无线射频识别和动作感应视频高效地自动Unrewarded选择行为的记录由大黄蜂
November 15th, 2014
该视频介绍了射频识别 （RFID） 和运动敏感视频录制方法，以监控熊蜂的选择行为。
这些程序的总体目标是自动观察人造花的蜜蜂选择行为。这是通过首先用塑料数字标签或 RFID 标签在蜂群内的所有蜜蜂上粘贴识别标签来实现的，具体取决于协议。第二步是在测试空间设置运动敏感型摄像机或 RFID 读取器。
接下来，人造花在测试空间中占有一席之地。最后一步是让 B 菌落进入测试空间。最终，会生成一个大型记录数据库，其中包含每次花卉访问的时间和地点。
与其他方法相比，这些技术的主要优势，例如手动实时记录观察结果，是这些技术使我们能够研究从未在花朵上体验过奖励的蜜蜂的行为。蜜蜂需要时间来发现花朵，有时甚至需要几天。我们的方法使我们能够捕捉到这些非常罕见的事件。
我们可以长时间连续记录整个熊蜂群的活动，而且精度很高。这可以帮助我们回答昆虫行为中关于个体差异起源的关键问题。该协议的测试环境必须是一个隔离的房间或飞行笼上的一个两立方米的金属屏蔽飞行笼。
一个直径为镍或约两厘米的小孔作为蜜蜂的入口和出口点。蜜蜂。蜂群使用足够宽的管道连接到测试空间，以便让几只蜜蜂同时循环。筛管导管是理想的选择，因为它们在这些实验中提供了良好的牵引力。
蜜蜂通过测试空间内的这些导管在飞行笼和蜂群箱之间自由移动，这是两个用于放置人造花的支架。这些是 1.2 米高的木制支架，放置在空间中央或固定在墙壁上。支架的顶部有一个用于固定花朵的机构。
在整个实验过程中，支架的位置会定期移动，以防止引入位置效应伪影。在 RFID 实验时，一个 2K 六头安装在定制设计的人造花顶部，用于彩色标签实验。运动感应型摄像机放置在距离人造花两米的地方。
测试空间由产生至少 1， 200 勒克斯强度的荧光灯照亮，因为蜜蜂可以检测到普通荧光灯的闪烁，因此在实验过程中必须使用闪烁超过 200 赫兹的专用高频镇流器。工蜂的胸部贴有 RFID 标签，当工蜂从茧中出来时，将工蜂选入单独的容器中，当它们仍处于灰暗阶段无法飞行时，将它们在设置为 7 摄氏度的冰箱中召唤大约一个小时。这将最大限度地减少在标记过程中被蜇伤的机会。
冷却后，使用无毒胶水为每位工人贴上唯一的 RFID 标签。让胶水干燥至少 10 分钟，然后再将工蜂重新引入菌落。所有逃避标记或丢失 RFID 的员工都必须被移除。
当机械车间可以制作实验人造花结构时，它们就会衬上彩色粘土。一朵纯蓝色的人造花是添加不同视觉特征的基本模板。一个视觉特征是使用黄色粘土薄衬里的设计。
人造花圆柱形部分上的插槽很容易卡在 RFID 阅读器上。花刺激的设计至关重要。内部空间必须足够大，以便所有大黄蜂都可以爬进去，但又要足够小，以便大黄蜂上的标签距离阅读器不到 3 到 4 毫米。
此外，人造花的设计必须以这样一种方式显示视觉特性，以确保圆柱体和浣熊部分之间没有中断。RFID 标签的替代品是彩色数字标签。这些标签也适用于工蜂从茧中出来后不久。
与 RFID 标签相比，一个优点是蜜蜂更难移动它们。与 RFID 标记一样，在标记之前，从蜂群中删除所有工人并给他们打电话。后。一旦实验开始并记录蜜蜂的行为，新的工蜂就会出现，需要标记。
通常，每 2 到 3 天会出现 7 到 10 名新工人，以记录彩色标记蜜蜂的数据。运动敏感摄像机必须从测试环境外部对准每朵花。这些可以是具有至少 1 百万像素分辨率和光线修改的 Internet 协议相机。
用 1.8 毫米的非常焦距镜头替换库存镜头，以提供更好的聚焦和放大花朵的能力。聚焦另一台摄像机以捕捉两朵花前面的区域。这个摄像头位于花朵上方约半米处。
它捕获着陆前发生的行为，包括接近悬停甚至音调。一个由 375 名工人组成的蜂群被标记了 RFID。85% 的蜜蜂在研究期间进入了飞行笼，其中 62% 的蜜蜂还探索了四种花朵刺激中的一种。
这被评分为悬停在 Intonating 着陆和探索上。该实验产生了大约 300， 000 个记录的事件，这些事件都存储在小鼠世界数据库中。与同心模式相比，人们更喜欢径向模式。
然而，当同心花型位于花的中心并且径向花型位于外围时，径向模式发生了相反的变化。在第二个实验中，蜜蜂被标记了彩色数字，并使用运动敏感摄像机拍摄。在这个实验中，人们更喜欢位于中心的放射状花型花，而不是位于中心的同心花型。花。
图案在花上的位置没有影响。这些程序使我们能够实证检验计算建模和人工智能提供的关于小大脑视觉信息处理特性的理论预测。例如，无监督神经网络用于生成有关对称性偏好的预测，我们使用自动化方法对其进行了测试。
熊蜂第一次离开它们的群体的行为是一个被忽视的研究领域，研究的一些障碍是方法论上的。我们在本视频中描述的技术特别适合研究离开蜂群并首次寻找食物的大黄蜂的行为。RFID 的。目前，心理学家和生物学家正在使用标记和运动敏感视频记录来研究直到最近还遥不可及的新问题。
概述
本视频描述了使用RFID和动作感应视频记录来自动化观察大黄蜂在人工花朵上的选择行为的方法。这些技术允许研究人员捕捉罕见事件并以高精度研究蜂的行为。
关键研究组成部分
科学领域
- 行为生态学
- 昆虫行为
- 传粉生物学
背景
- 了解蜂的选择行为对于洞察传粉和生态系统健康至关重要。
- 传统观察方法有限，可能错过罕见的行为事件。
- RFID和视频记录为研究这些行为提供了更全面的方法。
- 蜜蜂可能需要时间来发现花朵，使得持续观察变得重要。
研究目的
- 自动化监测大黄蜂与人工花朵的互动。
- 生成大量的花访问记录数据库。
- 调查蜂行为个体差异的来源。
使用的方法
- 使用RFID或彩色编号标签为大黄蜂贴标签以便识别。
- 在受控测试环境中设置动作感应摄像机和RFID读取器。
- 使用设计用来与标签系统互动的人工花朵。
- 记录和分析长时间的蜂行为。
主要结果
- 研究期间共记录了300,000个事件。
- 蜜蜂对花刺激中的放射状图案表现出比同心圆图案更强的偏好。
- 行为观察包括悬停、着陆和探索花朵。
- 比较了不同标签方法在跟踪蜂行为方面的有效性。
结论
- 自动化方法显著增强了对大黄蜂行为的研究。
- 这些技术允许观察到之前未记录的行为。
- 研究结果有助于理解影响蜜蜂觅食选择的因素。
常见问题
Executive Industry Relevance
Automated behavioral monitoring systems enable high-throughput, longitudinal observation of organismal responses to environmental stimuli, supporting early-stage target validation in neurobehavioral and sensory research. By capturing unrewarded choice behavior at scale, these methods reduce observational bias and increase statistical power for detecting subtle phenotypic variations. This approach enhances predictive confidence in preclinical models by providing quantifiable, reproducible behavioral endpoints applicable to mechanistic de-risking of CNS-targeted therapeutics.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of sensory processing and decision-making pathways in invertebrate models to validate targets involved in visual perception and behavioral response.
- Operational Value: Supports high-resolution tracking of individual organisms over time, facilitating de-risking of hypotheses related to neural circuit function and sensory integration.
Screening & Assay Development
- Scientific Value: Generates quantitative behavioral readouts (e.g., visitation frequency, hover duration, exploration patterns) suitable for assay standardization and screening campaign readiness.
- Operational Value: Automated data capture increases throughput and reduces human error, enabling scalable screening of environmental or genetic variables affecting choice behavior.
Translational & Preclinical Research
- Scientific Value: Provides a disease-relevant system for studying sensory-driven behaviors with translational potential to mammalian models of neuropsychological function.
- Operational Value: Supports continuity from discovery through preclinical validation by generating longitudinal, multimodal behavioral datasets.
Pipeline & Workflow Integration
The method integrates into early discovery workflows by enabling hypothesis-driven screening of sensory and behavioral phenotypes, supporting lead identification through quantifiable choice metrics.
- Discovery Biology: Facilitates hypothesis testing of sensory processing pathways by measuring unrewarded choice behavior in response to controlled visual stimuli.
- Screening: Delivers standardized, reproducible behavioral outputs that support assay readiness and cross-condition comparison.
- Analytics: Produces high-resolution temporal and spatial datasets enabling statistical analysis of individual and group-level behavioral variation.
- Translational Research: Connects to preclinical research through conserved mechanisms of visual processing and decision-making applicable to mammalian models.
- Enterprise Reuse: Represents a reusable platform for longitudinal behavioral phenotyping across multiple experimental conditions and genetic backgrounds.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing noise and capturing rare, spontaneous behavioral events.
- Operational Value: Enhances reproducibility and scalability through automated, continuous monitoring independent of observer availability.
- Strategic Value: Improves go/no-go decision-making by providing objective, high-fidelity behavioral data for prioritizing mechanistic hypotheses.
- Portfolio Impact: Enables risk-adjusted advancement decisions by quantifying behavioral responses to target-modulating conditions with high precision.
Implementation Considerations
- Requires expertise in behavioral ecology, sensor integration, and automated tracking systems.
- Dependent on RFID readers or motion-sensitive cameras, custom artificial flower apparatus, and controlled lighting environments.
- Necessitates cross-team standardization for tagging protocols, data synchronization, and behavioral scoring criteria.
- Involves adaptation considerations when transferring protocols across insect species or varying environmental contexts.
- Limited by the need for isolated testing spaces and species-specific tagging feasibility, as noted in the source material.
Biopharma FAQs
Chapters in this video
0:05
Title
1:32
The Testing Environment
3:22
Marking Bees with Radio-frequency Identification (RFID) Tags
4:16
Preparing an Artificial Flower with an RFID Reader
5:16
Marking Bees with Colored Tags
5:58
Video Recording Color-tagged Bees
6:49
Results: Artificial Flower Position and Pattern Preference
7:58
Conclusion
