Forskare avkodar fågelsång

En av de stora utmaningarna inom neurovetenskap är att förklara hur samlingar av neurala kretsar producerar de komplexa sekvenser av signaler som resulterar i beteenden som djurkommunikation, fågelsång och mänskligt tal.

Bland de bäst studerade modellerna i detta område är fåglar som zebrafinkar. Dessa entusiastiska sångare producerar låtar som består av långa men relativt enkla sekvenser av stavelser. Dessa sekvenser har studerats väl och deras statistiska egenskaper har beräknats.

Det visar sig att dessa statistiska egenskaper kan reproduceras korrekt med hjälp av en typ av simulering som kallas en Markov-modell där varje stavelse ses som ett tillstånd i systemet och vars utseende i en sång endast beror på de statistiska egenskaperna hos den föregående stavelsen. En sådan modell innebär att det finns en en-till-en-mappning mellan varje stavelse och den neurala krets som genererar den.

Men andra fåglar producerar mer komplexa sånger och dessa är svårare att förklara. En av dessa är den bengalesiska finkan vars sånger varierar på till synes oförutsägbara sätt och inte kan förklaras en enkel Markov-modell. Hur den bengalesiska finkan skapar sin sång är ett mysterium.

Tills nu. Av en märklig slump dyker det upp två tidningar på arXiv den här veckan som lägger fram liknande förklaringar till den bengalesiska finkens förmåga. Det ena laget leds av Kentaro Katahira vid University of Tokyo och det andra av Dezhe Jin vid Pennsylvania State University. Båda grupperna säger att de har avkodat de statistiska hemligheterna i bengalesisk finklåt och har utvecklat modeller som kan återskapa den.

Den första delen av deras arbete gick ut på att låsa in bengalesiska finkar i ljudisolerade rum och spela in deras låtar under några dagar.

Därefter låste de in en stackars postdoc i ett rum tills han eller hon manuellt kommenterade varje inspelad stavelse. Sedan utarbetades de statistiska egenskaperna för fågelsången – hur varje stavelse beror inte bara på föregående stavelse utan på de olika tonerna innan dess också.

Med statistiken avslöjad blev den sista uppgiften att hitta ett sätt att återskapa dem.

Båda teamen har kommit med modeller som har en avgörande skillnad mot vanliga Markov-modeller. Istället för den enkla en-till-en-mappningen mellan stavelse och krets som förklarar zebrafinksång, säger de att det hos bengalesiska finkar finns en många-till-en-mappning, vilket betyder att en given stavelse kan produceras av flera neurala kretsar. Det är därför statistiken är så mycket mer komplex, säger de.

Denna typ av modell kallas en dold Markov-modell eftersom de saker som driver den observerbara delen av systemet – sången – förblir dolda. Och den kan återge alla slags tidigare mystiska drag i bengalesisk finklåt som mönstret av upprepade sekvenser, sannolikheten att observera en given stavelse vid ett givet steg från början och fördelningen av N-gram eller sekvenser av n stavelser.

Det är ett betydande resultat. Det betyder att forskare äntligen har avkodat komplex fågelsång för första gången.

Frågan är nu hur man kan utöka resultatet till att beskriva de statistiska egenskaperna hos andra mer komplexa djurbeteenden. Uppenbara kandidater inkluderar valsång och delfinsång. Utöver det representerar statistiken över mänskligt tal en frestande utmaning.

Refs:

arxiv.org/abs/1011.2998 : En kompakt statistisk modell av sångsyntaxen i bengalesisk fifinch

arxiv.org/abs/1011.2575 : Komplexa sekvenseringsregler för fågelsång kan förklaras med enkla dolda Markov-processer

Dölj