利用数字饲养箱框架对小鼠进行生物行为表型分析，以实现长时间尺度、高分辨率以及多因素数据收集与分析

《Scientific Reports》：Mouse bio-behavioral phenotyping using a digital homecage framework for long-timescale, high-resolution, and multi-factor data collection and analytics

　　

摘要

长期监测行为和生理过程对于阐明复杂的基于大脑的现象及随时间发展的疾病至关重要，例如慢性压力、昼夜节律紊乱和代谢综合征。虽然通过智能设备在人类身上已经建立了数字表型分析技术，但针对啮齿动物模型的类似解决方案仍然有限。为解决这一缺口，我们推出了Digital Homecage（DHC）系统，这是一个开源平台，能够实现单笼饲养小鼠长达20多种行为指标的不间断、长时间尺度的记录。DHC集成了视频捕捉、操作性任务模块和跑步轮数据，能够在几周的时间跨度内以亚秒级的分辨率监测动物的行为，如活动量、睡眠、梳理毛发和食物选择等。初步数据验证了该系统揭示多种自发行为昼夜节律模式的能力，这些模式始终反映出夜间活动情况。DHC为慢性疾病和神经精神综合征的纵向分析提供了独特的机会。其易用性和模块化设计促进了社区驱动的创新，使其成为推进啮齿动物模型中大脑功能和行为复杂特征研究的变革性工具。