《Journal of Neuroscience Methods》：Methods for measuring neural activity during voluntary wheel running
编辑推荐：
机器学习以超过96%的精确率（precision）和召回率（recall）分类跑轮事件（wheel running events）。姿态衍生的分类（pose-derived classification）区分主动跑轮运动（active wheel runnin
机器学习以超过96%的精确率（precision）和召回率（recall）分类跑轮事件（wheel running events）。姿态衍生的分类（pose-derived classification）区分主动跑轮运动（active wheel running）与被动跑轮旋转（passive wheel rotation）。该工作流程减少行为标注时间（behavioral annotation time）约90%。
本研究聚焦于自主跑轮运动（voluntary wheel running）中神经活动测量方法的开发。背景方面，自主跑轮运动是研究身体活动行为（包括动机、情感、记忆和认知）生物学机制的转化模型，但现有测量手段多采用头固定或强迫运动，缺乏生态效度（ecological validity）。主要问题在于跑轮旋转速度无法区分主动跑动与被动惯性旋转，导致信号-行为对准存在挑战，需耗时的手动逐帧标注。为解决这一问题，研究人员将光纤光度测定（fiber photometry）与监督式机器学习（supervised machine learning）相结合，旨在高精度、高效率地记录自主跑轮期间的神经递质动态。该研究获得了乙酰胆碱（acetylcholine, ACh）在腹侧齿状回（ventral dentate gyrus, vDG）的亚秒级实时数据，并揭示了获取期（acquisition）与维持期（maintenance）两个关键行为阶段的神经活动特征。论文发表在《Journal of Neuroscience Methods》。
在关键技术方法中，研究人员使用了以下主要手段：一、光纤光度测定系统，包括GRABACh
3.0（乙酰胆碱生物传感器）和mCherry（参考荧光蛋白）双色记录，通过488 nm激光激发和光谱分离消除运动伪影；二、DeepLabCut v.3进行姿态估计（pose estimation），追踪小鼠鼻尖、双耳、双侧、中心及尾基等7个解剖标志点；三、SimBA v.3.8构建随机森林分类器（random forest classifier），基于姿态特征和感兴趣区域（ROI）识别跑轮（Run_On_Wheel）、绊倒（Stumble_On_Wheel）和轮下移动（Move_Under_Wheel）三种行为；四、FiPhA框架处理光纤光度数据，进行光谱分离、光漂白校正及GRABACh
3.0:mCherry比值计算，并与行为分类事件对齐。样本队列包括8只C57BL/6J小鼠（4雄4雌，购自Jackson Laboratory），最终因头帽脱落或手术位置误差，仅3只小鼠纳入最终趋势分析。
研究结果部分包括两个分段标题及其结论：
3.1. 动物姿态估计与行为训练质量较高： DeepLabCut姿态估计的最终训练误差为2.46像素，测试误差为6.36像素。跑轮行为（Run_On_Wheel）在留出测试集中实现高精确率（precision=0.983）、高召回率（recall=0.965）及F1分数0.974。特征重要性分析显示，与"Wheel"和"SweetSpot"ROI的接近度是最主要预测因子，其次为体长等姿态衍生指标。
3.2. 腹侧齿状回乙酰胆碱在获取期和维持期跑轮期间升高： 通过配对t检验，获取期跑轮起始时乙酰胆碱显著高于基线（p=0.0021, 95% CI: 1.44–2.16），跑轮终止时仍维持升高（p=0.0091, 95% CI: 1.01–2.44）；维持期也观察到类似效应（起始p=0.0083, 95% CI: 0.81–1.88；终止p=0.0123, 95% CI: 0.88–2.53）。事后时间序列分析（2.5、5、10秒分箱）表明，乙酰胆碱在跑轮起始前0–5秒升高，全程维持，终止后10–15秒下降。与跑轮外行为比较，跑轮时的效应量（Cohen's dz）最大，且随分类概率阈值升高而增大；跑轮外身体长度与乙酰胆碱呈正相关（Spearman ρ, 95% CI）。
在讨论部分，研究人员指出该工作流程实现了亚秒级神经递质定量，节省约90%标注时间，且精确率和召回率均超过96%。获取期与维持期乙酰胆碱动态相似，提示腹侧齿状回ACh活动可能不直接参与运动学习，而是反映身体活动状态（如情境显著性、唤醒或空间处理需求）。这一发现与既往关于海马胆碱能张力与运动速度对数关系的研究一致，但需进一步因果实验验证。参数敏感性分析（分类概率阈值、基线窗口选择、时间分箱分辨率）支持分析稳健性。工作流程具有可扩展性，但要求针对实验室特定条件重新训练，且需匹配帧率、对比度、相机距离等因素。局限性包括样本量较小、头帽脱落及光纤错位导致小鼠排除，建议通过充分清洁颅骨、冷却牙科水泥及动物适应训练加以改善。总体结论翻译如下：总体而言，研究人员提出的工作流程是可扩展的，并可根据预处理工具的改进进行调整。从转化角度，这些新方法提供了一种新途径来研究神经递质和其他生物分子如何与身体活动动机、情感和可塑性相关联。
