被困在塞车中?烤焦了吐司?收到你的50th早晨的垃圾邮件?你可能会觉得有点…生气。你并不孤单。在动物王国里，攻击性无处不在。但许多物种利用攻击来完成对生存更重要的功能，而不是把Breville扔出窗外。
攻击性行为是哺乳动物、鸟类甚至昆虫等多种物种的常规行为。例如，攻击性可以帮助建立等级制度，这通常是繁殖和基因传递的关键。例如，啮齿类动物可以通过激烈的争斗来解决群体内的争吵。
但这些行动通常不是全有或全无的。相反，有许多步骤将动物和全面战争之间的小违规区分开来。
相反，动物通常会做出侵略性的行为——从展示行为到非暴力接触再到全面战斗。这确保了除非必要，否则避免战斗——即使胜利的动物也会受伤或死亡。
西北大学助理教授安·肯尼迪的研究重点是这种复杂行为背后的大脑活动。肯尼迪最近获得了Eppendorf & Science神经生物学奖，以表彰她的工作。该奖项颁发给总结某一研究领域的最佳1000字文章。肯尼迪的文章,达到沸点，可读取在这里．
在圣地亚哥神经科学学会年会上举行的颁奖典礼上，188金宝搏备用我们采访了肯尼迪，了解她的研究以及是什么让我们的大脑兴奋起来。
瑞瑞·麦肯齐(rm):你对动物行为的哪些方面感兴趣?
安·肯尼迪(AK):有一组行为是动物和物种生存所必需的——社会互动，进食，防御行为——它们非常关键，你需要把它们做好，你不能只通过试错来学习。所以，它们是由基因决定的。作为一个理论学家，我感兴趣的是你的大脑是如何从基因上连接起来的，以至于当我们第一次遇到捕食者时，它会感到害怕。我为这篇文章所写的工作涉及到控制领土侵略的大脑区域，这是另一种进化上古老的生存行为。我想要了解大脑是如何做这些事情的，以及神经群是如何相互作用来驱动这些行为的。我想了解它们是如何以一种适应性的方式生产食物的，这样如果附近有捕食者，你就不会去觅食;你要平衡不同的竞争需求，并以适当的方式行事。
莱姆:你有计算机方面的背景。当你谈到自适应学习时，我想到了人工神经网络。这对你的行为研究有什么帮助?
正义与发展党:在我读研究生之前，我的专业是工程学。驱动这些行为的不是单个神经元。它是整个细胞群，如果你一次只看一个神经元，你是无法真正理解它的;你必须观察所有的细胞在做什么，并把它们作为一个群体来描述。你必须试着对这个种群信号做出解释，并将其与动物的行为联系起来。你真的需要计算方法来做到这一点。如果没有这些方法，你不可能只盯着原始数据就能得到很好的直觉。
莱姆:你能给我们讲讲埃本多夫奖论文的研究吗?
正义与发展党:埃彭多夫论文的核心内容基于预印本，将于明年初出版。该预印本是关于理解一个大脑区域的活动，该区域被称为下丘脑腹内侧腹外侧部分(VMHvl)，它在光遗传学上与攻击性行为有关。在这个区域你看不到在攻击时被特别激活的单个神经元——事实上，你在与VMHvl紧密耦合的交配相关区域，即内侧视前区(MPOA)中看到的攻击特异性神经元比在VMHvl中看到的更多。
但如果你刺激VMHvl，你就会有攻击性行为。多年来，我们在实验室里一直有这样的悖论，不明白是什么让vvmvl成为攻击区域，因为它没有攻击调节神经元。在预印本中，我们发现你没有攻击调节神经元，但你有这种低维群体代码，用于攻击动机，它会在数十到数百秒内上升。
如果你观察种群水平，单个维度上的活动有多少与动物的行为密切相关。如果有一点海拔，你就会得到调查;再多一点，你的统治力就会上升;再多一点，你就会直接打架。
这就像一个控制攻击性的音量旋钮。它会追踪动物的攻击动机水平，如果你把闯入者老鼠移走，它也会在很长一段时间内保持持续活跃。
这是人口活动的唯一一个维度。对于其余的，你的活动会逐渐增加，然后迅速下降。我们认为它是一个近似的线吸引子，因为它是一个一维的可伸缩值。这是VMHvl编码侵略性动机等级的一种方式。
VMHvl的邻近部分VMHdm参与了防御行为，并具有类似的与恐惧相关刺激的持久表征。如果你拿一只老鼠，给它一个捕食者，然后把它拿走，这个区域的细胞会在很长一段时间内保持活跃。
当它们活跃时，动物表现出持久的防御行为;它会紧贴着开放空间的墙壁，冻结得更厉害。如果你让这种持续的活动停止，动物就会恢复正常。所以，VMH似乎参与了维持动物这种持续的动机状态。它不是对行为进行编码，但它让你在更长的时间内处于有动机的状态，而不是引起这种状态的刺激。
莱姆:这种斜坡在不同动物之间有什么不同?
正义与发展党在我们观察过的所有动物中——现在已经有14种了——这种斜坡的持续程度与老鼠的攻击性高度相关。我们有一些从未真正战斗过的老鼠，在那里你会得到一点斜坡，很快就会消失。在其他情况下，活动会增加并保持持续活跃。这些老鼠会很兴奋，并在很长一段时间内保持侵略性。
莱姆:这似乎很直观——如果这些神经元在威胁结束后立即关闭，那么它们就没用了，因为威胁一旦出现过一次，就更有可能再次出现。
正义与发展党:是的，作为一只老鼠，你需要记得在鹰消失十秒钟后你遇到了它。所以，这种坚持很好地符合我们的直觉，即你想在动机状态中看到什么。至少在我们观察过的区域中，这种特征似乎是VMH的特征。其他区域，如与交配相关的MPOA，在神经活动中没有表现出这种持久性。所以，似乎下丘脑的某些部分在维持这些缓慢的动机信号，而其他部分则在编码动作。
RJM：展望未来，你是按细胞数量逐级检查还是观察不同的行为?
正义与发展党在我自己的团队中，因为我们是计算型的，所以我们没有足够的能力去解剖出与此相关的细胞类型，尽管安德森实验室现在正在深入研究这个问题。我更感兴趣的是，斜坡动力是否存在于大脑的其他区域，与其他行为有关。我从几个小组那里听说，他们在其他细胞群中也看到了类似的情况。所以，我很有兴趣和这些小组一起工作，看看这是否是大脑皮层下区域计算的一个普遍特征。以及其他区域是否表现出这些与攻击相关的可扩展和持久的属性。
rmr:推动您研究的一个工具是您的自动姿势估计软件，鼠标激活估计系统(火星)．自动化如何帮助我们理解哺乳动物的行为?
正义与发展党:在过去五年左右的时间里，从计算机视觉和机器学习中获得工具，并将动物行为分析自动化，这一趋势得到了很大的推动。当我开始在安德森实验室工作时，实验博士后会收集老鼠的视频，同时记录它们的神经活动，然后他们或实验室的一组技术人员必须坐在那里，然后以30赫兹的频率一帧一帧地给老鼠的活动打分。这是一份相当痛苦的工作。这也是相当主观的——我们试着让不同的人在实验室里对相同的行为进行注释，发现他们经常不一致:不同的人对他们认为的攻击性或他们认为的攻击框架有不同的内部规则。MARS是我们将这一过程自动化的尝试，作为实现高通量行为分析的一种手段。
因此，例如，我们使用MARS从一组带有自闭症相关突变的小鼠系中筛选了40小时的行为数据，这是手工评分的痛苦。有了MARS，你可以自动检测老鼠之间有多少互动，有多少打架，以及他们是如何打架的。你可以很快得到关于动物如何互动的统计数据，你可以寻找线条之间的差异，这是你用其他方法无法找到的。
rm:你的程序与其他姿势估计软件(如Mathis实验室生产的DeepLabCut)有什么不同?
正义与发展党:我们在DeepLabCut出来之前就开始在MARS上工作了，我们的姿势估计方法更加数据密集型:我们将鼠标姿势的注释众包给Amazon Mechanical Turk，并收集了15,000个标记帧，每个帧由5个人标记。这让我们很好地了解到这些身体部分注释的可靠性以及我们的模型的表现。相比之下，马西斯的方法是采用一个已经在人类的其他姿势估计问题上受过训练的网络，我们有大数据集，然后将它们微调到动物身上。所以，它适用于较小的训练集。
MARS的另一个不同之处在于，在姿势估计之后，它会执行第二次分析，即行为分类，这在DeepLabCut等工具中是不存在的。一旦你估计了老鼠的姿势，你就可以提取特征，比如关节的角度、老鼠的速度以及它们如何面对彼此，并将其作为监督分类器的输入，以检测它们何时在战斗或何时在调查。因此，MARS不仅可以让我们追踪老鼠的姿势，还可以学习检测人类定义的感兴趣的行为。
Ann Kennedy采访了Ruairi J Mackenzie，技术网络的高级科学作家。188金宝搏备用出于篇幅和清晰度的考虑，采访内容经过了编辑。
