(3-7 dpf)癫痫行为的自动化定量分析。该系统通过8点骨骼姿态估计捕获PTZ诱导和遗传性癫痫(DEE)模型的精细运动特征，发现最大游速达120 mm/s的发作特异性行为，并建立随机森林分类器(RFC)实现无偏行为分类。该研究为抗癫痫药物(ASM)筛选提供了革命性工具，发表于《Communications Biology》。

　　

在神经科学研究领域，癫痫作为一种以反复发作为特征的神经系统疾病，其动物模型的行为分析长期依赖人工观察。传统啮齿类动物模型存在通量低、行为复杂等局限，而斑马鱼幼虫模型虽具有高通量优势，但受限于单相机低分辨率系统(25 fps)，难以捕捉高速运动细节。更关键的是，现有行为评分标准存在主观偏差，无法满足精准药物筛选需求。这些技术瓶颈严重阻碍了癫痫机制研究和抗癫痫药物(ASM)开发进程。

针对这些挑战，加州大学旧金山分校Scott C. Baraban团队联合Ramona Optics公司开发了创新性研究平台。研究人员采用24台高分辨率相机组成的多相机阵列显微镜(MCAM)，以312兆像素分辨率和160 fps帧率捕捉96孔板中自由游动的斑马鱼幼虫(3-7日龄dpf)，结合8关键点骨骼姿态估计和随机森林分类器(RFC)，建立了首个可同时分析数千个样本的癫痫行为自动化检测系统。相关成果发表在《Communications Biology》杂志。

关键技术方法包括：(1)多相机阵列显微镜(MCAM)高速成像系统；(2)基于DeepLabCut优化的8关键点姿态估计算法；(3)小波去噪和中心质心(COM)过滤的数据清洗流程；(4)包含4418个标注视频片段的五类行为数据库(静止、正常游动、漩涡、惊厥和姿势丧失)；(5)随机森林分类器的训练与验证；(6)局部场电位(LFP)和光纤光度法验证神经活动。研究对象包括PTZ诱导的急性癫痫模型和6种CRISPR构建的发育性癫痫性脑病(DEE)遗传模型。

【高分辨率高速视频采集促进可量化癫痫行为的自动检测】
通过MCAM系统，研究人员首次精确测量到斑马鱼癫痫发作时达到120 mm/s的最大游速，远超传统28 mm/s的检测阈值。概率密度分布显示PTZ处理组在TP1和TP2时间点的速度峰值显著高于基线，证实了该系统捕捉高速运动的能力。活动度指标分析表明，所有年龄段幼虫在PTZ处理后总活动量显著增加(Wilcoxon检验p<1E-15)，但持续暴露后5-7 dpf幼虫活动略有下降，可能与发作后姿势丧失增加有关。

【高级游泳运动学测量揭示更广泛的癫痫行为】
通过8关键点姿态分析，研究发现PTZ诱导的癫痫行为伴随显著的头部和尾部角度变化。尾部角度测量显示幼虫可从完全伸展(0°)到尾部触碰吻部(180°)的极端弯曲，这种运动模式在发育后期更为明显。同时，通过双眼间距测量建立的姿势丧失指标，在5-7 dpf幼虫中表现出PTZ诱导的显著降低(p<1E-15)，与LFP和钙成像记录的脑电活动高度同步。

【抗癫痫药物丙戊酸的评估】
在功能验证中，5 mM丙戊酸(VPA)处理显著抑制了PTZ诱导的电生理发作活动和Ca²⁺
信号波动。行为学检测显示VPA使总活动度下降85.7%，总移动距离减少83.2%(p<1E-15)，证实该系统可用于ASM药效评估。

【ML驱动的行为谱实现无偏癫痫行为检测】
研究人员开发的RFC模型在五类行为分类中达到0.874的准确率。分析显示PTZ诱导的行为呈现特征性序列：从静止→正常游动→漩涡运动→惊厥→姿势丧失。这种模式与Racine分级相似，但首次在斑马鱼中被量化证实。值得注意的是，该系统检测到的行为变化时间模式与LFP记录的脑电活动高度一致。

【遗传性癫痫斑马鱼模型中癫痫行为的自动检测】
在scn1lab和pnpo突变体中，系统检测到自发性癫痫行为，但模式较PTZ模型更为随机，反映了Dravet综合征患者发作类型的多样性。总活动度分析成功区分出具有显著电发作活动的两种模型(p<1E-15)，而其他四种DEE模型与对照组无差异。

这项研究建立了首个将高通量成像与机器学习相结合的平台，实现了斑马鱼癫痫行为的自动化、定量化分析。其创新性体现在：(1)突破传统25 fps系统的速度检测极限；(2)发现尾部角度和双眼间距等新型行为指标；(3)建立可推广至遗传模型的通用分析流程。该系统不仅为抗癫痫药物筛选提供了革命性工具，其技术框架还可拓展至其他神经行为学研究领域。特别是对发育性癫痫性脑病(DEE)模型的成功应用，为精准医疗研究提供了重要平台。未来通过整合三维运动分析和更长时程记录，有望进一步深化对癫痫行为机制的理解。