沉默之声：大鼠超声发声中的性别与个体差异研究及其行为生物学意义

本研究针对大鼠超声 vocalisation (USV) 研究中长期存在的性别和个体差异关注不足的问题，系统探讨了 Lister Hooded 大鼠在人为诱导游戏行为背景下 50-kHz 和 22-kHz 不同 call subtype 的调用率及序列特征。研究发现雄性大鼠比雌性发出更多 USV，尤其是在“complex”、“split”等 call subtype 上；同时，个体在调用率和 call subtype 序列上均表现出高度可重复的差异，提示存在稳定的“vocal fingerprint”。该研究深化了对大鼠社交发声行为机制的理解，为行为生物学和神经科学研究提供了新的个体层面分析视角，对情感通信研究和动物模型个性化评估具有重要启示。

　　

在自然界和实验室中，大鼠会发出人类听不见的超声波叫声（Ultrasonic Vocalisations, USVs），这些声音在社交、游戏和情绪表达中扮演重要角色。过去几十年的研究已经将大鼠USVs大致分为三类：40-kHz（主要用于幼鼠隔离呼叫）、22-kHz（通常与负面情绪相关）和50-kHz（多与积极情绪和社会互动有关）。尤其是在游戏情境中，50-kHz呼叫被认为具有协调和缓解打闹行为的重要功能。然而，绝大多数已有研究都集中在雄性大鼠上，雌性大鼠的发声行为及其差异一直被忽视。此外，尽管有迹象表明不同个体在呼叫类型和模式上存在差异，但关于个体识别和稳定性仍缺乏系统研究。

为了填补这些空白，来自德国明斯特大学行为生物学系的Sophia Marie Quante等研究人员开展了一项深入研究，旨在系统分析大鼠USVs中的性别与个体差异，不仅关注呼叫率，还首次引入对呼叫子类型序列的分析。该研究论文已发表在《Behavioural Brain Research》上。

本研究使用了56只Lister Hooded大鼠（28雌、28雄），在两组实验点（Münster和Bielefeld）进行多次USV录制课程。通过人为诱导游戏行为（称为“tickling”）激发大鼠发声，使用专业超声麦克风和录音设备采集声音，并基于频谱图手动识别和分类17种呼叫子类型（包括14种50-kHz子类型和3种22-kHz子类型）。统计分析采用广义线性混合模型（GLMM）处理呼叫计数数据，使用重复性估计（repeatability estimates）衡量个体差异的稳定性，并应用随机森林（random forest）机器学习方法进行个体和性别分类。序列分析则借助TraMineR软件包处理呼叫序列数据，使用置换多元方差分析（PERMANOVA）检验序列结构的差异。

3.1. Males vocalise more than females

研究发现，总体上雄性大鼠的USV呼叫率显著高于雌性。这一差异在50-kHz范围内的“complex”、“split”、“step up”、“multi-step”和“flat-trill combination”等子类型以及22-kHz的“short 22-kHz”和“long 22-kHz”呼叫中尤为明显。随机森林模型进一步表明，使用呼叫计数数据对性别进行分类的准确率可达75.7%，远高于随机猜测水平（50%），其中“complex”呼叫是区分雌雄最重要的特征。

3.2. Call counts show stable inter-individual differences

研究还发现，不同个体在几乎所有呼叫子类型的使用率上均表现出高度可重复的个体差异（repeatability estimates多介于30%–65%）。这表明个体对大鼠呼叫行为具有高度稳定性，不受时间或实验条件的影响。尽管仅凭呼叫计数准确识别个体的能力有限（分类准确率约16.9%，但仍显著高于随机水平），但这一发现强烈支持了大鼠发声行为中存在所谓“vocal fingerprint”的观点。

3.3. Call subtype sequences show individual but no sex differences

序列分析显示，尽管不同性别在呼叫序列结构上没有显著差异，但个体间序列组成具有高度特异性。PERMANOVA分析提示个体序列差异显著，说明每只大鼠在呼叫类型的使用顺序上具有独特性，进一步强化了“vocal fingerprint”假说。

本研究通过系统的行为实验和现代统计方法揭示了大鼠USVs中存在显著的性别和个体差异。雄性不仅在呼叫率上高于雌性，在特定呼叫子类型的使用上也更为频繁。更重要的是，个体在呼叫率和呼叫序列两方面均表现出高度稳定性，说明USVs可能承载着个体身份信息。这些发现不仅推动了大鼠情感通信机制的研究，还为行为生物学和神经科学领域开展更个体化的研究提供了依据。例如，在疾病模型研究中忽略个体发声差异可能导致结论偏差；此外，识别动物个体发声特征也有助于改善动物福利评估和社会行为研究。这一研究强调，未来在大鼠发声乃至其他动物沟通行为研究中，应更加重视个体差异的分析视角。