通过人工智能行为分析与生物传感器集成评估尼罗罗非鱼的社会压力

《Computers and Electronics in Agriculture》：Assessing social stress in Nile tilapia through AI behavioral analysis and biosensor integration

　　

• •
  为鱼类生态的多维调查提供了一种新方法。
• •
  将葡萄糖生物传感器与基于人工智能的姿态估算相结合，用于鱼类压力监测。
• •
  利用 DeepLabCut 进行行为分析，连接生理学与行为学。
• •
  为未来的鱼类生物传感系统提出了一个探索性的方法学平台。

引言

近年来，随着对海洋产品需求的增加和自然海洋资源的枯竭，基于水产养殖的渔业生产需要提高生产力和可持续性。作为实现可持续和高产水产养殖的一种方式，利用快速发展信息技术和通信技术的智能水产养殖正受到关注，使用物联网（IoT）和人工智能构建下一代水产养殖系统正在推进（Liu et al., 2023, Yang et al., 2021）。智能水产养殖的例子包括根据养殖现场某些参数的值估算当日适当投喂量的系统（Zhou et al., 2018, Zhou et al., 2019）以及自动从图像计算养殖鱼体大小的系统（Costa et al., 2006, White et al., 2006）。声学测量也可估算鱼类丰度（Feng et al., 2023）。使用这些技术，可以实现从确定饲料量到投放饲料的整个过程自动化，无需捕获养殖鱼并测量其长度。有望水产养殖的智能化将显著有助于节省劳动力和提高生产力。然而，要准确估算生长和饲料量等可作为运营参考的参数，了解目标物种的生理机制和生态学至关重要。虽然向智能水产养殖转变显著提高了生产力和监测效率，但高密度养殖环境不可避免地增加了鱼类生理压力的风险。

鱼类暴露于来自生存环境的各种刺激中，即压力，鱼类的压力状态影响鱼类行为、代谢、生长和免疫等各种因素（Abd El-Hack et al., 2022, Gon?alves-de-Freitas et al., 2019）。通过测量压力反应，可以估算鱼类的压力状态。测量鱼类生理压力反应的一种方法是使用生物传感器测量血糖浓度（Wu et al., 2019）。已知当鱼类受到压力时，血液中的葡萄糖浓度会作为次级反应增加，生物传感器使得利用酶特异性测量对应于葡萄糖浓度的电流输出成为可能。如果阐明鱼类行为背后的生理过程，将导致对测量物种生理机制的更深入理解。阐明鱼类行为背后的生理过程为增强水产养殖生产力提供了稳健的框架。具体来说，实时监测血糖压力反应能够实现由缺氧、氨积累或过度养殖密度等环境压力源引起的亚临床压力的早期检测。目前，可用于生物传感器的、小到足以植入鱼类的酶仅对葡萄糖反应特异性。因此，需要抽血才能测量皮质醇。葡萄糖是次级指标，与初级反应相比可能存在延迟反应的可能性。然而，我们采用这种方法是因为它是目前唯一适用于自由游泳鱼类连续测量的实用选项。在传统的测量鱼类压力反应的实验中，施加压力源和获取血液样本以测量压力指标浓度的阶段是顺序进行的，而不是同时进行的（Corrêa et al., 2003）。在这种情况下，只有采血时才有关于鱼类压力状态的信息。通过测量葡萄糖作为压力指标，可以在施加压力源的同时监测鱼类压力状态随时间的变化。这种方法被认为有助于填补关于施加压力源和采血期间鱼类压力状态的现有知识空白，并探索行为与生理学之间的关系。

例如，通过识别生理症状出现前的次级压力反应发作，农场管理者可以校准喂养方案——避免与压力引起的厌食相关的饲料浪费和转化率降低。此外，由于血糖长期升高与免疫抑制相关，这一预警系统能够进行预防性干预，例如调整曝气或降低密度，以防止从生理压力转变为临床疾病爆发。最终，这些优化符合现代动物福利标准，后者越来越强调在集约化养殖系统中减少痛苦的伦理和经济重要性（Barreto et al., 2022, Huntingford et al., 2006, Oliveira and Galhardo, 2009）。传统计算机视觉技术擅长跟踪生物量或运动，但它们无法直接捕捉自由游泳个体的内部、实时生理压力反应。因此，需要实时体内生物传感压力指标，如葡萄糖动力学，以实现对鱼类福利的全面理解。在集约化水产养殖的各种压力源中，社会互动——如领地攻击性和优势等级形成——是显著但不可预测的因素，严重影响从属鱼类。本研究使用在许多国家广泛养殖的尼罗罗非鱼（El-Sayed and Fitzsimmons, 2023）作为测试鱼。在尼罗罗非鱼行为中观察到的最显著的压力反应之一是它们在水箱中的位置。在水产养殖环境中，尼罗罗非鱼可用的领地小于自然栖息地。因此，在大量个体一起养殖的水产养殖场所，由社会优势等级导致的水箱领地变化被认为能清晰反映鱼类的压力状态。然而，迄今为止，这些即时行为相遇（例如攻击和逃跑）如何与内部生理变化在时间上对齐尚未被连续监测。

本研究旨在通过将葡萄糖生物传感器测量与基于人工智能的姿态估算相结合，分析尼罗罗非鱼（Oreochromis niloticus）的压力反应，从而连接生理压力反应和鱼类行为。体内压力指标物质浓度的变化通过生物传感器捕捉，鱼类在水族箱中的行为通过人工智能姿态估算捕捉。通过集成和分析这些，我们可视化了尼罗罗非鱼因社会互动引起的压力如何反映在其行为中。作为姿态估算工具，使用了用于多动物项目的 DeepLabCut（Lauer et al., 2022, Mathis et al., 2018, Nath et al., 2019）来分析两条鱼对峙的一小时视频，并获得了鱼类身体部位的位置坐标。DeepLabCut 是一个视频分析库，可以执行整个过程，包括标记人类和动物的身体部位、训练和评估关键点检测器以及跟踪。该库广泛用于动物姿态估算研究（Li et al., 2024），无论物种如何，也用于鱼类研究（Liu et al., 2024）。本研究的实验环境也被认为与该工具良好匹配，因此被用作位置坐标跟踪工具。我们认为这种集成方法将有效阐明由社会互动引起的生理压力反应与特定行为变化之间的相关性。本研究开发了一个集成现有生物传感器和姿态估算技术的系统，以同时执行生理压力反应和行为变化的多维评估，并使用该系统进行了初步的概念验证。通过揭示社会从属鱼类的生理压力反应，本实验提出了应力反应多维评估的新方法。在本实验中，我们假设生物传感器电流输出的趋势将与可观察的攻击性互动和空间限制在时间上协变，并测试了这一假设。

章节片段

试剂和测试鱼

葡萄糖氧化酶（来自黑曲霉 146,962 units g^?1）、3-巯基丙酸（MPA）和 N-羟基琥珀酰亚胺（NHS）购自 Sigma-Aldrich（美国密苏里州圣路易斯）。1-乙基 -3-(3-二甲氨基丙基)-碳二亚胺盐酸盐（EDC）、2-苯氧乙醇和 MES（2-(N-吗啉代)乙磺酸一水合物）购自 FUJIFILM Wako Pure Chemical Corporation（日本大阪）。实验中使用的所有其他试剂均为商业级或实验室级。测试鱼，尼罗

行为分类

在本实验中，有观察到攻击性互动的对和有未观察到的对。在一对中，鱼 S 在开始对峙后约 30 秒咬了鱼 L。此时只看到一次这种行为，两者没有明显互相攻击，从那以后大约过了 4 分钟。在开始对峙后约 4 分 30 秒，鱼 L 开始攻击鱼 S 并将其逼入水箱角落。这种情况持续不断地进行了约 55 分钟

结论

在本研究中，从两个角度分析了两种已知表现出攻击性社会互动的尼罗罗非鱼之间的社会互动：通过生物传感器电流输出测量的体内压力指标物质浓度和视频图像的位置坐标分析。通过比较观察到攻击性互动的对和未观察到的对，我们展示了打斗行为如何在位置坐标中表达，以及当鱼类

动物对象

本研究按照以下动物福利和/或报告指南进行：东京海洋大学动物伦理委员会。

本研究获得了东京海洋大学动物伦理委员会的批准（批准号 R6-S2）。

CRediT 作者贡献声明

Yusuke Horiguchi: 写作 – 原稿，可视化，方法学，调查，形式分析，数据整理，概念化。 Haiyun Wu: 写作 – 审查与编辑，验证，监督，项目管理，方法学，资金获取，概念化。 Masataka Murata: 资源，方法学。 Haruto Matsumoto: 资源，方法学。 Hitoshi Ohnuki: 监督。 Hideaki Endo: 写作 – 审查与编辑，监督，项目管理，概念化。

竞争利益声明

作者声明他们没有已知的竞争财务利益或个人关系，这些可能会影响本文中报道的工作。

致谢

资金: 本研究部分支持来自日本教育、文化、体育、科学和技术部的早期职业科学家资助（JSPS KAKENHI 资助编号 23K14020）。

Yusuke Horiguchi|Haiyun Wu|Masataka Murata|Haruto Matsumoto|Hitoshi Ohnuki|Hideaki Endo