文章预览
背景 亨廷顿病(HD)是一种具有复杂运动和行为表现的神经退行性疾病。Q175基因敲入小鼠模型作为人类该疾病的遗传准确模型,近来备受关注。然而,此模型的行为表型通常很微妙且进展缓慢。因此, 研究人员实施了机器学习算法来研究Q175模型中的行为,并比较不同性别和疾病阶段之间的差异。他们探索了旷场、转棒、水迷宫和家笼拉杆任务中不同的行为模式和运动功能 。 结果 在旷场实验中,研究人员观察到两个不同背景品系的Q175模型(zQ175dn和Q175FDN)均存在习惯化缺陷。通过使用一种先进的机器学习方法B-SOiD,他们发现雄性症状期zQ175dn小鼠在直立行为中表现异常。值得注意的是,他们发现体重对加速转棒和水迷宫任务的表现有显著影响,并通过体重标化来控制这一点。症状期zQ175dn小鼠在加速旋转棒任务(经体重标化后)上表现出缺陷,以
………………………………