公共技术服务中心
光学成像平台
电镜技术平台
分子细胞技术平台
脑影像中心
基因编辑平台
生物信息学平台
联系我们
相关下载
中科院仪器设备管理平台
中科院科技条件信息平台




实验动物平台
实验动物室
斑马鱼平台
灵长类研究平台(苏州)
灵长类研究平台(九亭)
非人灵长类脑图谱研究平台
认知行为分析平台
 简要介绍
 人员组成
全脑介观神经联接图谱绘制平台
-------------------------
认知行为分析平台
 
 

简要介绍  

正是我们大脑里存在的所有想法,情感,记忆,以及可能的行为,使我们成为了独一无二的个体。一百五十年前,从早期实验心理学家的开创性工作开始,科学家们开发了一系列实验技术来测试我们如何感知,如何思考以及如何行动。这些不同类型的技术测量了大脑不同方面的功能,并且它们在理解和诊断不同类型的神经疾病方面是至关重要的。大脑是一种生物机器,为了充分发掘它的详细功能,科学家们依靠动物模型来促进理解。在常见动物模型中,猕猴在认知能力和解剖学上,与人类最相似的。猕猴是比较聪明且高度社会型的动物,通过对它们大脑的研究,我们可以了解人类大脑的高度复杂性。这反映在国内外对越来越的研究关注灵长类的认知,帮助我们理解大脑智力的基础。

我们平台的主要工作是创建一套综合的,标准化的认知行为测试系统,用来测试正常的和有神经缺陷的模型猕猴的感知,运动,认知发展,社会行为,学习和记忆以及情绪调节等。这些测试尽可能地与已建立的人类临床试验相结合,以便尽可能地提高跨物种适用性。重要的是,我们的目标是尽可能多地将测试融入我们受试者的生活环境中,尽可能减少对动物的干扰和压力。这一点,对于研究高级认知机制至关重要。通过设计和构建领先国际要求的灵长类饲养环境,我们需要优化空间,改善环境测丰富度,同时实现更好的自动化测试和跟踪监测。创造世界一流的环境,最大限度的提高动物福利和环境丰富度,可以确保提供更高质量的数据,我们相信这将带来更快的科学进步。

技术支持

从技术上讲,我们的开发的灵活自动的行为测试系统,对被试的身份识别将采用基于神经网络的人脸识别技术(Butler & Kennerley 2018),并结合head-free自动眼动跟踪技术。对于无标记行为身体跟踪,我们希望改变和优化深度卷积神经网络(DCNN)的姿势识别算法,其中人类大数据库的信息可以为其他物种的3D位置重建提供帮助(图一)。

图一 无标记追踪果蝇的实例(Mathis et al. 2018),相同的深度卷积神经网络算法,也可以应用到其他物种身上,但是需要优化和整合才能与平台记录的其他行为数据协同工作。

最后,我们的认知行为测试系统也会利用最新开发的无线电生理记录,能够在动物自由活动的情况下,以最少侵入的方式,收集更多的神经元发放数据,并与行为建立更紧密的联系。

提供服务

我们可以为科学家和临床研究人员,课题中关于非人灵长类动物的感知,认知及行为部分,提供动物训练和测试方面的技术支持。我们与牛津大学灵长类中心以及英国3R国际动物研发中心((https://nc3rs.org.uk)合作,使用多维技术和行为测试工具,可以优化和完善您研究中的行为训练和测试工作。

总结

优化我们获得的行为数据的类型和数量,尤其是对于更高的认知和对于更深入地理解大脑至关重要(Krakauer et al. 2017)。同时, 对于解决已经造成社会负担的脑部疾病问题,这些基础知识至关重要(Poo et al. 2016)。

认知和行为研究平台于2018年底在神经科学研究所成立。我们正在积极招募认知,软件和硬件开发方面的专业人员,并欢迎申请平台职位。 如果您对大脑的研究着迷并具备技术技能和好奇心,请与我们联系!

参考文献

Butler JL, & Kennerley SW. (2018). Mymou: A low-cost, wireless touchscreen system for automated training of nonhuman primates. Behavior Research Methods. https://doi.org/10.3758/s13428-018-1109-5

Krakauer JW, Ghazanfar AA, Gomez-Marin A, MacIver MA, & Poeppel D. (2017). Neuroscience needs behavior: Correcting a reductionist bias. Neuron, 93(3), 480–490. https://doi.org/10.1016/j.neuron.2016.12.041

Mathis A, Mamidanna P, Cury KM, Abe T, Murthy VN, Mathis MW, & Bethge M. (2018). DeepLabCut: Markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience, 21(9), 1281–1289. https://doi.org/10.1038/s41593-018-0209-y

Poo M-m, Du J-l, Ip NY, Xiong Z-Q, Xu B, & Tan T. (2016). China brain project: Basic neuroscience, brain diseases, and brain-inspired computing. Neuron, 92(3), 591–596. https://doi.org/10.1016/j.neuron.2016.10.050

 







版权所有 © 2006-2017 中国科学院神经科学研究所

上海市岳阳路320号 邮编:200031
电话:86-21-54921723 传真:86-21-54921735 邮件:webmaster@@ion.ac.cn
联系我们

沪ICP备05033115号