Millisecond-scale detection of mouse ultrasonic vocalizations enables closed-loop experiments

Los ratones son mucho más vocales de lo que sus chillidos sugieren. Cuando interactúan socialmente, ya sea con una madre, un posible apareamiento o un extraño, emiten un flujo rápido de sonidos que son demasiado agudos para que el oído humano los perciba. Estos llamados ultrasónicos, que pueden alcanzar frecuencias que van mucho más allá de lo que podemos percibir, sirven como un rico lenguaje para su mundo social. Para los científicos que estudian el comportamiento, estos sonidos ofrecen una ventana directa a la mente del ratón, revelando momentos de cortejo, angustia o curiosidad. Sin embargo, durante décadas, escuchar esta conversación ha sido un proceso lento y retrospectivo. Los investigadores grababan horas de audio y luego pasaban días o semanas utilizando computadoras para buscar entre el silencio los breves y fugaces llamados ocultos en el ruido. Para cuando se identificaban los llamados, el momento ya había pasado hace mucho tiempo, lo que hacía imposible reaccionar a la comunicación del ratón mientras ocurría.

Esta limitación ha mantenido una herramienta poderosa fuera del alcance de la ciencia en tiempo real. Si un investigador pudiera escuchar el llamado en el instante en que se produce, podría responder instantáneamente con una luz, un sonido o un estímulo, convirtiendo la propia voz del ratón en un activador para el experimento. El desafío ha sido técnico: estos llamados son increíblemente cortos, duran a menudo solo unos pocos milisegundos, y ocurren en ráfagas rápidas. Los programas informáticos existentes eran demasiado lentos para captarlos conforme sucedían, ya que normalmente requerían una larga extensión de audio para ser grabada antes de que pudieran siquiera comenzar a analizarla. Una nueva herramienta, desarrollada por investigadores de la Universidad de Bonn, cambia esta dinámica por completo. Han creado un sistema que escucha las ondas sonoras puras de la voz de un ratón y decide, en cuestión de milisegundos, si está ocurriendo un llamado, lo suficientemente rápido como para activar una respuesta inmediata mientras el ratón aún está hablando.

Los investigadores, liderados por Martin K. Schwarz, construyeron un sistema que llaman DeepFisFis. En lugar de intentar traducir el sonido en una imagen visual primero, un paso que consume tiempo y potencia de cómputo, su sistema observa directamente la forma de la onda sonora misma. Imagine la onda sonora como una línea dentada moviéndose a través de una pantalla. El sistema corta esta línea en pequeñas rebanadas de cinco milisegundos. Para cada rebanada, se hace una pregunta simple: ¿esta pequeña pieza de sonido parece parte de un llamado de ratón? Debido a que las rebanadas son tan pequeñas, la computadora puede responder a esta pregunta casi instantáneamente. De hecho, el sistema procesa cada rebanada en aproximadamente 2.5 milisegundos, lo cual es más rápido que el tiempo que le toma al micrófono incluso grabar esa rebanada de sonido. Esta velocidad significa que la computadora nunca va por detrás del flujo de audio; siempre está escuchando en tiempo real, lista para actuar en el momento en que comienza un llamado.

Para demostrar que esto funcionaba, el equipo probó su sistema contra métodos establecidos que se habían utilizado durante años. Alimentaron al sistema con grabaciones de ratones interactuando y le pidieron que encontrara los llamados. El nuevo sistema encontró casi todos los llamados que los expertos humanos habían marcado, igualando o incluso superando la precisión de las herramientas más antiguas y lentas. Pero la precisión era solo la mitad de la historia. La verdadera prueba fue la velocidad. Cuando los investigadores midieron cuánto tiempo tomó analizar un fragmento de audio, su nuevo sistema fue de cuatro a cinco veces más rápido que las mejores herramientas anteriores. Más importante aún, debido a que trabaja con rebanadas tan pequeñas, no necesita esperar a que un llamado completo termine antes de tomar una decisión. Puede identificar que un llamado ha comenzado apenas unos pocos milisegundos después de que el sonido comienza.

Esta velocidad desbloqueó una nueva forma de realizar experimentos. El equipo configuró un sistema de bucle cerrado (closed-loop), una configuración donde la computadora escucha al ratón e inmediatamente activa una respuesta. En su prueba, reprodujeron llamadas grabadas de ratones al sistema. Tan pronto como el sistema detectó un llamado, activó un tono para que se reprodujera a través de un altavoz. Todo el proceso, desde que el sonido llega al micrófono hasta que el tono se reproduce, tomó unos 128 milisegios. Aunque este retraso se debe principalmente al hardware y no al software, el hallazgo crítico fue que el software en sí mismo no añadió tiempo extra. El sistema fue lo suficientemente rápido como para seguir el ritmo del flujo de sonido, demostrando que la computadora podía actuar como un socio en tiempo real en el experimento en lugar de ser solo un grabador pasivo.

Más allá de activar respuestas, esta velocidad ofrece una solución práctica a un problema masivo en la ciencia moderna: el almacenamiento de datos. Grabar audio de alta calidad a las velocidades necesarias para captar estos llamados genera cantidades enormes de datos. Si un investigador graba durante una hora, podría terminar con gigabytes de puro silencio, con solo una pequeña fracción que contiene llamados reales. El nuevo sistema permite a los investigadores grabar solo lo que importa. Al usar el detector para observar el flujo de audio en vivo, la computadora puede decidir guardar solo los momentos en que se detecta un llamado, junto con un pequeño búfer de sonido antes y después. En sus pruebas, este método redujo la cantidad de datos almacenados en más del 75 por ciento, manteniendo casi todas las vocalizaciones reales. Esto significa que los científicos pueden realizar experimentos más largos o grabar comportamientos más complejos sin verse abrumados por datos vacíos.

El sistema también mostró una notable flexibilidad. Los investigadores entrenaron a la computadora con grabaciones realizadas a una velocidad específica y luego la probaron con grabaciones realizadas a una velocidad diferente y más rápida. Sin necesidad de recolectar nuevos datos o reentrenar el sistema desde cero, pudieron adaptar la herramienta a las nuevas condiciones y mantener una alta precisión. Esto sugiere que el sistema aprende la forma fundamental de la voz del ratón en lugar de simplemente memorizar grabaciones específicas, lo que lo hace lo suficientemente robusto como para funcionar en diferentes laboratorios con diferentes equipos.

El trabajo representa un cambio en cómo los científicos interactúan con el comportamiento animal. Durante años, el estudio de la comunicación de los ratones ha sido una actividad retrospectiva, analizando lo que sucedió después de los hechos. Este nuevo enfoque convierte la voz del ratón en una señal en vivo, disponible en el instante en que se produce. No reemplaza el análisis detallado que ocurre más tarde, pero abre la puerta a experimentos donde la propia voz del animal dirige el curso del estudio. Al escuchar y reaccionar en un abrir y cerrar de ojos, los investigadores ahora pueden hacer preguntas sobre los circuitos neuronales detrás de la comunicación de una manera que antes era imposible, pasando de observar una conversación a participar en ella.