果蝇，经常被发现爬在发褐的香蕉或过熟的西葫芦上，它们是与人类截然不同的昆虫。但从内部来看，它们实际上共享 75% 的致病基因。几十年来，这些微小生物的基因组一直是科学家们探索性状如何代代相传的主要研究对象。然而，果蝇可能很难追踪，因为它们很小，人类科学家很难区分它们。
因此，杜兰大学的研究人员创建了一个名为“基于机器学习的果蝇行为自动检测和标注”的软件，简称 MAFDA，该软件于 6 月下旬在《科学进展》的一篇文章中进行了描述。他们定制设计的系统使用摄像头同时追踪多只果蝇，并能识别特定果蝇是否饥饿、疲倦，甚至是在向潜在配偶唱情歌。通过追踪具有不同遗传背景的个体果蝇的性状，人工智能系统可以发现它们之间的相似性和差异。
“果蝇在生物学中是如此重要的模型。许多基础性发现都始于果蝇——从染色体的遗传基础到辐射和突变再到先天免疫——这些都与人类健康有关，”通讯作者、杜兰大学生物化学和分子生物学教授吴民（Wu-Min Deng）说。“我们希望利用这个系统来实际识别和量化果蝇的行为。”
邓和他的研究团队不仅开发了一种减少人为错误并提高研究果蝇（Drosophila melanogaster）效率的机器学习系统，而且还成功识别了一个名为 fruitless 基因（或 Fru）的基因。
这个基因已知控制信息素的产生，但现在被发现也控制着果蝇如何闻到周围正在交配的果蝇释放的信息素和其他化学信号。邓说，这个基因可以控制身体完全不同器官的相同行为回路（当过表达或低表达时）。
“fruitless 基因是果蝇求偶神经行为的 master regulator（主调控因子），”邓说。
由于该软件允许研究人员在空间和时间上可视化实验动物（包括小鼠和鱼）的行为，杜兰大学医学院研究生、该论文作者之一的 Jie Sun 表示，这使他们能够表征正常行为以及可能与疾病相关的行为。“MAFDA 系统也使我们能够仔细比较不同果蝇的行为，并在其他动物身上看到这一点，”Sun 说。
冷泉港实验室计算机科学教授 Saket Navlakha（未参与此研究）表示，科学家可以从计算机科学中获得灵感，并将其应用到生物学等其他领域。我们的许多创造力都来自于将不同的领域和技能编织在一起。
通过监测果蝇的跳跃、行走或扇动翅膀，创新的 AI 系统可以让我们“标注社会行为并将其数字化，”杜兰大学医学院研究生 Wenkan Liu 说。“例如，如果我们使用癌症果蝇，我们可以尝试找出癌症果蝇的社交活动、互动 [和] 社会行为与正常社会行为的不同之处。”
这个深度学习工具也是推进两个独立领域（计算机科学和生物学）的典范。Navlakha 说，当研究动物、人类或环境时，我们就会获得新的算法。“我们实际上是从生物学中学习新的计算机科学。”
该系统未来还可以应用于药物筛选，以及研究进化或生物计算。
“这对我们来说是一个新的研究领域，”邓说。“我们每天都在学习新东西。”
