Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Suivi comportemental et l’imagerie de Neuromast des Mexicains Agassizii

7.4K vues

⸱

DOI :

10.3791/59099

⸱

6 avril 2019

 ,  ,  ,  ,  ,  ,  , 
1Department of Biology, University of Hawai'i at Mānoa, 2Department of Anatomy, Biochemistry and Physiology, University of Hawai'i at Mānoa, 3Pacific Biosciences Research Center, University of Hawai'i at Mānoa

Dans cet article

Résumé

Nous présentons ici les méthodes d’étude haut débit d’une série de la mexicaine agassizii comportements et coloration vitale d’un système de mécanosensoriels. Ces méthodes utilisent des scripts logiciel libre et sur mesure, fournissant une méthode pratique et rentable pour l’étude des comportements.

Résumé

Les animaux cavernicoles ont développé une série de traits morphologiques et comportementales pour s’adapter à leur environnement perpétuellement sombre et nourriture sont rares. Parmi ces traits de caractère, comportement alimentaire est l’une des fenêtres utiles dans les avantages fonctionnels de l’évolution du trait comportemental. Présentées ici sont mises à jour des méthodes pour analyser le comportement de l’attraction de vibration (VAB : un comportement adaptatif) et d’imagerie de mechanosensors associé de grotte adaptés tetra, Astyanax mexicanus. En outre, les méthodes sont présentées pour le haut débit suivi d’une série de comportements agassizii supplémentaires incluant hyperactivité et sommeil-perte. Agassizii montre également la sociabilité, de comportements répétitifs et d’anxiété plus élevée. Par conséquent, agassizii service comme modèle animal pour les comportements ont évolué. Ces méthodes utilisent des scripts de logiciel libre et sur mesure qui peuvent être appliquées à d’autres types de comportement. Ces méthodes offrent des solutions de rechange pratiques et économiques pour le logiciel de suivi disponible dans le commerce.

Introduction

Le tétra aveugle, Astyanax mexicanus (Teleostei : Characidae), est unique parmi les poissons pour avoir deux formes alternatives radicalement distinctes - un morphing voyant, surface vivant et un morphing aveugle, cavernicoles, composé de plusieurs distincts les populations1. Bien que différents dans la morphologie et de physiologie, ils sont toujours interfertiles2,3. Ces formes interfertiles semblent avoir évolué rapidement (~ 20 000 ans)4, qui en fait un système de modèle idéal pour l’étude de l’adaptation rapide. Agassizii est connus pour avoir une suite divergente traits morphologiques et comportementales dont la densité accrue des papilles gustatives, augmentation du nombre de mechanosensors, à l’écoute d’une fréquence particulière d’un stimulus vibratoire, hyperactivité, comportement et insomnie. Bon nombre de ces comportements probablement évolués en même temps, dont certaines ont été proposées pour être avantageuse dans l’obscurité des grottes pour se nourrir de5 et de conservation de l’énergie dans les environnements sombres et nourriture sont rares6,7.

Dans de nombreux systèmes de modèle évolutionniste, il est difficile d’acquérir une connaissance intégrée sur l’évolution de la morphologie et le comportement animale comment en réponse à l’environnement parce que la plupart des espèces sont réparties sur un gradient continu dans des environnements complexes. Toutefois, le contraste entre la grotte et la surface morphing Astyanax qui a évolué en contrastés environnements délimitées par un écotone forte a conduit à Astyanax en train de devenir un excellent modèle pour comprendre l’évolution animale. Cela permet de relier plus facilement les gènes et les processus de développement à caractères adaptatifs et de sélection dans l’environnement. En outre, ces dernières recherches biomédicales de ces traits à Astyanax a montré que ces traits peuvent parallèles symptômes humaine8,9,10. Par exemple, perte de socialité et de sommeil et gain d’hyperactivité, comportements répétitifs et le niveau de cortisol sont semblables à ce qui est observé chez l’homme avec l’autism spectrum disorder8.

Pour répondre à la coévolution complexe de beaucoup de comportements et de traits morphologiques, il est avantageux pour bon nombre d'entre eux pour mettre en évidence les voies génétiques et moléculaires sous-jacents. Présentées ici sont des méthodes pour caractériser le degré de phénotypes comportementaux grotte-type de surface, cave et hybride morphes de Astyanax. Les comportements focales analysées afin de caractériser le phénotype sont adaptés à la grotte du comportement alimentaire (comportement de vibration attraction, dénommé désormais VAB) et hyperactivité/sommeil durée11,12. Également présenté est une méthode d’imagerie dans le système sensoriel associé VAB13. Récemment, de nombreux logiciel de suivi de l’open source pour l’exécution de tests comportements sont devenus disponibles14,15. Elles fonctionnent très bien pour de courtes vidéos, à moins de 10 minutes de longs. Toutefois, il devient problématique si la vidéo est plus longue en raison des temps de calcul/suivi intense. Logiciels disponibles dans le commerce capable peuvent coûter cher. Les méthodes présentées utilisent principalement des freeware et sont donc considérés comme des méthodes rentables et haut débit. Aussi inclus sont résultats représentatifs basés sur ces méthodes.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Toutes les procédures sont effectuées suivant les directives décrites dans les « Principes of Laboratory Animal Care » (publication de l’Institut National de la santé n° 85-23, révisé 1985) et l’approuvé par l’Université d’Hawaï à Manoa animalier institutionnel et l’utilisation Comité animaux protocole no 17-2560-3.

1. test de comportement (VAB) attraction vibration (≤ 10 min pour tout enregistrement de procédure)

Remarque : Utilisez une caméra infrarouge sensible ou construire une caméra infrarouge en modifiant une webcam USB. Pour modifier une webcam USB, consultez la description détaillée présentée par le laboratoire de Keene dans ce numéro d’agassizii à JoVE (à partir de cette question a. mexicanus ), ou une brève description dans les documents complémentaires.

  1. Configuration de l’enregistrement
    1. Pour vous assurer que la caméra reste en position, encore et à la bonne longueur focale partir le sujet (s) en cours d’enregistrement, construire un cadre de boîte noire de polychlorure de vinyle, tuyaux (PVC), de 120 cm H x 45 L x 90 cm cm w.
    2. Après la construction du cadre, couvrez-la avec un rideaux de plastique opaques tels que celle prévue pour l’agriculture hydroponique.
    3. Sur le dessus de l’image, mettre un panneau acrylique noir avec une fenêtre de la caméra infrarouge au centre mesurant le même diamètre que le zoom réglable monté sur C. À l’intérieur de cette boîte, placez l’appareil de dosage de VAB (Figure 1).
  2. Appareil de vibration
    NOTE : Vibrations sont produites à l’aide d’un générateur de petites fonctions.
    1. Pour les méthodes suivantes, branchez-vous vibrations d’une amplitude de 0,15 mm et une fréquence de 40 Hz, qui est la fréquence qui suscite une réaction maximale d’attraction5,16.
    2. Connecter le générateur de fonction à un haut-parleur face horizontal.
    3. Fixer une baguette de verre de diamètre 7,5 mm 14 cm de longueur pour le pare-poussière sur le visage de l’enceinte à l’aide de colle chaude ou une colle joint.
    4. Perpendiculairement à cette canne et vers le bas, attacher une autre tige de verre de diamètre 7,5 mm 4 cm de longueur (Figure 1).
  3. Test comportemental
    1. Acclimater un expérimental a. mexicanus pendant 4 jours dans une chambre de test cylindrique remplie d’eau conditionnée (pH entre 6,8 et 7,0, conductivité µS de 700 environ, température environ 22 ° c) avec un cycle 12/12 L/J. Vérifier si les poissons ont acclimatés en observant leur latence pour se nourrir. Des temps de latence plus longue que dans leur réservoir d’origine indique plus temps d’acclimatation est nécessaire. Tout au long de l’acclimatation, nourrir une fois par jour avec des nauplii d’Artemia vivants.
    2. Le jour précédant la date de l’essai (après 3 jours d’acclimatation), remplacer l’eau dans la chambre de dosage d’eau conditionnée.
    3. Le jour de l’essai (après 4 jours d’acclimatation), prive poissons expérimentale de nourriture jusqu'à ce qu’une fois l’analyse terminée. Satiété changera leur réponse aux vibrations.
    4. Définir les paramètres d’enregistrement dans le freeware de VirtualDub17: 15 images/s, codec : x264vfw, durée d’enregistrement : 3 min 30 s.
    5. Préparer l’appareil émettant des vibrations (voir l’étape 1.2) en syntonisant 40 Hz. Voir la Figure 1 pour l’explication de l’appareil. Rincer la baguette de verre vibrant avec de l’eau déionisée pour enlever n’importe quel produits chimiques solubles dans l’eau.
    6. Travailler dans l’obscurité, placez le cylindre de dosage sur l’étape d’enregistrement illuminée par un rétro-éclairage infrarouge dans la boîte noire et permettre aux poissons de s’acclimater pendant 3 min.
      1. Après l’acclimatation de 3 min, enregistrer 3 min 30 s de vidéo. Au début de l’enregistrement, insérez la tige de verre vibrant dans la colonne d’eau (environ 0,5 cm de profondeur).
      2. Éviter de faire des bruits ou des vibrations tout en positionnant la tige de verre vibrant dans l’eau que le poisson peut sens même les perturbations plus mineures.
      3. Terminer cette procédure dans les 30 s de démarrage de l’enregistrement vidéo pour faire en sorte que plus de 3 min du comportement est enregistré.
    7. Surveiller la vidéo pendant l’enregistrement pour s’assurer qu’aucune erreurs ne surviennent au cours de cette étape.
    8. Après avoir terminé l’enregistrement, retirer la tige de verre vibrant de la chambre de dosage cylindrique et retirer la chambre d’essai dès le stade de l’enregistrement. Répéter de 1.3.5 pour le prochain poisson.
  4. Analyse vidéo
    Remarque : Conversion du codec en un format qu’ImageJ peut charger ne fonctionne que sur Windows système d’exploitation18 (tableau 1).
    1. Convertir la vidéo avi compressé dans un format lisible pour ImageJ et les paramètres de la série d’analyses.
      1. Installation de AviSynth_260.exe (https://sourceforge.net/projects/avisynth2/), pfmap build 178 (http://pismotec.com/pfm/ap/) et avfs ver1.0.0.5 ou ver1.0.0.6 (https://sourceforge.net/projects/avf/). Notez que cette méthode est programme/version sensible. Les liens de site Internet fourni guidera vers les versions appropriées (tableau 1).
      2. Exécutez le fichier batch en double-cliquant sur avs_creater.bat (fichier supplémentaires). Faites un clic droit sur le fichier vidéo avs pour être analysé (sélectionner dans les fichiers avs créés par avs_creater.bat).
      3. Comme l’analyse vidéo en utilisant le plugin Tracker dans ImageJ nécessite le chargement de la macro ImageJ (fichier supplémentaires Macro_VAB_moko.txt), charger la macro par glisser-déposer dans la coquille de GUI d’ImageJ. Cette macro va permettre certaines touches d’accès rapide pour l’analyse qui suit.
      4. Dans le répertoire de travail, créez un dossier intitulé « Process_ImageJ ».
      5. Faites un clic droit sur le fichier .avs pour être analysé (sélectionner dans les fichiers avs créés par avs_creater.bat). Sélectionnez l’option de montage rapide . Une fois le fichier avs est monté comme un disque externe, ouvrez le fichier avi dans ImageJ (le fichier avi a la fin du nom avec « .avi »).
      6. Pour définir l’échelle de la mesure de la distance, choisir le diamètre de la chambre de dosage en dessinant une ligne droite à travers la chambre à l’aide de l' outil de sélection linéaire, puis cliquez sur analyse > définir l’échelle fonction. Par exemple, entrée 9,4 cm si vous utilisez un plat cylindrique d’un diamètre intérieur de 9,4 cm. Cochez la case radio de Global afin de normaliser l’échelle sur l’ensemble des analyses vidéo suivantes.
    2. Convertir en binaire pile et lancer l’analyse.
      1. Copier la zone chambre de test en utilisant l’outil de sélection ovale puis faites un clic droit et sélectionnez Image > dupliquer. A cette époque, spécifiez la plage d’images à garder pour une analyse ultérieure, par exemple, garder les premiers 2 700 cadres après la tige vibrante est entré dans l’eau (à 15 images/s, qu'il s’agit d’exactement 3 minutes de vidéo).
      2. Désactivez l’extérieur de la chambre d’essai et convertir une image binaire en appuyant sur la touche de raccourci 7 dans la barre de numéro du clavier.
      3. Après l’arrière-plan efface et une invite apparaît, ajouter un point noir au centre pour indiquer la position de la tige de verre vibrant à l’aide de l’outil de sélection ovale déjà définie sur noir avec la fonction de remplissage . Cliquez sur OK et une invite s’affiche pour passer à l’ajustement du seuil.
      4. Définissez le seuil pour rendre une image binaire (tous noir et blanc) du poisson. Ajustez le seuil pour que les poissons peuvent être vus dans des clips vidéo entiers et sélectionnez appliquer.
      5. Exécutez le plugin « Tracker » en appuyant sur la clé chaud 8 dans la barre de numéro. Définir la taille minimale de pixels à 100 lorsque vous y êtes invité et cliquez sur OK, générant la distance entre la tige vibrante et le poisson par image toutes les 3 min de la vidéo binaire.
      6. Réglez l’alignement mauvais générée par le bruit en vidéo. Pour ce faire, vérifiez la fenêtre de résultats afin d’identifier les cadres qui renvoient le numéro de l’objet 3 ou supérieur-indiquant les objets supplémentaires dans ces cadres (par exemple, les particules dans l’eau ou à l’ombre du bras transparent de la tige) en plus de la « tige » et « poisson » le cadre. Supprimer tous les objets supplémentaires à l’aide de l’outil pinceau.
      7. Frapper la clé chaud 9 sur la barre numéro d’exporter un empilement binaire des images de la vidéo complète (dans le cas où il est nécessaire d’analyser de nouveau) et un fichier .xls avec coordonnées et distance données (fichiers supplémentaires CF01.xls, Threshold_CF01.tif et, Trac_CF01.tif ). Chaud clés 9 entraînera la fermeture de tous les fichiers associés à la vidéo en cours. Répétez les étapes 1.4.2.1 par 1.4.2.6 pour toutes les répétitions.
      8. Exécutez le script de macro (fichier complémentaire JoVE_2cmVAB_template_15fps.xlsm) pour consolider les fichiers de résultats multiples Tracker (.xls) dans une feuille de calcul et de compter le nombre et la durée des approches dans un espace de 1,5 cm de la tige. Ne pas une durée au moins 0,5 s volonté s’approche ne pas prises en compte. Modifier les paramètres de la distance et le temps compté comme une approche en fonction des questions d’intérêt particuliers.
    3. Libérer l’espace disque PC après avoir terminé toutes les analyses. Supprimer des fichiers montés pour libérer de l’espace disque - avi.avi et. avi.avs fichiers (extensions générées par le logiciel)-en exécutant un lot de fichiers multiunmountdel.bat dans le même dossier où avs_creater.bat a été exécuté dans l’article 1.4.1.2.

2. le sommeil et le dosage de l’hyperactivité (enregistrement de 24 h)

  1. Test comportemental
    1. Acclimater cinq poissons expérimentaux pendant 4 jours ou plus dans chaque chambre d’un aquarium sur-mesure d’enregistrement acrylique 10 L (45,9 cm x 17,8 cm x 17,8 cm ; longueur x largeur x profondeur, respectivement) rempli d’eau conditionnée (voir étape 1.3.1).
      1. Séparer chaque chambre individuelle avec des planches acryliques noirs faisant chambres égal en taille, mesurant 88,9 mm × 177,8 mm x 177,8 mm (Figure 2). N’oubliez pas de couvrir chaque cuve pour empêcher les poissons de sauter entre chambres.
      2. Réglez la minuterie programmable puissance automatiquement allumer LED blanc lumineux pendant 12 h, et au large pendant 12 h tous les jours au cours de la période d’acclimatation (par exemple, placez la lampe sur à 07:00 et arrêt à 19:00). Cela va monter le rythme circadien de poissons (si il est sensible à l’entraînement).
      3. Utilisation opaque blanc acryliques planches de dimension similaire à la cuve de 10 L comme diffuseurs de passer une lumière blanche et infrarouge à travers afin de fournir une lumière diffuse avec la même intensité dans l’ensemble de tous les réservoirs.
      4. Tout au long de l’acclimatation, nourrir une fois par jour avec live nauplii d’Artemia et fournissent l’aération par le biais de filtres d’éponge dans chaque aquarium.
        Remarque : Assurez-vous que les poissons sont nourris à la fois cohérentes (c.-à-d. 1 x par jour à 09:00) car le moment des repas peuvent aussi affecter l’entraînement des rythmes circadiens19.
      5. Vérifier si les poissons ont devenu acclimatés en observant leur latence pour se nourrir. Un temps de latence plus longue que dans leur réservoir d’origine indique plus temps d’acclimatation est nécessaire.
    2. Le jour avant le jour de l’essai (3 jours ou plus de l’acclimatation), remplacer l’eau dans la chambre de dosage avec fraîchement conditionnée de l’eau (voir étape 1.3.1).
    3. Définissez le paramètre d’enregistrement dans le logiciel de VirtualDub17: 15 images/s, codec : x264vfw, durée d’enregistrement : 86 400 s (24h).
    4. Activer le rétro-éclairage infrarouge derrière la scène de l’enregistrement (voir Figure 2). En observant l’image live de VirtualDub sur écran, ajuster la position de chaque aquarium pour faire face à la caméra USB.
    5. Le jour de l’enregistrement, nourrir chaque poisson avec des nauplii d’Artemia vivants, supprimer tous les filtres d’éponge et activer le rétro-éclairage infrarouge.
    6. Commencer à 24 h d’enregistrement le matin (par exemple, l’heure de début est de 09:00 et l’heure de fin est 09:00 le lendemain). Commencez à capturer la vidéo et sécuriser l’emplacement pour éviter toute perturbation. Vérifier périodiquement que l’enregistrement est en cours d’exécution.
    7. Après 24h, assurez vous que la vidéo enregistrée correctement. Transférer la vidéo vers la station de travail PC de suivre et analyser le comportement du poisson.
  2. Analyse vidéo
    1. Tout d’abord, vérifier la qualité vidéo en regardant l’éclairage. Vérifier s’il y a un poisson dans chaque section, et s’il ne sont a aucun mouvements étrangers sont susceptible de mal suivis.
    2. Préparez le masque afin d’éviter les mauvais suivi à l’extérieur de l’aquarium. Faire deux masques : un pour « même » et un « odd » poisson, selon leur ordre de séquence dans les réservoirs.
    3. Faire deux dossiers nommés « bizarre » et « même » pour les masques décrit ci-dessus. Déplacer le suivi fichier de paramètres de SwisTrack dans chacun de ces dossiers.
    4. Ouvrir le suivi des fichier de paramètres de SwisTrack dépistant le logiciel (fichier complémentaire Tracking_odd.swistrack ou Tracking_even.swistrack). Spécifier le chemin vers le fichier vidéo et fichier de masque, puis sauvegarder et quitter le suivi fichier de paramètres. Ajuster le nombre de blob et paramètres de pixels maximum en « Détection de Blob » et « Suivi du voisin le plus proche » composants, respectivement, selon les expériences.
    5. Double-cliquez pour exécuter un script du logiciel win-automation qui ouvre automatiquement le logiciel SwisTrack (fichier supplémentaire swistrack_1.exe, swistrack_2.exe, swistrack_3.exe ou swistrack_4.exe- ce sont tous les mêmes fichiers exécutables), ce qui aide à la mise à jour de la soustraction du fond adaptative dans SwisTrack.
    6. Ouvrez Tracking_odd.swistrack ou Tracking_even.swistrack dans le logiciel SwisTrack pour charger le suivi fichier de paramètres. Après avoir chargé les paramètres, appuyez sur le bouton exécuter pour commencer le suivi.
    7. Dans le cadre initial de 9 000 (600 s, c'est-à-dire des 10 premières min de la vidéo enregistrée), vérifier si le poisson de suivi fonctionne en regardant la soustraction du fond adaptative, masque binaire et le plus proche voisin a suivi dans la liste des composants de SwisTrack (voir vidéo ci-jointe). Puis sélectionnez soustraction Adaptive background dans la liste des composants.
    8. Appuyez sur la touche R du clavier pour reprendre la victoire-automation et laisser le PC pour effectuer le suivi. Suivi prendra 5-7 h par 24h vidéo pour un ordinateur de bureau avec 4 processeurs cores et 8 Go de mémoire. Selon les besoins, exécuter plusieurs processus de SwisTrack (y compris les arènes paires et impaires d’un seul fichier vidéo) jusqu’au nombre de cœurs dans le processeur. Par exemple, 4 noyaux peut gérer 4 vidéos à la fois.
    9. Au cours de ce suivi, évitez d’utiliser ce PC à d’autres fins, car le programme win-automation déplace automatiquement le pointeur de la souris. 9 000 cadres initiaux seront ignorés dans la procédure suivante.
    10. Répartir les 3 fichiers de script Perl (1.fillupGaps2.pl, 2.Calc_fish_id_moko_robust et 3.pl, 3.Sleep_summary_4cm_movingWindow.pl) dans le dossier contenant les fichiers de suivi générés par SwisTrack dans les dossiers « même » et « odd » (voir l’étape 2.2.3).
    11. Couper une image de la vidéo à partir du fichier vidéo à l’aide de VirtualDub et importer ce clip comme une photo dans ImageJ. Sélectionnez la longueur de l’aquarium (45,9 cm) dans ImageJ et calculer le rapport de pixels/cm. Écrivez le ratio pixels/cm en 1.fillGaps2.pl dans un programme d’édition de texte, puis enregistrez.
    12. Lancer le programme de CygWin, un émulateur Unix. Recherchez le dossier SwisTrack qui contient les 3 scripts Perl en utilisant des cd sur la ligne de commande.
    13. Exécutez le script Perl en tapant Perl 1.fillGaps.pl. Ces trois scripts Perl vont affecter chaque fichier de suivi à une chambre unique de l’aquarium et d’analyser la distance de natation et de la durée de sommeil tandis que le poisson était éveillé. Il faudra attendre 1-2 h à la fin de l’analyse.
    14. Évaluer le fichier texte nommé Summary_Sleep.txt pour déterminer si le nombre d’images exclus de l’analyse est acceptablement bas ; manque de moins de 15 % des cadres est jugée acceptable.
    15. Copiez et collez les résultats analysés de Summary_Sleep.txt à une feuille de calcul avec la macro (fichier complémentaire Sleep_12hr12hr_TEMPLATE.xlsm).
    16. Exécutez la macro pour extraire les données sommaires des fichiers de suivi.

3. DASPMI ou DASPEI de coloration de mécanosensoriels neuromasts

Remarque : DASPMI et DASPEI de coloration est sensible à la lumière et doit être faite dans l’obscurité. Suivant le protocole est pour les DASPMI et les DASPEI en utilisant DASPMI comme un exemple.

  1. Protocole de coloration
    1. Pour un total de 1 L de la coloration de la solution mère (25 µg/mL), ajouter 0,025 g de cristaux de DASPEI ou DASPMI pour 1 L de dH2O et laissez-le se dissoudre pendant la nuit. Conserver la solution stockés à 4 ° C et l’abri de la lumière.
    2. Plonger le poisson en 2,5 µg/mL DASPMI ou de DASPEI dissous dans l’eau conditionnée (voir étape 1.3.1) pendant 45 min dans un environnement sombre à 22 ° C.
    3. Après 45 min, retirer les poissons de la solution DASPMI ou DASPEI et anesthésier par immersion dans un bain de glace d’eau conditionnée avec 66,7 µg/mL de tampon-éthyl 3-aminobenzoate méthane sulfonate sel (MS222).
    4. Monter le poisson dans un plat de Pétri et la photographie sous un microscope à fluorescence. Prendre des images de z-pile et enregistrer les fichiers .tif pour l’analyse qui suit.
  2. Analyse d’images à l’aide de ImageJ
    1. Dans le dossier contenant les fichiers .tif, collez un modèle du fichier macro ImageJ (Neuromast_ImageJ.txt) et créez un nouveau dossier intitulé « Process_ImageJ ». Dans le fichier de macro ImageJ, affectez le chemin d’accès au répertoire en cours.
    2. Lancez ImageJ et ouvrez la macro en faisant glisser le fichier de macro dans l’interface graphique ou en cliquant sur fichier > ouvrir et en sélectionnant le fichier macro.
    3. Exécutez la macro en cliquant sur Macros > exécuter Macro. La macro s’ouvre alors automatiquement un fichier image à analyser. Si le fichier de l’image ne s’ouvre pas, cliquez sur Macro > fichier ramasser.
    4. Pour la quantification de le Neuromast, sélectionnez la zone concernée à l’aide de L’outil polygone.
    5. Frapper la clé chaud 5 à double zone d’intérêt.
    6. Utilisez l' Outil de peinture pour enlever ou ajouter des points de neuromast supplémentaire ou manquant de l’image précédente et ensuite appuyez sur 6. Après avoir atteint 6, deux nouvelles fenêtres apparaîtront : schéma de points numérotés neuromasts et une table avec neuromasts total quantifié.
    7. Appuyez sur 7 pour sauver les deux fichiers : un fichier est enregistré comme un fichier d’image .tif et l’autre est enregistrée comme fichier .xls. Une fois ces fichiers sont stockés, un nouveau fichier de la photo s’ouvre pour l’analyse.
    8. Consolider les comtes de neuromast de chaque poisson dans une feuille de calcul en exécutant le script de macro (SN_Number_Diameter.xlsm).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Les résultats présentés ici sont des exemples représentatifs de ce qui peut être acquis avec les méthodes présentées. Donc, les résultats peuvent dévier légèrement de celles présentées ici pour poulsoni et poissons de surface selon les conditions expérimentales.

Comportement de l’attraction de vibration

On trouvera les résultats représentatifs pour VAB...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Ces méthodes présentées sont facile d’accès, mais peuvent être compliqués à réaliser en raison de la nature de ses origines de freeware. Par conséquent, il est fortement recommandé d’effectuer l’essais essais et analyses avant toute expérimentation réelle.

Le taux de génération de données peut être rapid une fois que le cadre analytique et expérimental sont établis. Une fois établi, il est possible des deux poissons Records en 7 min pour le dosage de VAB, 30 en 24h pour le dosage de l’activité...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Nous remercions tous les membres du laboratoire Yoshizawa dont N. Cetraro, N. Simon, C. Valdez, C. Macapac, J. Choi, L. Lu, J. Nguyen, S. Podhorzer, H. Hernandes, J. Fong, J. Kato et I. Lord pour soins de poissons sur les poissons expérimentaux utilisés dans ce manuscrit. Nous remercions également les membres de laboratoire A. Keene, dont P. Masek pour former mon montage caméra CCD IR. Enfin, nous tenons à remercier l’école Media Lab - collège des Sciences sociales - des Communications à l’Université d’Hawaï Manoa pour leur inestimable aide à faire de la vidéo, surtout B. Smith, J. Lam et S. White. Ce travail a été soutenu par Hawaiian Community Foundation (16CON-78919 et 18CON-90818) et Institut National de NIGM santé (P20GM125508) accorde aux MY.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
4-Di-1-ASP (4-(4-(diméthylaminostyryl)-1-iodure de méthylpyridinium)MilliporeSigmaD3418
880 nm longueur d’onde lumière noire AdvancedIlluminationBL41192-880
avfsfreewareVersion 1.0.0.6http://turtlewar.org/avfs/
AvisynthfreewareVersion 2.6.0http://avisynth.nl/index.php/Main_Page
Cygwinfreeware Version 2.11.0https://www.cygwin.com/
Chambre de dosage cylindrique (plat en verre Pyrex 325 ml)Corning3140-10010 cm de diamètre 5 cm de haut
Ethovision XTNoldus Informations  ; Technologie, Wageningen, Pays-BasVersion 14https://www.noldus.com/animal-behavior-research/products/ethovision-xt
Fish Aquarium Cylindre Soft Sponge Stone Filtre à eau, NoirJardin (à travers Amazon.com)NAFiltre éponge pour système d’enregistrement du sommeil/hyperactivité
Grade A Oeufs de saumureCrevettes de saumure directBSEA16Z
ImageJfreewareVersion 1.52ehttps://imagej.nih.gov/ij/
macro 1.8/12.5-75mm Objectif zoom à monture CToyoNASe fixe à la webcam USB à l’aide de la monture c, qui est imprimée dans une imprimante 3D
Régulateur neutreSeachemNA
Plastique moulé optique Filtre passe-long IREdmund optics43-948Coupé en un petit morceau pour s’adapter au CCD de la webcam USB
pfmapfreewareBuild 178http://pismotec.com/download/ (à " Télécharger l’archive" lien en bas)
Reef Crystals Reef SaltInstant OceanRC15-10
SwisTrackfreewareVersion 4https://en.wikibooks.org/wiki/SwisTrack
USB webcam (LifeCam Studio 1080p HD Webcam)MicrosoftQ2F-00013Cut 2-2.5 cm de l’avant
WinAutomationfreewareVersion 8https://www.winautomation.com/ (free stand-alone application pour cette procédure)
Système d’exploitation WindowsMicrosoft7, 8 ou 10https://www.microsoft.com/en-us/windows
x264vfwfreewareNAhttps://sourceforge.net/projects/x264vfw/

Références

  1. Keene, A. C., Yoshizawa, M., McGaugh, S. E. Biology and Evolution of the Mexican Cavefish. Biology and Evolution of the Mexican Cavefish. , Elsevier Inc. Amsterdam. (2015).
  2. Mitchell, R. W., Russell, W. H., Elliott, W. R. Mexican eyeless characin fishes, genus Astyanax: Environment, distribution, and evolution.Special publications the museum Texas Tech University. (12), Texas Tech Press. Texas. (1977).
  3. Wilkens, H. Evolution and genetics of epigean and cave Astyanax-fasciatus (Characidae, Pisces) - Support for the neutral mutation theory. Evolutionary Biology. 23, 271-367 (1988).
  4. Fumey, J., Hinaux, H., Noirot, C., Thermes, C., Rétaux, S., Casane, D. Evidence for late Pleistocene origin of Astyanax mexicanus cavefish. BMC Evolutionary Biology. 18 (1), 1-19 (2018).
  5. Yoshizawa, M., Gorički, S., Soares, D., Jeffery, W. R. Evolution of a behavioral shift mediated by superficial neuromasts helps cavefish find food in darkness. Current Biology. 20 (18), 1631-1636 (2010).
  6. Moran, D., Softley, R., Warrant, E. J. Eyeless Mexican cavefish save energy by eliminating the circadian rhythm in metabolism. PloS One. 9 (9), e107877(2014).
  7. Moran, D., Softley, R., Warrant, E. J. The energetic cost of vision and the evolution of eyeless Mexican cavefish. Science Advances. 1 (8), e1500363(2015).
  8. Yoshizawa, M., et al. The Evolution of a Series of Behavioral Traits is associated with Autism-Risk Genes in Cavefish. BMC Evolutionary Biology. 18 (1), 89(2018).
  9. Riddle, M. R., et al. Insulin resistance in cavefish as an adaptation to a nutrient-limited environment. Nature. 555 (7698), 647-651 (2018).
  10. Protas, M. E., et al. Genetic analysis of cavefish reveals molecular convergence in the evolution of albinism. Nature Genetics. 38 (1), 107-111 (2006).
  11. Yoshizawa, M., et al. Distinct genetic architecture underlies the emergence of sleep loss and prey-seeking behavior in the Mexican cavefish. BMC Biology. 13 (1), 15(2015).
  12. Duboué, E. R., Keene, A. C., Borowsky, R. L. Evolutionary convergence on sleep loss in cavefish populations. Current Biology. 21 (8), 671-676 (2011).
  13. Fernandes, V. F. L., Macaspac, C., Lu, L., Yoshizawa, M. Evolution of the developmental plasticity and a coupling between left mechanosensory neuromasts and an adaptive foraging behavior. Developmental Biology. 441 (2), 262-271 (2018).
  14. Pérez-Escudero, A., Vicente-Page, J., Hinz, R. C., Arganda, S., de Polavieja, G. G. idTracker: tracking individuals in a group by automatic identification of unmarked animals. Nature Methods. 11, 743(2014).
  15. Branson, K., Robie, A. A., Bender, J., Perona, P., Dickinson, M. H. High-throughput ethomics in large groups of Drosophila. Nature Methods. 6 (6), 451-457 (2009).
  16. Yoshizawa, M., Jeffery, W. R., Van Netten, S. M., McHenry, M. J. The sensitivity of lateral line receptors and their role in the behavior of Mexican blind cavefish (Astyanax mexicanus). Journal of Experimental Biology. 217 (6), (2014).
  17. Lee, A. Virtualdub. , http://www.virtualdub.org/ (2014).
  18. Schneider, C. A., Rasband, W. S., Eliceiri, K. W. NIH Image to ImageJ: 25 years of image analysis. Nature Methods. 9 (7), 671-675 (2012).
  19. Cavallari, N., et al. A blind circadian clock in cavefish reveals that opsins mediate peripheral clock photoreception. PLoS Biology. 9 (9), e1001142(2011).
  20. Swimmer, B., Lang, H. H. Surface Wave Discrimination between Prey and Nonprey by the Back Swimmer Notonecta glauca L. (Hemiptera , Heteroptera ). 6 (3), Springer Stable. https://www.jstor.org/stable/4599284 233-246 (1980).
  21. Montgomery, J. C., Macdonald, J. A. Sensory Tuning of Lateral Line Receptors in Antarctic Fish to the Movements of Planktonic Prey. 235 (4785), American Association for the Advancement of Science Stable. https://www.jstor.org/stable/1698962 195-196 (1987).
  22. Prober, D. A., Rihel, J., Onah, A. A., Sung, R. J., Schier, A. F. Hypocretin/orexin overexpression induces an insomnia-like phenotype in zebrafish. The Journal of Neuroscience. 26 (51), 13400-13410 (2006).
  23. Zhdanova, I. V., Wang, S. Y., Leclair, O. U., Danilova, N. P. Melatonin promotes sleep-like state in zebrafish. Brain Research. 903 (1-2), 263-268 (2001).
  24. Nussbaum-Krammer, C. I., Neto, M. F., Brielmann, R. M., Pedersen, J. S., Morimoto, R. I. Investigating the Spreading and Toxicity of Prion-like Proteins Using the Metazoan Model Organism C. elegans. Journal of Visualized Experiments. (95), e52321(2015).
  25. Rasband, W. S. Object Tracker. , https://imagej.nih.gov/ij/plugins/tracker.html (2000).
  26. Ferreira, T., Rasband, W. Create Shortcuts. ImageJ User Guide. , https://imagej.nih.gov/ij/docs/guide/146-31.html#sub:Create-Shortcuts... (2012).
  27. Lochmatter, T., Roduit, P., Cianci, C., Correll, N., Jacot, J., Martinoli, A. SwisTrack. , https://en.wikibooks.org/wiki/SwisTrack (2008).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Comportement d'attraction par vibrationsuivi des poissons cavernicolesAstyanax mexicanuscoloration DASPEIanalyse SwisTrackcréation de masques binairestraitement par script Perlimagerie à rétroéclairage infrarougesuivi comportemental à haut débit
Suivi comportemental et l’imagerie de Neuromast des Mexicains Agassizii
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.