嗅觉信号介导昆虫的多种不同行为,通常是由数十至数百种挥发性化合物组成的复杂混合物。我们采用气相色谱结合昆虫触角叶的多通道记录技术,描述了一种用于鉴定生物活性化合物的方法。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
嗅觉信号介导昆虫的多种不同行为,通常是由数十至数百种挥发性化合物组成的复杂混合物。我们采用气相色谱结合昆虫触角叶的多通道记录技术,描述了一种用于鉴定生物活性化合物的方法。
所有生物都生活在一个充满感觉刺激的世界中,这些刺激决定了它们对环境的行为和生理反应。嗅觉在昆虫中尤为重要,昆虫利用其嗅觉系统对复杂的气味刺激作出响应并加以区分。这些气味会引发介导繁殖和栖息地选择等过程的行为1-3。此外,昆虫的化学感知还调控着对农业和人类健康具有重要意义的行为,包括传粉4-6、农作物植食性损害7以及疾病传播8,9。因此,识别嗅觉信号及其在昆虫行为中的作用,对于理解生态过程以及人类的食物资源和福祉具有重要意义。
迄今为止,鉴定驱动昆虫行为的挥发性物质一直较为困难且常十分繁琐。现有技术包括气相色谱-触角电位联用记录法(GC-EAG)以及气相色谱-单感器电生理记录法(GC-SSR)10-12。这些技术已被证明在生物活性化合物的鉴定中至关重要。我们开发了一种方法,将气相色谱与来自触角叶(AL;昆虫主要的嗅觉中枢)神经元的多通道电生理记录联用(称为“GCMR”)13,14。这一先进技术使我们能够探究气味信息在昆虫脑中的表征方式。此外,由于在该嗅觉处理层级上,触角上的受体神经元向AL神经元高度汇聚,导致神经元对气味的反应极为敏感,因此AL记录能够高效且高灵敏度地检测天然气味中的活性成分。本文将介绍GCMR方法,并举例说明其应用。
检测生物活性挥发物及昆虫反应通常涉及几个基本步骤。首先,需要从感兴趣的来源收集挥发物(本示例中使用的是透骨草科Mimulus属的花朵),并根据需要采用标准的气相色谱-质谱联用技术(GC-MS)进行成分分析14-16。昆虫经最小程度的解剖处理后即可用于实验,随后将记录电极插入其触角叶,开始多通道神经信号记录。对神经数据进行后续处理,即可确定哪些特定的气味分子能够引起昆虫神经系统显著的神经反应。
尽管本文所展示的示例主要针对传粉研究,但气相色谱-多重反应监测(GCMR)技术可拓展应用于多种研究生物和挥发性物质来源。例如,该方法可用于鉴定吸引或驱避媒介昆虫及农作物害虫的气味物质。此外,GCMR还可用于识别对有益昆虫(如传粉昆虫)具有吸引作用的化合物。该技术亦可进一步扩展至非昆虫研究对象。
1. 挥发性物质采集
2. 电生理学准备
3. 带多通道记录的气相色谱法
4. 数据分析
访问受限。请登录或开始试用以查看此内容。
在使用GCMR检测时 M. lewisii 花香,我们注入 3 μl 提取物注入GC。通常有60-70种挥发性物质随GC洗脱出来。其气味为 M. lewisii 主要由单萜类化合物组成,包括 β月桂烯(无环)和 α-pinene,其余气味成分由六碳挥发物(如2-己醇)和倍半萜类化合物组成 < 1% 的顶空部分。
GCMR 利用了触角叶神经元对生物重要挥发性物质的敏感性以及神经元对这些物质的处理能力。然而,此类多通道记录实际上是对触角叶中神经元的随机采样,因为在不同制备之间探针位置的微小变化都可能导致记录阵列采集到不同的神经元。此外,由于记录方式为细胞外记录,所记录神经元的精确位置和形态结构均未知。为了弥补这些影响,我们通常进行 8 到 16 次制备的 GCMR 实验,每次制备包含 8 到 18 个神经单元。但为了说明目的,本文仅使用一次制备的数据(8 个神经单元)。
通过GCMR实验,我们发现神经元单位对挥发性物质的反应出人意料地具有选择性,如<...
访问受限。请登录或开始试用以查看此内容。
昆虫的嗅觉介导行为驱动着多种不同的生理过程,包括繁殖、寄主位点选择以及适宜食物资源的识别。对这些过程的研究需要能够鉴定出气味源释放的挥发性物质,同时还需要确定其中介导行为反应的化合物。复杂之处在于,气味通常由数十至数百种单一化合物组成,这些化合物共同形成一种独特的气味,其感知效果与各单一组分不同6,7,13,19,20。早期在性信息素系统12中的研究,以及近年来在与食物和产卵相关气味方面的研究13,20表明,混合物的行为有效性取决于其中少数关键挥发性成分,且混合物引发的行为反应显著强于其任何单一组分。因此,鉴定这些关键组分是现代化学生态学和嗅觉神经生物学研究中的重要环节。
在过去五十年中,出现了多种用于鉴定驱动昆虫行为的生物活性化合物的技术。昆虫触角检测挥发性物质的主要技术是气相色谱-触角电位联用技术(GC-EAG)。触角电位(EAG)最初由Schneider21开发,其记录的是刺激过程中昆虫触角尖端与基部之间大量嗅觉神经元电去极化所引起的小幅电压波动。随后,EAG与气相色谱(GC)联用,以精...
访问受限。请登录或开始试用以查看此内容。
未声明任何利益冲突。
本工作得到了美国国家科学基金会(NSF)资助项目 IOS 112692 以及华盛顿大学研究基金会的支持。
访问受限。请登录或开始试用以查看此内容。
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| Porapak Type Q 80-100 网目 | Waters | WAT027060 | |
| Reynolds 烤箱袋 | Reynolds | ||
| 气相色谱仪(GC) | Agilent | 7820A | |
| 气相色谱柱 | J&W Scientific, Folsom, CA, USA | DB-5 (30 m, 0.25 mm, 0.25 μm) | |
| 分析用氦气载气 | Praxair | HE K | 1 cc/min |
| 16通道硅电极 | Neuronexus Technologies | a4x4-3mm50-177 | |
| 细丝 NiCr,直径 0.012 mm | Sandvik Kanthal HP Reid | PX000004 | 用于制作定制的四极电极和立体电极 |
| 前置放大器 | Tucker-Davis System | PZ-2 | |
| 放大器 | Tucker-Davis System | RZ-2 | |
| 数据采集系统 - OpenEx 套件 | Tucker-Davis System | ||
| 在线尖峰信号分类软件 - SpikePac | Tucker-Davis System | ||
| 离线尖峰信号分类软件 - Mclust 尖峰信号分类工具箱 | David Redish,明尼苏达大学神经科学系 | 可于 http://redishlab.neuroscience.umn.edu/MClust/MClust.html 免费下载 | MATLAB 工具箱 |
访问受限。请登录或开始试用以查看此内容。