小鼠总是在运动。即使它们的行为没有外部动机——比如一只猫潜伏在几英尺远的地方——小鼠也会不断地前后摆动它们的胡须，嗅探周围的环境，梳理自己。

这些自发的行为点亮了大脑许多不同区域的神经元，提供了动物在大脑中每时每刻都在做什么的神经表征。但是，大脑是如何使用这些持久的、广泛的信号的，仍然是一个谜。

现在，HHMI的Janelia研究校区的科学家们已经开发出一种工具，可以使研究人员更接近于理解这些神秘的全脑信号。这个被称为Facemap的工具使用深度神经网络将小鼠的眼睛、胡须、鼻子和嘴巴的运动信息与大脑中的神经活动联系起来。

“我们的目标是:在这些大脑区域中表现出来的行为是什么?如果很多信息都在面部运动中，那么我们如何更好地追踪呢?Stringer格实验室的研究生、一篇描述这项研究的新论文的主要作者Atika Syeda说。

创建Facemap

创造一种更好的工具来理解全脑信号的想法源于Janelia小组组长Carsen Stringer和Marius Pachitariu之前的研究。他们发现，小鼠大脑中许多不同区域的活动——长期以来被认为是背景噪音——是由这些自发行为驱动的信号。然而，目前还不清楚大脑是如何使用这些信息的。

“真正回答这个问题的第一步是了解驱动这种活动的运动是什么，以及这些大脑区域究竟代表了什么，”Stringer说。

为了做到这一点，研究人员需要能够跟踪和量化运动，并将它们与大脑活动联系起来。但是，使科学家能够进行此类实验的工具并没有针对小鼠进行优化，因此研究人员无法获得他们需要的信息。

Stringer说:“所有这些不同的大脑区域都是由这些运动驱动的，这就是为什么我们认为更好地掌握这些运动的真正含义非常重要，因为我们以前的技术真的无法告诉我们它们是什么。”

为了解决这个缺点，研究小组查看了2400个视频帧，并在小鼠脸上标记了不同的点，这些点对应着与自发行为相关的不同面部运动。他们集中研究了面部的13个关键点，这些关键点代表了个体行为，比如拍打、梳理和舔舐。

该团队首先开发了一种基于神经网络的模型，该模型可以识别实验室在各种实验设置下收集的小鼠面部视频中的关键点。

然后，他们开发了另一个基于深度神经网络的模型，将代表小鼠运动的关键面部点数据与神经活动联系起来，使他们能够看到小鼠的自发行为是如何驱动特定大脑区域的神经活动的。

Facemap比以前用于追踪小鼠面部运动和行为的方法更准确、更快。该工具还专门设计用于跟踪鼠标面，并已被预先训练以跟踪许多不同的鼠标运动。这些因素使Facemap成为一个特别有效的工具:与之前的方法相比，该模型可以预测小鼠的神经活动两倍。

在早期的工作中，研究小组发现，自发行为激活了视觉皮层中的神经元，视觉皮层是处理眼睛视觉信息的大脑区域。通过Facemap，他们发现这些神经元活动簇在大脑的这个区域比之前想象的要分散得多。

Facemap是免费的，并且易于使用。自去年发布以来，全球已有数百名研究人员下载了该工具。

Syeda说:“如果任何人想要开始，他们可以下载Facemap，运行他们的视频，并在同一天获得结果。总的来说，这让研究变得容易多了。

Facemap: a framework for modeling neural activity based on orofacial tracking