被困在汽车果酱中？烧烤面包？收到了50岁Th早上的垃圾邮件电子邮件？您可能会感到有点……生气。你不是一个人。侵略无处不在。但是，许多物种使用侵略性来实现对生存的功能，而不是从窗外弹出布雷维尔。
侵略性行为是像哺乳动物，鸟类甚至昆虫一样多样化的物种的常规行为。例如，侵略可以帮助建立通常是繁殖关键和基因传递的层次结构。例如，可以证明啮齿动物可以通过激进的战斗来解决群体内争吵。
但是这些行动通常不是全或全无的。取而代之的是，分隔动物与全面战争之间的小违规行为有许多步骤。
取而代之的是，动物通常参与侵略性的行动 - 从展示行为到非暴力接触，再到全面战斗。这样可以确保避免战斗 - 即使是胜利的动物也会损害或垂死的战斗 - 除非有必要。
西北大学助理教授安·肯尼迪（Ann Kennedy）的研究重点是这种复杂行为的大脑活动。肯尼迪（Kennedy）最近获得了Eppendorf＆Science赢得神经生物学奖，以表彰她的工作。该奖项是由最佳1000字的文章颁发的，总结了研究领域。肯尼迪的论文，沸腾，可以阅读这里。
在颁奖典礼上，与神经科学协会在圣地亚哥举行的年度会议一起举行捷克葡萄牙直播与肯尼迪（Kennedy）交谈，以了解有关她的研究的更多信息，以及使我们的大脑开火的原因。
Ruairi J Mackenzie（RJM）：您对动物行为的哪些方面感兴趣？
安·肯尼迪（ANK）：有一系列行为对于动物和物种的生存是必要的 - 社交互动，喂养，防御行为 - 它们是如此至关重要，以至于您需要正确地使它们正确，并且您不能只是通过试用和试验和错误。因此，它们在遗传上烘烤到大脑中。作为一名理论家，我对您如何将大脑连接起来，这样就在我们第一次遇到捕食者时会害怕捕食者。我为这篇文章写的作品涉及一个大脑区域，该区域涉及控制领土侵略，这是这些进化上古老的生存行为中的另一种。我进入了这个想了解大脑如何做的事情以及神经种群如何相互作用以推动这些行为的方式。我想了解它们如何以适应性的方式生产它们，这样您就不会在附近有捕食者来觅食。您可以平衡不同的竞争需求并以适当的方式行事。
RJM：您有一个计算背景。当您谈论适应性学习时，它使我想到人工神经网络。这如何融入您的行为研究？
AK：我的背景是在我上研究生之前的工程学。没有一个神经元可以推动这些行为。这是整个细胞的群体，如果您一次看一个神经元的事物，您就无法真正理解它。您必须查看所有细胞在做什么，并描述它们作为一个组的动态。您必须尝试提出对该人群信号的解释，并将其与动物的行为联系起来。您确实需要计算方法来做到这一点。您不能仅仅凝视原始数据，并在没有这些方法的情况下获得良好的直觉。
RJM：您能告诉我们有关Eppendorf奖文章的研究吗？
AK：Eppendorf论文的核心是基于预印本，该预印本将于明年年初发布。该预印象是在大脑区域中了解与攻击行为相关的大脑区域，称为腹侧下丘脑（VMHVL）的腹侧部分。您看不到该区域中专门激活在攻击过程中的单个神经元 - 实际上，在与VMHVL紧密耦合的交配相关区域（MPOA）中，您会看到更多的攻击特异性神经元（MPOA），而不是您所做的。在VMHVL中。
但是，如果您刺激VMHVL，就会获得侵略性行为。我们在实验室中有这个悖论多年，鉴于它没有攻击调节的神经元，因此不了解是什么使VMHVL成为攻击区。在预印本中，我们发现您没有攻击调节的神经元，但是您拥有这种低维的人口代码，以促进积极的动机，从而将超过数十万到数百秒钟的时间增加。
如果您查看人口水平，那么沿单个维度的活动与动物的行为非常紧密相关。如果有一点海拔，您将得到调查；多一点，您将获得统治地位；更多，您会彻底战斗。
这就像一个音量旋钮以进行侵略。它跟踪动物的积极动机水平，如果您去除入侵者鼠标，则它也将在很长一段时间内保持持久活动。
这是人口活动的唯一维度。对于其余的人来说，您将获得升起并迅速衰减的活动。因此，我们将其视为一个近似线吸引子，因为它是单维可扩展值。这是VMHVL编码分级积极动机水平的一种方式。
VMHVL的相邻部分VMHDM参与了防御行为，并且对与恐惧相关的刺激具有类似的持续表示。如果取鼠标，请向其呈现捕食者，然后去除捕食者，该区域中的细胞长时间保持活跃。
当它们活跃时，动物表现出持续的防御行为。它将拥抱开放空间的墙壁，并将更多地冻结。如果您沉默这种持续活动，则动物恢复正常。因此，VMH似乎参与了维持这种动物的持续动机状态。这不是编码动作，而是使您保持积极性更长的时间，而不是引起该状态的刺激。
RJM：这种渐变在动物之间有何不同？
AK：在我们看过的所有动物中 - 现在我们最多要14个 - 这种坡道的持久程度与鼠标的侵略性高度相关。我们有一些从未真正战斗的老鼠，您会得到一些渐变的渐变，很快就会消失。在其他情况下，活动将不断增加，并保持持久活跃。那些老鼠会长时间锻炼并保持侵略性。
RJM：这一切似乎都是直观的 - 如果这些神经元一旦结束，这些神经元立即关闭，那么它们将毫无用处，因为如果威胁出现一次，威胁就会更有可能回来。
AK：是的 - 作为鼠标，您需要能够记住，在看不见后十秒钟遇到了鹰。因此，这种持久性非常符合我们在动机状态下您想看到的东西的直觉。至少在我们看过的区域中，此功能似乎是VMH的特征。其他地区，例如与交配相关的MPOA，在其神经活动中没有表现出这种持久性。因此，似乎下丘脑的某些部分正在维持这些缓慢的动机信号，而另一些则在编码动作。
RJM：展望未来，您是通过细胞种群逐步检查事物，还是在研究不同的行为？
AK：在我自己的小组中，因为我们是计算机，但我们并不能够剖析涉及的单元格类型，尽管安德森实验室现在确实正在研究它。我对与其他行为相关的其他大脑区域中是否存在渐变动力学更感兴趣。我从几个小组中听到了在其他细胞种群中看到类似事物的小组。因此，我有兴趣与这些小组合作，以了解这是否是皮层脑区域中计算的一般特征。以及其他地区是否显示了我们看到与攻击相关的这些可扩展和持久性属性。
RJM：一种推动您研究的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？
AK：在过去的五年左右的时间里，从计算机视觉和机器学习中汲取工具并自动化动物行为的分析有很大的推动。当我开始在安德森实验室开始时，实验博士后会在记录其神经活动时收集老鼠的视频，然后他们或实验室中的一批技术人员必须坐在那里，然后对老鼠的工作进行评分，然后逐帧30赫兹。这是非常痛苦的工作。这也很主观 - 我们试图在实验室中让不同的人注释相同的行为，并发现他们经常不同意：不同的人对他们认为侵略或认为攻击框架有不同的内部规则。火星是我们试图自动化这一过程的尝试，以作为对行为进行高通量分析的一种手段。
因此，例如，我们使用火星从具有自闭症相关突变的一组鼠标线上筛选了40小时的行为数据，这是可悲的。使用火星，您可以自动检测到小鼠的相互作用，他们在战斗多少以及他们的战斗方式。您可以很快获取有关动物如何相互作用的统计数据，并且可以在线条之间寻找差异，而这些线条不仅可以以其他方式寻找带宽。
RJM：您的程序与Mathis Lab生产的其他姿势估计软件（如DeepLabcut）有何不同？
AK：在Deeplabcut出来之前，我们开始在火星上工作，我们的姿势估计方法更加数据密集：我们众包小鼠姿势向亚马逊机械土耳其人进行了姿势，并收集了15,000个标记的框架，每个框架被五个人标记。这使我们对这些身体部分注释的可靠程度以及模型的表现如何。相比之下，Mathis方法是采用已经接受过针对人类其他姿势估计问题的网络，在那里我们有大数据集，然后将它们微调为动物。因此，它可以与较小的培训组一起使用。
火星的不同之处在于，在姿势估计之后，它执行了第二种分析，即行为分类，这在诸如deeplabcut之类的工具中不存在。一旦您估算了老鼠的姿势，您就可以提取特征，例如关节的角度，小鼠的速度以及它们彼此面对的方式，并将其用作监督分类器的输入，以检测到他们何时战斗或何时战斗正在调查。因此，火星不仅允许我们跟踪小鼠的姿势，而且还学会了检测人类定义的感兴趣行为。
安·肯尼迪（Ann Kennedy）与技术网络高级科学作家Ruairi J Mackenzie进行了交谈。捷克葡萄牙直播采访已被编辑，以进行长度和清晰度。
