详细内容或原文请订阅后点击阅览

无监督的学习揭示了蜘蛛腿部损失和再生长后的步态适应性

2025年6月17日 21:45 33 Comments
X Twitter Instagram Mail

无监督的学习揭示了蜘蛛提取物无脊椎动物的腿部损失和再生长后的步态适应性快速，在拮抗作用时自愿损失（自动化）四肢（自动启动），以及一些再生功能替换。由于肢体损失可能会对个体适应性产生严重的后果，因此它可能会承受重大的选择压力，从而使这是研究生物力学鲁棒性的出色现象。蜘蛛经常自动化一条或多个腿。我们调查了幼年狼蛛（Arachnida：araneae）天真的自动造期间的腿部运动和再生后的运动时间过程。我们录制了高速视频的蜘蛛奔跑，所有腿都完好无损，然后在它们自动实现两条腿后立即进行了1天。允许腿再生，并重复相同的实验序列。视频跟踪分析表明，蜘蛛恢复了腿部再生后的自动造口速度和步速频率，并且在这两个自动体后≤1天内恢复了≤1天。这些治疗方法不影响路径折磨。自动化的蜘蛛扩大了其剩余腿的扩张，以稳定稳定性，并补偿缺失的功能空间。为了分析他们的步态如何响应腿部损失，我们首次应用了无监督的机器学习来测量与步态空间指标结合使用的运动学数据。发现蜘蛛在失去腿后立即强烈地采用新的步态图案，没有

来源:Arácnido
许多无脊椎动物在拮抗作用期间自愿损失（自动化）四肢，并且一些重生功能替换。由于肢体损失可能会对个体适应性产生严重的后果，因此它可能会承受重大的选择压力，从而使这是研究生物力学鲁棒性的出色现象。蜘蛛经常自动化一条或多个腿。我们调查了幼年狼蛛（Arachnida：araneae）天真的自动造期间的腿部运动和再生后的运动时间过程。我们录制了高速视频的蜘蛛奔跑，所有腿都完好无损，然后在它们自动实现两条腿后立即进行了1天。允许腿再生，并重复相同的实验序列。视频跟踪分析表明，蜘蛛恢复了腿部再生后的自动造口速度和步速频率，并且在这两个自动体后≤1天内恢复了≤1天。这些治疗方法不影响路径折磨。自动化的蜘蛛扩大了其剩余腿的扩张，以稳定稳定性，并补偿缺失的功能空间。为了分析他们的步态如何响应腿部损失，我们首次应用了无监督的机器学习来测量与步态空间指标结合使用的运动学数据。发现蜘蛛在失去腿部后立即采用新的步态模式，没有学习的证据。这种新颖的聚类方法都证明了与假设的步态的一致性，并揭示了这些模式之间的过渡和变化。更笼统地，步态空间中的聚类可以识别大型数据集中的腿部运动模式，这些模式与已知的步态或未发现的行为相对应。SuzanneAmador Kane，Brooke L. Quinn，Xuanyi Kris Wu，Sarah Y.无监督的学习揭示了蜘蛛腿部损失和再生后的步态适应性快速。 J Exp Biol 2025年6月15日； 228（12）：JEB250243。 doi：h
自动 假设的 相同的 学习的 蜘蛛 适应性 再生 步态 数据集 视频 数据 运动学 机器学习 空间 模式 严重的 监督的 一致性 使用的 损失 集中的 稳定性 已知的 聚类 腿部 鲁棒性 重大的 自动化