Ein Datensatz feingranularer Zebrafisch-Interaktionen in Gesundheit und Krankheit

Warum das Beobachten von Fischkämpfen der menschlichen Gesundheit nützen kann

Auf den ersten Blick mögen zwei kleine Fische, die einander umkreisen und anstürmen, wie ein einfacher Tierstreit wirken. Doch verborgen in diesen schnellen Drehungen und Verfolgungen liegen Hinweise darauf, wie das Gehirn soziales Verhalten steuert, wie Störungen die Bewegung verändern und wie wir neue Behandlungen besser testen könnten. Dieses Papier stellt einen großen, sorgfältig aufgezeichneten Datensatz von Zebrafischkämpfen und Konfrontationen vor, erfasst in drei Dimensionen und mit sehr hoher Bildrate, und bietet damit eine neue Ressource für Biologinnen und Biologen, Physikerinnen und Physiker sowie Forschende in der künstlichen Intelligenz.

Fischduelle als Fenster ins soziale Verhalten

Zebrafische sind ein beliebtes Modell für Gehirn- und Verhaltensforschung: Sie sind klein, leicht zu züchten und teilen viele Gene mit dem Menschen. Zudem zeigen sie reichhaltige soziale Verhaltensweisen, einschließlich heftiger Kämpfe um Dominanz, besonders zwischen Männchen. Bislang nutzten die meisten Studien eine wenig detaillierte Nachverfolgung, bei der jeder Fisch als einzelner Punkt in einer flachen, zweidimensionalen Ansicht verfolgt wurde. Dieser Ansatz verpasst die feinen Körperbiegungen und Haltungsänderungen, die offenbaren können, ob ein Tier droht, flieht oder sich unterwirft. Die Autorinnen und Autoren setzten sich zum Ziel, einen Datensatz zu erstellen, der diese feinen Details über lange Zeiträume erfasst, sowohl bei gesunden Tieren als auch bei Fischen mit Mutationen, die mit menschlichen Hirnerkrankungen in Verbindung stehen.

Aufbau einer Hochgeschwindigkeits-3D-Fischarena

Dafür entwarf das Team eine Versuchsarena von etwa der Länge von zehn Fischen in jede Richtung, sodass Pärchen erwachsener Zebrafische Raum hatten, einander natürlich zu jagen, zu umkreisen und zu konfrontieren. Drei synchronisierte Hochgeschwindigkeitskameras – eine von oben und zwei von den Seiten – filmten die Fische mit 140 Bildern pro Sekunde für jeweils fünf Stunden. Spezielle Beleuchtung und transparente Käfigwände minimierten Reflektionen und Schatten, während ein maßgeschneidertes Gitter aus winzigen Kügelchen eine präzise Kalibrierung erlaubte, sodass Positionen in jeder Kameraperspektive zurück in den echten dreidimensionalen Raum abgebildet werden konnten. Das Ergebnis sind klare, hochauflösende Aufnahmen jeder Bewegung, von weiten Schwanzschlägen bis zu subtilen Körperneigungen.

Computern beibringen, jede Flossenzuckung zu verfolgen

Die Aufnahmen allein wären von Hand kaum zu analysieren, daher griffen die Forschenden zu Methoden der maschinellen Bildverarbeitung. Ein Programm (SLEAP) wurde darauf trainiert, drei Schlüsselpunkte entlang des Körpers jedes Fisches zu erkennen: die Spitze des Kopfes, die Mitte des Brustbereichs und die Schwanzwurzel. Diese drei Marker bilden ein einfaches „Skelett“, dessen Bewegung Haltung und Richtung einfängt. Ein zweites Programm (idtracker.ai) verfolgte die Gesamtform jedes Fisches, um über Stunden hinweg zu wissen, welches Individuum welches ist. Das Team kombinierte anschließend die Informationen aller drei Kameras mithilfe ihres Kalibrierungsmodells, prüfte auf inkonsistente Zuordnungen, indem sie maß, wie gut Punkte über die Ansichten reprojiziert wurden, und verworf oder interpolierte jegliche Frames, die verdächtig erschienen. Diese Pipeline erzeugte saubere 3D-Haltungsverläufe für beide Fische, Bild für Bild, über nahezu die gesamte Aufnahmedauer.

Was der Datensatz enthält und wie er genutzt werden kann

Die endgültige Sammlung umfasst 173 Experimente à fünf Stunden, größtenteils gesunde Männchen-Pärchen, aber auch einige Weibchen-Pärchen und zwei Mutanten-Typen. Ein Mutant modelliert das Rett-Syndrom, eine menschliche neuroentwicklungsbedingte Störung, und zeigt veränderte Bewegungsmuster; der andere trägt eine genetische Veränderung, die mit ungewöhnlich kühnen und aggressiven Verhaltensweisen in Verbindung steht. Für jedes Experiment sind die Positionen der drei Körperpunkte jedes Fisches in einfachen Tabellenfiles gespeichert, begleitet von Metadaten zu Geschlecht, Genotyp und Arenageometrie. Die Autorinnen und Autoren zeigen, wie sich mit diesen Daten subtile Muster aufdecken lassen, indem sie etwa eine „Blickasymmetrie“ analysieren – wie oft ein Fisch auf den anderen ausgerichtet ist. Bei gesunden Paaren verschiebt sich dieses Maß im Zeitverlauf, wenn ein Tier allmählich die klare Dominanz übernimmt, während bei Rett-ähnlichen Mutanten eine solche saubere Asymmetrie nicht entsteht.

Warum diese detaillierten Fischbewegungen wichtig sind

Für Nicht-Spezialistinnen und Nicht-Spezialisten mag diese Arbeit wie eine Übung im Überanalysieren von Fischstreitigkeiten erscheinen. Doch der Datensatz gleicht eher einem Hochgeschwindigkeitsmikroskop für soziales Verhalten. Er liefert eine Standardreferenz für normales und verändertes Aggressionsverhalten in einem weit verbreiteten Tiermodell und hilft Forschenden, subtile Bewegungsänderungen in Krankheitsmodellen zu erkennen, die für Erkrankungen wie Parkinson, Alzheimer und das Rett-Syndrom relevant sind. Außerdem bietet er ein reichhaltiges Testfeld für neue Algorithmen im Pose-Tracking und in der Verhaltensanalyse sowie eine Möglichkeit für Physikerinnen und Physiker, nach verborgenen Regeln sozialer Interaktionen zu suchen. Indem die Autorinnen und Autoren jeden Schwanzschlag und jeden Seitenblick dieser Fische in 3D öffentlich zugänglich machen, geben sie der Wissenschaftsgemeinschaft ein leistungsfähiges neues Werkzeug, um zu verstehen, wie Gehirn, Körper und soziale Dynamik zusammenwirken.

Zitation: Deligkaris, K., Neiman, R., Hiroi, M. et al. A dataset of fine-grained zebrafish interactions in health and disease. Sci Data 13, 583 (2026). https://doi.org/10.1038/s41597-026-06953-6

Schlüsselwörter: soziales Verhalten von Zebrafischen, 3D-Pose-Tracking, Aggression und Dominanz, Modelle neurodegenerativer Erkrankungen, Verhaltensdatensätze