量化飞行昼夜活动的一种计算方法
October 28th, 2017
本文提出了一种量化飞行节律中主要时间特征的方法。通过拟合参数模型波形, 实现了飞行活动的量化。模型参数描述了每日活动的早晚峰值的形状和大小。
在大多数动物中，生物钟协调行为和分子过程，并将它们与每天的明暗周期同步。在果蝇中，通常使用运动记录来研究时钟。这是一个以 12 小时光照、12 小时黑暗周期测量的平均野生型运动示例，明暗周期顶部用黄黑色条显示。
典型的苍蝇记录显示了一种复杂的生物模式，具有两个活动高峰，一个发生在黎明前后的早晨高峰和一个发生在黄昏左右的晚高峰。这两个峰值共同形成一个波形，与在时钟基因中观察到的正弦振荡非常不同，这表明除了时钟之外，其他机制对产生行为数据中观察到的模式具有深远的影响。在这里，我们提出了第一种方法，该方法从数学上描述了苍蝇活动中的颞叶。
我们将活动数据与模拟苍蝇运动的模型波形拟合。我们的模型由四个指数项组成，其中两个项来自早高峰，两个来自晚高峰。与昼夜节律一起，我们的模型有 9 个独立的参数。
B 参数定义早晨上升、早晨衰减、傍晚上升和傍晚衰减的速率。TM 和 TE 定义早峰和晚峰的宽度，HM 和 HE 定义峰的高度。这些参数共同完整地描述了活动模式中早峰和晚峰的大小和形状。
我们的方法可用于阐明苍蝇运动读数中常见观察到的双峰活动模式的机制和基质。对于运动实验，准备单独的试管，一端是食物，另一端是棉花。为此，首先，将 5 到 6 克苍蝇食物放入 50 毫升的烧杯中。
将食物切成小块，这样在微波炉中更容易融化。单个活动监测器可容纳 32 个单独的试管。因此，取 32 根管子并用橡皮筋将它们连接在一起。
在微波炉中融化烧杯中的食物。将食物加热约 10 到 15 秒。每 5 秒停止一次微波炉加热，并稍微摇晃装有食物的烧杯，以确保食物均匀融化。
确保所有食物都融化，烧杯中没有固体食物。当食物仍为液体时，将装有食物的试管插入烧杯中。上下移动试管，使它们均匀填充。
让食物冷却并凝固约 1 小时。食物变固体后，通过旋转运动从烧杯中取出管子，以免食物粘在烧杯底部。然后取下橡皮筋。
用蜡用食物密封末端。为此，首先，用纸巾小心擦拭管子。然后将管子压在蜡上。
目视检查密封质量，如有必要，再次重复密封。使用这种技术，密封实验的所有试管。管子的另一端与棉花闭合。
棉花会让空气通过，同时将苍蝇锁在管子内。它也很容易取出和放回去，当我们用果蝇装管进行实验时，这将很有用。现在，试管准备好后，用苍蝇装入它们进行实验。
为此，用 CO2 卸载垫子上的苍蝇。然后，使用刷子，小心地将单只苍蝇放入每个单独的试管中。将带有苍蝇的管子放入显示器中。
按照与监视器中相同的顺序，监控系统将苍蝇运动记录在输出文件中。将显示器连接到计算机，并将其放置在保持恒温恒湿的培养箱中。根据实验，设置适当的明暗条件。
对于明/暗实验，在整个实验中保持果蝇处于明暗循环中。请勿在分析中使用第一天的测量。对于常暗实验，首先，将苍蝇在明/暗条件下饲养两天，以便夹带和同步时钟，然后切换到常暗。
请勿在分析中使用持续黑暗的第一天的测量值。在进入下一部分之前，我们建议阅读协议。监控系统将输出一个文件，其中包含监控器中所有果蝇的活动。
输出文件的最后 32 列包含单个果蝇的活动。我们的计划适用于单蝇活动。因此，将输出文件拆分为多个单蝇活动文件。
每个文件都应为单列 TXT 文件。现在，在我们准备活动文件后，我们可以运行我们的分析。使用以下输入参数在 MATLAB 命令行窗口中运行 ModelFitPS3 函数。
采样率，以秒为单位输入数据采样时间间隔。例如，我们的数据是以 20 秒的采样率获取的。因此，我们在此处输入 20。
作为 bin interval，将时间间隔（以分钟为单位）放入数据分箱，以便更好地可视化。我们建议分箱到 20 或 30 分钟，但现在，我将在此处输入 10，以便稍后向您展示如何轻松更改它。对于 trend（趋势），如果数据显示基线趋势，则输入 1，否则输入 0。
我们的数据没有任何基线趋势。因此，我在这里输入 0。按 Enter 键运行该函数。
在弹出窗口中，选择 single fly activity file，然后按 Open。该程序将计算并绘制数据功率谱。在此窗口中，确定数据中的主要期间。
为此，可以在昼夜节律的峰值上单击鼠标左键，或者在二次谐波的峰值上单击鼠标右键，大约在昼夜节律周期除以 2 时复制。在我们的例子中，二次谐波的峰值比昼夜节律的峰值大得多，也更尖锐。因此，我们使用第二种选择。
然后，程序将绘制到所选 bin 间隔的分箱数据。如您所见，在 10 分钟的分箱间隔下，早高峰和晚高峰不是很直观。因此，我们想要更改此值。
为此，只需右键单击图表上的任意位置即可。在新对话框中，键入 bin 间隔的新值。我们建议以 20 分钟的时间间隔进行分箱。
因此，我们在此处输入 20。按 OK。程序立即使用 bin 间隔的新值重新绘制数据。要接受此值，只需在图表上的任意位置单击鼠标左键即可。
该程序现在将重新绘制数据，并且仅显示 5 天的测量结果。在此窗口中，选择将在分析中使用的第一个早峰。有时需要跳过前一两天，苍蝇需要适应明暗循环。
要选择早高峰，只需单击首选的高峰即可。程序将重新绘制数据，现在仅显示从所选早高峰开始的三天测量值。蓝色和红色垂直线根据第一个窗口中选择的时间段显示第一个晚高峰和第二个早高峰。
在此窗口中，选择管材用于使用模型功能对数据进行初步拟合的点。为此，请按此特定顺序单击以下点。首先，点击第一个早高峰的顶部。
单击以底部的红色星号表示，显示单击的位置。然后点击早高峰的结尾，然后点击晚高峰的开始，然后点击晚高峰的顶部，然后点击晚高峰的结尾，最后点击第二天的早高峰的顶部。该程序将再次绘制功率谱，因为最终参数是从光谱拟合中获得的。
频谱现在在 x 轴上绘制为频率，昼夜节律峰值位于图的左侧。第一步中确定的周期以红色垂直线显示。要选择拟合点，首先，粗略确定主要周期。
为此，请左键单击昼夜节律周期的峰值，或右键单击二次谐波的峰值。我们将再次使用第二个选项。之后，底部将出现一个滑块，用于选择光谱拟合的点。
这些点将以红色圆圈显示，并将在移动滑块后出现。左右移动滑块，并将点放置在尽可能靠近光谱峰顶部的位置。获得最佳图片后，按下 Accept 按钮，程序将使用模型功率谱的解析表达式拟合所选点。
拟合后，程序将再输出两个图形。首先是用提取的参数构建的模型的功率谱。其次是与模型拟合的数据。
数据用黑线显示，模型用红线显示。可以看出，函数与数据非常相似，尤其是最近三天的 activity。提取的参数将保存到模型拟合参数 TXT 文件中。
在文件名之后，参数按以下顺序保存，首先是晨衰 b，然后是晨起 b，晚起 b，晚衰 b，昼夜节律，然后是晨峰宽度除以昼夜节律，晚峰宽度除以昼夜节律，晨峰高度， 晚峰的高度，以及光谱拟合的拟合误差。除了模型拟合参数文件外，程序还将输出另外两个文件。第一个是数据与模型函数的拟合，第二个是光谱拟合。
使用其他活动文件执行此分析。所有提取的参数都保存到模型拟合参数 TXT 文件中，并可以进一步用于将行为输出连接到调节由模型活动模式控制的苍蝇日常行为的潜在机制。
View the full transcript and gain access to thousands of scientific videos
概述
本研究提出了一种新方法来量化果蝇昼夜运动节律的时间特征。通过将果蝇活动数据拟合到多参数模型波形，研究表征了每日活动的早晨和傍晚高峰。
关键研究组成部分
科学领域
- 神经科学
- 昼夜生物学
- 行为分析
背景
- 昼夜钟调节动物的行为和分子过程。
- 果蝇作为研究昼夜节律的模型生物。
- 运动记录揭示了对光暗周期的复杂活动模式。
- 理解这些节律可以提供更广泛的生物机制洞察。
研究目的
- 开发一个数学模型来描述果蝇的活动模式。
- 量化在果蝇中观察到的活动的不同高峰。
- 增强对昼夜节律机制的理解，超越传统模型。
所用方法
- 野生型果蝇的运动记录。
- 在12小时光暗周期下活动模式的分析。
- 活动数据拟合到多参数模型波形。
- 早晨和傍晚活动高峰的表征。
主要结果
- 在每日节律中识别出两个不同的活动高峰。
- 展示了果蝇运动中的复杂、双峰模式。
- 模型参数有效地描述了活动高峰的形状和大小。
- 对影响行为模式的额外机制的洞察。
结论
- 所提方法为分析昼夜节律提供了一个强大的框架。
- 研究结果有助于理解行为数据与昼夜钟的关系。
- 未来的研究可以在此模型基础上探索昼夜生物学的其他方面。
常见问题
Executive Industry Relevance
Quantifying circadian locomotor patterns in Drosophila enables mechanistic de-risking of target validation by linking behavioral outputs to underlying kinetic parameters. This computational approach enhances predictive confidence in preclinical models by providing quantitative, reproducible metrics for pathway interrogation. The method supports early discovery workflows by standardizing complex bimodal activity data into interpretable parameters for cross-functional collaboration.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by quantifying morning and evening peak kinetics in fly locomotor rhythms.
- Operational Value: Provides nine independent parameters that fully describe peak shape and size for consistent biological de-risking.
- Strategic Value: Supports predictive confidence in target selection by elucidating substrate mechanisms beyond core clock oscillations.
Screening & Assay Development
- Scientific Value: Generates standardized, quantitative outputs from complex bimodal patterns for reliable compound screening readiness.
- Operational Value: Enables assay reproducibility through model-based fitting of activity data to a four-exponential waveform.
- Strategic Value: Facilitates platform reuse by extracting comparable parameters across genetic or pharmacological conditions.
Translational & Preclinical Research
- Scientific Value: Connects behavioral phenotypes to mechanistic substrates underlying circadian-regulated processes in disease-relevant systems.
- Operational Value: Supports translational biomarker alignment by correlating extracted parameters with molecular or pathway readouts.
- Strategic Value: Informs risk-adjusted advancement decisions by reducing mechanistic ambiguity in locomotor-based preclinical models.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from hypothesis testing through lead identification by converting raw locomotor data into quantifiable parameters for downstream analysis.
- Discovery Biology: Supports hypothesis testing and pathway clarification by modeling activity peaks as outputs of kinetic substrate interactions.
- Screening: Delivers assay readiness and quantitative outputs via model-fitted parameters that capture morning and evening peak dynamics.
- Analytics: Provides statistical outputs including peak height, width, and decay rates for comparative condition analysis.
- Translational Research: Enables preclinical continuity by linking behavioral metrics to mechanistic de-risking in circadian-related pathways.
- Enterprise Reuse: Establishes a reusable computational framework for standardizing circadian behavioral analysis across projects.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence through mechanistic insight into bimodal activity regulation beyond transcriptional clocks.
- Operational Value: Standardization and reproducibility via nine-parameter model fitting of locomotor waveforms.
- Strategic Value: Improved go/no-go decisions by reducing biological ambiguity in behavioral phenotypes.
- Portfolio Impact: Risk-adjusted prioritization based on quantitative dissection of morning and evening peak contributions.
Implementation Considerations
- Requires expertise in circadian biology and MATLAB-based spectral and model fitting.
- Depends on activity monitoring infrastructure and controlled light/dark incubation systems.
- Necessitates cross-team standardization of binning, trend correction, and peak selection protocols.
- Involves adaptation considerations when applying the model to non-standardized fly strains or environmental conditions.
- Includes practical limitations such as sensitivity to baseline trends and initial transient adaptation periods in locomotor data.
