자유롭게 움직이는 초파리 행동의 체계적 매핑

본 논문은 “스테레오타입 행동”이라는 개념을 실험적·계량적으로 검증하기 위해, 자유롭게 움직이는 초파리(Drosophila melanogaster)의 자세 변화를 고속 영상으로 기록하고, 이를 기반으로 행동 공간을 자동으로 매핑하는 새로운 분석 파이프라인을 제시한다. 실험은 원형 아레나 안에서 개별 파리를 100 Hz, 1088 × 1088 픽셀 해상도로 1시간 동안 촬영해 총 4 × 10⁷ 프레임을 확보하였다. 영상 전처리 단계에서는 Canny 엣지 검출, 형태학적 팽창·침식, 극좌표 교차상관을 이용해 파리의 실루엣을 추출하고, 회전·이동 정렬을 수행해 모든 프레임을 동일한 좌표계에 맞추었다. 정렬된 이미지 스택은 Radon 변환 후 주성분 분석(PCA)으로 차원을 50으로 축소하였다. 이 50개의 자세 모드는 전체 픽셀 변동의 93 %를 설명하며, 각 모드는 몸통, 날개, 다리 등 복합적인 형태 변화를 포괄한다. 시간적 특성을 반영하기 위해 각 모드에 Morlet 연속 웨이브렛 변환을 적용, 1 Hz~50 Hz 구간을 25개의 로그 스케일 주파수 채널로 샘플링해 1,250 차원의 스펙트럼 특징 벡터를 만든다. 고차원 특징 벡터 간 유사성을 측정하기 위해 Kullback‑Leibler(KL) 발산을 거리 척도로 정의하고, 이를 기반으로 t‑Distributed Stochastic Neighbor Embedding(t‑SNE) 알고리즘을 적용했다. t‑SNE는 지역적 이웃 관계를 보존하면서 전역 구조는 완화시키는 특성을 갖는데, 이는 행동이 일시적으로 정지(pause)하는 순간을 강조하기에 적합하다. 전체 데이터 중 35,000개의 샘플을 학습에 사용하고, 나머지는 학습된 매핑에 삽입해 메모리 요구량을 최적화하였다. t‑SNE 결과는 2차원 평면에 여러 밀도 피크를 형성했으며, 각 피크는 행동이 일정 시간 동안 동일한 자세 모드와 주파수 패턴을 유지하는 구간과 일치한다. 워터셰드 변환을 통해 100여 개의 뚜렷한 피크를 자동 검출했으며, 이들은 걷기, 달리기, 머리 청소, 날개 청소, 다리 청소 등 구체적인 행동 양식과 일대일 대응한다. 피크 사이의 전이 확률을 분석하면 행동 전이가 계층적 구조를 이루며, 특정 행동이 다른 행동의 전이 전 단계로 작용한다는 점을 확인했다. 또한 행동 전체 시간의 약 50 %는 이러한 스테레오타입 피크에 머무는 정지 구간이며, 나머지는 연속적인 변이(non‑stereotyped) 움직임으로 구성된다. 연구팀은 이 방법을 여섯 종의 초파리(D. melanogaster을 포함한 다섯 종)에게 적용해 종 간 행동 차이를 정량화했다. 각 종의 행동 밀도 분포와 피크 위치, 전이 패턴을 비교함으로써 미세하지만 통계적으로 유의한 차이를 발견했다. 예를 들어, 특정 종은 머리 청소 피크의 빈도가 높고, 다른 종은 날개 청소 피크가 더 자주 나타난다. 이러한 차이는 유전적·신경 회로적 차이를 반영할 가능성이 있다. 결론적으로, 본 논문은 사전 정의된 라벨 없이도 행동을 자동으로 분류하고, 스테레오타입 행동과 비정형 행동을 명확히 구분하는 데이터‑주도적 프레임워크를 제시한다. 이 접근법은 행동 과학, 신경생물학, 진화생물학 등 다양한 분야에서 복잡한 행동 데이터를 정량화하고 비교하는 강력한 도구가 될 것으로 기대된다.