Mäuse-Stimmportraits: Individuelle Signaturen und Erkennung

Kurzbezeichnung

Voice Prints

Einrichtung Vetmeduni

Konrad-Lorenz-Institut für Vergleichende Verhaltensforschung

Art der Forschung

Grundlagenforschung

Forschungsschwerpunkt

Verhaltensbiologie und -ökologie

Abstract

Hintergrund: Hausmäuse (Mus musculus) stoßen während der Balz und bei sozialen Interaktionen komplexe Ultraschallvokalisationen (USV) aus, deren Funktionen jedoch unklar sind. Wir stellen die Hypothese auf, dass USVs charakteristische individuelle Signaturen (IS) enthalten, die die individuelle Erkennung (IR) vermitteln. Wenn USVs IS enthalten, sollte es möglich sein, ein Instrument zu entwickeln, mit dem USVs bei Interaktionen zwischen Mäusen bestimmten Individuen zugeordnet werden können. Die Prüfung dieser Ideen und die Durchführung von Studien über USVs im Allgemeinen erfordern bessere Methoden zur Erkennung, Klassifizierung und Sequenzierung verschiedener USVs. Ziele: Wir verfolgen mehrere experimentelle und methodische Ziele, unter anderem: (1) Identifizieren, welche Arten von USVs Mäuse unterscheiden können, und die Ergebnisse nutzen, um ein automatisiertes Open-Source-Tool (Auto-USV) für die Erkennung und Klassifizierung von USVs zu entwickeln; (2) Bestimmen, ob Sequenzen verschiedener USVs (Syntax) unterscheidbare IS enthalten und ob Syntax und andere Parameter über die Zeit und über Kontexte hinweg robust sind; (3) Testen, ob Mäuse USVs verwenden, um Individuen zu erkennen, und Identifizierung der Parameter, die IR kontrollieren; (4) Entwicklung eines Klassifikators, der Individuen anhand ihrer charakteristischen USVs identifizieren kann, und Verwendung dieses Tools, um USVs bestimmten Individuen zuzuordnen, die während sozialer Interaktionen aufgezeichnet wurden. Methoden: Das Projekt ist eine interdisziplinäre Zusammenarbeit, bei der wir Methoden aus der Ethologie und der Akustik anwenden und neue Methoden zur Verarbeitung von USVs entwickeln werden. Wir werden Playback-Experimente durchführen, um festzustellen, welche Arten von USVs Mäuse unterscheiden und ob USVs IR vermitteln. Die Ergebnisse werden wir nutzen, um die Zeit-Frequenz-Repräsentation (TFR) von Signalen an Mäuse anzupassen und um Algorithmen für maschinelles Lernen für unser neues Tool Auto-USV zu entwickeln. Eine weitere neue Methode zur Analyse der Syntax wird entwickelt und angewendet, um charakteristische IS zu identifizieren, die IR vermitteln. Wir werden ein neuronales Faltungsnetzwerk trainieren, um eine individuelle Identifizierung durchzuführen, und testen, ob unser Tool dabei helfen kann, Vokalisationen einzelnen Mäusen zuzuordnen, die während gegengeschlechtlicher Interaktionen aufgezeichnet wurden. Neuheit: Die Studien werden die ersten sein, die (1) feststellen, ob Mäuse einander tatsächlich anhand von USVs identifizieren; (2) testen, ob USV-Syntax oder zeitliche Struktur unterscheidbare IS enthalten; (3) untersuchen, ob vokale IS kontextübergreifend robust sind; (4) testen, ob USVs IR vermitteln; (5) die Annahme testen, dass Mäuse Variationen in USVs, die von Forschern klassifiziert wurden, unterscheiden können; (6) Verwendung von unüberwachtem Deep Learning zur Verbesserung der USV-Clustering und -Erkennung; (7) Entwicklung eines automatisierten USV-Klassifizierungswerkzeugs auf der Grundlage der Unterscheidung von USVs durch Mäuse; (8) Verwendung von TFR-Methoden, die an das Gehör von Mäusen angepasst sind; (9) Prüfung, ob ein Klassifikator trainiert werden kann, um individuelle stimmliche Signaturen von Mäusen zu erkennen; und (10) Verwendung eines Klassifikators zur Zuordnung von USVs zu einzelnen Mäusen in sozialen Interaktionen.