26. Januar 2009
Hier beschreiben wir, wie Sie die erworbenen Video-Bild für eine olfaktorische magnetisch-Leine (OMT) Geräte zu optimieren. Wir beschreiben auch zwei Beispiele für experimentelle Protokolle für die Untersuchung visuell-olfaktorischen Fusion.
Fliegende Insekten nutzen visuelle Hinweise, um ihre Flugrichtung in einer Luftströmung zu stabilisieren. Daher trägt die visuelle Stabilisierung der Aufwärtswindverfolgung direkt zur Geruchsortung bei. Mithilfe einer olfaktorischen magnetischen Bindungsvorrichtung (OMT) können wir untersuchen, ob visuelle Hinweise das Geruchssuchverhalten unabhängig von Windreizen direkt beeinflussen.
Das Verfahren beginnt mit der Optimierung der Fliegenbeleuchtung, indem die Intensität einer Infrarot-LED angepasst wird, um ein klares Bild der Fliege zu erhalten. Zu geringe Beleuchtung führt zu einem dunklen Bild, während zu starke Beleuchtung zu einem überbelichteten Bild führt, sobald die Fliege korrekt abgebildet ist. Die Analyse-Software misst den Körperwinkel in Echtzeit; visuelles Ziehen einer Fliege in eine Futtergeruchwolke führt zu einer konsistenten Ausrichtung an der räumlichen Position der Wolke.
Aber nur, wenn das visuelle Panorama starke visuelle Hinweise enthält. Wenn derselbe Fliege in einer visuellen Arena mit gleicher mittlerer Leuchtdichte, jedoch ohne visuelle Kanten, getestet wird, ergibt sich eine schlechte Fähigkeit zur Plume-Verfolgung, da die Fliege ihre räumliche Orientierung verliert. Hallo, ich bin Brian DeMars aus dem Labor von Dr. Mark Fry in der Abteilung für Physiologische Wissenschaften an der University of California Los Angeles.
Heute zeigen wir Ihnen, wie man Videoaufnahmen erfasst und optimiert, um den Körperwinkel in einer olfaktorischen magnetischen Bindungsvorrichtung zu analysieren. Wir beschreiben außerdem zwei Experimente, um den Einfluss visueller Reize auf die Duftstoffverfolgung zu untersuchen. In unserem Labor verwenden wir dieses Verfahren, um die visuell und olfaktorisch vermittelte Flugsteuerung bei Fruchtfliegen zu erforschen.
Beginnen wir also. Die Optimierung des Videobilds ist entscheidend für die Qualität der erfassten Daten, um sauberere Bilder zu erhalten. Platzieren Sie zunächst eine frisch fixierte Fliege mit einer Pinzette in der Versuchsanordnung.
Als Nächstes positionieren Sie die Fire-Wire-Board-Kamera unterhalb der durchsichtigen Acryl-Vakuumkammer so, dass die Kamera direkt nach oben durch die Kammer und durch das Glasvakuumrohr auf die ventrale Seite der fixierten Fliege blickt. Stellen Sie sicher, dass auf dem Objektiv des Videosystems keine Infrarotfilter-Beschichtung vorhanden ist. Zum Beleuchten der Fliege verwenden Sie eine ringförmige Anordnung von Infrarot-LEDs, die sich direkt unterhalb der LED-Platten befinden.
Richten Sie jede LED einzeln auf den Körper der Fliege, um eine gleichmäßige Beleuchtung zu erzielen, die Blendungen durch das Panel-System verringert und visuelle Reize, die von der Fliege wahrgenommen werden, minimiert. Es ist hilfreich, alle reflektierenden Oberflächen im Kamerabild mit mattschwarzer Farbe zu beschichten; die Raumbeleuchtung sollte ausgeschaltet werden, um Blendungen und Helligkeitsmodulationen zu reduzieren, die vom Auge der Fliege erfasst werden können. Prüfen Sie anschließend die Kamera visuell.
Die Fliege sollte hellweiß vor schwarzem Hintergrund erscheinen. Falls das Bild unscharf ist, muss möglicherweise das Objektiv fokussiert werden. Wenn die Fliege dunkel erscheint, ist das LED-Array möglicherweise nicht ausreichend fokussiert oder nicht stark genug beleuchtet, um eine korrekte Beleuchtung zu gewährleisten.
Abschließend werden Videos mit benutzerdefinierten Unterroutinen erfasst, die in MATLAB unter Verwendung der Image Acquisition Toolbox geschrieben wurden. Ein einfaches Experiment im OMT besteht darin, eine verhungerte Fliege zu beobachten, die eine Wolke attraktiven Nahrungsgeruchs lokalisiert und aktiv verfolgt. Diese Experimente werden typischerweise im zufälligen Blockformat durchgeführt, um Verzerrungen durch die Reihenfolge der Experimente zu minimieren.
Indem Sie die visuelle Umgebung verändern, können Sie die Fähigkeit der Fliege beeinflussen, einen Geruch zu verfolgen. Für dieses Experiment setzen Sie eine frisch fixierte Fliege vor jedem Versuch mit einer Pinzette in der Versuchsanordnung ab. Drehen Sie die Fliege mithilfe der visuellen Anzeige mehrere Umdrehungen lang, um eine gleichmäßige Bewegung entlang der gesamten 360-Grad-YA-Achse sicherzustellen. Verwerfen Sie die Fliege, falls sie sich nicht gleichmäßig dreht.
Wenn das Problem weiterhin besteht, könnten die Magnete falsch ausgerichtet sein. Bieten Sie der Fliege anschließend die folgenden Versuchsbedingungen in zufälliger Reihenfolge dar: ein Streifenmuster mit hohem Kontrast, aus dessen Duftöffnung Wasserdampf austritt.
Ein Streifenmuster mit hohem Kontrast und attraktivem Geruchsdampf. Eine einzelne vertikale Streife, um 90 Grad gegenüber dem Geruchsaustritt versetzt, mit Wasserdampf und eine einzelne um 90 Grad versetzte Streife mit Geruchsdampf in 32. Intervallen eignet sich gut für Experimente, bei denen die Fliegen allein die Geruchsquelle finden müssen. Nehmen Sie Videos mit 30 Hertz während der gesamten Dauer jeder experimentellen Bedingung auf und analysieren Sie die Bilder offline mit MATLAB. Bei Verwendung hoher Geruchskonzentrationen kann nach dem Abschalten des Geruchs noch Restgeruch aus dem Geruchsaustritt austreten; minimieren Sie hierdurch bedingte Effekte.
Dadurch kann sich die Fliege einige Sekunden lang mit einem rotierenden Panorama drehen, damit das System jeglichen Restgeruch ausspülen kann. Es hilft zudem, die Fliege visuell zwischen experimentellen Behandlungen zu rotieren. Dies hält die Fliegen aktiv in das Experiment eingebunden und verhindert, dass sie an einer Stelle verharren.
Ein zweites grundlegendes Experiment im OMT besteht darin, eine Fliege visuell in eine Duftwolke zu ziehen, die visuellen Bedingungen schlagartig zu wechseln und anschließend ihre Fähigkeit zu messen, in der Wolke zu verbleiben. Die Experimente werden im zufälligen Blockformat durchgeführt, um Verzerrungen durch die Reihenfolge zu minimieren. Platziere mithilfe einer Pinzette eine frisch fixierte Fliege in der Versuchsarena.
Danach als diagnostische Überprüfung die Fliege mehrmals visuell um die Arena drehen. Dies stellt sicher, dass das Tier in der Lage ist, sich in jede Richtung auszurichten. Vor jeder Bedingung den Versuchsgeruch, entweder Wasser oder Essig, einschalten und die Fliege visuell in die Duftwolke hineinziehen, indem ein kleiner vertikaler Streifen an der Position der Wolke oszilliert wird.
Nun, da die Fliege in Richtung der Wolke ausgerichtet ist, entfernen Sie den oszillierenden Streifen. Anschließend stellen Sie die folgenden visuellen Bedingungen dar: panoramatische Streifen mit hohem Kontrast mit Wasserdampf, einheitlicher Hintergrund mit Wasserdampf, panoramatische Streifen mit hohem Kontrast mit Duftstoffdampf und einheitlicher Hintergrund mit Duftstoffdampf.
Nehmen Sie das Video mit 30 Hertz während der gesamten Dauer jeder experimentellen Bedingung auf. Analysieren Sie anschließend die Bilder offline mithilfe benutzerdefinierter Software-Routinen, die in MATLAB geschrieben wurden. Bei der Optimierung des OMT-Videobildes beachten Sie, dass eine klare Sicht auf die beleuchtete Fliege vor einem dunkelschwarzen Hintergrund gegeben sein sollte.
Zu helle Bilder können verbessert werden, indem die Hintergrundstörungen verringert, die Intensität der Infrarot-LEDs reduziert oder das Raumlicht ausgeschaltet wird. Falls die Fliege ordnungsgemäß beleuchtet ist, kann das Problem durch Einstellen der Fokussierung der Infrarot-LEDs oder durch Modulation ihrer Intensität behoben werden.
Wenn eine Fliege vor die Aufgabe gestellt wird, eine Duftfahne selbstständig zu finden, sollte sie niemals in signifikantem Maße eine Wasserdampffahne lokalisieren, wohl aber stets eine Duftfahne in Gegenwart reichhaltiger, panoramatischer visueller Hinweise. Ein zweiter Test besteht darin, die Fliege visuell direkt in eine Duftfahne zu ziehen und sie vor die Aufgabe zu stellen, ihre Flugrichtung innerhalb der Fahne gegen eine Vielzahl stationärer visueller Hintergründe beizubehalten. Wenn die Fliege in eine Wasserdampffahne gezogen wird, sollte sie sich rasch abwenden.
Wenn die Fliege in eine Duftwolke gezogen wird und ausreichend visuelle Hinweise vorhanden sind, um eine robuste Verfolgung zu ermöglichen, bleibt die Fliege in der Wolke. Wir haben Ihnen soeben gezeigt, wie man das aufgezeichnete Videobild für eine olfaktorische Magnet-Heftungsvorrichtung optimiert. Außerdem haben wir zwei experimentelle Protokolle beschrieben, um den Einfluss visueller Hinweise auf die Duftverfolgung zu untersuchen.
Bei der Durchführung dieser Experimente ist es wichtig zu beachten, dass die Optimierung des Videobildes entscheidend für die Qualität der gewonnenen Daten ist. Außerdem ist es unabhängig vom experimentellen Protokoll wichtig, Ihre Fliegen zufrieden und aktiv beschäftigt zu halten. Das war's also.
Vielen Dank fürs Zuschauen und viel Erfolg bei Ihren Experimenten.
Sehen Sie sich das vollständige Transkript an und erhalten Sie Zugang zu Tausenden wissenschaftlicher Videos
In diesem Artikel wird die Optimierung der Videobildgebung für eine olfaktorische Magnet-Heftung (OMT), die zur Untersuchung der visuell-olfaktorischen Fusion eingesetzt wird, beschrieben. Es werden experimentelle Protokolle erläutert, um zu untersuchen, wie visuelle Hinweise das Duftverfolgungsverhalten fliegender Insekten beeinflussen.
Das Verständnis, wie visuelle Reize die Geruchssuche bei Modellorganismen modulieren, unterstützt Strategien zur Zielvalidierung, indem es multisensorische Integrationsmechanismen aufdeckt, die für die Neuropharmakologie relevant sind. Dieses Testsystem ermöglicht die mechanistische Absicherung von Wirkstoffen, die sensorische Verarbeitungspfade beeinflussen, anhand quantifizierbarer Verhaltensausgaben. Der Ansatz fördert die frühe Entdeckung, indem er ein krankheitsrelevantes System bereitstellt, um die Zielinteraktion in neuronalen Schaltkreisen zu bewerten, die Navigation und Entscheidungsfindung steuern.
Die Methode lässt sich in frühe Entdeckungsworkflows integrieren, indem sie die Hypothesenprüfung von visuell-olfaktorischen Wechselwirkungen vor den Stadien der Leitstruktur-Identifizierung ermöglicht.