Vocal repertoire of adult domestic pigs in a laboratory environment

이 연구는 실험실 환경에 서식하는 성체 돼지의 1,136 개 발성 데이터를 분석하여 '그루트', '스퀴얼', '복합음', '스크림', '바크' 등 5 가지 주요 발성 클래스와 16 가지 유형을 정의하고, 이를 통해 돼지의 건강 및 복지 평가와 비교 연구를 위한 정밀한 음향적 기준을 마련했습니다.

핵심

1. 왜 돼지 소리를 연구할까요? (비유: 돼지는 '말 못하는 환자'입니다)

최근 의학 연구에서 돼지는 인간과 매우 비슷한 생리 구조를 가진 '모델 동물'로 급부상하고 있습니다. 하지만 돼지는 말을 할 수 없죠. 그래서 연구자들은 돼지의 표정이나 행동을 보고 "아, 이 돼지가 아픈가?", "스트레스를 받는가?"를 추측해야 했습니다.

하지만 이 연구는 **"돼지의 목소리만 들어도 상태를 알 수 있다"**는 새로운 열쇠를 찾았습니다.

• 비유: 마치 우리가 친구가 "어, 기침이 심하네?"라고 말하면 감기에 걸린 걸 알듯이, 돼지가 내는 특정 소리를 분석하면 "이 돼지는 지금 아파" 혹은 "이 돼지는 행복해"라고 알아챌 수 있다는 뜻입니다.

2. 연구팀은 무엇을 했나요? (비유: 돼지들의 '소리 앨범' 만들기)

연구팀은 실험실 돼지 12 마리를 관찰하며 수천 개의 소리를 녹음했습니다. 그리고 이 소리를 두 가지 방법으로 분류했습니다.

• 방법 1: 귀와 눈으로 듣기 (사람의 직관)
  연구원들이 소리를 듣고 스펙트로그램 (소리의 모양을 보는 그림) 을 보며 "이건 '그루그루' 소리야", "저건 '끼익' 소리야"라고 분류했습니다.
• 방법 2: 컴퓨터가 분류하기 (수학적 분석)
  컴퓨터에게 소리의 높낮이, 길이, 진동 등을 숫자로 입력하게 했더니, 컴퓨터가 "이 소리들은 한 그룹, 저 소리들은 다른 그룹이야"라고 자동으로 묶어주었습니다.

결과:
연구팀은 돼지 소리를 크게 **5 가지 큰 부류 (그루그루, 끼익, 비명, 복합음, 짖음)**로 나누고, 이를 다시 16 가지 세부 유형으로 세분화했습니다.

• 가장 흔한 소리: '그루그루 (Grunt)' 소리가 전체의 80% 이상을 차지했습니다. (마치 우리가 감기 기운이 있을 때 "음..." 하고 중얼거리는 것과 비슷합니다.)
• 새로 발견된 소리: 기존에 알려지지 않았던 '위잉 (Whine, 슬픈 울음)', '윽 (Yelp, 짧은 비명)', '안정된 비명 (Stable Scream)' 같은 소리들도 발견했습니다.

3. 재미있는 발견과 의미 (비유: 돼지들의 '복잡한 언어'와 '컴퓨터의 한계')

이 연구에서 가장 흥미로운 점은 두 가지입니다.

첫째, 돼지 소리는 생각보다 훨씬 복잡합니다.
컴퓨터 분석 결과, 소리를 단순히 '낮은 소리'와 '높은 소리' 두 가지 그룹으로만 나눌 수 있었습니다. 하지만 사람이 귀로 들어보면 그 안에도 수많은 뉘앙스 (슬픔, 통증, 놀람 등) 가 섞여 있습니다.

• 비유: 컴퓨터는 "이 노래는 '빠른 템포'야, '느린 템포'야"라고만 구분할 수 있지만, 사람은 그 안에서 "이건 슬픈 발라드야, 저건 신나는 댄스곡이야"라고 구분할 수 있는 것과 같습니다. 돼지 소리도 컴퓨터가 보기엔 단순해 보일지 몰라도, 실제로는 매우 정교한 언어 체계가 있습니다.

둘째, 실험실 돼지만의 고유한 사투리가 있습니다.
야생 멧돼지나 농장 돼지와는 조금 다른 소리들이 실험실 돼지들에게서 발견되었습니다. 이는 실험실이라는 **콘크리트 방 (메아리가 잘 통하는 환경)**과 사람과의 상호작용이 돼지들의 목소리에 영향을 미쳤기 때문일 수 있습니다.

📝 결론: 이 연구가 우리에게 주는 메시지

이 논문은 **"돼지들의 목소리를 해독하는 사전"**을 만든 것과 같습니다.

앞으로 실험실이나 농장에서 돼지를 다룰 때, 연구자나 사육사는 이 '소리 사전'을 참고하여 돼지가 어떤 감정을 느끼는지 더 정확하게 파악할 수 있게 됩니다. 이는 동물의 복지를 높이고, 더 나아가 인간을 위한 의학 연구의 질을 높이는 데 큰 도움이 될 것입니다.

한 줄 요약:

"이 연구는 돼지들이 내는 '그루그루', '끼익', '비명' 같은 소리를 과학적으로 분류하여, 돼지가 무엇을 느끼는지 목소리로 읽어내는 새로운 언어를 개발한 것입니다."

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 돼지 (Sus scrofa domesticus) 는 인간 질병 모델로서 생물의학 연구에서 그 사용이 급격히 증가하고 있습니다. 특히 유전적 이질성이 인간과 유사하여 translational research(전이 연구) 에 적합합니다.
• 문제: 돼지의 건강과 복지를 평가하기 위한 비침습적 지표가 절실히 필요하지만, 성체 돼지의 발성 레퍼토리 (vocal repertoire) 는 아직 명확히 정의되지 않았습니다.
  • 기존 연구는 주로 새끼 돼지 (piglets) 나 야생 멧돼지, 혹은 농업 환경에 초점을 맞추었습니다.
  • 실험실 환경 (콘크리트 구조, 제한된 공간, 인간과의 상호작용) 은 자연 서식지나 농업 시설과 음향적 특성이 달라 발성 패턴이 다를 수 있습니다.
  • 또한, 기존 분류는 상황 (context) 에 의존한 주관적 분석에 그쳐 편향될 가능성이 있었습니다.

2. 연구 방법론 (Methodology)

• 실험 대상: 12 마리의 혼합 품종 성체 돼지 (수컷 5 마리, 암컷 7 마리, 23 개월령, 체중 1113kg).
• 환경 및 조건:
  • 미국 앨라배마주 버밍엄의 실험실 환경 (단독 사육, 온도/습도 조절).
  • 적응 기간 (Habituation): 도착 직후 (Pre-acclimation) 와 1~2 주간의 적응 훈련 (인간 접촉, 목줄 훈련 등) 후 (Post-acclimation) 에 기록 수행.
• 데이터 수집:
  • 상황: 실험실 절차 (연구자 접근, 만짐, 제한, 주사, 먹이 제공, 목줄 산책) 및 사회적 상호작용 (분리/재결합, 위계 확립 등) 총 69 회 녹음.
  • 장비: Beyerdynamic shotgun 마이크 및 GoPro 카메라 사용 (48kHz 샘플링, 16-bit).
• 분석 기법:
  1. 청각 - 시각 분류 (Aural-Visual, AV): 연구자가 소리와 스펙트로그램 (Spectrogram) 을 기반으로 계층적 분류 수행 (주관적 분류).
  2. 객관적 군집 분석 (Two-step Cluster Analysis): 6 가지 음향 파라미터 (5% 주파수, 1 분위수 주파수, 중심 주파수, 90% 대역폭, IQR 대역폭, 90% 지속 시간) 를 사용하여 통계적 군집화 수행.
  3. 일치도 평가: AV 분류 결과와 군집 분석 결과 간의 일치를 Cramer's V 로 평가.
  4. 통계적 검증: 개별 돼지의 영향 (비독립성) 을 평가하기 위해 혼합 선형 모델 (Mixed linear model) 사용.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 발성 레퍼토리 구조 (AV 분류 결과)

총 1,136 개의 고품질 발성 신호를 분석하여 5 가지 주요 발성 클래스 (Vocal Classes) 와 16 가지 구체적인 발성 유형 (Call Types) 을 도출했습니다.

• 5 가지 발성 클래스:

  1. 그런트 (Grunt): 가장 흔함 (전체의 81.95%). 펄스 구조, 저주파, 코를 통한 소리.
  2. 스퀴얼 (Squeal): 고주파, 짧은 지속 시간, 고에너지.
  3. 스크림 (Scream): 긴 지속 시간, 고주파.
  4. 복합 발성 (Complex): 두 가지 이상의 발성이 결합된 형태 (예: 그런트 + 스퀴얼).
  5. 바크 (Bark): 짧은 저주파 에너지 폭발.

• 16 가지 발성 유형 (세부 분류):

  • 그런트: 클래식, 크랙 (Croak), 그로우 (Growl), 변조된 (Modulated), 쇼트 (Short).
  • 스퀴얼: 클래식, 였 (Yelp), 위인 (Whine), 스퀴크 (Squeak).
  • 복합: 복합 스퀴얼, 복합 였, 복합 위인, 복합 스크림.
  • 스크림: 변조된 (Modulated), 안정된 (Stable).
  • 바크: 단일 유형.

• 새로운 발견: 기존 문헌에 없던 Whine (위인), Yelp (옅), Stable Scream (안정된 스크림) 이 성체 돼지에서 확인되었습니다. 특히 'Whine'은 짧은 고조파 (harmonics) 가 특징이며, 'Stable Scream'은 주파수 변조가 적은 긴 고주파 소리입니다.

B. 객관적 군집 분석 결과

• 최적 군집 수: 두 단계 군집 분석 (Two-step cluster analysis) 은 2 개의 군집을 최적 해로 제시했습니다 (BIC 값 기준).
  • Cluster 1: 전체 데이터의 95.9% 를 차지하며, 모든 음향 측정값이 낮은 그룹 (주로 그런트, 바크 등).
  • Cluster 2: 고주파 및 긴 지속 시간을 가진 그룹 (스퀴얼, 스크림 등).
• 예측 변수: 군집 분류에 가장 중요한 변수는 중심 주파수 (Cf) 였으며, 그다음으로 1 분위수 주파수 (Q1f) 가 중요했습니다.
• 일치도: AV 분류와 군집 분석 간의 일치도는 Cramer's V = 0.67 (p < 0.0001) 로 통계적으로 유의미한 중간 정도의 일치도를 보였습니다.

C. 통계적 유의성

• 개별 돼지의 차이 (Individual variation) 는 발성 분류에 유의미한 영향을 미치지 않았습니다 (분산 설명력 3% 미만). 이는 발성 패턴이 개체보다는 발성 유형 자체에 의해 결정됨을 시사합니다.

4. 의의 및 결론 (Significance)

• 표준화된 분류 체계 정립: 실험실 환경에 있는 성체 돼지의 발성을 체계적으로 분류하고, 각 유형에 대한 정성적 (청각/시각) 및 정량적 (음향 파라미터) 정의를 제공했습니다. 이는 연구자들 간의 공통 언어를 제공합니다.
• 비침습적 복지 평가 도구: 돼지의 발성 패턴을 분석함으로써 통증, 스트레스, 사회적 상호작용 상태를 비침습적으로 모니터링할 수 있는 기반을 마련했습니다.
• 복잡성 발견: 통계적 군집 분석은 주로 '저주파/고주파' 2 가지로 단순화되지만, 실제 돼지의 발성 레퍼토리는 훨씬 더 복잡하고 연속적인 그라데이션 (gradation) 을 가지고 있음을 발견했습니다. 이는 향후 퍼지 클러스터링 (Fuzzy c-means) 등 더 정교한 분석 기법의 필요성을 제기합니다.
• 응용 가능성: 이 연구 결과는 돼지를 이용한 생물의학 연구에서 치료 효과를 평가하고 동물 복지를 개선하기 위한 예측 모델 개발의 토대가 됩니다.

이 논문은 돼지 발성 연구에 있어 실험실 환경이라는 특정 맥락에서의 첫 번째 포괄적인 데이터베이스를 구축했다는 점에서 중요한 의의를 가집니다.