使用广义加性混合模型优化高通量运动行为分析的方法学方法

《Frontiers in Toxicology》：Refining methodological approaches for analysing higher-throughput locomotor behaviour, using generalized additive mixed models

　　

摘要
引言：运动是大多数基本行为的基础，因此经常被用作各种表型评估中的行为终点。这些评估包括通常使用幼鱼或偶尔使用无脊椎动物物种的高通量运动测定，广泛应用于评估化学暴露或基因修饰对行为的影响。然而，由于个体间变异、重复测量（针对每个个体）以及复杂的时间依赖性响应，对由此产生的运动数据进行分析具有挑战性。当引入额外自变量，如视觉运动反应（VMR）测定中的光暗循环时，这些挑战进一步加剧。
方法：研究人员在此比较了使用广义加性混合模型（GAMMs）与基于方差分析（ANOVA）的传统方法，以氯氮平暴露对斑马鱼胚胎幼虫（光照/黑暗）的影响为案例，评估化学物质对运动行为的影响。
结果与讨论：研究人员表明，采用广义加性混合模型（GAMMs）提供了分析运动数据的最合适框架，原因在于其在建模非线性行为模式方面的灵活性，以及明确考虑动态个体间变异的能力。虽然ANOVA识别出一个显著的三因素交互作用，阻碍了有意义的后续解释，但其对该数据被违反的假设的依赖限制了所得推断的有效性。相比之下，GAMMs适应了数据结构，并解释了更大比例的方差（59.7%，而ANOVA为54.1%），揭示了显著的光依赖性非线性运动轨迹。GAMMs进一步识别出处理特异性效应，包括在所有氯氮平处理组中光照条件下运动减少，以及在最高浓度下仅在黑暗条件下运动减少。总体而言，研究人员的研究结果表明，GAMMs提供了高统计严谨性，同时提高了处理效应的可解释性，支持其在分析采用类似行为评估范式的研究数据中得到更广泛的应用。

**论文解读：基于广义加性混合模型优化高通量运动行为分析的方法学**

**研究背景与问题**
运动行为是评估神经发育毒性和药理效应的关键表型终点，在斑马鱼（*Danio rerio*）幼虫的高通量测定中应用广泛，尤其是视觉运动反应（VMR）测定通过光暗循环刺激诱发稳健的运动模式。然而，VMR数据具有个体间变异、重复测量（非独立观测）以及复杂的时间依赖性非线性特征，现行常用的方差分析（ANOVA）等线性方法难以满足其假设（如独立性、线性关系），导致统计推断效力不足或解释困难。例如，ANOVA在检测三因素交互作用后无法进行有意义的后续比较，且数据归一化或二值化（如广义线性混合模型GLMM中的运动/非运动分类）会损失时空分辨率。因此，需要开发更灵活、适应该数据结构的统计框架，以提升化学暴露效应检测的灵敏度和可解释性。

**研究内容与意义**
研究人员以抗精神病药物氯氮平（clozapine）暴露于4 dpf（受精后天数）斑马鱼幼虫为案例，系统比较了广义加性混合模型（GAMM）与ANOVA等传统方法在VMR数据分析中的性能。结果表明，GAMM通过引入非参数平滑项（smooth terms）拟合光照条件下非线性时间轨迹，并纳入嵌套随机效应（个体鱼ID嵌套于实验批次），解释了59.7%的方差（高于ANOVA的54.1%），揭示了光依赖的浓度效应：所有氯氮平处理组在光照下运动显著降低，仅最高浓度（6.25 μM）在黑暗下也出现抑制。该研究发表于《Frontiers in Toxicology》，论证了GAMM作为高统计严谨性且可解释性强的工具，可推广至其他神经活性化合物及行为终点分析，为高通量行为表型的标准化分析提供了方法论基础。

**关键技术方法**
研究人员采用VMR测定，使用自动视频追踪系统（VideoTrack v2.5, Viewpoint, France）记录4 dpf野生印度核型（WIK）品系斑马鱼幼虫（样本来源：University of Exeter Aquatic Resource Centre）在3个连续光暗周期（各5分钟）中的总移动距离。数据归一化为溶剂对照（0.1% DMSO）均值的百分比，并剔除均值±3标准差的异常值。核心统计比较包括：线性模型（ANOVA，基R包）与GAMM（mgcv R包，使用薄板样条平滑，k=30，REML估算），并通过AIC（赤池信息准则）和残差诊断（DHARMa包）评估模型拟合。关键分析步骤包括归一化、异常值去除、模型选择（平滑参数验证、随机效应结构：个体ID嵌套于实验批次）及事后比较（Dunnett校正）。

**研究结果**
**3.1 线性模型/ANOVA方法**
通过ANOVA分析，发现时间、光照条件（光/暗）与氯氮平浓度之间存在显著三因素交互作用（F_{(5, 8196)} = 9.054, p < 0.001），解释方差R² = 0.541。因时间作为连续变量包含在交互作用中，无法直接进行光照条件与处理组之间的整体比较。事后分析仅显示在黑暗条件下，6.25 μM氯氮平组的斜率与溶剂对照显著不同（斜率估计 = -0.953, t = -4.711, p < 0.001），但该结论难以生物学解释。此外，模型多项假设（如独立性、回归斜率同质性）被违反，残差图显示系统性的非线性模式（曲线趋势），进一步验证了线性模型的不适用性。

**3.2 GAMM方法**
GAMM分析显示光照条件与处理之间存在显著交互作用（F_{(10.9, 8185)} = 171.06, p < 0.001），且时间平滑项在光暗条件下均显著（光照：F_{(10.9, 8185)} = 31.7, p < 0.001；黑暗：F_{(12.7, 8185)} = 116.3, p < 0.001），确认了非线性轨迹。事后比较表明，在光照条件下，所有氯氮平浓度（0.1–6.25 μM）均导致运动显著下降（估计值范围 -0.2394 至 -0.5202，p < 0.001）；在黑暗条件下，仅最高浓度（6.25 μM）显著降低运动（估计值 -0.0946, t = -2.561, p = 0.0454）。模型解释方差R² = 0.597，高于ANOVA，且残差诊断满足假设。

**讨论与结论**
讨论部分指出，GAMM通过灵活建模非线性和个体间变异，克服了ANOVA和GLM等方法的局限性（如三因素交互作用无法解释、假设违反、二值化损失信息）。与Liu等（2017）的GLMM二值化方法相比，GAMM保留了连续运动数据，并同步处理时间动态，提供了更丰富的表型特征。与Gauthier和Vijayan（2018）的Lorentzian函数相比，GAMM更适合分析持续光暗交替的整体效应。研究还强调，GAMM适用于其他行为终点（如速度、趋触性、习惯化）和化合物，但需根据数据特性定制平滑结构、随机效应等。

结论翻译：研究人员提出了一种广义加性混合模型（GAMM）方法，作为灵敏且严谨的统计方法，用于解析VMR测定中高通量运动表型的时间复杂性。通过明确建模VMR测定中的非线性行为轨迹，该方法保留了时间序列数据的结构，同时实现了传统线性框架（如ANOVA和GLM）无法解决的可解释处理对比。将模型应用于检查抗精神病药物氯氮平对斑马鱼幼虫（4 dpf）效应的VMR数据集，产生了连贯的浓度-反应曲线，揭示了以运动低下为特征的行为特征，且该效应取决于光照状态。这些发现表明药理效应可能表现为行为状态的多维变化，而非简单的运动活动抑制（或增强）。重要的是，GAMM方法不限于本研究中检验的特定化合物或行为终点。虽然本研究聚焦于移动距离和抗精神病药物氯氮平作为示例，但相同的建模策略可扩展至其他VMR数据集，不同神经活性化合物预期产生反映其作用机制的独特行为特征。同样，更广泛的行为时间序列（包括额外的运动学和空间特征；如趋触性、速度、加速度、搏动频率和结构、冻结及习惯化测量）捕捉运动功能的不同方面，可能表现出不同的时间模式和变异来源，从而进一步细化表型特征。因此，本研究中呈现的通用建模框架易于跨化合物、终点、测定和实验室转移，但精确的GAMM规格（包括平滑结构、分布、随机效应和相关性结构）应根据所研究行为测量的统计特性进行定制，而非直接套用。未来纳入多种行为终点和化学多样性化合物的研究将进一步确立该分析方法在行为表型分析中的通用性和灵活性。随着分析标准化与测定协调化的发展，自动化运动表型分析有望成熟为灵敏、可扩展的平台，用于检测神经行为干扰。由于许多化学物质作用于保守的中枢神经系统并因此影响神经功能，行为读数提供了整合性的潜在不良效应窗口。在此背景下，对行为动态的统计稳健建模对于将高通量测定转化为可信的化学筛选工具至关重要。本研究中提出的方法增强了VMR数据的可解释性、可重复性和跨研究可比性，支持将幼虫运动分析进一步评估用于化学风险评价。随着方法学的持续完善和更广泛的验证，此类框架可通过提供机制信息丰富、统计严谨且定量稳健（可重复）的神经活性变化指标，促进标准化测试指南的开发。