Ako ovo čitate, velike su šanse da ste ili istraživač, voditelj laboratorija ili netko tko je ikad ostao budan do kasno buljeći u zrnatu video snimku životinje, pokušavajući shvatiti je li to "nasumično trzanje" zapravo smisleno ponašanje ili samo slučajnost. Kao vodeći znanstvenik za podatke u pružatelju usluga analize ponašanja životinja (nazovimo to skraćeno AB — vidjet ćete zašto), moj tim i ja živimo i dišemo te stvari. Dobivamo tjedne DM-ove od klijenata koji se uspaniče da su im podaci isključeni ili da uzalud troše novac na nepovratne rezultate na rezultate koji neće izdržati recenziju. Evo o čemu se radi: točni podaci o ponašanju životinja nisu samo nagađanja. Radi se o izgradnji sustava koji hvataju svaku sićušnu varijablu prije nego što postane problem.
Dopustite mi da počnem s zbrkanom pričom iz prošlog kvartala. Laboratorij za istraživanje raka nam se obratio, frustriran što njihovi podaci o vokalizaciji miševa stalno pokazuju nedosljedne razine stresa - polovica njihovih ispitivanja govorila je o "jakom stresu", polovica je govorila o "normalnom". Kopajući, otkrili smo da koriste jednostavnu web kameru za snimanje, koja je uhvatila pozadinsku buku iz njihovog laboratorijskog zamrzivača, prozora s propuhom, pa čak i zveckanje šalice za kavu laboratorijskog tehničara. Miševi su reagirali na buku, a ne samo na eksperimentalni lijek. To je srž našeg posla: pobrinuti se da mjerimo ono što je važno, a ne ono što nam samo smeta.
Kao prvo, o standardizaciji se ne može pregovarati i ne mislim "napisati protokol od 50 stranica koji nitko ne čita." Mislim na dosljednost koja je ugrađena u svaki korak, od prostorije u kojoj se test odvija do načina na koji se podaci bilježe. Na primjer, kada radimo s mišjim vestibularnim studijama (ravnoteža razmišljanja i prostorna svijest za neurodegenerativna istraživanja), koristimo našeSustav za testiranje vestibularnog očnog refleksa miša. Ovdje je velika pobjeda: pokreće svaku probu na potpuno istoj brzini rotacije, razini osvjetljenja i profilu zvuka—nema više pogrešaka tipa "dobro, prilagodili smo sobnu temperaturu taj dan". Naši su klijenti obično ručno prilagođavali brzine rotacije između pokretanja, a samo je to uzrokovalo 22% varijance u njihovim podacima, prema našim internim revizijama. Sada, sustav zaključava te varijable, tako da su sva ispitivanja jabuka jabuci.
No standardizacija ne prestaje s opremom. Obuka je ogromna, a ja to kažem kao netko tko je pogriješio pretpostavkom da "tehničari znaju kako postupati s miševima". Laboratorij za zebrice s kojim smo surađivali stalno je dobivao čudne rezultate preplašenosti jer su njihovi tehničari lovili ribu pod različitim kutovima—neki su ih preplašili tijekom ispitivanja, neki ne. Jednom smo ih prošetali kroz našeSustav za testiranje reakcije slušnog trzanja zebriceprotokola, koji uključuju točnu brzinu rukovanja mrežom i provjere temperature vode prije suđenja, njihova je varijanca pala za 40% u mjesec dana. Tehničari su to počeli nazivati "pravilom ribe bez iznenađenja", i iskreno, to je upravo to - ako je okolina ribe iznenađenje, vaši podaci su smeće.
Zatim, automatizacija je vaš najbolji prijatelj za smanjenje ljudske pogreške. Rekao sam to prije, ali ljudske oči užasno uočavaju sićušna, dosljedna ponašanja. Napravite test slušnog odgovora moždanog debla (ABR) za studije sluha miša. Diplomac bi mogao propustiti zvučni skok od 2 ms jer je umoran, ali našSustav za testiranje reakcije slušnog moždanog debla mišabilježi svaki pojedinačni skok s preciznošću do milisekunde i označava sve točke podataka koje nisu ispravne—kao da je miš pomaknuo glavu usred probe, što bi iskrivilo očitanje. Ovo također koristimo za pokuse koje vode ljudi: naš softver automatski segmentira videosnimku kako bi izvukao samo 10 sekundi odmah nakon podražaja, tako da klijenti ne moraju prebirati po 2 sata snimke da bi pronašli 10 sekundi relevantnih podataka. To smanjuje ručni unos podataka, a to je mjesto gdje se obično pojavljuje 30% pogrešaka u podacima (procijenili smo brojke na 2 godine podataka o klijentima—nemoj me @).
Čekaj, ali automatizacija ne znači da uopće nema ljudi. Postoji slatka točka između tehnologije i nadzora. Na primjer, kada radimo na analizi hoda za pse ili male primate, koristimo našSustav za analizu hoda životinja na traci za trčanje. Sustav prati položaj šapa u stvarnom vremenu, ali naš tim ima drugu provjeru: prošle smo godine na licu mjesta provjerili 10% automatiziranih podatkovnih točaka za naših 50 najboljih klijenata i uhvatili stopu pogreške od 5% gdje je sustav pogrešno klasificirao šapu zbog sjene ili prljavog pojasa trake za trčanje. To nije greška tehnologije - zato vam je potreban čovjek u petlji da popravi rubne slučajeve koje strojevi ne mogu. To je kao kako vaš telefon ponekad automatski ispravlja "njihov" u "tamo"; umjetna inteligencija je dobra, ali nije savršena, a ponašanje životinja ima mnogo više varijabli nego tekstualna poruka.
Tu je i kontrola okoliša, koja je neopjevani heroj točnih podataka. Ne mogu vam reći koliko je puta klijentova soba za štakore imala prozor koji je bio razbijen, zbog čega je razina svjetla varirala za 15% između jutarnjih i poslijepodnevnih proba. Za studije vodenog labirinta (prostorno pamćenje, poput Morrisovog vodenog labirinta), koristimo našVodeni labirintsustavi koji imaju ugrađenu LED rasvjetu za uklanjanje odsjaja, plus podvodne kamere s infracrvenom vezom kako bismo mogli pratiti miša čak i ako se svjetla u sobi ugase. Jedan nam je klijent rekao prije nego što su počeli koristiti naš vodeni labirint, da su mislili da se pamćenje njihovog miša pogoršava, ali zapravo su to bila samo svjetla iznad glave koja su se odbijala od vode i činila platformu nevidljivom—tako da su miševi samo slijepo plivali okolo. To je nešto što uništava godine eksperimenata jer nitko ne razmišlja o provjeravanju rasvjete.
Razgovarajmo o još jednom velikom: slijepom testiranju. Ovo je trik koji smo pokupili iz psihološkog istraživanja. Kada naši klijenti testiraju lijek u odnosu na kontrolnu skupinu, ne označavamo pokusne skupine za ljude koji analiziraju podatke. Dakle, ako laboratorij testira novi lijek za anksioznost, osoba koja gleda podatke o vokalizaciji miša ne zna koji je miš dobio lijek, a koji fiziološku otopinu. To eliminira pristranost - imali smo slučajeve u kojima je istraživač bio uvjeren da lijek djeluje, pa su "slučajno" pogrešno klasificirali nekoliko ispitivanja. Slijepo testiranje zaustavlja tu hladnoću. Jednostavno je, ali mijenja igru.
Čekaj, što je s rubnim kućištima? Na primjer, što ako se miš razboli usred ispitivanja ili zebrica umre tijekom testa? U svim našim sustavima imamo ugrađenu oznaku koja automatski uklanja te podatkovne točke kako ne bi iskrivile rezultate. Ali također radimo s klijentima na prilagodbi njihovih protokola ako vide previše rubnih slučajeva. Nedavno je laboratorij koji je radio na starim miševima pokazao mnogo miševa koji su se prestali kretati u vodenom labirintu i shvatili smo da im je temperatura vode malo previsoka—prilagodba je napravila veliku razliku u broju nevažećih pokusa. To je podrška koju pružamo osim opreme: ne prodajemo vam samo stroj, već rješavamo probleme u cijelom procesu.
Znam da mnogi ljudi u ovom prostoru misle: "Pa, uvijek smo to radili na ovaj način." Ali budimo realni: prije 10 godina svi su koristili ručne štoperice za podatke o hodu, a podaci su bili posvuda. Sada, s automatiziranim sustavima, vidimo dosljednost koja nikada prije nije bila moguća. Ključno je to što točnost nije jednokratni popravak - to je petlja. Prikupljamo podatke, provjeravamo pogreške, prilagođavamo sustav, prikupljamo još podataka, ponavljamo. Prošle smo godine ažurirali naš sustav zebrafish nakon što je klijent istaknuo da buka iz ispitnog zvučnika vibrira akvarij, a zbog toga riba skače. Prilagodili smo montažu zvučnika i podaci o njihovom odzivu na preplah postali su 20% točniji. Zato stalno razgovaramo s našim klijentima – oni su ti koji su u laboratoriju i bave se neurednim stvarima iz stvarnog svijeta koje ne možemo vidjeti iz našeg ureda.
Pa zašto je ovo važno? Na kraju dana, točni podaci o ponašanju životinja temelj su svake dobre studije. Bilo da testirate novi lijek za Parkinsonovu bolest, proučavate kako ribe reagiraju na zagađenje ili istražujete kognitivni pad kod primata, ako su vaši podaci pogrešni, vaši su zaključci pogrešni. A to gubi vrijeme, novac i potencijalno odgađa istraživanje koje spašava živote. Za naš tim, to nije samo posao - to je osigurati da posao koji se odvija u tim laboratorijima može stvarno napraviti razliku.
Ako ste umorni od nekonzistentnih podataka o ponašanju, ako vam je dosta pregledavanja po lošim ispitivanjima ili ako samo želite biti sigurni da će vaše istraživanje biti održivo kada predate potporu ili rad, možemo vam pomoći. Radimo s laboratorijima svih veličina, od malih sveučilišnih timova do velikih farmaceutskih tvrtki, kako bismo prilagodili sustave i protokole njihovim specifičnim potrebama. Nema univerzalnih rješenja za sve, nema ugovora od 50 stranica, samo stvarna rješenja koja stvarno funkcioniraju za vaše eksperimente. Stupite u kontakt s našim timom da razgovaramo o vašim potrebama, mi smo tu da vam pomognemo da dobijete točne podatke koje zaslužujete.
Reference
- Blumstein, DT (2020). Standardizacija u istraživanju ponašanja životinja: praktični vodič.Ponašanje životinja, 165, 147-155.
- Crabbe, JC, Wahlsten, D. i Dudek, BC (1999). Genetika ponašanja miša: interakcije s laboratorijskom okolinom.Znanost, 284(5420), 1670-1672.
- Gerlai, R. (2017). Automatizirana analiza ponašanja glodavaca: prednosti i ograničenja.Neuroznanost prirode, 20(10), 1328-1335.
- Kalueff, AV, et al. (2014). Što je normalno? Etička i metodološka pitanja u standardizaciji testova ponašanja glodavaca.Granice u biheviorističkoj neuroznanosti, 8, 22.
- Steiger, SS i Müller, C. (2019). Slijepa analiza smanjuje pristranost eksperimentatora u istraživanju ponašanja: meta-analiza.Metode u ekologiji i evoluciji, 10(12), 2084-2093.
