MétaCan
Menu
Retour à la cohorte
Enregistrement W4412792106 · doi:10.1101/2025.07.25.666863

Collective Behavior in Medaka Fish Depends on Discrete Kinematic States of Swimming Behavior

2025· preprint· en· W4412792106 sur OpenAlexaff
Roy Harpaz, Pedro Piquet Carneiro, Yasuko Isoe, Mark C. Fishman, Florian Engert

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineComputer Science
ThématiqueDistributed Control Multi-Agent Systems
Établissements canadiensMcGill University
Organismes subventionnairesNational Institutes of Health
Mots-clésCollective behaviorFish <Actinopterygii>KinematicsAnimal behaviorGroup behaviorBiological systemBiologyFisheryPhysicsZoologyClassical mechanicsPsychologySocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

Abstract Complex collective behaviors such as schooling are believed to emerge from simple, individual-level computations that translate incoming information from conspecifics into actions. Recently, it has been proposed that discrete behavioral modes, or internal states, may modulate these computations, affecting the resulting collective behaviors. Direct evidence for such hierarchical control remains limited due to challenges in inferring hidden perception-action computations and uncovering discrete behavioral modes from continuous behaviors. To address this, we analyzed swimming behaviors of Medaka fish ( Oryzias latipes ) throughout development. At the group level, Medaka exhibit synchronized swimming formations that develop early, emerging around two weeks of age and stabilizing within one month. Unlike many teleost species that use burst-and-coast swim patterns, Medaka exhibit continuous tail and body undulations. We show that this continuous behavior can be segmented into three distinct kinematic states: acceleration, deceleration, and prolonged constant speed swimming. Using state-dependent computational models, we tested how Medaka translate social information from neighbors into actions across these kinematic states. The models revealed distinct computations governing social information processing and decision making in each state. Moreover, social responsiveness varied significantly between states—it was strongest during constant-speed epochs, intermediate during accelerations, and lowest during decelerations. Compared to similarly-sized zebrafish that employ burst-and-coast kinematics, Medaka exhibited greater diversity in state-dependent social interaction computations, ultimately resulting in stronger coordinated swimming. These findings highlight discrete behavioral modes as key modulators of social interaction computations underlying collective behavior.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,244
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetDistributed Control Multi-Agent SystemsTravaux en français237 207