关于健康与疾病中细粒度斑马鱼相互作用的数据集

为何观测鱼类争斗能助益人类健康

乍看之下，两条小鱼互相盘旋并猛冲可能像是一场简单的动物争吵。但在那些快速的转折与追逐中，隐藏着关于大脑如何控制社交行为、疾病如何改变运动模式以及我们如何更好地测试新疗法的线索。本文介绍了一个大型且严谨记录的斑马鱼争斗与对峙数据集，以三维、高速方式捕捉，为生物学家、物理学家和人工智能研究者提供了新的资源。

以鱼类决斗窥见社交行为

斑马鱼因体型小、易于繁殖且与人类共享许多基因，已成为脑与行为研究的常用物种。它们也表现出丰富的社交行为，尤其是雄性之间关于支配地位的激烈争斗。迄今为止，大多数研究采用低细节的追踪方法，将每条鱼在二维平面上简化为一个点。这种方法会遗漏身体微小弯曲和姿态变化，而这些细节能揭示动物是在示威、逃离还是臣服。作者旨在构建一个能在较长时间尺度内捕捉这些细节的数据集，涵盖健康动物与携带与人类脑疾患相关突变的鱼只。

构建高速三维鱼类实验场

为此，团队设计了一个约为十条鱼体长宽度的实验场，给予成体斑马鱼成对自然追逐、盘旋和对峙的空间。三台同步高速摄像机——一台在上方、两台在侧面——以每秒140帧的速度连续拍摄，每次拍摄长达五小时。特殊照明和透明围栏减少反光与阴影，自定义的小珠网格用于精确标定，使每个摄像视图中的位置能够映射回真实的三维空间。结果是对每一个动作的清晰高分辨率记录，从扫动的尾鳍到微小的身体倾斜均被捕捉。

教计算机追踪每一次鳍的抖动

仅靠记录手工分析会极为繁重，研究者于是借助机器视觉工具。一个程序（SLEAP）被训练来识别每条鱼身体上的三个关键点：头尖、胸鳍区中心和尾基。这三个标记构成一个简单的“骨架”，其运动能反映姿态与朝向。第二个程序（idtracker.ai）追踪每条鱼的整体形状，以在数小时的记录中分辨个体身份。团队随后使用标定模型将三台摄像机的信息融合，通 过测量各视图之间点的重投影一致性来检查分配错误，并丢弃或插值任何可疑的帧。该流程为两条鱼生成了几乎贯穿整个录制过程的清洁三维姿态轨迹，逐帧可用。

数据集包含内容及其用途

最终合集包括173个五小时实验，主要为健康的雄性-雄性配对，也包含一些雌性-雌性配对以及两类突变体。其中一类突变体模拟雷特综合征（一种人类神经发育障碍），表现出改变的运动模式；另一类具有与异常大胆和攻击性行为相关的基因改变。每个实验都将每条鱼三个身体点的位置以简单表格文件保存，并附有性别、基因型与实验场形状的元数据。作者展示了这些数据如何揭示细微模式，例如分析“凝视不对称”——一条鱼朝向另一条鱼的频率。在健康配对中，这一指标随时间变化，一只动物逐渐成为明显的优势者；而在类似雷特的突变体中，这种清晰的不对称性未能出现。

为何这些细致的鱼类动作重要

对非专业人士来说，这项工作可能看似对鱼类争斗的过度分析。但该数据集更像是观察社交行为的高速显微镜。它为一种广泛使用的动物模型中正常与异常攻击行为提供了标准参考，帮助研究者在与帕金森、阿尔茨海默和雷特综合征等相关的疾病模型中发现细微的运动变化。它也为姿态追踪和行为分析的新算法提供了丰富的测试场景，并为物理学家寻找支配社交互动的潜在规则提供了途径。通过以三维细节公开每一次尾摆与侧目，作者为科学界提供了一个强有力的新工具，帮助理解大脑、身体与社交动力如何相互关联。

引用: 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

关键词: 斑马鱼社交行为, 三维姿态追踪, 攻击与支配, 神经退行性疾病模型, 行为数据集