Verhaltensanalyse bei Mäusen: Präzisere Ergebnisse trotz weniger Tiere

Stressforscher, die Tierexperimente durchf¨¹hren, m¨¹ssen etwas Bestimmtes besonders gut k?nnen. Ebenso Forschende, die die Haltungsbedingungen von Labortieren verbessern m?chten: Sie m¨¹ssen am Verhalten erkennen, wie es den Tieren geht. Denn anders als bei Menschen k?nnen sie die Tiere nicht fragen, wie es ihnen geht. Forschende aus der Gruppe von Johannes Bohacek, Professor am Institut f¨¹r Neurowissenschaften der ETH Z¨¹rich, haben nun eine Methode entwickelt, die sie bei der Analyse des Verhaltens von M?usen deutlich weiterbringt.

Das Verfahren nutzt die automatische Verhaltensanalyse mittels Bilderkennung und k¨¹nstlicher Intelligenz. M?use werden gefilmt und die Videoaufnahmen automatisch ausgewertet. W?hrend die Analyse des Tierverhaltens fr¨¹her ¨C und in vielen Forschungslabors noch heute ¨C tagelange m¨¹hselige Handarbeit erforderte, haben weltweit f¨¹hrende Forschungslabors in den vergangenen Jahren auf eine leistungsf?hige automatisierte Verhaltensanalyse umgestellt.

Statistisches Problem ausgetrickst

Ein Problem dabei: Es fallen Berge von Daten an. Und je mehr Daten und Messwerte vorliegen, und je subtiler die Verhaltensunterschiede sind, die es zu erkennen gibt, desto gr?sser ist die Gefahr, Artefakten auf den Leim zu gehen. Dazu geh?rt zum Beispiel, dass ein automatisiertes Verfahren ein Verhalten als relevant einstuft, obwohl es dies nicht ist. Die Statistik h?lt f¨¹r diese Problematik folgende L?sung bereit: Man muss einfach mehr Tiere untersuchen, um Artefakte auszugleichen und um trotzdem aussagekr?ftige Ergebnisse zu erhalten.

Die neue Methode der ETH-Forschenden erlaubt es nun, auch mit einer kleineren Tiergruppe aussagekr?ftige Ergebnisse zu erhalten und subtile Verhaltensunterschiede zwischen den Tieren zu erkennen. Dadurch tr?gt die Methode dazu bei, die Zahl der Versuchstiere zu reduzieren und die Aussagekraft eines einzelnen Tierversuchs zu erh?hen. Sie unterst¨¹tzt damit die sogenannten 3R-Bem¨¹hungen, welche die ETH Z¨¹rich und andere Forschungseinrichtungen vorantreiben. Die 3R stehen f¨¹r Replace, Reduce, Refine, also das Bestreben, Tierversuche mit alternativen Methoden zu ersetzen oder durch andere Bem¨¹hungen zu reduzieren.

Verhaltensstabilit?t im Fokus

Die Methode der ETH-Forschenden nutzt nicht nur die vielen einzelnen, sehr spezifischen Verhaltensmerkmale der Tiere, sondern fokussiert stark auf die fliessenden ?berg?nge von einem Verhaltensmerkmal zu einem anderen.

Zu den typischen Verhaltensmustern von M?usen geh?rt das neugierige Aufrichten auf die Hinterbeine, das zur¨¹ckhaltende Verharren am Rand des K?figs oder das mutige Erkunden von Gegenst?nden, die f¨¹r sie neu sind. Auch wenn eine Maus stillsteht, kann das aufschlussreich sein: Das Tier ist entweder besonders wachsam oder unsicher.

Die ?berg?nge zwischen diesen Mustern sind besonders aussagekr?ftig: Ein Tier, das h?ufig und schnell zwischen bestimmten Mustern wechselt, ist m?glicherweise nerv?s, gestresst oder angespannt. Ein entspanntes oder sicheres Tier hingegen zeigt oft stabile Verhaltensmuster und weniger abrupte Wechsel zwischen ihnen. Diese Verhaltens¨¹berg?nge sind fliessend und komplex. Um sie zu vereinfachen, fasst die Methode die vielen Verhaltens¨¹berg?nge mathematisch zu einem einzigen aussagekr?ftigen Wert zusammen, was die statistischen Analysen belastbarer macht.

Bessere Vergleichbarkeit

ETH-Professor Bohacek ist Neurowissenschaftler und Stressforscher. Unter anderem untersucht er, welche Prozesse im Gehirn dar¨¹ber entscheiden, ob ein Tier mit Stresssituationen besser oder schlechter umgehen kann. ?Wenn wir aufgrund von Verhaltensanalysen erkennen ¨C oder noch besser: voraussagen ¨C k?nnen, wie gut ein Individuum mit Stress umgehen kann, k?nnen wir gezielt die Mechanismen im Gehirn untersuchen, die dabei eine Rolle spielen?, sagt er. Daraus liessen sich auch Therapiem?glichkeiten f¨¹r bestimmte Risikogruppen von Menschen ableiten.

Mit der neuen Methode konnte das ETH-Team bereits herausfinden, wie M?use im Tierversuch auf Stress und auf bestimmte Medikamente reagieren. Dank statistischer Kniffe lassen sich auch subtile Unterschiede zwischen einzelnen Tieren erkennen. So konnten die Forschenden zum Beispiel zeigen, dass akuter Stress und chronischer Stress das Verhalten der M?use unterschiedlich ver?ndern. Diese ?nderungen h?ngen auch mit unterschiedlichen Mechanismen im Gehirn zusammen.

Der neue Ansatz erh?ht zudem die Standardisierung von Tests. Die Ergebnisse verschiedener Experimente, auch von unterschiedlichen Forschungsgruppen, k?nnen so besser miteinander verglichen werden.

Tierwohl in der Forschung f?rdern

?Wenn wir k¨¹nstliche Intelligenz und maschinelles Lernen zur Verhaltensanalyse einsetzen, tragen wir zu einer ethischeren und effizienteren biomedizinischen Forschung bei?, sagt Bohacek. Schon seit mehreren Jahren besch?ftigen er und sein Team sich mit der 3R-Forschung. Dazu haben sie an der ETH den sogenannten 3R-Hub aufgebaut. Der Hub bezweckt, das Tierwohl in der biomedizinischen Forschung positiv zu ver?ndern.

?Die neue Methode ist der erste grosse Wurf des ETH-3R-Hub. Darauf sind wir stolz?, sagt Oliver Sturman, Leiter des Hubs und Mitautor dieser Studie. Der 3R-Hub hilft nun, die neue Methode anderen Forschenden an der ETH und dar¨¹ber hinaus zug?nglich zu machen. ?Analysen wie die unseren sind komplex und erfordern viel Know-how?, erkl?rt Bohacek. ?Die Einf¨¹hrung neuer 3R-Ans?tze ist deshalb f¨¹r viele Forschungslabors oft eine grosse H¨¹rde.? Genau das ist die Idee des 3R-Hubs: durch praktische Unterst¨¹tzung die Verbreitung solcher Ans?tze zu erm?glichen und damit das Tierwohl zu verbessern.