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

Os camundongos são muito mais vocais do que os seus guinchos sugerem. Quando interagem socialmente, seja com uma mãe, um potencial parceiro ou um estranho, eles emitem um fluxo rápido de sons que são agudos demais para os ouvidos humanos perceberem. Esses chamados ultrassônicos, que podem atingir frequências muito além do que podemos perceber, servem como uma linguagem rica para o seu mundo social. Para cientistas que estudam o comportamento, esses sons oferecem uma janela direta para a mente do camundongo, revelando momentos de corte, angústia ou curiosidade. No entanto, durante décadas, ouvir essa conversa tem sido um processo lento e retrospectivo. Os pesquisadores gravavam horas de áudio e, depois, passavam dias ou semanas usando computadores para vasculhar o silêncio, procurando pelos chamados breves e fugazes escondidos no ruído. No momento em que os chamados eram identificados, o momento já havia passado há muito tempo, tornando impossível reagir à comunicação do camundongo enquanto ela acontecia.

Essa limitação manteve uma ferramenta poderosa fora de alcance da ciência em tempo real. Se um pesquisador pudesse ouvir o chamado no instante em que ele é feito, poderia responder instantaneamente com uma luz, um som ou um estímulo, transformando a própria voz do camundongo em um gatilho para o experimento. O desafio era técnico: esses chamados são incrivelmente curtos, muitas vezes durando apenas alguns milissegundos, e ocorrem em rajadas rápidas. Os programas de computador existentes eram lentos demais para captá-los conforme aconteciam, geralmente exigindo uma longa extensão de áudio para ser gravada antes que pudessem sequer iniciar a análise. Uma nova ferramenta, desenvolvida por pesquisadores da Universidade de Bonn, muda completamente essa dinâmica. Eles criaram um sistema que ouve as ondas sonoras brutas da voz de um camundongo e decide, em milissegundos, se um chamado está ocorrendo, rápido o suficiente para acionar uma resposta imediata enquanto o camundongo ainda está falando.

Os pesquisadores, liderados por Martin K. Schwarz, construíram um sistema que chamam de DeepFisFis. Em vez de tentar traduzir o som em uma imagem visual primeiro, um passo que consome tempo e poder de processamento, o sistema deles olha diretamente para a forma da própria onda sonora. Imagine a onda sonora como uma linha serrilhada movendo-se através de uma tela. O sistema fatia essa linha em pequenas fatias de cinco milissegundos. Para cada fatia, ele faz uma pergunta simples: este pequeno pedaço de som parece parte de um chamado de camundongo? Como as fatias são tão pequenas, o computador pode responder a essa pergunta quase instantaneamente. Na verdade, o sistema processa cada fatia em cerca de 2,5 milissegundos, o que é mais rápido do que o tempo que o microfone leva para sequer gravar essa fatia de som. Essa velocidade significa que o computador nunca fica atrás do fluxo de áudio; ele está sempre ouvindo em tempo real, pronto para agir no momento em que um chamado começa.

Para provar que isso funcionou, a equipe testou seu sistema contra métodos estabelecidos que vinham sendo usados há anos. Eles alimentaram o sistema com gravações de camundongos interagindo e pediram que ele encontrasse os chamados. O novo sistema encontrou quase todos os chamados que especialistas humanos haviam marcado, igualando ou até superando a precisão das ferramentas mais antigas e lentas. Mas a precisão era apenas metade da história. O verdadeiro teste foi a velocidade. Quando os pesquisadores mediram quanto tempo levava para analisar um bloco de áudio, o novo sistema foi quatro a cinco vezes mais rápido que as melhores ferramentas anteriores. Mais importante ainda, como funciona em fatias tão pequenas, ele não precisa esperar que um chamado inteiro termine antes de tomar uma decisão. Ele pode identificar que um chamado começou apenas alguns milissegundos após o início do som.

Essa velocidade desbloqueou uma nova maneira de realizar experimentos. A equipe configurou um sistema de malha fechada (closed-loop), uma configuração onde o computador ouve o camundongo e imediatamente aciona uma resposta. Em seu teste, eles reproduziram chamados gravados de camundongos para o sistema. Assim que o sistema detectou um chamado, ele acionou um tom para tocar através de um alto-falante. Todo o processo, desde o som chegando ao microfone até o toque do som pelo alto-falante, levou cerca de 128 milissegundos. Embora esse atraso se deva principalmente ao hardware e não ao software, o achado crítico foi que o próprio software adicionou quase nenhum tempo extra. O sistema foi rápido o suficiente para acompanhar o fluxo de som, provando que o computador poderia agir como um parceiro em tempo real no experimento, em vez de apenas um gravador passivo.

Além de disparar respostas, essa velocidade oferece uma solução prática para um problema massivo na ciência moderna: o armazenamento de dados. Gravar áudio de alta qualidade nas velocidades necessárias para capturar esses chamados gera quantidades enormes de dados. Se um pesquisador grava por uma hora, pode acabar com gigabytes de ásia majoritariamente silenciosa, com apenas uma fração minúscula contendo chamados reais. O novo sistema permite que os pesquisadores gravem apenas o que importa. Ao usar o detector para monitorar o fluxo de áudio ao vivo, o computador pode decidir salvar apenas os momentos em que um chamado é detectado, junto com um pequeno buffer de som antes e depois. Em seus testes, este método reduziu a quantidade de dados armazenados em mais de 75 por cento, mantendo quase todas as vocalizações reais. Isso significa que os cientistas podem realizar experimentos mais longos ou gravar comportamentos mais complexos sem serem sobrecarregados por dados vazios.

O sistema também mostrou uma flexibilidade notável. Os pesquisadores treinaram o computador com gravações feitas em uma velocidade específica e o testaram em gravações feitas em uma velocidade diferente e mais rápida. Sem a necessidade de coletar novos dados ou treinar o sistema do zero, eles foram capazes de adaptar a ferramenta às novas condições e manter alta precisão. Isso sugere que o sistema aprende a forma fundamental da voz do camundongo, em vez de apenas memorizar gravações específicas, tornando-o robusto o suficiente para funcionar em diferentes laboratórios com diferentes equipamentos.

O trabalho representa uma mudança na forma como os cientistas interagem com o comportamento animal. Por anos, o estudo da comunicação dos camundongos foi uma atividade retrospectiva, analisando o que aconteceu após o fato. Esta nova abordagem transforma a voz do camundongo em um sinal ao vivo, disponível no instante em que é produzida. Não substitui a análise detalhada que ocorre posteriormente, mas abre as portas para experimentos onde a própria voz do animal conduz o curso do estudo. Ao ouvir e reagir num piscar de olhos, os pesquisadores podem agora fazer perguntas sobre os circuitos neurais por trás da comunicação de uma maneira que era anteriormente impossível, passando de observadores de uma conversa para participantes dela.