通过高速视频采集小鼠行为建立痛行为量表

慢性痛是临床常见疾病。医生可以根据患者的疼痛描述和视觉模拟尺测量，评价患者的疼痛程度。为了研究疼痛机制，科学家们常使用小鼠制作模型。由于小鼠无法语言表达，科学家们只能通过痛行为来评价疼痛程度。本文通过高速视频(high-speed videography, 500-1000 fps)记录疼痛相关的行为特征，建立小鼠痛行为量表(mouse pain scale)，更加客观评价痛行为。结果：（1）采用在体背根神经节钙成像技术(In vivo DRG calcium imaging)，确定触觉和痛觉的刺激强度。棉花擦拭(CS)和软毛轻刷(DB)主要激活中直径和大直径的低阈值神经元，引起触觉。轻扎(LP)和重扎(HP)，主要激活小直径高阈值的伤害性神经元，引起痛觉。（2）足底刺激引起的典型运动为：后足从刺激点离开，头部转向刺激点，随后转身。触觉刺激（CS和DB）优先引起探索性头部转动(exploring head turn reflex)。痛觉刺激（LP和HP）优先引起快速缩足反射(avoidance paw withdrawal reflex)。（3）研究者分析11个行为参数，其中3个参数可以区分非伤害性和伤害性刺激引起的行为，分别是足部高度(paw height)、缩足的速度(paw velocity)以及痛评分(pain score)。 进一步，研究者利用这3个参数进行主成分分析(principal-component analysis)。PC评分(PC score)可以表示疼痛状态：0分是疼痛阈值，大于0分表示疼痛，小于0分表示不痛。因此，通过3个参数主成分分析得到的PC评分，可以制作疼痛量表，评价痛行为。（4）因CS引起非伤害性反应，HP引起伤害性反应，研究者选取一组动物CS 和HP的PC评分，采用机器学习方法(machine-learning approach)训练支持向量机(SVM)。采用同一品系同一性别小鼠训练好的SVM，可以很好得预测非痛和痛行为。（5）VFHs (0.6、1.4、4.0 g)常用于测量机械痛阈，研究者对其进行评估。PC评分：0.6 g VFH (-0.957)，1.4 g VFH (-0.498)，4.0 g VFH (+0.246)。SVM预测痛行为的发生率：0.6 g VFH (0.33)，1.4 g VFH (0.51)，4.0 g VFH (0.80)。说明0.6 g VFH引起非伤害性反应，1.4 g VFH是机械痛刺激的阈值，4.0 g VFH引起伤害性反应。（5）采用蓝光刺激Trpv1-ChR2小鼠足底，可以引起100%小鼠出现缩足反射，并且PC评分为正，SVM预测痛行为的发生率约为0.80。给予镇痛剂，PC评分为负、SVM预测痛行为的发生率仅为0.40。 结论：通过高速视频记录疼痛相关的行为特征，可以建立小鼠痛行为量表，更加客观评价痛行为。