传统抑郁行为检测与人类症状严重脱节。 Won Do Heo 团队开发 CLOSER 框架，利用 3D 骨架和对比学习，将小鼠自发行为分解为 50 个行为音节。发现慢性应激雄性改变 12 个音节频率（雌性 6 个），随机森林分类器诊断准确率雄性 88%（基于转移概率）。时间进程分析显示第 3 周行为偏离最大；异常检测证实应激改变行为结构而非产生异常动作。药物筛选中，CLOSER 区分了单胺类与非单胺类抗抑郁药的不同行为指纹。
上述研究中使用的 CLOSER 为自研算法，需要较高编程和深度学习能力。而一湾生命科技自主研发的 BehaviorAtlas 3D-AI 精细行为学分析系统，提供更便捷、一体化、本土化的解决方案，无需编程能力，即可支持上述高精度行为学研究。
抑郁症动物模型传统依赖悬尾、强迫游泳和糖水偏爱测试，但这些方法过度简化，与人类自发行为脱节。 韩国科学技术院 Won Do Heo 团队在 Nature Communications 发表研究，研究开发了 CLOSER（基于对比学习的自发行为无观察者分析平台），利用五相机 AVATAR 系统重建小鼠 3D 骨架（9 个关键点，30 帧/秒），通过数据增强和时空图卷积网络进行自监督对比学习，将行为分解为 50 个音节，再通过多数投票进行时序分割。
01
CLOSER 行为音节识别性能优于现有方法
研究对比了 CLOSER 与 VAME、Keypoint-MoSeq。CLOSER 识别的行为片段平均持续 590 ms，接近人工标注（959 ms），而 VAME 过短（258 ms）。k 近邻分类器中，CLOSER 的平衡准确率达 66%，高于其他方法（图 1c）。UMAP 降维显示不同行为音节（行走、转向、直立、下落）在嵌入空间中形成清晰分离的簇，且每种行为的运动学特征（移动距离、头-体角度、鼻子高度）与预期一致（图 1f-i）。CLOSER 对小鼠体重信息的预测准确率最低，证明其通过缩放增强实现了大小不变性。
02
慢性不可预测应激（CUS）诱导性别特异性行为结构改变
雄性 CUS 小鼠在悬尾和强迫游泳中不动时间均增加，雌性仅在强迫游泳中增加（图 2a-b）。开放场中，CLOSER 将 20 分钟记录分为 4 个 5 分钟段，计算音节频率和转移概率。
线性判别分析显示，CUS 雄性和雌性的音节频率明显分离，而转移概率趋同（图 2g）。随机森林分类器利用转移信息对雄性应激的预测准确率达 88%，雌性为 70%（图 2h）。
雄性 CUS 有 12 个音节频率显著改变（如理毛增加、行走和直立减少），雌性仅 6 个（图 2i）。时间分箱显示多数差异出现在第 3-4 个 5 分钟，表明应激效应需充分暴露后才显现（图 2j-k）。转移网络图显示 CUS 显著改变了行为间的转换概率（图 2l）。
03
CLOSER 追踪抑郁样行为的时间进程
每周记录 CUS 小鼠 20 分钟行为。随机森林分类器不仅能区分应激与对照，还能识别应激持续时间（图 3a-b）。
LDA 显示 LDA1 轴分离应激状态，LDA2 轴分离应激时长（图 3c-d）。第 3 周行为频率差异最大，分类器准确率达峰值（图 3e，h）。
SHAP 分析显示，区分第 3 周 CUS 的关键音节包括“站立”（增加）、“静止（高鼻）”（增加）、“旋转”（减少）、“背部理毛”（减少）和“嗅闻”（减少）（图 3f-g）。
第 4 周差异减小，提示环境适应。转移网络显示 3 周应激显著改变了行为转换结构（图 3i）。
04
CLOSER 区分不同抗抑郁药的靶点与脱靶效应
在 CUS 雄性小鼠中给予单胺类（氟西汀、丙咪嗪）或非单胺类（胍丁胺、东莨菪碱、雷帕斯汀）抗抑郁药。
随机森林分类器基于音节频率和转移，灵敏度约 50%，特异度约 90%（图 4b）。CUS 导致 4 个行为簇（31，12，49，28）频率改变，簇 31 被所有药物恢复，其他选择性恢复（图 4c-d）。
非单胺类药物脱靶效应更多。SHAP 分析发现，“直立”增加是非单胺类药物的行为指纹（图 4e）。转移图显示单胺类药物对行为语法恢复有限（图 4f）。
雌性 CUS 中行为指纹以头部运动和嗅闻为主，脱靶效应更明显。这些结果表明 CLOSER 可量化抗抑郁药的个体化行为效应。
05
总结
CLOSER 通过自监督对比学习，从小鼠自发行为的音节频率和转移概率中，高准确率识别 CUS 应激（雄性 88%），揭示抑郁行为的性别二态性、时间进程，并区分不同抗抑郁药的靶点恢复与脱靶效应，为精神疾病的客观诊断和药物筛选提供了新工具。
06
BayOne 产品介绍
上述研究中使用的 CLOSER 为自研算法，需要较高编程和深度学习能力。而一湾生命科技自主研发的 BehaviorAtlas 3D-AI 小鼠精细行为分析系统，采用全自动无监督聚类，无需人工标注，即可将自发行为分解为 40+种行为亚型。系统支持 3D 骨架重建（16 个关键点）、UMAP 降维可视化、多种范式兼容、开箱即用，无需编程。
BehaviorAtlas 3D-AI 动物行为分析系统是国内首家 3D-AI 精细行为学分析系统，可以在三维层面分析动物的精细行为；追踪 16+种身体点，实现行为全面量化；提取 40+种行为亚型，包括嗅探、梳理、跳跃等行为；计算 100+种参数，捕捉动物行为的每一个细节；输出专业级可视化图表，满足 SCI 论文发表要求。
目前，BehaviorAtlas 3D-AI 动物行为分析系统已经在大、小鼠、非人灵长类动物、犬类等模式动物上，针对自闭症、帕金森症、抑郁症、脑出血等疾病模型以及精神类药物筛选上进行了多种应用。
在此，我们也感谢 BehaviorAtlas 的用户对我们系统的关注和支持，希望 BehaviorAtlas 能够帮助更多的科研人员去解答生命科学中的难题。
点击图片，了解更多关于 3D-AI 动物行为分析系统的
详细信息
为了帮助您获取更多信息，我们提供了便捷的联系方式。您可以通过公众号私信与我们交流，或者直接扫描下方的微信二维码，我们的专业团队将竭诚为您提供更多信息和帮助。
参考文献：
Oh H, Choi S, Lee J, et al. AI-driven decoding of naturalistic behaviors enables tailored detection of depressive-like behavior in mice. Nat Commun . 2025;17(1):851. Published 2025 Dec 30. doi:10.1038/s41467-025-67559-x