הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

שילוב של הערכה התנהגותית של בעלי חיים ורשת עצבית קונבולוציונית לחקר אינטראקציה בין טעם וריח לאלכוהול ווסאבי

1.3K צפיות

⸱

DOI:

10.3791/66981

⸱

16 באוגוסט 2024

 ,  ,  ,  ,  , 
1State Key Laboratory of Environmental and Biological Analysis, Department of Chemistry, Hong Kong Baptist University, 2Guangdong-Hong Kong-Macao Joint Laboratory for Contaminants Exposure and Health, School of Environmental Science and Engineering, Institute of Environmental Health and Pollution Control, Guangdong University of Technology, 3Guangdong Provincial Key Laboratory of Research and Development of Natural Drugs, and School of Pharmacy, Guangdong Medical University

במאמר זה

סיכום

מאמר זה מתאר סדרה של שיטות למדידת יכולת הדיכוי של רחרוח משקאות אלכוהוליים על תחושת הצריבה המעוררת ווסאבי.

תקציר

משחות הווסאבי המסחריות המשמשות בדרך כלל להכנת מזון מכילות תרכובת הומולוגית של איזותיוציאנטים כימו-סנסוריים (ITC) המעוררים תחושה מגרה בעת צריכתם. ההשפעה של רחרוח משקאות אלכוהוליים דיאטטיים על תחושת חריפות הווסאבי מעולם לא נחקרה. בעוד שרוב מחקרי ההערכה החושית מתמקדים במזון ומשקאות בודדים בנפרד, חסרים מחקרים על מחקר חוש הריח של רחרוח משקאות חריפים בזמן צריכת ווסאבי. כאן פותחה מתודולוגיה המשלבת שימוש במחקר התנהגותי של בעלי חיים ורשת עצבית קונבולוציונית לניתוח הבעות הפנים של עכברים כאשר הם מרחרחים בו זמנית משקאות חריפים וצורכים ווסאבי. התוצאות מראות כי מודל הלמידה העמוקה המיומן והמתוקף מזהה 29% מהתמונות המתארות טיפול משותף בווסאבי ובאלכוהול השייכים לקבוצת הוואסבי-שלילי למשקאות חריפים-חיוביים ללא צורך בסינון חומרי הדרכה מקדים. ניתוח סטטיסטי של ציוני סולם עווית עכברים המתקבלים מתמונות מסגרת הווידאו שנבחרו מגלה הבדל משמעותי (P < 0.01) בין נוכחות והיעדר משקאות חריפים. ממצא זה מצביע על כך שלמשקאות אלכוהוליים תזונתיים עשויה להיות השפעה פוחתת על תגובות הוואסבי בעכברים. מתודולוגיה קומבינטורית זו טומנת בחובה פוטנציאל לסינון תרכובת ITC פרטנית ולניתוחים חושיים של מרכיבי הרוח בעתיד. עם זאת, מחקר נוסף נדרש כדי לחקור את המנגנון הבסיסי של דיכוי אלכוהול של חריפות ווסאבי.

מבוא

Wasabia japonica, הידוע בכינויו ווסאבי, זכה להכרה בהכנת מזון 1,2. החוויה החושית האינטנסיבית שהיא מעוררת בעת הצריכה, המאופיינת בדמעות, התעטשויות או שיעול, ידועה היטב. ניתן לייחס את החריפות הייחודית הזו של ווסאבי לתרכובת הומולוגית של איזותיוציאנטים כימו-סנסוריים (ITC). הם פיטוכימיקלים נדיפים של אורגנו-גופרית שניתן לסווג ל-ω-alkenyl ו-ω-methylthioalkyl isothiocyanates3. מבין תרכובות אלה, אליל איזותיוציאנט (AITC) הוא מוצר ITC הטבעי הנפוץ ביותר שנמצא בצמחים השייכים למשפחת המצליבים, כגון חזרת וחרדל4. משחות ווסאבי מסחריות מוכנות בדרך כלל מחזרת, מה שהופך את AITC לסמן כימי המשמש לבקרת איכות של מוצרים מסחריים אלה5.

שילוב משקאות אלכוהוליים דיאטטיים עם מנות עם ווסאבי יכול להיחשב דוגמה לנטייה תרבותית6. מבחינה סובייקטיבית, שילוב זה עשוי להשלים את החריפות והחום שבין הוואסבי לרוח, ולהעצים את החוויה הקולינרית הכוללת. הערכה התנהגותית איכותנית של בעלי חיים (QBA) היא גישה מתודולוגית מקיפה של בעלי חיים שלמים הבוחנת שינויים התנהגותיים בנבדקים בתגובה לגירויים חיצוניים קצרי טווח או ארוכי טווח באמצעות מונחים מספריים7. שיטה זו כוללת מבחני כאב, מבחנים מוטוריים, מבחני למידה וזיכרון, וכן מבחני רגש שתוכננו במיוחד עבור דגמי מכרסמים8. עם זאת, מחקרים שבדקו את ההערכה החושית הסינרגטית של חוש הריח יחד עם חוש הריח נותרו נדירים בספרות עד כה 9,10. רוב המחקרים על תחושה כימיתטית מוגבלים לבחינת צריכת מזון ומשקאות בודדיםבנפרד 11. כתוצאה מכך, קיים מחסור במחקר על האינטראקציה טעם-ריח הכרוכה בפעולת הרחרוח של משקאות חריפים בזמן צריכת ווסאבי.

מכיוון שתחושת הצריבה הנגרמת על ידי ווסאבי נחשבת לצורה של nociception12, הערכות התנהגותיות של בעלי חיים מתאימות היטב להערכת התגובות החושיות הנוסיספטיביות בחיות מכרסמים 8,13,14. שיטה להערכת nociception בעכברים, הידועה בשם ניקוד סולם עווית עכבר (MGS) פותחה על ידי Langford et al.15,16. שיטת מחקר התנהגותית זו היא גישת הערכה הקשורה לכאב, המסתמכת על ניתוח הבעות הפנים המוצגות על ידי עכברי הניסוי. מערך הניסוי פשוט, וכולל כלוב שקוף ו-2 מצלמות להקלטת וידאו. על ידי שילוב טכנולוגיות מתקדמות 17,18,19 ללכידת נתונים אוטומטית, ניתן להשיג מדדים התנהגותיים כמותיים ואיכותיים, המשפרים את רווחת בעלי החיים במהלך ניטור התנהגותי 20. כתוצאה מכך, ל- MGS יש פוטנציאל להיות מיושם בחקר ההשפעות של גירויים חיצוניים שונים על בעלי חיים באופן רצוף ואד ליביטום. עם זאת, תהליך הניקוד כולל רק כמה (פחות מ -10) תמונות מסגרת וידאו להערכה על ידי חברי הפאנל, ויש צורך בהכשרה מוקדמת. ניקוד מספר רב של תמונות לדוגמה יכול להיות עבודה רבה. כדי להתגבר על אתגר גוזל זמן זה, מספר מחקרים השתמשו בטכניקות למידת מכונה לחיזוי ציון MGS21,22. עם זאת, חשוב לציין כי MGS הוא מדד מתמשך. לכן, מודל סיווג רב-מעמדי יתאים יותר להערכת בעיה לוגית וקטגורית, כגון קביעה אם התמונות של עכברים בולעים ווסאבי ומרחרחים בו זמנית דומים לאלה של עכברים רגילים.

במחקר זה הוצעה מתודולוגיה לחקר האינטראקציה בין טעם לריח בעכברים. מתודולוגיה זו משלבת מחקרים התנהגותיים בבעלי חיים עם רשת עצבית קונבולוציונית (CNN) כדי לנתח את הבעות הפנים של נבדקי העכבר. שני עכברים נצפו שלוש פעמים בתנאי התנהגות רגילים, במהלך החוויה של נוסיספטציה הנגרמת על ידי ווסאבי ובזמן שרחרח משקאות חריפים בכלוב שתוכנן במיוחד. הבעות הפנים של העכברים הוקלטו בווידיאו, ותמונות המסגרת שנוצרו שימשו לאופטימיזציה של הארכיטקטורה של מודל למידה עמוקה (DL). לאחר מכן המודל אומת באמצעות מערך נתונים עצמאי של תמונות ונפרס כדי לסווג את התמונות שנרכשו מקבוצת הניסוי. כדי לקבוע את מידת דיכוי חריפות הוואסבי כאשר העכברים רחרחו בו זמנית משקאות חריפים במהלך צריכת הווסאבי, התובנות שסופקו על ידי בינה מלאכותית אוששו עוד יותר באמצעות אימות צולב עם שיטת ניתוח נתונים אחרת, ה- MGS קיבל ציון16.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

במחקר זה, שני עכברי ICR זכרים בני 7 שבועות במשקל של בין 17-25 גרם שימשו להערכה התנהגותית של בעלי חיים. כל הליכי הדיור והניסויים אושרו על ידי ועדת האוניברסיטה הבפטיסטית של הונג קונג לשימוש בבני אדם ובבעלי חיים בהוראה ובמחקר. חדר החיות נשמר בטמפרטורה של 25 מעלות צלזיוס ולחות בחדר של 40%-70% במחזור אור-חושך של 12 שעות.

1. עיצוב כלוב

  1. הכינו לבני סטירן אקרילוניטריל בוטאדיאן ב-3 מידות שונות לבניית כלובים: 8 מ"מ x 8 מ"מ x 2 מ"מ, 16 מ"מ x 16 מ"מ x 6 מ"מ, ו- 32 מ"מ x 16 מ"מ x 6 מ"מ.
  2. הכינו צלחת סטירן אקרילוניטריל בוטאדיאן (312 מ"מ x 147 מ"מ x 2 מ"מ) כבסיס הכלוב.
  3. הכינו צלחת אקרילית לא שקופה בגודל 239 מ"מ x 107 מ"מ בעובי של 2 מ"מ שתשמש כצלחת התחתונה.
  4. הכינו צלחת אקרילית שקופה בגודל 239 מ"מ x 107 מ"מ בעובי של 5 מ"מ שתשמש כצלחת העליונה.
  5. הכינו לוח אקרילי שקוף בגודל 107 מ"מ x 50 מ"מ בעובי של 7 מ"מ שישמש כלוח הדקים.
  6. בניית 2 קירות צד אטומים על ידי ערימת לבנים לגובה של 54 מ"מ.
  7. הטמיעו את לוחות האקריליק בכלוב מבוסס אקרילוניטריל בוטאדיאן על בסיס סטירן, כפי שמודגם באיור 1A.
  8. הכינו תא צ'וס שנבנה מחמישה לוחות אקריליק שקופים בגודל 90X50 מ"מ בעובי של 2 מ"מ, כפי שמודגם באיור 1B. בין 5 לוחות אקריליק שקופים, להשתמש 2 צלחות עבור הצדדים, צלחת אחת עבור העליון, צלחת אחת עבור התחתון, ו 1 צלחת עבור הטרמינל.
  9. הכינו צלחת אקריליק שקופה בגודל 60 מ"מ על 50 מ"מ בקוטר 2 מ"מ כצלחת מבוא לצ'או, והניחו אותה בתא הצ'או.

2. הערכה התנהגותית של בעלי חיים

  1. המלטות בית של 2 עכברי ICR זכרים בני 7 שבועות יחד בכלוב רגיל.
  2. ספקו להמלטות של 2 עכברים גישה חופשית לכדורי מזון ומי ברז לתקופת הסתגלות של שבוע.
  3. לאחר שבוע, להציג את littermates של 2 עכברים עם בקבוק אתנול (~ 40% v/v).
    הערה: ודא שהם מורשים רק לרחרח או לשאוף את האתנול המימי שסופק על בסיס אד ליביטום , בזמן שהשתייה מוגבלת.
  4. ערכו ניסויים התנהגותיים באמצעות מודל העכבר בן 9-10 השבועות וכלוב התא השקוף שמתואר באיור 1A.
  5. יש לפרק את כל לוחות האקריליק וצלחות הסטירן אקרילוניטריל בוטאדיאן ולנקות אותם היטב. התחל על ידי שטיפתם עם מים טהורים במיוחד לפחות 3 פעמים ולאחר מכן יבש אותם באמצעות מגבות נייר. לאחר מכן, רססו אותם עם 75% אתנול, ולאחר מכן נקו אותם עם נייר עדשה. לבסוף, הניחו להם להתייבש באוויר למשך 15 דקות לפחות.
  6. שקלו את העכברים ורשמו את משקל גופם לפני כל שכפול של הניסוי ההתנהגותי.
  7. מכינים תערובת טרייה של ווסאבי וחמאת בוטנים במשקל 1 גרם ווסאבי מסחרי ו-4.5 גרם חמאת בוטנים. מערבבים אותם בשקית ניילון עם רוכסן.
    הערה: בשל התנודתיות של האיזותיוציאנטים בוואסאבי, חשוב לאחסן את הווסאבי המסחרי במקפיא של -20 מעלות צלזיוס.
  8. שקלו וספקו שתי משחות של 0.5 גרם חמאת בוטנים או תערובת של ווסאבי וחמאת בוטנים על צלחת המבוא לצ'או, כפי שמודגם באיור 1B, C.
  9. הניחו את צלחת הכנסת הצ'או המוכנה בתא הצ'או, כפי שמודגם באיור 1B, C, כדי לאפשר לשני העכברים גישה למזון במהלך כל הקלטת וידאו.
  10. מלאו את החריץ שמתחתיו ב-30 מ"ל של נוזל, מים טהורים או משקאות חריפים (~42% אתנול v/v), כדי להקל על שאיפה בו-זמנית, כפי שמצוין באיור 1B, C.
  11. התחל להקליט באמצעות המצלמות על 2 טלפונים חכמים להציב על עמדות הטלפון בכל מסוף.
    הערה: מפרטי הסרטונים הם כדלקמן: רוחב מסגרת, 1920; גובה מסגרת, 1080; קצב נתונים, 20745 kbps; קצב פריימים, 30.00 מסגרות לשנייה (FPS).
  12. הניחו בזהירות את 2 העכברים המאומנים בפלטפורמת המחקר ההתנהגותית המעוצבת של בעלי חיים מלמעלה ואבטחו מיד את הכלוב עם הצלחת העליונה.
    הערה: ודא ששלב זה הושלם תוך 15 שניות.
  13. הקלט כל סרטון במשך 2-3 דקות.
    הערה: יש לוודא שכל משך הניסוי, מהכנת תערובת חמאת בוטנים-ווסאבי ועד להשלמת הקלטת הווידאו, מוגבל ל-5 דקות.
  14. חזור על כל הניסוי 3 פעמים.
    הערה: ודא שכל העתק של הניסוי מופרד במשך 6 שעות לפחות.
  15. חיקוי תרחישים שונים.
    הערה: לדוגמה, בעבודה זו, נעשה שימוש בזוג עכברים ב-4 קבוצות עם 4 תרחישים שונים שחיקו באמצעות הגדרת הניסוי שתוארה לעיל. תרחישים אלה כוללים תרחיש א' למחקר הרקע, תרחיש ב' למחקר הבקרה החיובית, תרחיש ג' למחקר האינטראקציה בין טעם וריח לאלכוהול ווסאבי, ותרחיש ד' למחקר הבקרה השלילית. טבלה 1 מספקת סיכום של תרחישים אלה.

3. זיהוי תמונה

בדומה למחקרים רבים על עיבוד תמונה 23,24,25, מודל סיווג הושג על ידי אימון CNN. הסקריפט לפעולות DL נכתב בפייתון v.3.10 על Jupyter Notebook (אנקונדה3). הוא זמין במאגר GitHub הבא: git@github.com:TommyNHL/imageRecognitionJove.git. כדי לבנות ולאמן את CNN, נעשה שימוש בספריות קוד פתוח, כולל, numpy v.1.21.5, seaborn v.0.11.2, matplotlib v.3.5.2, cv2 v.4.6.0, sklearn v.1.0.2, tensorflow v.2.11.0 ו-keras v.2.11.0. ספריות אלה סיפקו את הכלים והפונקציונליות הדרושים כדי לפתח ולהכשיר את CNN לזיהוי תמונות.

  1. יצא סדרה של תמונות מסגרת וידאו מסרטוני הווידאו שנאספו כדי ליצור ערכת נתונים לאימון מודלים באמצעות מחברת Jupyter שסופקה, בשם Step1_ExtractingAndSavingVideoFrameImages.ipynb.
  2. בחר רק את התמונות עם עכבר אחד לפחות צורך את הדבק שסופק. דוגמאות לתמונות שנבחרו מופיעות באיור משלים 1, איור משלים 2, איור משלים 3, איור משלים 4, איור משלים 5, איור משלים 6 ואיור משלים 7.
  3. בצע הגדלת נתונים על-ידי היפוך אופקי של התמונות שנוצרו על-ידי יישום הסקריפט שסופק במחברת Jupyter, בשם Step2_DataAugmentation.ipynb.
  4. שמור את נתוני התמונה מכל שכפול שנייה לצורך אימות חיצוני עצמאי של מודל CNN. השתמש בתמונות מכל עותק משוכפל ראשון ושלישי לצורך אימון ובדיקה פנימיים של הדגם.
  5. עבד מראש את נתוני התמונה המשמשים במידול CNN על-ידי הפעלת הסקריפט במחברת Jupyter, בשם Step3_CNNmodeling_TrainTest.ipynb, כולל שינוי גודל תמונה, המרת צבע שחור ונורמליזציה של אותות תמונה.
  6. פצלו את חומרי ההדרכה למערכי נתונים פנימיים של הדרכה ובדיקה באופן אקראי ביחס של 8:2.
  7. אתחל את הארכיטקטורה עבור CNN. תכנן את מספר התפוקות של CNN בהתבסס על מספר התרחישים שיש לבחון.
    הערה: לדוגמה, במחקר זה, הרשת העצבית נועדה לסווג 3 כיתות. ודא שהסקריפט לטיפול בחוסר איזון נתונים במשקל הכיתה עבר הידור.
  8. מצא את שילוב היפר-פרמטרים שמניב הפסד מינימלי בדגימות הבדיקה הפנימיות לבניית CNN.
  9. אמץ את שילוב ההיפרפרמטרים האופטימלי לבניית ארכיטקטורת CNN.
  10. פתח את Jupyter Notebooks שסופקו Step4_CNNmodel_ExternalValOriginal.ipynb ו- Step5_CNNmodel_ExternalValFlipped.ipynb. לאמת את המודל שהושג באמצעות התמונות הבלתי תלויות (המקוריות וההפוכות) מההעתק השני של הניסוי ההתנהגותי בבעלי חיים.
  11. פרוס את המודל שהושג ואומת לסיווג תמונות מסגרת הווידאו שנוצרו מקבוצת הניסוי באמצעות Jupyter Notebook Step6_CNNmodel_Application.ipynb.
    הערה: לדוגמה, זהו תרחיש C בעבודה זו.

4. ניקוד סולם עווית עכבר ידני

הערה: כדי לאמת את התובנות שסופקו על ידי חיזוי מודל CNN, שיטה נוספת שפותחה ואומתה בעבר על ידי לנגפורד ואחרים יושמה16. שיטה זו כוללת ניקוד MGS בהתבסס על 5 יחידות פעולה ספציפיות לפנים של עכבר (AUs): הידוק מסלולי, בליטת אף, בליטת לחי, הידוק אוזניים כלפי חוץ ושינוי שפם. לכל AU מוקצה ציון של 0, 1 או 2, המציין את היעדר, נוכחות מתונה או נוכחות ברורה של AU, בהתאמה. מערכת ניקוד זו מאפשרת כימות וקנה מידה של כל AU כדי להעריך את רמת nociception או אי נוחות שחוו העכברים.

  1. צלם 3 תמונות מסגרת וידאו של הליטרמטים בולעים את הדבק עבור כל סרטון וידאו. ודא שכל מסגרת מופרדת ב-3 שניות לפחות.
  2. קוד עיוור וסידור מחדש אקראי של תמונות ממחלקות שונות של תרחישים ברצף באמצעות קובץ התבנית שסופק בשם "shuffleSlides.pptm" (קובץ משלים 1) והפעלת קוד המאקרו המוטבע.
  3. הזמינו לפחות 10 חברי פאנל להבקיע את התמונות לדוגמה.
  4. אמן את משתתפי הפאנל להבקיע דגימות תמונה באמצעות MGS. ספקו לחברי הפאנל חומרי הדרכה הכוללים את המאמר המקורי על MGS ואת המדריך15,16.
  5. חשב את ציון MGS של כל נבדק בעל חיים במסגרת שנלכדה על ידי ממוצע כל נקודות הניקוד של 5 AUs הפנים המתאימים. הצג את ציון MGS כממוצע ± שגיאת תקן של מדידה (SEM).
  6. קבע אם קיימים הבדלים מובהקים סטטיסטית בין סוגים שונים של תרחישים על ידי ניתוח חד-כיווני של שונות (ANOVA) עם מבחן ההשוואה המרובים של Bonferroni לאחר הוק.
    הערה: ערך של P < 0.05 נחשב מובהק סטטיסטית.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

המטרה העיקרית של מחקר זה היא לבסס מסגרת איתנה לחקר האינטראקציה בין טעם לריח בעכברים. מסגרת זו משלבת שימוש בבינה מלאכותית ו- QBA לפיתוח מודל סיווג חזוי. בנוסף, התובנות המתקבלות מ- DL מאומתות עם הערכת MGS כמותית לצורך ניתוח פנימי בלתי תלוי. היישום העיקרי של מתודולוגיה זו הוא לבחון את מידת הדיכוי של נוסיספטציה המופעלת על ידי ווסאבי כאשר עכברים מרחרחים משקאות אלכוהוליים דיאטטיים.

זיהוי 29% מתמונות הטיפול המשותף בווסאבי אלכוהול השייכות לקבוצת הווסאבי-שלילי למשקאות חריפים חיוביים על ידי מודל...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

השיטה המוצעת לחקר אינטראקציה בין טעם לריח בעבודה זו מבוססת על השיטה המקורית של קידוד התנהגותי להבעת פנים של כאב בעכברים, שפותחה על ידי Langford et al.16. מספר מאמרים שפורסמו לאחרונה הציגו את CNN למעקב אוטומטי אחר פני עכבר ולאחר מכן ניקוד MGS 21,26,27,28. יישום CNN מציע יתרון על פני השיטה המקורית בלבד, כפי שהוא עוקב אחר יצירת סדרה של תמונות מסגרת וידאו שניתן להשתמש בהם כד...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחברים מצהירים כי אין ניגודי עניינים.

תודות

Z. Cai רוצה להכיר בתמיכה הכספית מקרן הצדקה Kwok Chung Bo Fun להקמת הקתדרה לניתוח סביבתי וביולוגי של Kwok Yat Wai.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
אתנול מוחלט (EtOH)VWR כימיקלים BDHCAS# 64-17-5
אקרילוניטריל בוטאדיאן לבני סטירןחנות הדגל Jiahuifeng https://shop.paizi10.com/jiahuifeng/chanpin.html
צלחות סטירן אקרילוניטריל בוטאדיאןחנות הדגל Jiahuifenghttps://shop.paizi10.com/jiahuifeng/chanpin.html
אליל איזותיוציאנט (AITC)סיגמא-אולדריץ'CAS# 57-06-7
דימתיל סולפוקסיד נטול מיםסיגמא-אולדריץ'CAS# 67-68-5
הרוח הסיניתYanghe Qingcihttps://www.chinayanghe.com/article/45551.html
מסחריS& בי פודס בע"מ
חומצה פורמית (FA)VWR כימיקלים BDHCAS# 64-18-6
GraphPad פריזמה 5GraphPadhttps://www.graphpad.com
אצטוניטריל בדרגת HPLC (ACN)VWRכימיקלים BDHCAS# 75-05-8
מתנול בדרגת HPLC (MeOH)VWR כימיקלים BDHCAS# 67-56-1
Microsoft Excel Microsoft 2016https://www.microsoft.com 
Microsoft PowerPoint 2016https://www.microsoft.com
Milli-Q מערכת מיםMilliporehttps://www.merckmillipore.com
Mouse: ICRLaboratory Animal Services Centre (האוניברסיטה הסינית של הונג קונג, הונג קונג, סין)N/A
חמאת בוטניםSkippyhttps://www.peanutbutter.com/peanut-butter/creamy
Python v.3.10קרן התוכנה של Pythonhttps://www.python.org 
צלחות אקריליק שקופותTaobao Storehttps://item.taobao.com/item.htm?_u=32l3b7k63381&id=60996545797
0& spm=a1z09.2.0.0.77572e8dFPM
EHU
https://www.sbfoods-worldwide.com Microsoft

מקורות

  1. Isshiki, K., Tokuoka, K., Mori, R., Chiba, S. Preliminary examination of allyl isothiocyanate vapor for food preservation. Biosci Biotechnol Biochem. 56 (9), 1476-1477 (1992).
  2. Li, X., Wen, Z., Bohnert, H. J., Schuler, M. A., Kushad, M. M. Myrosinase in horseradish (Armoracia rusticana) root: Isolation of a full-length cDNA and its heterologous expression in Spodoptera frugiperda insect cells. Plant Sci. 172 (6), 1095-1102 (2007).
  3. Depree, J. A., Howard, T. M., Savage, G. P. Flavour and pharmaceutical properties of the volatile sulphur compounds of Wasabi (Wasabia japonica). Food Res Int. 31 (5), 329-337 (1998).
  4. Hu, S. Q., Wei, W. Study on extraction of wasabi plant material bio-activity substances and anti-cancer activities. Adv Mat Res. 690 - 693, 1395-1399 (2013).
  5. Lee, H. -K., Kim, D. -H., Kim, Y. -S. Quality characteristics and allyl isothiocyanate contents of commercial wasabi paste products. J Food Hyg Saf. 31 (6), 426-431 (2016).
  6. Bacon, T. Wine, wasabi and weight loss: Examining taste in food writing. Food Cult Soc. 17 (2), 225-243 (2014).
  7. Fleming, P. A., et al. The contribution of qualitative behavioural assessment to appraisal of livestock welfare. Anim Prod Sci. 56, 1569-1578 (2016).
  8. Shi, X., et al. Behavioral assessment of sensory, motor, emotion, and cognition in rodent models of intracerebral hemorrhage. Front Neurol. 12, 667511(2021).
  9. Stevenson, R. J., Prescott, J., Boakes, R. A. Confusing tastes and smells: How odours can influence the perception of sweet and sour tastes. Chem Senses. 24 (6), 627-635 (1999).
  10. Pfeiffer, J. C., Hollowood, T. A., Hort, J., Taylor, A. J. Temporal synchrony and integration of sub-threshold taste and smell signals. Chem Senses. 30 (7), 539-545 (2005).
  11. Simons, C. T., Klein, A. H., Carstens, E. Chemogenic subqualities of mouthfeel. Chem Senses. 44 (5), 281-288 (2019).
  12. Andrade, E. L., Luiz, A. P., Ferreira, J., Calixto, J. B. Pronociceptive response elicited by TRPA1 receptor activation in mice. Neuroscience. 152 (2), 511-520 (2008).
  13. Palazzo, E., Marabese, I., Gargano, F., Guida, F., Belardo, C., Maione, S. Methods for evaluating sensory, affective and cognitive disorders in neuropathic rodents. Curr Neuropharmacol. 19 (6), 736-746 (2020).
  14. Topley, M., Crotty, A. M., Boyle, A., Peller, J., Kawaja, M., Hendry, J. M. Evaluation of motor and sensory neuron populations in a mouse median nerve injury model. J Neurosci Methods. 396, 109937(2023).
  15. Langford, D. J., et al. Mouse Grimace Scale (MGS): The Manual. , https://www.nc3rs.org.uk/sites/default/files/documents/Guidelines/MGS%20Manual.pdf (2015).
  16. Langford, D. J., et al. Coding of facial expressions of pain in the laboratory mouse. Nat Methods. 7 (6), 447-449 (2010).
  17. Liu, H., Fang, S., Zhang, Z., Li, D., Lin, K., Wang, J. MFDNet: Collaborative poses perception and matrix Fisher distribution for head pose estimation. IEEE Trans Multimedia. 24, 2449-2460 (2022).
  18. Liu, T., Wang, J., Yang, B., Wang, X. NGDNet: Nonuniform Gaussian-label distribution learning for infrared head pose estimation and on-task behavior understanding in the classroom. Neurocomputing. 436, 210-220 (2021).
  19. Liu, T., Liu, H., Yang, B., Zhang, Z. LDCNet: Limb direction cues-aware network for flexible human pose estimation in industrial behavioral biometrics systems. IEEE Trans Industr Inform. 20 (6), 8068-8078 (2023).
  20. Grant, E. P., et al. What can the quantitative and qualitative behavioural assessment of videos of sheep moving through an autonomous data capture system tell us about welfare. Appl Anim Behav Sci. 208, 31-39 (2018).
  21. Vidal, A., Jha, S., Hassler, S., Price, T., Busso, C. Face detection and grimace scale prediction of white furred mice. Mach Learn Appl. 8, 100312(2022).
  22. Zylka, M. J., et al. Development and validation of Painface, A software platform that simplifies and standardizes mouse grimace analyses. J Pain. 24 (4), 35-36 (2023).
  23. Liu, H., Zhang, C., Deng, Y., Liu, T., Zhang, Z., Li, Y. F. Orientation cues-aware facial relationship representation for head pose estimation via Transformer. IEEE Trans Image Process. 32, 6289-6302 (2023).
  24. Liu, H., Liu, T., Chen, Y., Zhang, Z., Li, Y. F. EHPE: Skeleton cues-based Gaussian coordinate encoding for efficient human pose estimation. IEEE Trans Multimedia. , (2022).
  25. Liu, H., et al. TransIFC: Invariant cues-aware feature concentration learning for efficient fine-grained bird image classification. IEEE Trans Multimedia. , (2023).
  26. Akkaya, I. B., Halici, U. Mouse face tracking using convolutional neural networks. IET Comput Vis. 12 (2), 153-161 (2018).
  27. Andresen, N., et al. Towards a fully automated surveillance of well-being status in laboratory mice using deep learning: Starting with facial expression analysis. PLoS One. 15 (4), e0228059(2020).
  28. Ernst, L., et al. Improvement of the mouse grimace scale set-up for implementing a semi-automated Mouse Grimace Scale scoring (Part 1). Lab Anim. 54 (1), 83-91 (2020).
  29. Tuttle, A. H., et al. A deep neural network to assess spontaneous pain from mouse facial expressions. Mol Pain. 14, 1744806918763658(2018).
  30. Lencioni, G. C., de Sousa, R. V., de Souza Sardinha, E. J., Corrêa, R. R., Zanella, A. J. Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling. PLoS One. 16 (10), e0258672(2021).
  31. Steagall, P. V., Monteiro, B. P., Marangoni, S., Moussa, M., Sautié, M. Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale. Sci Rep. 13, 21584(2023).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

גלה מאמרים נוספים

מחקר התנהגות בעלי חייםאינטראקציה בין אלכוהול לוואסבימדד הבעות פנים בעכבריםמודל למידה עמוקההערכה חושיתהרחבת נתוני תמונהניסוי התנהגותימחקר ריח
שילוב של הערכה התנהגותית של בעלי חיים ורשת עצבית קונבולוציונית לחקר אינטראקציה בין טעם וריח לאלכוהול ווסאבי
צרו קשר
המליצו לספרייה

פרטיות

תנאי שימוש

מדיניות

זכויות יוצרים © 2026 MyJoVE Corporation. כל הזכויות שמורות.