Datenwissenschaftliche Ansätze zur Förderung nachhaltiger Praktiken bei der Schweregradbewertung von Versuchstieren

• Antragsteller: Dr. Steven Talbot
• Fachliche Zuordnung: Biologie des Verhaltens und der Sinne ; Bioinformatik und Theoretische Biologie ; Medizininformatik und medizinische Bioinformatik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 321137804

In unserem Vorhaben präsentieren wir ein innovatives datenwissenschaftliches Projekt mit dem Ziel, das Tierwohl im versuchstierkundlichen Forschungsumfeld zu verbessern. Durch die Implementierung strukturierter Datenfluss- und Managementverfahren streben wir eine quantitative Neubewertung des Fachgebiets an und möchten z.B. robuste Schweregradmuster ("digitale Fingerabdrücke") im Sinne von quantitativen Merkmalen für Belastung etablieren, die sich in realen Szenarien z.B. für prädiktive Zwecke in der Versuchstierkunde eignen. Hierzu verwenden wir den von uns entwickelten Relative Severity Assessment (RELSA) Score, welcher quantitative Belastungseinschätzungen auf individueller oder Tiermodellebene ermöglicht und auf bereits erhobene Daten der Forschungsgruppe angewendet werden soll. Diese Anstrengungen sollen schließlich in einen Belastungsatlas (engl. Severity Map/Landscape) münden, welcher mit Hilfe des RELSAs und seiner Wichtungen die mehrdimensionale Topologie der Belastungsmerkmale abbildet. Hieraus können Risikoabschätzungen, Belastungskartierungen sowie Vorhersagen für zukünftige und aktuelle Evaluierungen getroffen werden. Unsere Planungen betonen hierbei wissenschaftliche Stringenz und berücksichtigen die vielfältigen Bedingungen in den Laboren. Für die geplanten Analysen verwenden wir zwei primäre Datenquellen: experimentelle Daten der Forschungsgruppe aus früheren Förderperioden sowie Telemetriedaten aus einer multizentrischen Studie. Durch den Einsatz fortschrittlicher rechnergestützter Analysetools, wie z.B. unserer "Severity Toolbox", können selbst spezifische Fragestellungen wie z.B. humane Endpunktvorhersagen adressiert werden. Mit Hilfe der Daten der multizentrischen Studie planen wir zudem die Robustheit von Schweregradparametern in verschiedenen Laboren zu bewerten sowie das neu entwickelte Smart Home Cage System zu validieren. In diesen Ansätzen soll die Heterogenität der experimentellen Bedingungen berücksichtigt werden, um realitätsnahe und robuste Schätzer zu erhalten. Hierzu verwenden wir Daten wie z.B. die Herzfrequenz, Herzfrequenzvariabilität, Temperatur und Aktivität aus Transmittern sowie das Körpergewicht von Mäusen und Ratten. Wir planen die nicht-Unterlegenheit des Käfigsystems gegenüber invasiven Telemetriesystemen zu testen. Hierbei sollen multivariate Verfahren, gemischte Modelle, maschinelles Lernen sowie der RELSA zum Einsatz kommen. Darüber hinaus beschäftigt sich das Projekt mit Sensitivitäts- und Metaanalysen, z.B. zur Evaluierung von Belastungsparametern und deren Kombinationen. Durch die Erforschung und Nutzung der genannten Schweregradmuster und der eng damit verbundenen Kartierung der Belastungstopologien streben wir eine evidenzbasierte und objektivere Evaluierung der Belastungseinschätzung in der Versuchstierkunde an. So kann es gelingen, Forschenden fundiertere Informationen zu möglichen Belastungseinschätzungen zu geben und so vor allem zur Verbesserung des Tierwohls beizutragen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2591: Severity assessment in animal-based research