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

I topi sono molto più vocali di quanto i loro squittii suggeriscano. Quando interagiscono socialmente, che sia con una madre, un potenziale compagno o uno sconosciuto, emettono un flusso rapido di suoni che sono troppo acuti per l'orecchio umano. Questi richiami ultrasonici, che possono raggiungere frequenze ben oltre ciò che possiamo percepire, fungono da ricco linguaggio per il loro mondo sociale. Per gli scienziati che studiano il comportamento, questi suoni offrono una finestra diretta sulla mente del topo, rivelando momenti di corteggiamento, disagio o curiosità. Tuttavia, per decenni, ascoltare questa conversazione è stato un processo lento e rivolto al passato. I ricercatori registravano ore di audio, per poi passare giorni o settimane a usare i computer per setacciare il silenzio, alla ricerca dei brevi e fugaci richiami nascosti nel rumore. Nel momento in cui i richiami venivano identificati, l'istante era ormai passato da tempo, rendendo impossibile reagire alla comunicazione del topo mentre avveniva.

Questa limitazione ha tenuto fuori portata uno strumento potente per la scienza in tempo reale. Se un ricercatore potesse sentire il richiamo nell'istante in cui viene emesso, potrebbe rispondere istantaneamente con una luce, un suono o uno stimolo, trasformando la voce stessa del topo in un innesco per l'esperimento. La sfida è stata tecnica: questi richiami sono incredibilmente brevi, durano spesso solo pochi millisecondi, e si verificano in rapidi raffiche. I programmi informatici esistenti erano troppo lenti per coglierli mentre accadevano, richiedendo solitamente una lunga sequenza di audio da registrare prima di poter iniziare l'analisi. Un nuovo strumento, sviluppato dai ricercatori dell'Università di Bonn, cambia completamente questa dinamica. Hanno creato un sistema che ascolta le onde sonore grezze della voce di un topo e decide, entro millisecondi, se un richiamo sta avvenendo, abbastanza velocemente da innescare una risposta immediata mentre il topo sta ancora parlando.

I ricercatori, guidati da Martin K. Schwarz, hanno costruito un sistema che chiamano DeepFisFis. Invece di cercare di tradurre il suono in un'immagine visiva per prima, un passaggio che richiede tempo e potenza di calcolo, il loro sistema guarda direttamente la forma dell'onda sonora stessa. Immaginate l'onda sonora come una linea seghettata che si muove attraverso uno schermo. Il sistema taglia questa linea in minuscole fette di cinque millisecondi. Per ogni fetta, pone una domanda semplice: questo piccolo pezzo di suono assomiglia a parte di un richiamo di un topo? Poiché le fette sono così piccole, il computer può rispondere a questa domanda quasi istantaneamente. Infatti, il sistema elabora ogni fetta in circa 2,5 millisecondi, ovvero più velocemente del tempo necessario al microfono per registrare quella stessa fetta di suono. Questa velocità significa che il computer non è mai in ritardo rispetto allo stream audio; ascolta in tempo reale, pronto ad agire nel momento in cui inizia un richiamo.

Per dimostrare che questo funzionava, il team ha testato il proprio sistema contro i metodi consolidati che venivano utilizzati da anni. Hanno fornito al sistema registrazioni di topi che interagivano e hanno chiesto di trovare i richiami. Il nuovo sistema ha trovato quasi ogni singolo richiamo che gli esperti umani avevano contrassegnato, eguagliando o addirittura superando l'accuratezza dei vecchi strumenti più lenti. Ma l'accuratezza era solo metà della storia. Il vero test era la velocità. Quando i ricercatori hanno misurato quanto tempo occorreva per analizzare un blocco di audio, il loro nuovo sistema è stato quattro o cinque volte più veloce dei precedenti migliori strumenti. Più importante ancora, poiché lavora su fette così piccole, non deve aspettare che un intero richiamo finisca prima di prendere una decisione. Può identificare che un richiamo è iniziato solo pochi millisecondi dopo l'inizio del suono.

Questa velocità ha sbloccato un nuovo modo di condurre esperimenti. Il team ha allestito un sistema a circuito chiuso, una configurazione in cui il computer ascolta il topo e innesca immediatamente una risposta. Nel loro test, hanno riprodotto chiamate registrate di topi al sistema. Non appena il sistema rilevava un richiamo, attivava la riproduzione di un tono attraverso un altoparlante. L'intero processo, dal momento in cui il suono arriva al microfono al momento in cui il tono viene riprodotto, ha impiegato circa 128 millisecondi. Sebbene questo ritardo sia dovuto principalmente all'hardware e non al software, il dato critico è che il software stesso non aggiungeva quasi alcun tempo extra. Il sistema era abbastanza veloce da stare al passo con il flusso del suono, dimostrando che il computer poteva agire come un partner in tempo reale nell'esperimento piuttosto che come un semplice registratore passivo.

Oltre a innescare risposte, questa velocità offre una soluzione pratica a un problema enorme nella scienza moderna: l'archiviazione dei dati. Registrare audio di alta qualità alle velocità necessarie per catturare questi richiami genera enormi quantità di dati. Se un ricercatore registra per un'ora, potrebbe ritrovarsi con gigabyte di silenzio, con solo una minuscola frazione che contiene richiami effettivi. Il nuovo sistema permette ai ricercatori di registrare solo ciò che conta. Utilizzando il rilevatore per monitorare lo stream audio dal vivo, il computer può decidere di salvare solo i momenti in cui viene rilevato un richiamo, insieme a un piccolo buffer di suono prima e dopo. Nei loro test, questo metodo ha ridotto l'ammontare di dati archiviati di oltre il 75 percento, pur mantenendo quasi tutte le vocalizzazioni reali. Ciò significa che i ricercatori possono eseguire esperimenti più lunghi o registrare comportamenti più complessi senza essere sopraffatti da dati vuoti.

Il sistema ha anche mostrato una straordinaria flessibilità. I ricercatori hanno addestrato il computer su registrazioni effettuate a una specifica velocità e poi lo hanno testato su registrazioni effettuate a una velocità diversa, più rapida. Senza dover raccogliere nuovi dati o riaddestrare il sistema da zero, sono stati in grado di adattare lo strumento alle nuove condizioni e mantenere un'alta accuratezza. Questo suggerisce che il sistema apprenda la forma fondamentale della voce del topo piuttosto che limitarsi a memorizzare registrazioni specifiche, rendendolo abbastanza robusto da funzionare in laboratori diversi con attrezzature diverse.

Il lavoro rappresenta un cambiamento nel modo in cui gli scienziati interagiscono con il comportamento animale. Per anni, lo studio della comunicazione dei topi è stato un'attività retrospettiva, basata sull'analisi di ciò che era accaduto dopo i fatti. Questo nuovo approccio trasforma la voce del topo in un segnale live, disponibile nell'istante stesso in cui viene prodotta. Non sostituisce l'analisi dettagliata che avviene successivamente, ma apre la porta a esperimenti in cui la voce dell'animale guida l'intero studio. Ascoltando e reagendo in un battito di ciglia, i ricercatori possono ora porre domande sui circuiti neurali dietro la comunicazione in un modo che prima era impossibile, passando dall'osservare una conversazione al parteciparvi attivamente.