Abstract The study of social behaviors in animals is essential for understanding their survival and reproductive strategies. However, accurately tracking and analyzing the social interactions of free-moving animals has remained a challenge. Existing multi-animal pose estimation techniques suffer from drawbacks such as the need for extensive manual annotation and difficulty in discriminating between similar-looking animals in close social interactions. In this paper, we present the Social Behavior Atlas (SBeA), a novel computational framework that solves these challenges by employing a deep learning-based video instance segmentation model, 3D pose reconstruction, and unsupervised dynamic behavioral clustering. SBeA framework also involves a multi-camera setup to prevent occlusion, and a novel approach to identify individual animals in close social interactions. We demonstrate the effectiveness of SBeA in tracking and mapping the 3D close interactions of free-moving animals using the example of genetic mutant mice, birds, and dogs. Our results show that SBeA is capable of identifying subtle social interaction abnormalities, and the models and frameworks developed can be applied to a wide range of animal species. SBeA is a powerful tool for researchers in the fields of neuroscience and ecology to study animal social behaviors with a high degree of accuracy and reliability.

Abstract Biological sex profoundly shapes brain function, yet its precise influence on neural oscillations was poorly understood. Despite decades of research, studies investigating sex-based variations in electroencephalographic (EEG) signals have yielded inconsistent findings that obstructs what may be a potentially crucial source of inter-individual variability in brain function. To address this, we analyzed five publicly available resting-state datasets, comprising EEG data (n=445) and iEEG data (n=103). Our results revealed striking age-dependent sex differences: older adults (30-80 years) exhibited robust sex differences, with males showing heightened low alpha (8-9 Hz) activity in temporal regions and attenuated low beta (16-20 Hz) oscillations in parietal-occipital areas compared to females. Intriguingly, these sex-specific patterns were absent in younger adults (20-30 years), suggesting a complex interplay between sex and aging in shaping brain dynamics. Furthermore, we identified consistent sex-related activity in the precentral gyrus with the results of scalp EEG, potentially driving the observed scalp EEG differences. This multi-level analysis allowed us to bridge the gap between cortical and scalp- level observations, providing a more comprehensive picture of sex-related neural dynamics. To further investigate the functional implications of these oscillatory differences, we conducted correlation analyses to uncover significant associations between sex-specific oscillatory patterns and several lifestyle factors (behavioral and anthropometric measures) in older adults. This comprehensive investigation demonstrates the complex interplay between sex, age, and neural oscillations, revealing the variability in brain dynamics. And our findings highlight the importance of careful demographic consideration in EEG research design to ensure fairness in capturing the full spectrum of neurophysiological diversity. Significance statement The influence of biological sex and age on neural oscillations had been a long- standing, unresolved question in EEG research, largely unaddressed due to limited sample sizes and simplistic demographic matching. Our study leverages large-scale, open datasets to tackle this issue, analyzing hundreds of participants across five datasets. Our findings demonstrate substantial sex- based differences in even resting-state EEG baselines, particularly in low alpha and low beta bands, uncovering a significant source of variability in neural activity. By connecting these sex and age-related variations to potential neural circuit mechanisms and lifestyle factors, our findings highlight the importance of careful demographic consideration in EEG research design in EEG experimental design to accurately capture the rich spectrum of neurophysiological variability across the lifespan.

Emotions, like fear, are internal states enabling organisms to effectively confront environmental threats. When repeatedly exposed to predators, individuals show divergent adaptive responses. However, the neural circuit mechanisms underlying individual differences in to repeated threats remain largely unknown. Here, we identify two distinct types of visual escape,consistent escape (T1) and rapid habituation (T2),with unambiguous arousal states to repetitive threat stimuli. We systematically investigate distinct pathways originating from the superior colliculus (SC) and insula that project to the basolateral amygdala (BLA), with relay stations in the mediodorsal thalamus (MD) and ventral tegmental area (VTA), mediating T1 and T2 behavioral types. Additionally, we identify the MD as a critical hub integrating SC and insula inputs, projecting to the BLA and contributing to reduced arousal and attenuated defensive behaviors against looming stimuli. Our findings offer significant insights into the mechanisms of internal states, arousal modulation, and behavioral adaptability.