Vocal repertoire of adult domestic pigs in a laboratory environment

Deze studie karakteriseert het vocale repertoire van volwassen varkens in een laboratoriumomgeving door middel van perceptieve en objectieve clustering, waarbij vijf hoofdclasses en zestien calltypes werden geïdentificeerd om een gedetailleerd akoestisch raamwerk te bieden voor betere welzijnsbeoordeling.

De kern

De Geheime Taal van het Lab-Varken: Een Luisteroefening

Stel je voor dat je in een heel stil, betegeld laboratorium loopt. Je ziet varkens in hun hokken. Voor de meeste mensen klinkt dat als een reeks van "oink-oink" en wat gebrul. Maar voor deze onderzoekers was het als het ontcijferen van een geheime code. Ze wilden weten: Wat zeggen die varkens eigenlijk tegen elkaar en tegen de mensen die hen verzorgen?

Hier is het verhaal van hun onderzoek, verteld in simpele taal.

1. Waarom doen ze dit? (De "Waarom")

Varkens worden steeds vaker gebruikt in medisch onderzoek omdat ze lijken op mensen (ze zijn slim en hebben een vergelijkbare lichaamssamenstelling). Maar als je een patiënt hebt die niet kan praten, hoe weet je dan of hij pijn heeft of bang is?

Vroeger keken onderzoekers alleen naar het gedrag (loopt het varken raar?). Maar nu weten we dat geluid een eerlijke boodschapper is. Als een varken stress heeft, verandert de toonhoogte van zijn geluid, net zoals je stem trilt als je nerveus bent. De onderzoekers wilden dus een "woordenboek" maken van de varkensstemmen, zodat ze later kunnen zeggen: "Oh, dat geluid betekent: 'Ik heb pijn' of 'Ik ben blij'."

2. De Experimenten (Het "Spionnenwerk")

Ze namen 12 varkens (5 mannetjes en 7 vrouwtjes) mee naar het lab.

• De Opname: Ze hadden een supergevoelige microfoon (zoals een oor dat heel dichtbij staat) en een camera.
• De Situatie: Ze namen de varkens op tijdens alledaagse dingen:
  • Een onderzoeker kwam binnenlopen en streelde ze.
  • Ze kregen te eten.
  • Ze kregen een prik (om medicatie te simuleren).
  • Ze werden even uit elkaar gehaald en weer samengebracht.
• Het Doel: Klinken ze anders als ze bang zijn voor een prik dan wanneer ze gewoon eten krijgen?

3. Het Grote Ontdekkingsverhaal (De "Vertaling")

De onderzoekers luisterden naar duizenden geluiden en keken naar de "visuele vorm" van het geluid (een soort bergjes en dalen op een computer, een spectrogram). Ze deden dit op twee manieren:

1. Met hun oren en ogen (De Menselijke Methode): Een expert luisterde en keek naar de grafieken. Hij zei: "Hé, dit klinkt als een zwaar geluid, dat noemen we een 'grunten'. Dit klinkt als een piep, dat is een 'gepiep'."
2. Met een computer (De Robot Methode): Ze gaven de computer de meetgegevens en zeiden: "Groep dit alles in clusters." De computer deed alsof het een grote stapel sokken sorteerde: "Deze sokken lijken op elkaar, die gaan in de ene mand, die in de andere."

Wat vonden ze?
Het bleek dat varkens veel meer dan alleen "oink" hebben. Ze ontdekten 16 verschillende soorten geluiden, ingedeeld in 5 grote categorieën:

• Grunten (De "Dagelijkse Conversatie"): Dit was het meest voorkomende geluid (82% van alle geluiden!). Het klinkt als een diepe, neusachtige snuif.
  • Voorbeeld: Een "croak" (een krakend geluid) of een "growl" (een lang, laag gebrul).
• Gepiep (De "Hoge Toon"): Korte, hoge geluiden.
  • Voorbeeld: Een "squeal" (een scherpe piek) of een "yelp" (een korte, hoge schreeuw).
• Gekke Combinaties (De "Mix"): Soms begint een varken met een grunten en eindigt het met een piepen. Alsof je "Hé... OOI!" zegt.
• Schreeuwen (De "Paniek"): Lange, hoge geluiden.
  • Voorbeeld: Een "scream" (een langdurig geschreeuw) of een "stable scream" (een schreeuw zonder veel variatie).
• Bekken (De "Korte Knal"): Korte, lage geluiden, alsof ze even op de grond tikken.

Nieuwe Ontdekkingen:
Ze vonden geluiden die nog nooit eerder bij volwassen varkens waren beschreven, zoals een "whine" (een zacht, treurig geluidje met een harmonische klank) en een "stable scream". Alsof ze nieuwe woorden in het varkenswoordenboek hebben gevonden!

4. De Computer vs. De Mens (Het "Oordeel")

Toen de computer de geluiden in groepen moest verdelen, deed hij iets verrassends. Hij zei: "Ik zie eigenlijk maar twee grote groepen."

• Groep 1: Alle lage geluiden (de grunten en bekken).
• Groep 2: Alle hoge geluiden (de piepen en schreeuwen).

De mens zag echter veel meer nuance (16 soorten). De computer zag de grote lijnen, de mens zag de details. Het was alsof de computer zegt: "Het is ofwel koud ofwel warm," terwijl de mens zegt: "Het is koud, koel, fris, temperatuur, warm, heet, of gloeiend."

De overeenkomst tussen de mens en de computer was goed, maar niet perfect. Dit betekent dat varkensstemmen heel subtiel zijn en niet altijd in strakke vakjes passen.

5. Waarom is dit belangrijk? (De "Grote Droom")

Stel je voor dat je in de toekomst een varken in een ziekenhuis hebt. Als het varken een geluid maakt dat klinkt als een "whine" (het nieuwe woord dat ze ontdekten), weten de verzorgers direct: "Oh, dit varken is niet blij, misschien heeft het pijn."

Dit onderzoek legt de basis voor een taalvertaler voor varkens.

• Het helpt om het welzijn van dieren in laboratoria te verbeteren.
• Het maakt medisch onderzoek nauwkeuriger, omdat we beter begrijpen hoe het dier zich voelt tijdens experimenten.

Kortom:
De onderzoekers hebben laten zien dat varkens geen stomme dieren zijn die alleen "oink" zeggen. Ze hebben een rijk, complex vocabulaire met 16 verschillende "woorden" om hun gevoelens uit te drukken. Ze hebben een kaart getekend van dit geluidslandschap, zodat we in de toekomst beter kunnen luisteren naar wat onze vierpotige vrienden ons vertellen.

Technische samenvatting

Probleemstelling

Het gebruik van varkens (Sus scrofa domesticus) als model voor menselijke pathofysiologie in biomedisch onderzoek neemt snel toe. Ondanks dat varkens waardevolle modellen zijn vanwege hun genetische heterogeniteit en cognitieve complexiteit, ontbreekt er een betrouwbare, niet-invasieve methode om hun gezondheid en welzijn in laboratoriumomgevingen te beoordelen.
Bestaande studies over varkensvocalisaties zijn beperkt tot:

1. Leeftijdsverschillen: Veel studies focussen op biggen, terwijl volwassen varkens andere vocalisaties kunnen hebben.
2. Omgevingsfactoren: Studies in landbouwomgevingen of bij wilde zwijnen kunnen niet direct worden vertaald naar de specifieke akoestische omstandigheden van een biomedisch laboratorium (bijv. betonnen muren, echo, specifieke mens-dier interacties).
3. Methodologische tekortkomingen: Eerdere classificaties waren vaak subjectief (perceptueel) en niet gestandaardiseerd, wat vergelijkingen tussen laboratoria bemoeilijkt.

Er is dus een dringende behoefte aan een gestructureerd, objectief en gestandaardiseerd akoestisch repertoire voor volwassen varkens in een laboratoriumsetting.

Methodologie

De studie combineerde perceptuele analyse met objectieve statistische clustering om het vocalisatierapport te karakteriseren.

• Proefdieren en Omgeving:
  • 12 gemengde ras varkens (5 mannetjes, 7 vrouwtjes), 2-3 maanden oud.
  • Gehuisvest in een biomedisch laboratorium (indoor, betonnen kamers) met een specifieke acclimatisatieperiode.
• Opnameprocedures:
  • Opnames vonden plaats tijdens routinehusbandry, experimentele procedures (bijv. injecties, leibandwandelingen) en sociale interacties (separatie/hereniging).
  • Gebruikt werd een Beyerdynamic MCE 86 S II CAM microfoon en een GoPro Hero 2 camera (48 kHz, 16-bit).
  • Er werden 69 opnames gemaakt, resulterend in 1.136 hoogwaardige vocalisaties na filtering van ruis en overlappingen.
• Data-analyse:
  • Spectrogram-analyse: Gemaakt met Raven Pro 1.5 (Hann venster, 23.4 Hz resolutie).
  • Metingen: Er werden robuuste akoestische parameters berekend om handmatige selectiefouten te minimaliseren: 5% en 95% frequentie, kwartiel-frequenties (Q1, Q3), centrumfrequentie (Cf), bandbreedte (BW90, IQRBW) en duur (DUR90).
  • Classificatie-aanpak:
    1. Aural-Visual (AV) Classificatie: Een blinded onderzoeker classificeerde de geluiden visueel (spectrogram) en auditief in een hiërarchisch systeem (klassen, subklassen, call types).
    2. Two-Step Cluster Analyse: Een objectieve statistische methode (gebaseerd op Schwarz's Bayesian Information Criterion - BIC) om de optimale clusteroplossing te vinden zonder voorafgaande perceptuele bias.
    3. Validatie: De overeenkomst tussen de AV-classificatie en de clusteranalyse werd getest met Cramer's V. Een gemengd lineair model werd gebruikt om het effect van individuele dieren te controleren.

Belangrijkste Bijdragen

1. Gestructureerd Repertoire: De studie presenteert het eerste gedetailleerde, hiërarchische repertoire van volwassen varkens in een laboratoriumomgeving, bestaande uit 5 vocale klassen en 16 distincte call types.
2. Standaardisatie: Het biedt gestandaardiseerde definities die zowel beschrijvende labels (auditief/visueel) als kwantitatieve akoestische criteria combineren. Dit creëert een gemeenschappelijke taal voor onderzoekers.
3. Nieuwe Ontdekkingen: Identificatie van unieke call types die niet eerder in volwassen varkens waren gerapporteerd, zoals whines (gehuil), yelps (piepen) en stable screams (stabiele schreeuwen).
4. Methodologische Validatie: Het toont aan dat perceptuele classificatie redelijk goed overeenkomt met objectieve clustering, maar dat statistische methoden de nuance van de complexe variatie in varkensvocalisaties mogelijk onderschatten.

Resultaten

• Hiërarchische Structuur:
  • 5 Vocale Klassen: Grommen (Grunts), Piepen (Squeals), Schreeuwen (Screams), Complexe vocalisaties en Gebel (Barks).
  • 16 Call Types:
    • Grunts: Klassiek, Croak, Growl, Modulated, Short.
    • Squeals: Klassiek, Yelp, Whine, Squeak.
    • Complex: Squeal, Yelp, Whine, Scream (combinaties, vaak beginnend met een grom en overgaand in een ander type).
    • Screams: Modulated en Stable.
    • Barks: Kort, laag frequentie.
• Verdeling: Grommen waren het meest voorkomend (81,95% van alle vocalisaties), gevolgd door piepen, complexe vocalisaties, schreeuwen en gebel.
• Statistische Analyse:
  • De two-step clusteranalyse gaf een twee-cluster oplossing als optimaal (BIC = 4325,82), waarbij Cluster 1 (95,9% van de data) lagere frequenties vertegenwoordigde en Cluster 2 hogere frequenties.
  • Er was een matige tot sterke overeenkomst tussen de AV-classificatie en de clusteranalyse (Cramer's V = 0,67, p < 0,0001).
  • Er waren echter ook duidelijke pieken in de BIC-waarden bij 5 en 19 clusters, wat suggereert dat er meer subgroepen bestaan dan de twee-cluster oplossing aangeeft.
• Individuele Variatie: Het individuele varken had geen significant effect op de clusterindeling (verklaarde < 4% van de variantie), wat aangeeft dat de classificatie robuust is over verschillende individuen.

Significantie en Conclusie

De studie levert een essentiële basis voor het gebruik van vocalisatieanalyse als een niet-invasieve tool voor welzijnsbeoordeling in de biomedische varkensresearch.

• Toepassing: De gedefinieerde call types en akoestische parameters kunnen worden gebruikt om stress, pijn of ziekte te detecteren zonder de dieren te verstoren.
• Vooruitzichten: Hoewel statistische clustering vaak neigt naar twee grote groepen (laag/hoog frequentie), suggereert de studie dat varkens als sociaal complexe dieren een veel rijkere en meer gefragmenteerde vocalisatiestructuur hebben. Toekomstig onderzoek zou methoden moeten gebruiken die "fuzzy" toewijzing toestaan (waar een geluid tot meerdere categorieën kan behoren) om deze complexiteit beter vast te leggen.
• Impact: De resultaten ondersteunen de ontwikkeling van voorspellende modellen voor diergezondheid en faciliteren vergelijkend onderzoek tussen verschillende laboratoria door een gestandaardiseerde terminologie.