基于神经网络的自动化行为分析揭示墨西哥丽鱼洞穴与地表种群应激样行为的差异

这篇研究通过自动化姿态追踪（pose-tracking）和机器学习（ML）技术，系统比较了墨西哥丽鱼（Astyanax mexicanus）洞穴与地表种群在新型水箱实验（NTT）中的应激行为差异。研究发现地表鱼表现出典型的应激反应（如长时间底部停留和冻结行为），而洞穴鱼则呈现探索性增强和低冻结特征。通过F2杂交群体分析，揭示了冻结与底部停留行为的共遗传性，为应激行为的进化机制提供了新见解。该研究展示了计算工具在行为表型高通量分析中的潜力，为复杂性状的遗传和生态驱动研究建立了框架。

　　

引言

应激行为是动物适应环境的核心生存策略，其进化机制在捕食压力差异的生态系统中尤为显著。墨西哥丽鱼（Astyanax mexicanus）的地表种群（surface morphs）栖息于捕食者丰富的河流环境，而洞穴种群（cave morphs）则生活在无捕食者的封闭洞穴中。前期研究表明，两者在应激行为上存在显著差异，但传统手动行为分析方法难以全面捕捉复杂行为特征。本研究通过深度学习工具（如DeepLabCut和SimBA）实现了对冻结（freezing）、底部停留（bottom-dwelling）等9种应激相关行为的高通量量化。

方法

实验采用新型水箱测试（NTT），结合红外光源和科学级摄像头记录行为。通过DeepLabCut（DLC）追踪鱼体5个关键部位（如口部、背鳍），并利用SimBA行为分类器训练随机森林模型（RF estimators=2000）。F₂杂交群体（Rio Choy×Pachón）用于分析行为共遗传性，统计采用Python和GraphPad Prism完成。

结果

1. 行为差异验证：地表鱼在NTT中表现出显著更长的底部停留时间（p=0.006）和冻结频率（p=0.02），而洞穴鱼探索行为更活跃（图1,3）。

2. 机器学习验证：SimBA与Ethovision XT的分析结果高度一致（底部停留时间r²=0.87）。

3. 行为模块聚类：F₂群体中冻结与底部停留行为强相关（ρ>0.6），提示共享遗传或生理基础（图4）。

4. 趋同进化证据：两个独立洞穴种群（Pachón和Tinaja）均表现出相似的应激行为减弱特征（图5），支持生态压力驱动的适应性演化。

讨论

1. 生态适应：地表鱼的高应激反应可能源于捕食压力，而洞穴鱼的能量分配转向探索与觅食效率，符合生命史理论（life-history trade-offs）。

2. 遗传机制：冻结与底部停留的共遗传性可能由糖皮质激素受体（glucocorticoid receptor）通路介导，与斑马鱼研究一致。

3. 技术革新：本研究首次将姿态估计（pose-estimation）应用于非模式物种的进化行为分析，为集体行为（如群游）等复杂性状研究提供范式。

结论

通过自动化行为分析揭示了墨西哥丽鱼应激行为的进化分化和遗传关联，为理解行为-生理整合性状的演化提供了新视角。未来可结合QTL定位进一步解析关键基因调控网络。