30.05.2022: Hausmäuse und viele andere Tierarten verwenden Ultraschall, um in verschiedenen Kontexten zu kommunizieren, einschließlich sozialer und sexueller Interaktionen. Diese Vokalisationen werden zunehmend in der Tierkommunikationsforschung und zur Erforschung der genetischen Grundlagen von Autismus und Sprachstörungen untersucht. Bisherige Analyse-Tools sind jedoch unzureichend. Forscher:innen der Vetmeduni haben nun eine neue, verbesserte Technologie entwickelt und stellen diese der Scientific Community kostenlos zur Verfügung.

Da Ultraschallvokalisationen (USVs) über dem Bereich des menschlichen Gehörs liegen (> 20 Kilohertz) und manuelle Analysemethoden extrem zeitaufwändig sind, wurden mehrere automatisierte Methoden zur USV-Erkennung und -Klassifizierung entwickelt. In einer Studie unter Leitung des Konrad-Lorenz-Instituts der Vetmeduni und in Kooperation mit dem Institut für Schallforschung der Österreichischen Akademie der Wissenschaften bewerteten die Forscher:innen nun die Vor- und Nachteile dieser Analyse-Tools.

Um die Leistungsfähigkeit der verfügbaren Tools zur Analyse von Ultraschall-Vokalisierungen zu untersuchen, verglich das Forschungsteam mittels Aufzeichnungen von Labor- und freilebenden Mäusen erstmals automatische Erkennungstools mit manuellen Methoden. Ebenfalls zum ersten Mal erhoben die Forscher:innen die Inter-Observer-Zuverlässigkeit von manuellen Zuordnungen, also inwieweit manuell vorgenommene Klassifizierungen tatsächlich objektive Aussagen treffen.

BootSnap: Neue, kostenlose Klassifizierungsmethode

Von besonderem Wert ist die von den Forscher:innen entwickelte neue Analysemethode. Dazu Studien-Erstautor Reyhaneh Abbasi vom Konrad-Lorenz-Institut für Vergleichende Verhaltensforschung der Vetmeduni: „Zur Automatisierung der Klassifizierung von USVs haben wir das Analyse-Tool BootSnap für die überwachte Klassifizierung entwickelt. Unterschiedliche Vokalisisationen konnten wir damit in zwölf Typen klassifizieren.“ Die von den Forscher:innen entwickelte neue Klassifizierungsmethode basiert auf Ensemble Deep Learning und bietet mehr Generalisierbarkeit als das bisherige State-of-the-Art-Tool. BootSnap ist für die wissenschaftliche Nutzung kostenlos und frei verfügbar.

Zuverlässiges Erkennungstool durch Nutzung großer Datenmengen

Für die der Klassifizierung vorangehende Erkennung von USVs verwendeten die Wissenschafter:innen im Gegensatz zu bisherigen Erkennungsmethoden deutlich größere Stichproben sowie Stimmaufzeichnungen sowohl von wilden Hausmäusen (M. musculus musculus) als auch von Labormäusen. Demgegenüber nützen die meisten der bis dato eingesetzten USV-Erkennungswerkzeuge Daten von nur einem oder wenigen Stämmen von Labormäusen. „Wir haben festgestellt, dass unser Tool im Vergleich zu anderen Erkennungsmethoden eine deutlich bessere Gesamtleistung bietet, und zwar ohne die Notwendigkeit einer manuellen Parameterabstimmung oder eines speziellen Trainings“, so Studien-Letztautor Dustin J. Penn vom Konrad-Lorenz-Institut für Vergleichende Verhaltensforschung der Vetmeduni.

Der Artikel „Capturing the songs of mice with an improved detection and classification method for ultrasonic vocalizations (BootSnap)“ von Reyhaneh Abbasi, Peter Balazs, Maria Adelaide Marconi, Doris Nicolakis, Sarah M. Zala und Dustin J. Penn wurde in „PLoS Computational Biology“ veröffentlicht.

Zum wissenschaftlichen Artikel