慢性痛是臨床常見疾病。醫(yī)生可以根據(jù)患者的疼痛描述和視覺模擬尺測量,評價患者的疼痛程度。為了研究疼痛機制,科學家們常使用小鼠制作模型。由于小鼠無法語言表達,科學家們只能通過痛行為來評價疼痛程度。本文通過高速視頻(high-speed videography, 500-1000 fps)記錄疼痛相關的行為特征,建立小鼠痛行為量表(mouse pain scale),更加客觀評價痛行為。結果:(1)采用在體背根神經(jīng)節(jié)鈣成像技術(In vivo DRG calcium imaging),確定觸覺和痛覺的刺激強度。棉花擦拭(CS)和軟毛輕刷(DB)主要激活中直徑和大直徑的低閾值神經(jīng)元,引起觸覺。輕扎(LP)和重扎(HP),主要激活小直徑高閾值的傷害性神經(jīng)元,引起痛覺。(2)足底刺激引起的典型運動為:后足從刺激點離開,頭部轉向刺激點,隨后轉身。觸覺刺激(CS和DB)優(yōu)先引起探索性頭部轉動(exploring head turn reflex)。痛覺刺激(LP和HP)優(yōu)先引起快速縮足反射(avoidance paw withdrawal reflex)。(3)研究者分析11個行為參數(shù),其中3個參數(shù)可以區(qū)分非傷害性和傷害性刺激引起的行為,分別是足部高度(paw height)、縮足的速度(paw velocity)以及痛評分(pain score)。 進一步,研究者利用這3個參數(shù)進行主成分分析(principal-component analysis)。PC評分(PC score)可以表示疼痛狀態(tài):0分是疼痛閾值,大于0分表示疼痛,小于0分表示不痛。因此,通過3個參數(shù)主成分分析得到的PC評分,可以制作疼痛量表,評價痛行為。(4)因CS引起非傷害性反應,HP引起傷害性反應,研究者選取一組動物CS 和HP的PC評分,采用機器學習方法(machine-learning approach)訓練支持向量機(SVM)。采用同一品系同一性別小鼠訓練好的SVM,可以很好得預測非痛和痛行為。(5)VFHs (0.6、1.4、4.0 g)常用于測量機械痛閾,研究者對其進行評估。PC評分:0.6 g VFH (-0.957),1.4 g VFH (-0.498),4.0 g VFH (+0.246)。SVM預測痛行為的發(fā)生率:0.6 g VFH (0.33),1.4 g VFH (0.51),4.0 g VFH (0.80)。說明0.6 g VFH引起非傷害性反應,1.4 g VFH是機械痛刺激的閾值,4.0 g VFH引起傷害性反應。(5)采用藍光刺激Trpv1-ChR2小鼠足底,可以引起100%小鼠出現(xiàn)縮足反射,并且PC評分為正,SVM預測痛行為的發(fā)生率約為0.80。給予鎮(zhèn)痛劑,PC評分為負、SVM預測痛行為的發(fā)生率僅為0.40。 結論:通過高速視頻記錄疼痛相關的行為特征,可以建立小鼠痛行為量表,更加客觀評價痛行為。