如何从多尺度行为动力学重建表型变异？

平均化会掩盖个体差异所在的尺度

行为变异常被当作需要平均掉的噪声，或用平均速度、离散行为频率这类时间平均量来概括。论文认为这会丢掉生物信号：两个个体可能整体上探索与利用的倾向相同，但贯穿其中的更细微动作并不一样。由于行为在多个时间尺度上非线性演化，比较动力学表型就需要一种表示，既能分辨不同尺度上的差异，又不预先规定哪些尺度重要。

因此，作者的目标是从有限观测中重建行为变异的结构，找出个体真正产生差异的动力学尺度，并把这种变异与塑造它的内部和环境变量联系起来。难点在于有限采样：分辨率足够细时，观测到的差异会与相同动力学之间本应出现的涨落难以区分。

约化转移算子把轨迹变成可比较的动力学

方法从个体轨迹估计出的、描述N种短时运动的细尺度马尔可夫模型出发，识别出q个亚稳态，再构建q状态的约化模型，q越大捕捉的动力学越快。每条个体轨迹都被投影到这一族马尔可夫模型上，于是在每个分辨率q上，两个个体都可以通过各自的粗粒化转移结构进行比较。

在每个分辨率上，作者测量两个个体之间的动力学差异D_q，并与有限采样不确定性尺度epsilon_q比较。只有D_q超出epsilon_q的部分会被累加到所有统计上可分辨的尺度上，得到单一的多尺度相异度D。这是关键的设计选择：由数据而非分析者决定哪些分辨率参与贡献。随着q增大，采样不确定性最终会让更细的差异无法分辨，这些尺度便自动退出。

由此得到的成对相异度定义了动力学表型的非线性几何，扩散映射把它重建为低维嵌入。作者表明，恢复出的坐标在局部与度量张量的主导模态对齐，而该张量把参量变异映射为涌现的动力学差异。换言之，嵌入把个体分得最开的方向，正是动力学最敏感的参量方向；因此这一几何表示的是参量变异如何体现在行为中，而不是随意的可视化。

三势阱模型还原出已知的二维参量平面

作者用三势阱中的过阻尼朗之万动力学检验方法，改变三个极小值的深度来生成四种动力学表型。参量变异被限制在一个二维平面上，因此待重建的几何是已知的。这让研究可以检查三件事：相异度能否识别差异出现的分辨率，能否抑制有限数据无法分辨的结构，能否还原已知的低维组织。

尺度依赖直接体现在成对距离上。两种表型在q = 2时已经分得很开，而要区分另一对表型则需要更细的q = 3描述，以分辨两个较浅势阱之间的跃迁。超过q = 3后，没有额外的亚稳态结构区分这些表型，更细的划分贡献很小。与此同时，epsilon_q随q增大，在足够细的分辨率上逼近D_q，因此多尺度相异度保留有信息的分辨率、抑制其余部分。缩短观测时间会让细尺度差异更早失去显著性。

随后扩散映射恢复出两个主导的非平凡坐标，与人为设定的二维参量变异相符，并把四组表型全部分开。这是验证结果而非生物学发现：它说明在答案已知时，这一构造按预期运作。

游动速度是细菌的主要轴并与CheB丰度相关

在大肠杆菌方面，作者分析的数据集把野生型细胞的运动轨迹，与受控并定量测量了适应蛋白CheR和CheB表达的菌株数据结合起来。CheR和CheB调控受体甲基化，趋化网络也已被充分刻画，但即使在同基因群体内仍存在大量表型变异。

在重建的表型空间中，游动速度的变异成为区分个体的主要轴，这与早先把游动速度视为非遗传行为多样性重要成分的工作一致。出乎意料的是，游动速度本身与CheB丰度强相关；作者指出这一关系并非经典趋化网络的直接预测，其机制来源仍不清楚。表型变异与CheB丰度的对齐远强于与CheR的对齐，这与此前报道的、对CheB更敏感的结果一致。

作者明确指出，这些关联尤其是CheB丰度与游动速度之间的关联仍是相关性的；要确立因果基础需要靶向扰动。他们还观察到野生型与突变细胞占据空间的不同区域，野生型富集在快速游动更频繁、在较宽尺度范围内搜索表现相对较高的区域。关于天然的CheR和CheB调控把变异约束在远离狭窄特化的位置，作者只把它作为一种可能性提出，而非已证明的机制。

草履虫经验把鱼集中到捕食区域

在斑马鱼幼鱼方面，作者分析在不同猎物条件下饲养的鱼的回合序列数据。先前接触草履虫会重塑行为动力学并减少个体间差异，表型空间熵的下降为H_paramecia减H_naive等于-1（-1.5，-0.5）比特，p < 0.0005。未接触猎物的鱼占据更宽的行为表型范围，而接触过草履虫的鱼则收敛到更刻板的动作组合。

显著差异一直持续到约q = 20个状态。在该分辨率上比较状态使用，未接触猎物的鱼更频繁地进入富含常规转向、大角度转向和避影转向的状态。用草履虫饲养的鱼则增加了在富含Approach Swims和J-turns（经典捕食序列）的状态中的时间，并且在该状态中的序列长度也增加。作者指出，这些细尺度效应无需依赖眼睛会聚测量即可恢复；在更粗的尺度上，草履虫饲养的鱼花在探索行为上的时间更少。

熵的结果是关于表型空间分布离散程度的群体层面陈述，并不表示每个个体都朝同一方向移动。作者还报告，对于捕食轮虫的鱼（两种条件合计n = 46），熵差在不同带宽下并不一致显著，可能反映了样本量小。

轮虫经验逆转了草履虫条件下的探索模式

这些效应具有猎物特异性。用轮虫饲养的鱼表现出更多探索行为时间，即慢速前进和常规转向的序列，并减少进入草履虫饲养所增强的捕食状态。它们花在眼睛未会聚状态的时间也更多，与草履虫条件下的模式相反，且该捕食状态中的序列持续时间缩短。

作者给出的是可能解释而非结论：猎物运动性的差异可能让轮虫被更快捕获，从而留出更多探索时间；两种猎物的营养价值差异也可能有贡献。他们表示，要确定幼鱼是否真正获得猎物特异的动作组合、并找出其中的机制，还需要更多重复实验和对猎物暴露的受控操作。这是论文最清晰的内部对照：同样的经验操作，会因猎物类型不同而让表型离散程度和状态使用朝不同方向变化。

空间中的位置尚未被证明是个体特质

显著性检验确保保留下来的差异超过相同动力学在有限采样下会产生的差异，从而排除了平凡情形。但它并不能证明同一个体若再次记录会回到空间中的同一位置。要证明一致的个体差异，需要对同一个体重复测量，这是行为生态学的标准做法。

作者把这视为数据要求而非构造缺陷：重复记录会把每个个体放在空间中的多个点上，使个体内离散程度可以直接与个体间离散程度比较。追踪同一批动物随发育的变化，可以看出它们占据固定位置、随经验收敛，还是沿流形以刻板方式移动。重建出的空间被定位为一个起点，可与独立测量对齐，例如细菌的单细胞表达或斑马鱼的全脑成像，从而把个体的位置直接映射到内部状态，而不是靠推断。

让数据选择尺度，再读取敏感方向

论文独特的优先级在于操作顺序：先确定哪些动力学分辨率能经受有限采样不确定性，再把得到的嵌入解读为动力学敏感性的方向。正是这一顺序把它与只限于单一粗粒化尺度的分析区分开来，也正是它让斑马鱼数据能在同一个构造中分辨出猎物经验的额外效应。

最具决策相关性的比较是两种猎物条件之间。草履虫饲养降低了表型离散程度，把鱼集中到与捕食相关的区域，熵下降为-1（-1.5，-0.5）比特；而轮虫饲养把鱼推向探索，在n = 46时未显示出一致显著的熵差。对细菌而言，值得关注的轴是游动速度及其与CheB的关联，作者将其标记为相关性。读者若要判断这一框架是否适用于自己的系统，应先问自己的记录是否足够长，使细尺度差异仍可分辨，因为观测时间越短，可分辨的尺度就越粗。

本文引用的文献