Intégration semi-automatisée de l'analyse de la durée de vie fonctionnelle du système moteur et de la durée de vie à l'aide du pipeline FlyTrDT chez Drosophila melanogaster

Durga Nandan; Nikhil Raj Selvaraj; Bipin G. Nair; Parvathy Venugopal; Rajaguru Aradhya

doi:10.3791/70697

Article de méthode

Intégration semi-automatisée de l'analyse de la durée de vie fonctionnelle du système moteur et de la durée de vie à l'aide du pipeline FlyTrDT chez Drosophila melanogaster

8 vues

⸱

DOI :

10.3791/70697

⸱

30 octobre 2026

Durga Nandan^*¹ , Nikhil Raj Selvaraj^*¹ , Bipin G. Nair¹ , Parvathy Venugopal¹ , Rajaguru Aradhya¹

¹Amrita School of Biotechnology, Amrita Vishwa Vidyapeetham, Amrita University campus

^* These authors contributed equally

Dans cet article

Résumé

Drosophila melanogaster constitue un organisme modèle puissant pour la recherche sur le vieillissement. Ce protocole décrit les étapes nécessaires pour obtenir une mesure reproductible, basée sur une population, de la durée de vie et de l'espérance de santé fonctionnelle.

Résumé

Le vieillissement se caractérise par un déclin fonctionnel progressif et une durée de vie réduite ; ces deux paramètres sont souvent évalués indépendamment dans les études expérimentales. Chez Drosophila melanogaster, les tests de durée de vie et les mesures locomotrices basées sur la géotaxie négative sont couramment utilisés pour étudier le vieillissement et la neurodégénérescence. Toutefois, il existe un manque de cadres standardisés permettant d'intégrer quantitativement la performance motrice précoce et la survie à long terme. Ici, nous décrivons un protocole reproductible et semi-automatisé qui combine l'analyse de la durée de vie à une quantification objective de l'espérance de santé motrice chez les mouches âgées.

Le protocole intègre des conditions d'élevage contrôlées des drosophiles, le suivi de la mortalité et des tests de géotaxie négative basés sur des vidéos enregistrées au format MP4 normalisé (résolution minimale de 1280 × 720, 30 images/s). La performance locomotrice est quantifiée à l'aide d'un pipeline personnalisé basé sur Python, implémenté en Python 3.12.1 avec OpenCV 4.9.0, NumPy 1.26.4, Pandas 2.2.0 et Matplotlib 3.5.2. Le flux de travail effectue une détection du centroïde image par image et extrait la pente de grimpe active (pixels/s) comme métrique continue de la fonction motrice. Les trajectoires de survie sont analysées en calculant la fraction de survie et en réalisant une intégration numérique trapézoïdale afin d'obtenir la surface sous la courbe de survie (AUC). La normalisation des performances motrices précoces permet une comparaison directe entre le déclin fonctionnel et la longévité globale.

Le flux de travail a été évalué en comparant des mesures semi-automatisées de la pente d'escalade avec un score manuel classique des points terminaux chez des mouches témoins et exprimant l'amyloïde-β, les deux méthodes détectant un déclin moteur dépendant de l'âge. Des jeux de données représentatifs ont démontré des trajectoires de durée de vie reproductibles chez les témoins Canton S et un déficit moteur précoce mesurable dans le modèle de dégénérescence neuronale. Cette méthode minimise les biais de l'observateur, améliore la reproductibilité et reste compatible avec des systèmes d'acquisition vidéo peu coûteux. Le flux de travail peut être facilement adapté à des modèles génétiques, des interventions pharmacologiques et des paradigmes de dégénérescence neuronale, offrant ainsi une plateforme évolutive pour le phénotypage intégré du vieillissement chez Drosophila.

Introduction

Le vieillissement se caractérise non seulement par une durée de vie réduite, mais aussi par un déclin progressif des fonctions physiologiques et comportementales¹. Dans les affections neurodégénératives, des troubles précoces de la coordination motrice surviennent souvent avant une mortalité notable et reflètent un dysfonctionnement neuronal sous-jacent²^,³. La drosophile Drosophila melanogaster s'est imposée comme un modèle puissant pour l'étude du vieillissement et de la neurodégénérescence en raison de sa courte durée de vie, de sa facilité d'analyse génétique et de ses tests comportementaux bien établis⁴. L'analyse de la durée de vie chez Drosophila fournit une mesure robuste de la survie de l'organisme, tandis que les tests de géotaxie négative sont largement utilisés pour évaluer la fonction locomotrice et le déclin moteur dépendant de l'âge⁵^,⁶. Toutefois, ces deux paramètres sont fréquemment analysés indépendamment, ce qui limite la possibilité d'établir une relation quantitative entre les troubles fonctionnels précoces et les trajectoires de survie à long terme. Une analyse intégrée de l'espérance de vie fonctionnelle (« healthspan ») motrice et de la durée de vie pourrait fournir des éléments mécanistiques permettant de déterminer si des interventions influencent le taux de vieillissement, la progression de la maladie ou des systèmes physiologiques spécifiques. Cette approche est particulièrement adaptée aux modèles génétiques, pharmacologiques et neurodégénératifs dans lesquels des déficits locomoteurs précoces précèdent une mortalité notable, permettant ainsi une détection sensible du déclin fonctionnel avant l'apparition de différences observables en matière de survie.

Les tests classiques de géotaxie négative reposent sur une évaluation ponctuelle, comme la proportion de mouches atteignant une hauteur définie dans un intervalle de temps fixe. Bien que simples et peu coûteux, le comptage manuel peut introduire un biais de l'observateur et risque de négliger des différences subtiles dans la cinétique motrice. Des mesures continues dérivées des trajectoires peuvent améliorer la sensibilité pour détecter des déficits locomoteurs subtils par rapport aux approches conventionnelles d'évaluation ponctuelle. De même, les tests de durée de vie exigent un décompte rigoureux des mortalités et une standardisation environnementale afin d'assurer la reproductibilité⁷. Un besoin persiste envers des approches accessibles et reproductibles qui intègrent des indicateurs fonctionnels de la durée de bonne santé avec des données de survie au sein de la même cohorte.

Ici, nous décrivons un protocole semi-automatisé combinant une analyse standardisée de la durée de vie et une quantification basée sur la vidéo des performances motrices chez des Drosophiles âgées. À l’aide d’outils informatiques libres, une détection pas à pas du centroïde est effectuée afin d’extraire la pente d’ascension (pixels/s) comme métrique continue de la fonction motrice. Les données de survie sont traitées en calculant la fraction de survie et en réalisant une intégration numérique trapézoïdale pour obtenir la surface sous la courbe de survie (AUC). En normalisant les performances motrices précoces et en les intégrant à l’AUC de survie, ce protocole permet une comparaison directe entre le déclin fonctionnel et la longévité globale. Cette approche fournit un cadre objectif et économique pour relier la durée de santé motrice à la durée de vie, et permet un phénotypage complet des trajectoires de vieillissement chez la Drosophile.Figure 1).

Protocole

Toutes les expériences ont été réalisées en utilisant Drosophila melanogaster et menées conformément aux directives du laboratoire institutionnel lignes directrices. Une approbation éthique n'était pas requise car l'étude portait sur des organismes invertébrés. Respecter toutes les procédures conformément aux lignes directrices institutionnelles de soins aux animaux pour la recherche sur les invertébrés.

REMARQUE : Conserver les aliments expérimentaux à 4 °C et les utiliser dans la semaine, à condition qu'ils restent secs. Maintenir des conditions environnementales standard en incubant les mouches à 25 °C selon un cycle lumineux de 12 h claires et 12 h sombres, et une humidité relative d'environ 60 %.

1. Préparation du milieu de culture standard pour drosophiles

Préparation de base des aliments
1. Mélanger 6 g de fécule de maïs, 5 g de levure, 4 g de D-glucose, 3 g de saccharose, 1 g d'extrait de levure, 1 g d'agar, et 0,25 g d'extrait de malt dans un récipient contenant 100 mL d'eau distillée.
2. Mélanger soigneusement le contenu à l'aide d'une spatule jusqu'à l'obtention d'une suspension homogène.
3. Chauffer le mélange à environ 85–100 °C sur un réchaud à induction pendant 12–15 min pour des volumes ≥500 mL, ou pendant 5–10 min pour des volumes compris entre 100–400 mL. Remuer en continu pendant le chauffage.
4. Stériliser le mélange chauffé en autoclave selon les procédures standard de stérilisation en laboratoire.
5. Laisser refroidir le milieu stérilisé en autoclave. Surveiller la température à l'aide d'un thermomètre jusqu'à ce qu'elle atteigne 50–55 °C.
6. Ajouter 600 µL d'acide propionique et 100 mg d'acide benzoïque dissous dans 1 mL d'éthanol à 100 % au milieu refroidi, puis bien mélanger.
7. ATTENTION : L'acide propionique et l'éthanol doivent être manipulés dans un endroit bien ventilé, en portant des gants et une protection oculaire, car ces deux produits chimiques sont volatils et peuvent provoquer des irritations en cas d'inhalation ou de contact cutané.
8. Dispenser 5 mL d'aliment dans chaque flacon stérile mesurant 10 cm de longueur et 20 mm de diamètre.
9. Laisser les flacons découverts pendant au moins 5 à 6 heures à température ambiante. Les recouvrir de papier absorbant pour éviter l'entrée de mouches indésirables. Utiliser cette étape afin de minimiser les variations des mesures de longévité dues aux différences dans la préparation et les conditions de stockage du milieu.
Préparation des aliments contenant le composé testé
1. Préparer une petite quantité d'aliment pour adultes comme décrit aux étapes 1.1.1 à 1.1.5.
2. Laisser l'aliment refroidir à 50–55 °C.
3. Préparer une solution mère du composé testé à la concentration souhaitée en utilisant un véhicule approprié, tel que de l'eau distillée ou du diméthylsulfoxyde (DMSO). Dissoudre le composé testé dans le véhicule choisi afin d'obtenir une solution mère concentrée, puis ajouter cette solution à l'aliment refroidi (50–55 °C) pour atteindre la concentration finale souhaitée, tout en maintenant des concentrations identiques de véhicule entre les groupes traités et les groupes témoins.
4. Mélanger soigneusement pour assurer une distribution uniforme.
5. Dispenser 2 mL d'aliment contenant le composé dans chaque flacon expérimental en le superposant à la surface de l'aliment de base préalablement solidifié.
6. Préparer les flacons témoins en ajoutant un volume équivalent de véhicule seul (par exemple, eau distillée ou DMSO à la même concentration finale utilisée dans les groupes traités) à l'aliment superposé sur l'aliment de base.
7. Laisser l'aliment en couches se solidifier complètement à température ambiante avant d'introduire les mouches.
  REMARQUE : Manipulation et stockage des aliments : Si l'aliment est préparé le soir, laisser les flacons recouverts de papier absorbant toute la nuit à température ambiante, puis insérer des bouchons de coton le lendemain matin. Toujours laver, décontaminer et stériliser en autoclave les flacons avant utilisation. Stériliser en autoclave les rouleaux de coton séparément avant de les utiliser comme bouchons. Insérer les bouchons de coton uniquement après que l'aliment ait complètement pris, pendant au moins 5 à 6 heures.

2. Génération de D. melanogaster exprimant l'amyloïde-β

Collecte et vérification de femelles conductrices vierges
1. Maintenir la lignée de mouches conductrices à 25 °C dans un cycle lumière–obscurité de 12 h:12 h avant la collecte des individus vierges.
2. Collecter deux fois par jour, une fois le matin et une fois en fin d'après-midi, les mouches femelles nouvellement écloses de la lignée conductrice en utilisant une anesthésie brève au dioxyde de carbone.
3. Transférer immédiatement après la collecte les femelles récoltées dans des flacons neufs séparés par sexe afin d'éviter l'accouplement.
4. Incuber les flacons à 25 °C pendant 48 heures supplémentaires pour valider leur statut de virginité.
5. Examiner les flacons quotidiennement pour détecter la présence de larves.
6. Confirmer le statut de virginité en vérifiant l'absence d'œufs ou de descendance larvaire.
7. Conserver uniquement les femelles ne présentant aucun signe de production larvaire pour les utiliser dans les croisements génétiques.
Mise en place du croisement génétique
1. Le jour de la mise en place du croisement, collecter les mâles adultes UAS-APPE693G nouvellement éclos en utilisant une anesthésie brève au dioxyde de carbone.
2. Effectuer les croisements en plaçant 20 femelles vierges elav-GAL4 avec 10 mâles UAS-APPE693G dans un flacon neuf contenant du milieu de culture.
3. Incuber les flacons de croisement à 25 °C dans un environnement à humidité contrôlée et un cycle lumière–obscurité de 12 h:12 h.
4. Laisser les mouches s'accoupler et pondre pendant 48 heures.
5. Transférer les adultes dans des flacons neufs si une descendance supplémentaire est nécessaire.
6. Retirer les mouches parentales après la ponte afin d'éviter la surpopulation et le chevauchement des générations.
7. Laisser la descendance se développer jusqu'à l'éclosion sous des conditions standard.
8. Utiliser les mouches adultes F1 exprimant l'amyloïde-β dans les neurones pour les expériences ultérieures sur la durée de vie et le période de bonne santé.
  NOTE : Le conducteur elav-GAL4 permet une expression pan-neuronale de la protéine précurseur de l'amyloïde humaine portant la mutation arctique E693G. Cette expression a lieu tout au long du développement et de l'âge adulte dans des conditions d'élevage standard. Pour les expériences de vieillissement, utiliser des fonds génétiques cohérents et des témoins appropriés. Maintenir des conditions de température constantes au sein de chaque
  expérience. Des températures d'incubation plus basses, comme 18 °C, peuvent être utilisées pendant le développement afin de
  retarder la pathologie associée au transgène avant l'âge adulte.

3. Collecte des mouches

Collecte des mouches pour le test de géotaxie négative
1. Maintenir toutes les souches de mouches sur un milieu standard à 25 °C, environ 60 % d'humidité relative, et un cycle lumineux de 12 h : 12 h (clair/obscur) avant la mise en place de l'expérience.
2. Collecter les mouches mâles adultes nouvellement écloses dans une fenêtre de 2 à 3 jours à l’aide d’une anesthésie brève au dioxyde de carbone.
3. Transférer les mouches mâles dans des tubes contenant soit un milieu additionné de produit actif, soit un milieu témoin, selon la condition expérimentale.
4. Remplacer le milieu tous les 3 jours, ou plus tôt si la qualité du milieu se dégrade.
5. Maintenir les mouches dans ces conditions jusqu’aux âges désignés pour l’évaluation de la géotaxie négative.
  NOTE : Seules les mouches mâles sont utilisées pour le test de géotaxie négative afin d’éviter les variations liées aux différences spécifiques au sexe dans la performance locomotrice et le vieillissement.
Collecte des mouches pour le test de durée de vie
1. Anesthésier brièvement de petits groupes de mouches sur un coussin anesthésiant.
2. Identifier les mouches mâles à l’aide d’un pinceau doux.
3. Minimiser l’exposition au dioxyde de carbone pendant le tri afin d’éviter des effets physiologiques durables qui pourraient fausser les mesures de durée de vie.
4. Placer 10 mouches mâles et 10 mouches femelles, selon un ratio sexuel de 1:1, dans chaque tube de milieu frais, selon le plan expérimental.
5. Effectuer le tri et le prélèvement en moins de 3 à 4 minutes par lot.
6. S’assurer que l’exposition totale à l’anesthésie ne dépasse pas 9 à 10 minutes.
7. PRÉCAUTION : L’anesthésie au dioxyde de carbone doit être appliquée à l’aide de régulateurs appropriés et dans un laboratoire bien ventilé afin de minimiser l’exposition des opérateurs et d’éviter un stress physiologique prolongé induit par l’anesthésie chez les mouches.
8. Répéter les étapes 3.2.1 à 3.2.6 jusqu’à ce que 4 à 6 tubes réplicats soient établis pour chaque condition expérimentale.

4. Expérience de longévité

Transfert et entretien des mouches
1. Élever les mouches dans des conditions standard.
2. Transférer les mouches dans des flacons de nourriture fraîche à intervalles réguliers afin d'éviter la surpopulation, la contamination par les larves et la dégradation de la nourriture.
3. Transférer les mouches dans de la nourriture fraîche tous les 3 jours.
4. Utiliser cette fréquence de transfert pour minimiser les perturbations des conditions d'alimentation en empêchant la croissance larvaire dans le flacon.
5. Effectuer tous les transferts sans anesthésie.
  NOTE : Éviter l'anesthésie durant les expériences de durée de vie car elle peut induire une mortalité aiguë, en particulier chez les mouches âgées.
Évaluation de la mortalité lors des transferts
1. Noter l'âge du groupe en jours à chaque transfert.
2. Examiner soigneusement l'ancien flacon.
3. Compter et noter le nombre de mouches mortes restant dans l'ancien flacon.
4. Compter et noter le nombre de mouches mortes transférées dans le nouveau flacon.
5. Noter ces valeurs séparément afin d'éviter les doubles comptages.
6. Calculer le nombre total de décès pour chaque transfert à l'aide de l'équation suivante :
  Décès totaux = mouches mortes dans l'ancien flacon + mouches mortes transférées dans le nouveau flacon.
7. Déterminer le nombre de nouveaux décès depuis le transfert précédent en soustrayant du nombre total de décès au transfert actuel le nombre de mouches notées comme « transférées » lors du transfert précédent.
8. Utiliser ce calcul afin de s'assurer que les mouches transférées d'un flacon à l'autre ne soient pas comptées plusieurs fois.
Identification des mouches vivantes mais inactives
1. Tapoter doucement le côté du flacon avant de considérer une mouche comme morte lorsque des mouches âgées semblent immobiles ou sont couchées sur le dos.
2. Observer s'il y a un mouvement.
3. Considérer comme vivantes les mouches qui bougent après stimulation.
4. Ne pas noter comme mortes les mouches qui bougent après stimulation.
5. Tapoter doucement le flacon pour déloger les mouches vivantes éventuellement collées à la surface de la nourriture dans l'ancien flacon.
6. Transférer les mouches vivantes délogées dans le nouveau flacon.
7. Ne pas compter comme mortes les mouches vivantes délogées.
  NOTE : Une discrimination précise entre mouches mortes et mouches inactives est essentielle en fin de vie. Une stimulation mécanique douce doit toujours être utilisée avant d'attribuer un statut de décès.
Critères de censure
1. Considérer qu'une mouche est censurée à droite si elle quitte l'expérience avant la mort naturelle en raison d'une évasion du flacon, d'une blessure accidentelle ou de problèmes de manipulation.
2. Noter les mouches censurées dans une colonne distincte le jour où la mouche quitte l'expérience.
3. Ne pas noter les mouches censurées comme mortes.
4. Exclure les mouches censurées des décomptes de mortalité dans l'analyse de survie.
5. Utiliser la censure avec prudence car une censure excessive peut introduire un biais expérimental.
  NOTE : La séparation des mouches « mortes » et « transférées » lors de la saisie des données évite une surestimation des taux de mortalité et garantit une reconstruction correcte des courbes de survie.
Poursuite du test
1. Répéter les étapes 4.1 à 4.4 tout au long de l'expérience.
2. Poursuivre le test jusqu'à ce que la dernière mouche survivante meure.

5. Expérience de géotaxie négative

Préparation des mouches
1. Prélevez les mouches à partir de flacons expérimentaux contenant du milieu de culture, sans utiliser d'anesthésie au CO₂.
2. Transférez délicatement les mouches dans un tube de grimpée propre, ou tube de géotaxie négative, à l’aide d’un petit entonnoir afin d’éviter toute fuite.
3. Laissez les mouches s’acclimater pendant 5 min dans la chambre de test avant de commencer le test.
4. Réalisez tous les tests de grimpée à la même heure de la journée, par exemple l’après-midi, afin de minimiser les variations circadiennes.
  NOTE : Évitez la lumière directe du soleil pendant le test, car l’intensité lumineuse peut modifier le comportement locomoteur.
Configuration du tube de grimpée
1. Utilisez un tube de grimpée cylindrique transparent mesurant 12 cm de hauteur et 2 cm de diamètre.
2. Tracez une ligne horizontale à 10 cm de la base du tube.
3. Placez le tube verticalement contre un fond blanc uniforme afin de faciliter le suivi vidéo.
4. Fixez un smartphone ou un appareil photo numérique sur un support stable.
5. Assurez-vous que l’ensemble du tube soit visible dans le champ de l’enregistrement.
Procédure du test
1. Tapotez fermement le tube trois fois sur un tampon en mousse ou un tapis de souris placé sur une surface solide, de manière à ce que toutes les mouches tombent simultanément au fond du tube.
2. Démarrez immédiatement l’enregistrement vidéo pendant 10 à 12 s à environ 30 images/s.
3. Laissez les mouches grimper librement pendant 10 s.
4. Enregistrez au moins trois essais indépendants par flacon.
5. Prévoyez un intervalle de repos de 10 min entre chaque essai.
6. Réalisez le test pour chaque condition expérimentale, par exemple les groupes témoins, traités par un médicament et témoins au solvant.
7. Comptez le nombre de mouches ayant atteint ou dépassé la marque des 10 cm dans les 10 s.
8. Enregistrez E comme le nombre de mouches ayant atteint 10 cm.
9. Enregistrez T comme le nombre total de mouches vivantes testées.
10. Calculez le pourcentage d’activité de grimpée selon la formule (E/T) × 100.
11. Faites la moyenne des valeurs obtenues sur les trois essais.
12. Présentez les résultats sous la forme moyenne ± écart-type (SD).
Analyse semi-automatisée de la grimpée à l’aide d’un script Python
1. Acquisition vidéo
  1. Enregistrez les tests de géotaxie négative à l’aide d’un smartphone positionné perpendiculairement à un tube de grimpée transparent mesurant 12 cm de hauteur et 2 cm de diamètre. Enregistrez les vidéos à l’aide d’un smartphone ou d’un appareil photo numérique à environ 30 images/s et avec une résolution minimale de 1280 × 720 pixels. Placez l’appareil à une distance fixe d’environ 15 à 20 cm du tube de grimpée, et maintenez une géométrie d’acquisition identique pour tous les enregistrements. Utilisez la hauteur connue du tube (12 cm) comme référence interne de calibration spatiale pour les mesures basées sur les pixels.
  2. Placez le tube contre un fond blanc uniforme.
  3. Enregistrez les vidéos pendant 10 à 12 s.
  4. Conservez des conditions d’éclairage constantes pour tous les enregistrements.
  5. Conservez une distance constante entre la caméra et le tube pour tous les enregistrements.
  6. Conservez une position constante du tube pour tous les enregistrements.
  7. Minimisez la variabilité dans la détection du centroïde.
  8. Enregistrez les vidéos au format .mp4.
  9. Transférez les vidéos enregistrées sur un ordinateur de bureau pour analyse.
2. Traitement vidéo basé sur Python
  1. Analysez les vidéos à l’aide d’un script Python personnalisé fourni en Fichier Supplémentaire 1. Effectuez toutes les analyses avec Python 3.12.1, OpenCV (cv2) version 4.9.0, NumPy version 1.26.4, Pandas version 2.2.0, Matplotlib version 3.5.2 et Scikit-learn version 1.4.2.
    1. Spécifiez le chemin d’accès à la vidéo d’entrée et le répertoire de sortie dans le Fichier Supplémentaire 1 avant d’exécuter le script depuis un environnement Python ou une interface en ligne de commande.
    2. Exécutez le script en tapant python climbing_analysis.py après avoir modifié les variables VIDEO_PATH et OUTPUT_CSV.
  2. Utilisez OpenCV, ou cv2, pour le traitement des images et la détection d’objets.
  3. Utilisez NumPy pour les calculs numériques.
  4. Utilisez Pandas pour l’exportation des données.
  5. Utilisez Matplotlib pour la visualisation.
  6. Traitez chaque vidéo image par image.
  7. Lisez la vidéo à l’aide de la fonction VideoCapture d’OpenCV.
  8. Traitez les images individuelles de manière séquentielle.
  9. Convertissez les images en niveaux de gris.
  10. Appliquez un flou gaussien pour réduire le bruit de fond.
  11. Appliquez un seuillage d’Otsu en mode binaire inverse pour segmenter les mouches par rapport au fond.
  12. Effectuez des opérations morphologiques d’ouverture et de fermeture pour éliminer les petits artefacts et combler les lacunes des contours.
  13. Identifiez les contours dont la surface dépasse un seuil minimal de 60 pixels² afin d’exclure les artefacts de fond et les petits éléments de bruit.
  14. Calculez les moments spatiaux pour chaque contour valide.
  15. Déterminez les coordonnées du centroïde, x et y, pour chaque contour valide.
  16. Faites la moyenne des coordonnées du centroïde lorsque plusieurs mouches sont détectées dans une image.
  17. Obtenez une position moyenne unique de la cohorte par image.
3. Évaluation du contrôle qualité
  1. Vérifiez la segmentation correcte des mouches en confirmant que les contours détectés correspondent bien aux mouches visibles tout au long de l’enregistrement.
  2. Assurez un contraste suffisant entre les mouches et le fond en utilisant un fond blanc uniforme et des conditions d’éclairage stables.
  3. Excluez les vidéos présentant des reflets excessifs, des ombres, un déplacement du tube, un chevauchement sévère des mouches ou une visibilité incomplète du tube.
  4. Considérez les vidéos comme inappropriées pour l’analyse lorsque le suivi du centroïde échoue sur une partie importante de l’enregistrement ou lorsque le seuillage produit des artefacts de fond persistants.
4. Extraction des paramètres de grimpée
  1. Calculez manuellement le score de grimpée comme décrit à l’étape 5.3.7.
  2. Calculez la hauteur de grimpée en pixels comme la différence entre les positions verticales initiale et finale du centroïde.
  3. Calculez la vitesse moyenne en pixels/s comme la longueur totale de la trajectoire divisée par la durée d’enregistrement.
  4. Calculez la vitesse maximale en pixels/s comme le déplacement instantané maximal entre deux images consécutives.
  5. Calculez la longueur de la trajectoire en pixels comme la distance cumulée parcourue entre les images.
  6. Calculez la surface de la trajectoire en pixels² comme la surface de l’enveloppe convexe englobant toutes les positions du centroïde.
  7. Calculez le nombre de changements de direction horizontale.
  8. Calculez le nombre d’arrêts comme le nombre d’images où le déplacement du centroïde reste inférieur à un seuil de distance d’arrêt de 3 pixels entre deux images consécutives.
  9. Tracez la position verticale en fonction du temps pour obtenir une mesure objective de la performance de grimpée active.
  10. Calculez la pente de grimpée en pixels par seconde à l’aide d’une fenêtre de régression linéaire glissante d’une durée d’une seconde pendant la phase active de grimpée de l’enregistrement.
  11. Utilisez la valeur de la pente comme métrique principale de performance motrice pour l’intégration avec l’analyse de survie.
  12. Exportez les paramètres locomoteurs quantifiés, notamment la hauteur de grimpée, la vitesse moyenne, la vitesse maximale, la longueur de la trajectoire, la surface de la trajectoire, le nombre de changements de direction, le nombre d’arrêts et la pente de grimpée, sous forme de fichiers .csv. Enregistrez les graphiques de visualisation de la pente sous forme de fichiers image .png pour vérification de qualité et analyses ultérieures.

6. Intégration de la santé motrice précoce et de l'analyse de survie

Exporter les données de survie sous forme de fichier .csv contenant des colonnes pour le groupe, le jour et le nombre de mouches vivantes.
Calculer la fraction de survie pour chaque groupe à chaque point temporel en divisant le nombre de mouches vivantes par la taille initiale de la cohorte.
Calculer l’aire sous la courbe (AUC) de survie à l’aide d’une intégration numérique trapézoïdale de la fraction de survie en fonction du temps.
Exporter les données de performance motrice sous forme de fichier .csv contenant la pente de grimpe au jour 7 pour chaque groupe.
Normaliser la performance motrice au jour 7 par rapport au groupe témoin, Canton S, en divisant la valeur de pente au jour 7 de chaque groupe par la pente correspondante du témoin.
Fusionner les valeurs normalisées de performance motrice au jour 7 avec les valeurs correspondantes d’AUC de survie pour chaque génotype.
Effectuer une comparaison descriptive de la performance motrice normalisée au jour 7 et de l’AUC de survie afin d’évaluer la relation entre le déclin moteur précoce et les résultats de survie.
Générer une visualisation graphique des valeurs normalisées de performance motrice au jour 7 et de l’AUC de survie (Supplementary File 2).
NOTE : Réaliser toutes les analyses d’intégration survie–motricité à l’aide du script Python personnalisé fourni en Supplementary File 2. Utiliser Pandas pour la gestion des données et la fusion des jeux de données, NumPy pour l’intégration numérique trapézoïdale et Matplotlib pour la visualisation graphique.

7. Analyse statistique

Présenter les mesures de locomotion et de survie sous forme de jeux de données représentatifs obtenus à partir de vials réplicats biologiques.
Exprimer les mesures de locomotion par des valeurs moyennes calculées sur l'ensemble des essais de grimpe indépendants.
Utiliser une représentation graphique de la pente de grimpe (pixels/s) et des valeurs d'aire sous la courbe (AUC) de survie pour illustrer les relations représentatives entre la performance motrice et les résultats de survie.

Résultats

Profils de durée de vie reproductibles dans des conditions d'élevage standardisées
Lorsque les mouches étaient maintenues dans des conditions environnementales contrôlées (25 °C, 60 % d'humidité, cycle lumière–obscurité de 12 h:12 h) à l'aide d'une nourriture standardisée fraîchement préparée, les cohortes témoins présentaient des trajectoires de survie cohérentes entre expériences indépendantes. Les mouches témoins Canton S présentaient une durée de vie médiane d'environ 65 à 72 jours, la survie maximale atteignant 75 jours (Figure 2). Les expériences de durée de vie ont été réalisées avec 2 réplicats biologiques par condition, chacun comprenant 20 mouches. Les trajectoires de survie représentatives obtenues dans des conditions environnementales et alimentaires standardisées ont démontré des profils de durée de vie reproductibles chez les cohortes témoins.

En revanche, les mouches exprimant de manière pan-neuronale l'amyloïde-β présentaient une survie réduite par rapport aux témoins Canton S, ce qui est conforme aux phénotypes neurodégénératifs précédemment décrits dans les modèles de la maladie d'Alzheimer chez Drosophila.⁴^,⁵^,⁶.

Des résultats sous-optimaux sur la durée de vie peuvent survenir lorsque la qualité de la nourriture se dégrade ou lorsque les conditions de manipulation sont inconstantes. Dans ces conditions, des pics de mortalité précoce au cours des 7 à 10 premiers jours et une variabilité accrue entre les flacons (>25 %) ont été observés, indiquant une reproductibilité expérimentale altérée et une moindre cohérence entre les réplicats biologiques.

Déclin moteur dépendant de l'âge détecté par une analyse de grimpe semi-automatisée
L'évaluation manuelle classique de la géotaxie négative a révélé un déclin locomoteur dépendant de l'âge chez les mouches exprimant l'amyloïde-β par rapport aux témoins Canton S (Figure 3). Au jour 7, la performance de grimpe restait globalement comparable entre les groupes, alors qu'au jour 28, les mouches exprimant l'amyloïde-β présentaient une activité de grimpe réduite par rapport aux mouches témoins. Les cohortes témoins ont conservé une performance de grimpe relativement stable au cours du vieillissement. Ces tendances comportementales évaluées manuellement correspondaient à une diminution des valeurs de pente de grimpe obtenues avec le pipeline semi-automatisé FlyTrDT, montrant des tendances dépendantes de l'âge similaires à celles observées avec l'évaluation classique du point final et le flux de travail de suivi computationnel (Figure 4). Le déclin locomoteur observé chez les mouches exprimant l'amyloïde-β est conforme aux altérations comportementales dépendantes de l'âge déjà décrites dans les modèles de neurodégénérescence chez Drosophila utilisant des tests classiques de géotaxie négative⁶^,⁷.

L'analyse semi-automatisée de la grimpe à l'aide de FlyTrDT a révélé une fonction motrice précoce préservée chez les mouches témoins. Au jour 7, les mouches témoins présentaient une pente moyenne de grimpe de 86,64 pixels/s, reflétant un déplacement ascendant soutenu pendant la phase active de grimpe (Figure 4). Au jour 28, la pente s'approchait de zéro (−1,50 pixels/s), ce qui est conforme à un ralentissement associé au vieillissement.

En revanche, les mouches exprimant l'amyloïde-β présentaient un déficit moteur précoce. Au jour 7, la pente d'escalade était réduite à 34,25 pixels/s, soit environ 39 % de la performance du témoin après normalisation. Dès le jour 28, la pente d'escalade diminuait fortement pour atteindre −72,25 pixels/s, indiquant une altération marquée de la performance locomotrice ascendante.

La métrique fondée sur la pente capte le segment de grimpée active et réduit les contributions dues à la latence initiale de sursaut, aux phases de plateau et aux artefacts de mouvement stochastiques. Des pentes positives indiquent une locomotion verticale nette vers le haut, des pentes proches de zéro indiquent un déplacement vertical limité, et des pentes négatives indiquent un déplacement vertical net vers le bas. Ces trajectoires représentatives illustrent une détérioration motrice progressive chez les mouches exprimant l'amyloïde-β par rapport aux témoins appariés par âge.

Dans des conditions d'enregistrement optimales, le pipeline FlyTrDT a généré des trajectoires continues du centroïde avec une segmentation de contour stable et des profils de déplacement vertical cohérents (Figure 4A). Une performance locomotrice réduite chez les mouches exprimant l'amyloïde-β s'est traduite par des trajectoires ascendantes moins soutenues et des valeurs de pente plus faibles (Figure 4B–D). Les vidéos enregistrées avec des reflets excessifs, un positionnement instable des tubes, un éclairage inconstant ou un contraste de fond insuffisant produisaient des trajectoires du centroïde discontinues et des artefacts de suivi intermittents, et ont été exclues lors de l'évaluation du contrôle qualité.

Association entre la performance motrice précoce et les résultats sur la survie
Afin d'examiner les associations entre la performance motrice précoce et les résultats sur la survie, les valeurs normalisées de la pente d'escalade au jour 7 ont été comparées à l'AUC de survie (surface sous la courbe) entre les différents génotypes (Figure 5). Les mouches témoins présentant une performance motrice précoce préservée (indice moteur normalisé = 1,0) ont montré des valeurs d'AUC de survie plus élevées (48,2), tandis que les mouches exprimant l'amyloïde-β avec une performance motrice précoce réduite (indice moteur normalisé = 0,395) présentaient des valeurs d'AUC de survie plus faibles (24,65). Des jeux de données locomoteurs représentatifs ont été obtenus à partir de 2 éprouvettes par condition, réalisées en réplicats biologiques. Ces jeux de données suggèrent une association entre une performance motrice précoce réduite et une durée de survie raccourcie dans le modèle de maladie à amyloïde-β. Étant donné que seuls deux génotypes représentatifs ont été analysés, ces résultats sont présentés de manière descriptive plutôt que sous la forme d'une corrélation prédictive statistiquement significative.

Test de grimpe chez des Drosophiles transgéniques ; diagramme en boîte et courbe de Kaplan-Meier pour une étude sur la maladie d'Alzheimer.
Figure 1 : Aperçu du flux de travail du pipeline FlyTrDT semi-automatisé, intégrant des métriques de durée de vie locomotrice et une analyse de survie. Le flux de travail comprend l'élevage standardisé des mouches et l'analyse de la durée de vie, l'évaluation manuelle et semi-automatisée de la géotaxie négative, l'extraction trame par trame du centroïde à partir de vidéos de grimpe, le calcul de la pente de grimpe (pixels/s), l'analyse de la surface sous la courbe (AUC) de survie, ainsi que l'intégration des performances motrices aux résultats de survie. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Graphique d'analyse de survie comparant les groupes CS témoin et Aβ ; probabilité en fonction des jours.
Figure 2 : Analyse de survie de Kaplan-Meier des mouches témoins Canton S et des mouches exprimant l'amyloïde-β. Les courbes de survie illustrent les trajectoires de durée de vie dans des conditions environnementales et alimentaires standardisées. Les mouches témoins Canton S ont présenté une survie prolongée par rapport aux mouches exprimant l'amyloïde-β de manière pan-neuronale, qui ont montré une durée de vie réduite au cours du vieillissement. Les données représentent des trajectoires de survie représentatives obtenues à partir de 2 flacons par condition, réalisés en réplicats biologiques. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Résultats du test d'escalade chez Drosophila ; les boîtes à moustaches comparent CS vs. elav-Gal4/UAS-Aβ42 aux jours 7 et 28.
Figure 3 : Performance manuelle au test de géotaxie négative chez les mouches témoins et celles exprimant l’amyloïde-β aux jours 7 et 28. Les boîtes à moustaches montrent des mesures représentatives d’activité d’escalade exprimées en pourcentage de mouches franchissant le seuil de 10 cm en 10 secondes. Les mouches témoins Canton S (CS) conservent une activité d’escalade relativement stable au cours du vieillissement, tandis que les mouches exprimant l’amyloïde-β présentent une diminution de leur performance d’escalade au jour 28. Chaque point représente une mesure individuelle provenant d’un flacon. Les jeux de données représentatifs ont été obtenus à partir de 2 flacons par condition, en réplicats biologiques. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Analyse de la hauteur d'escalade ; les graphiques A-D montrent les pentes en pixels/s ; les courbes temps contre hauteur ; les tendances des données.
Figure 4 : Extraction semi-automatisée des trajectoires d'escalade et de la pente d'escalade active chez des mouches témoins et exprimant l'amyloïde-β. Des trajectoires moyennes représentatives de la position verticale ont été extraites à partir de vidéos de géotaxie négative en utilisant le pipeline de suivi FlyTrDT. Les tracés bleus représentent la position moyenne du centroïde vertical, image par image, des mouches détectées au cours du temps, et les segments rouges indiquent un segment d'escalade active représentatif identifié à l'aide d'une fenêtre de régression linéaire glissante. Les valeurs de pente sont exprimées en pixels/s. (A) Mouches témoins Canton S au jour 7. (B) Mouches exprimant l'amyloïde-β au jour 7. (C) Mouches témoins Canton S au jour 28. (D) Mouches exprimant l'amyloïde-β au jour 28. Les trajectoires représentatives ont été générées à partir de 2 éprouvettes par condition, chacune constituant une réplication biologique. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Graphique de la santé motrice précoce par rapport à la survie ; les axes montrent la santé motrice normalisée au jour 7 et l'aire sous la courbe (ASC) de survie.
Figure 5 : Association entre la performance motrice précoce et les résultats de survie dans un modèle de Drosophile de toxicité de l'amyloïde-β. Les valeurs normalisées de pente d'escalade au jour 7 ont été tracées en fonction de l'aire sous la courbe (ASC) de survie pour les mouches témoins Canton S (CS) et les mouches exprimant l'amyloïde-β (AD) (n = 2). Les mouches témoins présentaient une performance motrice précoce plus élevée et des valeurs ASC de survie accrues par rapport aux mouches exprimant l'amyloïde-β. Ces jeux de données représentatifs illustrent une association entre la performance locomotrice précoce et les résultats de survie. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Fichier supplémentaire 1 : Script d'analyse de l'ascension FlyTrDT basé sur Python, utilisé pour la quantification semi-automatisée de la locomotion à partir de vidéos de géotaxie négative. Le script effectue un traitement d'image image par image, la détection du centroïde, l'extraction des trajectoires et le calcul de paramètres d'ascension, notamment la pente d'ascension, la vitesse, la longueur de la trajectoire, la surface de la trajectoire, le nombre d'arrêts et le nombre de changements de direction.Veuillez cliquer ici pour télécharger ce fichier.

Fichier supplémentaire 2 : Script Python pour l'intégration des données de durée de vie fonctionnelle du moteur et de durée de vie. Le script effectue le calcul de la fraction de survie, l'analyse de la surface sous la courbe (AUC) par la méthode des trapèzes, la normalisation des valeurs de pente de grimpée du jour 7, la fusion des jeux de données et la visualisation graphique des performances motrices et des résultats de survie.Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Nous présentons ici un protocole combinant l'analyse de la durée de vie et la quantification semi-automatisée de l'intervalle de santé locomoteur chez Drosophila melanogaster. L'intégration fiable des mesures de durée de vie et de locomotion dépend fortement de la constance environnementale, de la qualité de la nourriture et de procédures standardisées de manipulation entre les réplicats biologiques.⁷La variabilité de la sécheresse des aliments, les transferts tardifs ou un comptage incohérent des décès peuvent provoquer des pics de mortalité précoces et une variation accrue entre les vials, affectant ainsi la reconstruction des courbes de survie et l'interprétation ultérieure des phénotypes de vieillissement.

Lors du test de géotaxie négative, des conditions d'éclairage constantes, un positionnement de la caméra et un alignement des tubes doivent être maintenus afin d'assurer une détection fiable du centroïde lors du traitement vidéo. L'exposition excessive au CO₂ pendant le tri doit être minimisée, car l'anesthésie peut affecter à la fois la durée de vie et la performance locomotrice. Lorsque des mesures comportementales répétées sont effectuées sur la même cohorte, les tests doivent être réalisés à la même heure de la journée afin de réduire la variabilité circadienne. Un contraste de fond insuffisant ou un éclairage inconstant peuvent nuire au seuil de détection et à la détection des contours lors de l'analyse automatisée. Si une fragmentation des contours ou des trajectoires centroïdes instables sont observées lors du traitement vidéo, améliorez le contraste de fond, réduisez les reflets, stabilisez le positionnement de la caméra et maintenez un éclairage uniforme tout au long des enregistrements. Les artefacts persistants de seuil peuvent être réduits en ajustant l'angle d'enregistrement, en diminuant les ombres ou en veillant à ce que l'ensemble du tube d'escalade reste continûment visible dans le cadre. Un regroupement excessif des mouches à l'intérieur du tube peut compromettre l'estimation précise du centroïde et doit être minimisé en maintenant des tailles de cohorte constantes entre les expériences.

Les tests classiques de géotaxie négative quantifient généralement la proportion de mouches atteignant une hauteur prédéfinie au cours d'un intervalle de temps fixe et sont couramment utilisés pour évaluer la détérioration locomotrice au cours du vieillissement et de la neurodégénérescence.⁵^,⁶. En revanche, le flux de travail semi-automatisé présenté ici extrait une phase de grimpée active correspondant à un déplacement ascendant et calcule la pente de grimpée active (en pixels/s) à partir des trajectoires du centroïde calculées image par image. Étant donné que les positions du centroïde sont moyennées sur toutes les mouches détectées dans chaque image, les trajectoires locomotrices individuelles ainsi que l'hétérogénéité comportementale entre mouches ne sont pas résolues. Cette approche réduit l'impact de la latence au sursaut, des pauses transitoires et des comportements de regroupement, qui influencent les évaluations manuelles basées sur des points terminaux. Contrairement aux méthodes d'évaluation classiques fondées sur des points terminaux, le flux de travail proposé fournit également des mesures continues de la pente ascendante (en pixels/s), permettant une comparaison quantitative du déclin moteur selon l'âge et le génotype. Des approches computationnelles de suivi similaires sont de plus en plus utilisées afin d'améliorer l'objectivité et la reproductibilité de l'analyse comportementale chez Drosophila à l'aide de plateformes automatisées de quantification locomotrice.⁸^,⁹^,¹⁰^,¹¹^,¹².

Plusieurs limitations supplémentaires doivent être prises en compte. Les mesures basées sur les pixels de la pente d'escalade (pixels/s) dépendent d'une calibration cohérente de la caméra et d'une géométrie d'enregistrement constante entre les expériences. Des différences de distance ou de résolution de la caméra peuvent affecter les valeurs absolues de la pente, nécessitant une normalisation par rapport à des témoins internes. De plus, bien que le déclin moteur précoce ait été qualitativement associé à une réduction de la survie dans le modèle d'amyloïde-β présenté ici, une validation plus large à travers d'autres génotypes, interventions ou traitements pharmacologiques renforcerait l'interprétation de la relation entre la performance motrice et les résultats de survie. Les jeux de données représentatifs présentés ici visent à démontrer la mise en œuvre et l'interprétation du flux de travail, plutôt qu'à établir un modèle prédictif généralisé dans différents contextes pathologiques.

Malgré ces limites, ce protocole fournit un cadre reproductible et économique permettant de relier les paramètres fonctionnels de la durée de bonne santé aux résultats en termes de survie dans les études sur le vieillissement. La méthode peut facilement être adaptée à des manipulations génétiques, à des paradigmes de criblage pharmacologique et à des modèles de neurodégénérescence dans lesquels le déclin fonctionnel précède la mortalité. En combinant une quantification objective de la pente d'escalade (pixels/s) avec une analyse de survie standardisée, cette approche permet un phénotypage complet des trajectoires de vieillissement chez Drosophila. Des études futures intégrant des génotypes supplémentaires associés à la neurodégénérescence, des interventions pharmacologiques et des jeux de données comportementales longitudinaux pourraient renforcer encore l'utilité de ce protocole pour une analyse intégrée de la durée de bonne santé.¹³^,¹⁴.

Déclarations de divulgation

Les auteurs n'ont rien à divulguer.

Remerciements

Ce travail a été soutenu financièrement par l'École de biotechnologie Amrita, Amrita Vishwa Vidyapeetham, Amritapuri.

Matériaux

Liste des matériaux utilisés dans cet article
Nom	Entreprise	Numéro de catalogue	Commentaires
Agar	Himedia	GRM666	Agent de solidification
Acide benzoïque	Himedia	GRM488	Conservateur antimicrobien
Canton-S	Bloomington Drosophila Stock Center	BDSC #1	Souche de référence sauvage
Tube d'escalade	Construit sur mesure	N/A	Tube cylindrique transparent, hauteur de 12 cm × diamètre de 2 cm, en plastique ou en verre transparent
Farine de maïs	Fournisseur local	N/A	Préparation de la nourriture pour mouches
Ordinateur de bureau/ordinateur portable	Tout fabricant	Défini par l'utilisateur	Système avec processeur double cœur minimum, ≥8 Go de RAM, système d'exploitation compatible Python 3.x
D-glucose	Himedia	MB037	Constituant de la nourriture pour mouches
elav-GAL4	Bloomington Drosophila Stock Center	BDSC #458	Pilote GAL4 pan-neuronal
Matplotlib	Bibliothèque open source	Version 3.5.2	Tracé et visualisation
NumPy	Bibliothèque open source	Version 1.26.4	Calculs numériques
OpenCV	Bibliothèque open source	Version 4.9.0	Traitement vidéo
Pandas	Bibliothèque open source	Version 2.2.0	Gestion des données
Acide propionique	Himedia	GRM3658	Conservateur antifongique
Python	Python Software Foundation	Version 3.12.1	Environnement d'analyse
Scikit-learn	Bibliothèque open source	Version 1.4.2	Analyse par régression linéaire
Appareil photo de smartphone / Appareil photo numérique	Tout fabricant	Défini par l'utilisateur	Enregistrement à 30 images/s minimum, mise au point stable, position perpendiculaire, résolution minimale de 1280 × 720
Saccharose	Himedia	GRM601	Constituant de la nourriture pour mouches
UAS-APP.Aβ.E693G	Bloomington Drosophila Stock Center	BDSC #33774	Modèle de mutation arctique humaine d'APP
Levure	Himedia	RM027	Supplément nutritionnel

Références

López-Otín C, et al. The hallmarks of aging. Cell. 2013;153(6):1194-217.
Caligiore D, Giocondo F, Silvetti M. The Neurodegenerative Elderly Syndrome (NES) hypothesis: Alzheimer and Parkinson are two faces of the same disease. IBRO Neurosci Rep. 2022;13:330-43.
Buchman AS, Bennett DA. Loss of motor function in preclinical Alzheimer’s disease. Expert Rev Neurother. 2011;11(5):665-76.
Sivanantharajah L, Mudher A, Shepherd D. An evaluation of Drosophila as a model system for studying tauopathies such as Alzheimer’s disease. J Neurosci Methods. 2019;319:77-88.
Jones MA, Grotewiel M. Drosophila as a model for age-related impairment in locomotor and other behaviors. Exp Gerontol. 2011;46(5):320-5.
Gargano JW, Martin I, Bhandari P, Grotewiel MS. Rapid iterative negative geotaxis (RING): a new method for assessing age-related locomotor decline in Drosophila. Exp Gerontol. 2005;40(5):386-95.
Linford NJ, Bilgir C, Ro J, Pletcher SD. Measurement of lifespan in Drosophila melanogaster. J Vis Exp. 2013;(71):50068.
Spierer AN, Yoon D, Zhu CT, Rand DM. FreeClimber: automated quantification of climbing performance in Drosophila. J Exp Biol. 2021;224(2).
Taylor MJ, Tuxworth RI. Continuous tracking of startled Drosophila as an alternative to the negative geotaxis climbing assay. J Neurogenet. 2019;33(3):190-8.
Cao W, et al. An automated rapid iterative negative geotaxis assay for analyzing adult climbing behavior in a Drosophila model of neurodegeneration. J Vis Exp. 2017;(127):56507.
Liu H, et al. Automated rapid iterative negative geotaxis assay and its use in a genetic screen for modifiers of Aβ42-induced locomotor decline in Drosophila. Neurosci Bull. 2015;31(5):541-9.
Rhodenizer D, et al. Genetic and environmental factors impact age-related impairment of negative geotaxis in Drosophila by altering age-dependent climbing speed. Exp Gerontol. 2008;43(8):739-48.
Tsintzas E, Niccoli T. Using Drosophila amyloid toxicity models to study Alzheimer’s disease. Ann Hum Genet. 2024;88(5):149-65.
O’Keefe L, Denton D. Using Drosophila models of amyloid toxicity to study autophagy in the pathogenesis of Alzheimer’s disease. Biomed Res Int. 2018;2018:5195416.

Réimpressions et autorisations

Explorer plus d’articles

Géotaxie négative performance locomotrice trajectoires de survie essai basé sur la vidéo détection du centroïde pente de montée modèle neurodégénératif

Cet article a été publié

Vidéo bientôt disponible

Tenez-moi informé :