分析鼠标声音的新工具可能为自闭症建模提供更多的见解

发声在物种间的社会交流中起着重要的作用，如人类的言语和鸟类的歌唱。雄性小鼠在女性的存在下产生超声波发声，并且在友好的社交相遇中两性都会唱歌。小鼠已经被广泛地用于自闭症的研究和其他领域，但是到目前为止，研究它们的超声发声还有局限性。

在洛杉矶儿童医院和USC维特比工程学院之间的独特合作中，研究人员开发并演示了一种新颖的信号处理工具，可以对这些声音进行无偏差的数据驱动分析。这项研究发表在5月3日的Neuron杂志上。

对人类和动物发声的潜在神经生物学基础和遗传性质的研究已经确定了涉及发声，听觉处理和社会交流的有希望的基因和神经网络。“了解老鼠的复杂发声 - 以及它们与他们的社交行为之间的关系 - 对于推进声乐和社交传播研究，包括理解影响声乐传播的基因如何与患有自闭症等发育障碍的儿童有关，将是至关重要的。 Levitt博士，洛杉矶儿童医院发育神经遗传学Simms / Mann主席，USC Keck医学院WM Keck教授神经遗传学教授。

这种新颖的信号处理工具提供了小鼠超声发声的快速，自动化，无监督和时间/日期标记分析。由于发声的时间和日期标记，研究人员期望这个工具将有助于发声与视频记录的行为相互作用相关联，允许从与自闭症患者经历的社会赤字有关的小鼠模型挖掘额外的信息。

根据该研究的第一作者之一CHLA的Allison Knoll博士，该领域的研究人员已经意识到并努力通过使用音节分类系统对声音进行分类来解释鼠标发声的意义 - 用离散的声音定义作为音节。由于小鼠发出的超声波发声类型有很大的变化，为了分析信息，研究人员不得不开发出使用手动或半自动技术将他们认为相似的声音进行分类和组合的方法。

Knoll说：“这个工具通过使用人类言语和语言分析中使用的信号处理方法完全自动处理发声，从而消除了偏见。信号处理工具称为鼠标超声波轮廓分析（MUPET），可通过开放式访问软件获得。

USC维特比工程学院信号分析和解释实验室（SAIL）的第一位合着者Maarten Van Segbroeck博士说：“研究动物发声传统上是一个非常耗时的手动工作，因为需要注释和分析数据。通过MUPET，研究人员现在可以在几分钟内自动处理几个小时的超声波发声。通过将我们在人类语音处理方面的专业知识与无监督机器学习相结合，我们可以快速，自动地处理和捕获大量的音频记录到“音节”单元中。通过比较不同研究中的这些小鼠谱库，MUPET允许研究人员发现其发声的模式和差异。

USC工程师Niki＆CL Max Nikias博士Shrikanth Narayanan博士，以及负责开发该软件的SAIL Lab的电气工程师，计算机科学家和训练有素的语言学家说：“能够从大量的使用数学原理和机器学习算法，以客观，可扩展和高效的方式进行多模式行为数据（动物发声和超越）为科学发现开启了令人兴奋的可能性，它利用机器智能提高了专家分析的速度，并加速了基础研究和翻译。这种工程方法在生物医学和临床领域的承诺和影响仍然非常深远。“

（注：转载时请注明复诊网）