Alternative à faible coût pour examiner la préférence sociale chez le poisson-zèbre (Danio rerio) en utilisant la tâche de nage libre en aquarium ouvert à 3 chambres

Ce protocole valide une tâche de nage libre en réservoir ouvert à trois compartiments, peu coûteuse et open source, permettant d'étudier la préférence sociale chez le poisson zèbre. Ce protocole peut être utilisé avec diverses espèces et permet aux étudiants du premier cycle d'explorer la préférence sociale avec un minimum de ressources. Pour commencer, préparez le dispositif en réservoir ouvert comportant une chambre expérimentale centrale et deux chambres de stimulus latérales.

Installez le système d'éclairage rétroéclairé. Des séparateurs opaques et des filtres polarisants permettent d'optimiser l'isolation visuelle et le contraste vidéo. Montez et alignez les caméras devant les chambres à l'aide du cadre de support pour caméras.

Fermez les rideaux occultants et maintenez des conditions stables de maintien avant d'initier l'expérience. Téléchargez le logiciel Open Broadcaster et installez-le sur un ordinateur local fonctionnant sous Windows. Après avoir lancé le logiciel, exécutez l'assistant de configuration automatique pour optimiser les paramètres en fonction des besoins spécifiques d'enregistrement, des ressources matérielles et des conditions réseau.

Vérifiez les paramètres de base avant la configuration de la caméra. Réglez la résolution de base du canevas pour qu'elle corresponde à la résolution d'affichage et définissez la résolution échelonnée de sortie appropriée. Ensuite, créez une scène en cliquant avec le bouton droit dans la zone des scènes et en sélectionnant Ajouter une scène.

Attribuez un nom à la scène et utilisez-le pour définir la disposition du flux. Ajoutez une nouvelle source et sélectionnez Périphérique de capture vidéo pour ajouter une webcam. Attribuez à chaque caméra un nom distinct, par exemple Caméra centrale, et répétez le processus pour la caméra supplémentaire.

Positionnez et redimensionnez les sources dans la fenêtre de prévisualisation. Assurez-vous que la caméra figure dans la liste des sources. Centrez la vue de la caméra sur la toile en appuyant sur Ctrl + D. Appliquez l'ajustement à l'écran en appuyant sur Ctrl + F, ou étirez l'image en appuyant sur Ctrl + S. Recadrez la source en maintenant la touche Alt enfoncée tout en faisant glisser la zone délimitée.

Ensuite, double-cliquez sur la caméra sélectionnée et cliquez sur Configurer la vidéo. Réglez la luminosité et le contraste de la vidéo dans le menu des propriétés. Remplissez les trois chambres avec de l'eau provenant des réservoirs de logement et ajustez la température de l'eau avant d'introduire les poissons.

Veillez à ce que les barrières opaques entre les compartiments soient en place pendant toute la période d'acclimatation. Transférez un adulte de Danio rerio dans le compartiment central et laissez-le s'acclimater pendant au moins une heure. Placez le stimulus social artificiel dans le compartiment de stimulus gauche adjacent.

Ensuite, transférez un petit groupe de quatre poissons, composé de deux mâles et deux femelles de taille, d'âge et de niveau de familiarité similaires, vers la chambre de stimulation droite. Pendant l'acclimatation, équipez toutes les chambres contenant des animaux vivants d'un chauffage immergé réglé à 26 degrés Celsius, d'une pierre à bulles reliée à la pompe à air de l'aquarium et d'un couvercle de cuve afin de maintenir des conditions de maintien stables. Retirez les chauffages et les pierres à bulles avant de commencer la session expérimentale.

Démarrez la caméra unique sur le réservoir central. Lancez le logiciel et redimensionnez la vue de la caméra centrale pour remplir l'écran en cliquant et en faisant glisser les coins de la vidéo. Ensuite, sélectionnez Démarrer l'enregistrement dans les commandes.

Retirez immédiatement les barrières opaques. Après 10 minutes, terminez la session en sélectionnant Arrêter l'enregistrement dans les commandes. Accédez aux sessions enregistrées en sélectionnant Fichier dans le menu en haut à gauche, puis en choisissant Afficher les enregistrements dans le menu déroulant.

Chargez quatre à cinq vidéos dans une application de logiciel d’analyse du mouvement, comme DeepLabCut, et extrayez 20 à 30 images de chaque vidéo. Définissez au moins trois points de suivi principaux, tels que la tête, la queue et le tronc. Entraînez le réseau à suivre ces points sur les images.

Utilisez un réseau neuronal basé sur ResNet-101 pour entraîner le modèle. Déterminez le nombre d'itérations nécessaires pour achever l'entraînement. Ensuite, déployez le modèle DeepLabCut entièrement entraîné sur les vidéos expérimentales restantes et extrayez les données de position pour chaque essai conformément au guide de l'utilisateur.

Ensuite, utiliser un logiciel de codage tel que Python pour définir et analyser les déplacements dans les trois zones verticales du compartiment, de largeur égale, afin de quantifier la préférence. Mesurer le temps passé dans chaque zone en utilisant au moins deux points du corps situés dans la zone identifiée, afin de réduire les bruits de suivi. Calculer le temps total passé dans chaque zone en divisant le nombre total d'images dans la zone par le nombre total d'images.

Utilisez le même logiciel de codage pour définir et mesurer le temps passé immobile, comme l'immobilité complète. Définissez le seuil de mouvement à 2 à 5 pixels par image, avec un nombre minimal consécutif d'images de 15. Enfin, compilez et exportez les mesures pour l'analyse statistique et la visualisation.

Les sujets ont passé significativement plus de temps de session dans la zone de droite, la plus proche du banc vivant, que dans la zone centrale ou dans la zone de gauche, la plus proche du stimulus mobile artificiel. La différence de temps passé entre la zone centrale et la zone de gauche n'était pas statistiquement significative. Les sujets ont passé significativement moins de temps de session immobiles dans la zone centrale que dans la zone de droite, la plus proche du banc vivant, ou dans la zone de gauche, la plus proche du mobile.

Ce protocole peut être utilisé par les chercheurs pour étudier la propension d'un poisson zèbre à interagir visuellement avec deux stimuli sociaux différents et déterminer lequel est préféré. Les chercheurs peuvent utiliser différentes espèces ou configurations de stimuli, ainsi qu'examiner d'autres réponses, telles que les sprints ou la nage erratique. Le système offre une plateforme pour étudier des modèles translationnels de la fonction sociale et pourrait explorer des manipulations pharmacologiques et environnementales.