Summary
Burada, hareket ipuçlarını gibi alternatif görsel özelliklerin, balıklarda yön kararlarını nasıl etkilediğini belirleyen bir davranış tahlili göstermek için bir protokol sunuyoruz. Temsili veriler altın Shiner (Notemigonus crysoleucas) sanal balık hareketlerini takip hız ve doğruluk sunulur.
Abstract
Toplu hayvan davranışları, bireysel motivasyonlardan ve kişisel fitness için kritik olan sosyal etkileşimlerden kaynaklanır. Balık, özellikle, çevresel ve sosyal bilgileri ekolojik bağlamlarda entegre etme yeteneğinden dolayı, kolektif hareket halindeki soruşturmalara ilham verdi. Bu gösteri, balıkların davranışsal yanıtlarını ölçmek için kullanılan teknikleri gösterir, bu durumda, Golden Shiner (Notemigonus crysoleucas), bilgisayar görselleştirme ve dijital görüntü analizi kullanarak görsel uyaranlara. Bilgisayar görselleştirmesinde son gelişmeler, görsel özelliklerin kontrol edilebileceğini ve sosyal etkileşimlerin mekanizmalarını izole etmek için ince manipüle edilebilen laboratuvarda deneysel testler yapılmasına olanak sağlar. Bu yöntemin amacı, bireyin yön kararlarını etkileyebilecek görsel özellikleri yalıtmak, ister yalnız veya gruplar ile. Bu protokol, fiziksel Y-labirent etki alanında özellikler, kayıt ekipmanları, projektör ve animasyonun ayarları ve kalibrasyonları, deneysel adımlar ve veri analizlerini sağlar. Bu teknikler, bilgisayar animasyonunun biyolojik olarak anlamlı tepkiler almakta olduğunu göstermektedir. Dahası, teknikler, çeşitli deneysel uygulamalar için alternatif hipotezler, etki alanları ve türleri test etmek için kolayca uyarlanabilir. Sanal uyaranların kullanımı, gerekli canlı hayvanların sayısının azaltılması ve değiştirilmesi için izin verir ve dolayısıyla laboratuar yükünü azaltır.
Bu gösteri, sanal conspecifics hareket hızları (saniyede 2 vücut uzunlukları) küçük göreceli farklar hız ve doğruluk hangi ile tarafından sağlanan yön ipuçlarını takip ile artırmak olacaktır hipotezi testler sanal Siluet. Sonuçlar, arka plan gürültüsünün varlığında bile (% 67 görüntü uyumu), görsel ipuçlarının hızının artışlarından önemli ölçüde etkilendiğini göstermektedir. Herhangi bir hareket ipuçları yokluğunda, konular rastgele onların yönleri seçti. Karar hızı ve işaret hızı arasındaki ilişki değişkendi ve işaret hızının artışları, yönlü doğruluk üzerinde mütevazı orantısız bir etkiye sahipti.
Introduction
Hayvanlar, başkalarıyla etkileşim kurarken ve gürültülü ortamlarda gezinirken bilinçli kararlar almak için habitatını sürekli olarak anlamalarını ve yorumlamasını yapar. Bireyler, sosyal bilgileri eylemlerine entegre ederek durumsal farkındalık ve karar verme işlemlerini geliştirebilir. Sosyal bilgiler, ancak, büyük ölçüde istenmeyen ipuçlarını (yani, ani manevralar bir yırtıcı önlemek için), hangi güvenilmez olabilir, yerine belirli mesajları (örneğin, bir iletişim için evrimleşmiş doğrudan sinyalleri üzerinden kaçınılması kaynaklanıyor (örn., sallanmak bal arılar dans)1. Bireylerin sosyal ipuçları veya herhangi bir duyusal bilginin değerini hızla nasıl değerlendirmesini belirlemek, özellikle bireyler gruplar halinde seyahat ederken araştırmacılar için zorlu bir görev olabilir. Vizyon sosyal etkileşimleri yöneten önemli bir rol oynar2,3,4 ve çalışmalar her bireyin bakış alanı dayalı balık okulları ortaya çıkabilecek etkileşim ağları algılanır5, 6' ya kadar. Balık okulları dinamik sistemlerdir, ancak, Grup üyeleri arasındaki etkileşimlerden kaynaklanan içsel koldoğrusları ve karıştırılması faktörleri nedeniyle belirli özelliklere veya komşu davranışlara bireysel yanıtları izole etmek zor hale gelmiştir. Bu protokolün amacı, alternatif görsel özelliklerin tek başına veya gruplar halinde seyahat eden bireylerin yön kararlarını nasıl etkileyebilecek şekilde yalıtarak geçerli çalışmayı tamamlaması.
Geçerli protokolün yararı, bir bireyin doğada yaşayabileceğiniz temel görsel özellikleri izole etmek için bilgisayar görselleştirme teknikleriyle manipülatif bir deneyi birleştirmedir. Özellikle, Y-labirent (Şekil 1) ikili yanıt yön seçimi daraltmak ve sanal komşular yüzme davranışlarını taklit etmek için tasarlanmış bilgisayar animasyonlu görüntüleri tanıtmak için kullanılır. Bu görüntüler bir veya daha fazla konu altında yüzme conspecifics siluetleri taklit etmek için labirent aşağıdan kadar yansıtılır. Bu siluetlerin görsel özellikleri, onların morfoloji gibi, hız, tutarlılık, ve yüzme davranışları kolayca alternatif hipotezler test etmek için uyarlanmış7.
Bu yazıda, bir model sosyal balık türlerinin bireylerin nasıl, altın Shiner (Notemigonus crysoleucas), sanal komşuların göreli hızına yanıt izole ederek bu yaklaşım yardımcı gösterir. Protokol odağı, burada, sanal komşuların yönlü etkisi onların hızı ile değiştirmek ve eğer öyleyse, gözlenen ilişkinin şeklini ölçülmektedir. Özellikle, yönlü işaret siluetlerin sabit bir oranı liderler olarak hareket ve bir kol ya da başka bir doğru Balistik hareket ederek oluşturulur. Kalan siluetler, lider/distraktör oranını ayarlayarak ayarlanabilir arka plan gürültüsü sağlamak için rastgele hareket ederek distraktörler olarak hareket ederler. Liderlerin distraktörlere oranı, yön ipuçlarına karşı tutarlılık yakalar ve buna göre ayarlanabilir. Distraktör siluetleri, siluetlerin sınırın dışına yansıtılması ile karar alanı ("DA", Şekil 1a) ile sınırlı kalır. Lider siluetleri, ancak, DA bölge terk ve siluetleri kol uzunluğu 1/3 geçilmiş sonra yavaşça solmaya önce kendi belirlenmiş kol girmek için izin verilir. Liderler DA, yeni lider siluetleri onların yerini almak ve lider/distraktör oranı deney boyunca DA sabit kalır emin olmak için tam yolunu yeniden iz terk gibi.
Sanal balıkların kullanımı, görsel duyusal bilgilerin kontrolü için, grubun sosyal navigasyon, hareket veya karar verme yeni özelliklerini ortaya çıkarabilir, konunun yön tepkisi izlerken sağlar. Burada kullanılan yaklaşım, karmaşık değişen davranış desenleri üretmek için bilgisayar animasyonu manipüle ederek, sosyal etkileşimler üzerinde alt ölümcül stres veya avlanma etkileri gibi çok çeşitli sorulara uygulanabilir.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Tüm deneysel protokoller Çevre Laboratuvarı, ABD ordu mühendisi ve araştırma ve Geliştirme Merkezi, Vicksburg, MS, ABD (ıABUC # 2013-3284-01) Kurumsal hayvan bakımı ve kullanım Komitesi tarafından onaylanmıştır.
1. duyusal labirent tasarımı
- Deneme bir su geçirmez Poly Metil metakrilat Y-labirent platformunda (ev yapımı) özel bir odada şeffaf bir destek platformunun tepesinde ayarlayın. Burada Platform 1,9 cm kalınlığında olup, 1,3 m genişlikte, 1,3 m uzunluğunda ve 0,19 m yüksekliğinde olan 4 7,62 cm 'lik Ekstrüde Alüminyum kiriş tarafından desteklenmektedir.
- İnşaatta aynı olması için Holding ve karar alanlarını inşa (Şekil 1a). Burada, Y-labirent kolları 46 cm uzunluğunda, 23 cm genişliğinde ve yaklaşık 46 cm çapında merkezi bir karar alanı ile 20 cm derinlikte.
- Beyaz proje-Y-labirent altındaki tiyatro ekranı aracılığıyla etki içine görsel uyaranlara projeksiyon için uyanın.
- Coat dış görsel uyaranlara sınırlamak için beyaz vinil ile Y-labirent yan.
- Uzaktan kontrollü açık kapı yükleyin (açık monofilament yoluyla) Merkezi karar alanından tutma alanı bölüm, acclimation sonra labirent içine konuları serbest bırakmak için.
- Işık efektleri ve dış Oda veya koridordan gölge hareketlerini en aza indirmek için kapı çerçeveleri zemine ulaşmak ışık engelleyen jaluzi gibi ışıklar, konut ve ekipman, görüntüleme balık önlemek için ek jaluzi yerleştirin.
2. kayıt ekipmanları
- Arka plan görüntüleri, sanal balık ve konu balığı arasında gerekli kontrastı temel alarak bir havai kamera (siyah ve beyaz) seçin.
- Yukarıdan labirent kaydetmek ve balık davranışlarını ve görsel projeksiyonları kaydetmek için bir havai kamera yükleyin.
- Bu gösteri için, 9 m IP kablolarının bir kontrol odasında 1 GB Ethernet kartına sahip bir bilgisayara takılı olduğu gibi b/w Gigabyte Ethernet (GigE) kameraları kullanın.
- Kamerayı, gözlemci kapısı, görsel uyarıcı programı ve kamera kayıt yazılımını uzaktan kontrol edebilir bitişik bir odada bir bilgisayara bağlayın.
- Kamera ayarlarının, fotoğraf makinesi ve yazılım oda ışıkları ile faz dışında olduğunda ortaya çıkan titreyen efektleri engelleyen örnekleme ve frekans oranlarında olduğundan emin olun.
- Konumun Elektrik frekansını kontrol edin; Kamera örnekleme hızını (saniyede kare, fps) sapma veya AC frekansını bir tam sayıya bölerek titremesini önlemek için.
- Kamera ayarlarını, ilgili davranışları görselleştirmek için yazılım ve bilgisayar kullanılarak görüntü netliğinin optimize edilmesi için ayarlayın.
- Bu gösteri için, 1280 piksel x 1024 piksel uzamsal çözünürlüğe sahip 30 fps 'de örnekleme gerçekleştirin.
3. aydınlatma, projektör ve kamera ayarlarını Kalibrate
- Deneysel odanın duvarları boyunca dört tepegöz aydınlatma sistemi yükleyin.
- Doğru oda ortam ışığı elde etmek için daha fazla esneklik sağlamak için ışıklar için ayarlanabilir kontrol anahtarları yükleyin.
- Labirentte yansımaları önlemek için ışıkları konumlandırın (Şekil 1B).
- Labirentin destek yapısının alt kenarına kısa bir atma (ST) projektörü sabitleyin (Şekil 1C).
- Projeksiyon çözünürlüğünü seçin (Bu gösteri için 1440 piksel x 900 piksel olarak ayarlayın).
- Havai ışıklar ve projektör tarafından oluşturulan ortam ışık düzeylerini ayarlamak, konuların konut odasında bulunan aydınlatma koşullarına uyan (burada bir bulutlu günde doğal aydınlatmaya eşdeğerdir gösteri deneme sırasında 134 ± 5 Lux ayarlanır).
- Deneysel denemeler sırasında kolay ve tutarlılık için dimmer anahtarının konumunu kilitle veya işaretle.
- Kamera (lar) ı pozlama modu, kazanç ve beyaz dengesi kontrolünü kontrol etmek için yapılandırmak üzere bir kamera Görüntüleyici programı kullanın.
- Bu gösterimde, Pylon Viewer 'ı "sürekli çekim", 8000 μs pozlama süresi, 0 kazanç ve 96 beyaz dengesi olarak ayarlayın ve bu da video kaydının kontrolünü sağlar.
4. görsel projeksiyon programı kalibre: arka plan
- Labirent alt üzerine homojen bir arka plan proje ve projektör herhangi bir ışık bozulması ölçmek. Burada arka plan, bilimsel projeler için özelleştirilmiş görselleştirmeler oluşturmak üzere takip edilen ve iyi belgelenmiş bir platform olan Processing (v. 3) kullanılarak oluşturuldu (https://processing.org/examples/).
- Labirent alt üzerine yansıtılacak bir işleme penceresi çalışacak bir program oluşturun. Pencerenin arka plan rengini özelleştirmek, RGB renk kodunu kabul eden arka plan komutuyla yapılır. Birkaç küçük örnek programlar Işleme öğreticiler (https://processing.org/Tutorials/) bulunur.
- Projektör ve dış aydınlatma koşullarını kalibre etmek için arka plan renk programını kullanın.
- Oluşturulan beklenen homojen arka planda herhangi bir sapmaları belirlemek için bir görüntü işleme programı kullanarak projektör tarafından oluşturulan herhangi bir ışık bozulması ölçmek. Aşağıdaki adımlar ımagej (v. 1.52 h; https://imagej.nih.gov/ij/).
- Düz bir arka plan rengi ile aydınlatılmış Y-labirent bir hala çerçeve görüntü yakalamak ve ımagej açık.
- Düz, segmentli veya serbest hat aracını kullanarak, HotSpot merkezindeki en parlak konumdan Y-labirentin (Şekil 2a) üst kısmına düz bir dikey çizgi çizin.
- Analiz menüsünden gri ölçek değerlerinin piksel cinsinden uzaklığa karşı bir grafik oluşturmak için profil çizim 'i seçin.
- Piksel verilerini, Dizin sütunundan ve piksel değeri sütunundan oluşan virgülle ayrılmış dosya (. csv dosya uzantısı) olarak kaydedin.
- Projeksiyon alanını labirentle hizalayın (Şekil 2B) ve projektör tarafından oluşturulabilir herhangi bir renk bozulması azaltmak için herhangi bir istenmeyen ışık bozulması modeli (Şekil 2C). Aşağıdaki geçerli gösterinde gerçekleştirilen adımları özetlemektedir.
- Uygun sekmeyle sınırlandırılmış okuma işlevini kullanarak ımagej piksel yoğunluğu veri dosyasını içe aktarın (örn., read_csv virgülle ayrılmış dosyalarda okumak için tidyverse paketinden).
- Arka planda oluşturulan bozulma düzeyi için bir temel başvuru sağlamak üzere varyasyon katsayısı gibi örnek Transect boyunca ışık yoğunluğunda değişkenlik hesaplayın.
- Ham piksel değerlerini, en küçük piksel yoğunluğunun görüntü programında seçilen istenen arka plan rengi değerine yaklaştığı en parlak kadar yoğunlukta göreceli bir değişikliği yansıtacak şekilde dönüştürün.
- Anomali en parlak kısmında başlayan dönüşüm piksel yoğunluğu değerlerini çizmek genellikle kaynaktan uzaklığı bir işlevi olarak yoğunluk değerleri bir çürüme eğilim verir. Verilere en uygun parametre değerlerini (burada, bir Gauss çürümesi işlevi) tahmin etmek için doğrusal olmayan en az kareler (işlev NLS) kullanın.
- R (v. 3.5.1) kullanarak projektör tarafından oluşturulan herhangi bir renk bozulması azaltmak için arka plan sayacı görüntüsünü (Işleme v. 3) oluşturmak için kabul edilen aynı programı kullanarak sayaç degradesini oluşturun.
Not: degrade işlevi, görüntüdeki en parlak noktaya ortalanmış bir dizi Eşmerkezli daire oluşturur ve bu da orta mesafeden bir fonksiyon olarak piksel yoğunluğunu değiştirir. Her halka rengi, arka plan renginden model tarafından öngörülen piksel yoğunluğunda değişiklik çıkararak tanımlanır. Buna karşılık, halka yarıçapı da kaynaktan uzaklık ile artar. En uygun model, arka plan bütünlüğü sağlamak için gradyan boyunca herhangi bir piksel yoğunluğu ortadan kaldırmak değil, azaltmak gerekir.- Gerekli parametreleri ayarlayarak görsel uyarıcı programını
kullanarak bir Gauss gradyan () oluşturun.- A parametresi, Gauss dağılım degradenin parlaklığını/karanlığı etkiler. Değer ne kadar yüksekse, degradeyi daha koyu.
- B parametresi degradenin farkını etkiler. Değer ne kadar büyükse, degrade, istenen arka plan piksel yoğunluğuna, c'ye kadar Seviyelendirmeden önce uzatılacak.
- C parametresi istenen arka plan piksel yoğunluğunu ayarlar. Büyük değer, arka plan koyu.
- Resmi bir klasöre Saveframe işlevini kullanarak kaydedin, böylece deneysel bir deneme sırasında uyaranların işlenirken bellek yükünü en aza indirmek için denemeler sırasında sabit bir arka plan görüntüsü karşıya yüklenebilir.
- Arka plan oluşturma programını yeniden çalıştırın ve Şekil 2C'de gösterildiği gibi sonuçları görsel olarak inceleyin. Örnek Transect genelinde ışık yoğunluğunda değişkenlik derecesini azaltarak gözlenen iyileştirmeler ölçmek için 4,3 adım yineleyin.
- Gerekli parametreleri ayarlayarak görsel uyarıcı programını
- İklimlendirme bölgesinin RGB değerleri karar alanına benzer hale gelene kadar ek manuel ayarlamalar yapmak için aydınlatma düzeylerini, model parametrelerini veya Transect 'te bulunan mesafeyi (örn. sayaç degradesinin dış yarıçapı) ampirik olarak ayarlayın. Bu testteki model parametreleri: a = 215, b = 800 ve c = 4.
- Deneme görsel uyaranlara programına son filtreyi ekleyin.
kullanarak bir Gauss gradyan () oluşturun.5. görsel projeksiyon programı kalibre: görsel uyaranlara
Not: görsel uyaranların işlenmesi ve canlandırılması, platformun öğreticiler ile birlikte kılavuzlar olarak aşağıdaki adımları kullanarak Işleme 'de de yapılabilir. Geçerli programın mantığı şematik olarak sağlanır (Şekil 3) ve ek ayrıntılar Lemasson ve Al bulunabilir. (2018)7. Aşağıdaki adımlar, geçerli denemede gerçekleştirilen kalibrasyon adımlarına örnek sağlar.
- Görsel projeksiyon programını açın Vfish. PDE labirentin karar alanı içinde projeksiyon Merkezi (Şekil 1a) ve test edilen hipotezler dayalı görsel projeksiyonları kalibre (örneğin, maç için siluetlerin boyutunu ve hızını kalibre Bu test konuları). Kalibrasyon, ön seçilen hata ayıklama bayrakları kullanarak ana programın (Vfish. PDE) başlığında el ile ayarlanır. Hata ayıklama modunda (DEBUG = TRUE) sıralı olarak her DEBUGGING_LEVEL_ # bayrağı (Numbers 0-2) gerekli ayarlamaları yapmak için adım
- DEBUGGING_LEVEL_0 bayrağı ' true ' olarak ayarlayın ve çizim penceresindeki Oynat simgesine basarak programı çalıştırın. Yansıtma ortalanmış kadar x ve y konum değerlerini (etki alanı parametreleri DX ve dy, sırasıyla) değiştirin.
- Balık silüetinin (elips olarak işlenmiş) boyutunu ölçeklendirmek için DEBUGGING_LEVEL_1 ' true ' olarak ayarlayın. Programı çalıştırın ve yinelenen genişliğini (eW) ve uzunluğu (eL) test konuların ortalama boyutu eşleşinceye kadar elips ayarlayın. Daha sonra, siluetlerin temel hızını ayarlamak için DEBUGGING_LEVEL_2 ' true ' olarak ayarlayın (SS).
- Set DEBUG = FALSE hata ayıklama modundan çıkmak için.
- Distraktör siluetlerini karar alanı (DA, Şekil 1a), lider siluet yörüngeleri düzgün her iki kol ile hizalanır ve aynı durumda lider/distraktör oranı sabit kalır olduğunu kontrol edin.
- Seçeneklerin işlevselliğini sağlamak için programın GUI üzerinden adım.
- Verilerin doğru şekilde yazıldığını kontrol edin.
- Kayıt yazılımının, konu balıklarını görsel projeksiyonlarla izleyebildiğinden emin olun. Balık izlemek için adımlar daha önce Kaidanovich-Berlin ve ark. (2011)8, Holcomb ve al. (2014)9, Way ve al. (2016)10 ve Zhang ve al. (2018)11' de tarif edilmiştir.
6. hayvan hazırlama
- Seks, yaş, genotip dahil olmak üzere araştırma sorusu ve uygulamaya dayalı konu türlerini seçin. Deneysel tutma tanklarına konular atayın ve temel biyometrik istatistiklere (örn. vücut uzunluğu ve kütle) kayıt yapın.
- Labirent içindeki çevresel koşulları tutma sistemi ile ayarlayın. Davranış temel deneyler için su kalitesi koşulları genellikle türler için optimum ve deneysel etki alanı kurulumu için tutulur.
- Bu gösterim, aşağıdaki koşulları kullanın: 12 h ışık/12 h karanlık döngüsü, tepegöz titreşim içermeyen halojen ışıklar 134 ± 5 Lux, 22 ± 0.3 °C, 97,4 ± 1,3% çözünmüş oksijen ve pH, 7,8 ± 0,1.
- Deneysel deneyler başlamadan önce bilgisayar tarafından oluşturulan görsel uyaranlara (örneğin, balık siluetleri) olmadan 5 gün boyunca günde 30 dakika kadar onları alana aktararak hayvanları habituate.
- O zaman ilgili balıkların seçilen, atanan, tartılmış, ölçülen ve deneysel tanklara aktarıldığından emin olun.
Not: burada, Golden Shiners standart uzunluğu ve ıslak ağırlığı 63,4 ± 3,5 mm SL ve 1,8 ± 0,3 g WW, sırasıyla edildi. - Taşıma ve hava maruz kalma stres azaltmak için tanklar ve labirent arasında balık hareket ederken su-su transferi kullanın.
- Normal, sabit bir ışık döngüsü sırasında, konuların doğal biyolojik ritmini yansıtan deneyler gerçekleştirin. Bu, konuların her günün deneysel çalışmalarının sonunda beslenmesine ve davranışlardaki sindirim etkilerini sınırlamak için izin verir.
7. deneysel prosedür
- Ampul (yaklaşık 10 dakika) sıcak izin (Bu gösteri 134 ± 5 LUX) parlaklık önceden belirlenmiş seviyeye Oda projektör ve LED ışık parça sistemleri açın.
- Kamera Görüntüleyici programını açın ve en iyi kalitede video elde edilebilir sağlamak için kurulum kaydedilmiş diyafram, renk ve kayıt ayarlarını yükleyin.
- Pylon Viewer 'ı açın ve kayıt için kullanılacak kamerayı etkinleştirin.
- Kamera açılır menüsünden özellikleri yükle 'yi seçin ve kaydedilmiş kamera ayarları klasörüne gidin.
- Video kalitesini sağlamak ve sürekli çekim üzerine tıklayın (burada camerasettings_20181001 olarak etiketlenmiş) kaydedilmiş ayarları açın.
- Pylon Viewer 'ı kapatın.
- Görsel projeksiyon programı Vfish. PDE açın ve projeksiyon labirentte ortalanmış kalır, DataOut klasörünün boş olduğunu ve programın beklendiği gibi çalışıyor olduğunu denetleyin
- Kalibrasyon yüzüğünü 5.1.1 adım kullanarak DA ortalanmış olup olmadığını kontrol edin.
- Gün için boş olduğundan emin olmak için DataOut klasörünü açın.
- Vfish. PDE Çizim penceresinde Oynat tuşuna basarak görsel uyaranlara programı çalıştırın ve program işlevselliği sağlamak için kukla değişkenleri kullanın.
- Balık kimlik numarası (1-16) girin, ENTERtuşuna basın ve ardından Evet veya Hayır için Y veya N tuşuna basarak seçimi onaylayın.
- Grup boyutunu girin (burada 1 ' de düzeltildi) ve seçimi onaylayın.
- İstediğiniz siluet hızını girin (0-10 BL/s) ve seçimi onaylayın.
- İklimlendirme döneminin geçmiş taşımak ve karar alanında sanal balık projeksiyon kontrol etmek için ENTER tuşuna basın.
- Programı duraklatmak için Duraklat tuşuna basın ve kukla sonuç seçimini, yani sol (1) veya sağ (2) girin.
- Programı sonlandırmak ve verileri dosyaya yazmak için Durdur tuşuna basın.
- Verinin DataOut klasöründeki dosyaya düzgün şekilde yazıldığını kontrol edin ve dosya, balık alanı için etki alanına yerleştirilmeden önce laboratuar notlarında bir test çalışması olarak günlüğe kaydedilir.
- Saat ve kronometre, daha sonra bazı çoğaltma denemeleri kısa süresi nedeniyle video oynatma elde edilebilir geçen süreleri tamamlamak için laboratuar dizüstü deneme başlatma ve durdurma süreleri günlüğe kaydetmek için kullanın.
- Su değişimi yapın (örn.% 30) labirent bir konu aktarmadan önce tutma sistemi karter su kullanarak.
- Su kalitesinin labirent ve tutma sistemi arasında benzer olduğunu onaylayın ve su yüksekliğinin hemen üzerine düzgün bir şekilde kaydırdığından emin olmak için kapı işleyişini kontrol edin.
- Deneme süresince randomize konu tedavi pozlamaları olan önceden belirlenmiş deneysel programı kullanarak, geçerli deneme için seçilen değerleri girin (iklimlendirme ekranında durdurma, Steps 7.3.3.1-7.3.3.3).
- Terapi kombinasyonu verilerini laboratuar defterine kaydedin.
- Konuyu 10 dakikalık bir iklimlendirme dönemi için Y-labirent tutma alanına aktarın.
- Video kaydını başlatın, ardından vfish. PDE penceredeki dönüş tuşuna basın ve aklimasyon döneminin sonunda Bu görsel projeksiyonlara başlayacaktır.
- Sanal balık etki alanında görünüyorsa, saat saatini günlüğe açın ve tutma kapısını (Şekil 4A) kaldırın.
- Konunun vücudunun% 50 ' si bir seçim kolunda (Şekil 4b) veya belirlenmiş süre geçtiğinde (örn. 5 dak) deneme süresini sona erdirin.
- Kronometre saatini, başlangıç ve durdurma sürelerini ve konuların seçimi (yani, sol (1), sağ (2) veya hiçbir seçenek (0)) günlüğe kaydedilir.
- Video kaydını durdurun ve görsel uyaranlara programında Pause tuşuna basın, bu da kullanıcının deneme sonucu verilerini (seçilen kol numarası veya herhangi bir seçeneğin yapıldığını belirtmek için 0) isteyecektir. Seçimi onayladıktan sonra program ilk ekrana döner ve bir sonraki deneysel deneme için beklenen değerleri bekler.
- Konuyu toplayın ve ilgili tutma tankına geri dönün. Her deneme için 7.7-7.13 arasındaki adımları yineleyin.
- Bir seans sonunda (AM veya PM) basın stop programda bir kez oturumda son balık bir karar verdi. Stop tuşuna basarak oturumun verilerinin dosyaya yazılacak.
- Su kalitesi stabilitesi sağlamak için sabah seansının sonucunda su değişimi tekrarlayın.
- Günün son deneme sonrası laboratuar defter gözden geçirin ve gerekli notları yapmak.
- Gün son deneme sonra, DataOut klasörüne toplanan verileri çıkış için görsel uyaranlara programında Durdur tuşuna basın.
- Görselleştirme programı tarafından kaydedilen veri dosyalarının numarasını, adını ve konumunu doğrulayın.
- Günlük su kalitesi, sabah ayarları ile karşılaştırmak için labirent odasında ışık seviyeleri ile birlikte. Havalandırma sistemi ve ısıtıcılar Y-labirent yerleştirin.
- Projektör ve deneysel oda izleme aydınlatmasını kapatın.
- Önceden belirlenmiş günlük rasyon balık yem.
8. veri analizi
- Deneysel verilerin gerekli değişkenleri içerdiğinden emin olun (örn. Tarih, deneme, konu kimliği, program tarafından seçilen kol, görsel faktörler test edilmiş, konu seçimi, başlangıç ve durdurma süreleri ve Yorumlar).
- Herhangi bir kayıt hatalarını kontrol edin (insan veya program indüklenen).
- Cevaplar tabulate ve konular (örneğin, kontrol koşulunda kol seçimi üzerinde binom test) bölümünde herhangi bir yönlü önyargıları belirtileri kontrol7.
- Deneme aynı bireyler üzerinde tekrarlanan ölçümler kullanılarak tasarlanırken, burada olduğu gibi, karışık efektler modellerinin kullanımı önerilir.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Hipotez ve tasarım
Bu deneysel sistemin yardımcı programını göstermek için, altın şiner 'in görsel bir işaret takip ettiği doğruluk bu işaret hızı ile gelişecektir hipotezi test ettik. Wild tipi altın Shiner (N = 16, vücut UZUNLUKLARı, BL ve ıslak AĞıRLıKLAR, WW, 63,4 ± 3,5 mm ve 1,8 ± 0,3 g, saygıyla) kullanıldı. Görsel uyaranların tutarlılık (lider/distraktör oranı) 0,67 de sabit, biz hangi bizim hareket ipuçlarını (yani, liderler) onların distraktörler açısından taşındı hızını manipüle ederken. Yön ipuçlarını sağlayan lider siluetlerin hız seviyeleri 0-10 BL/s 'den (2 ' lik artışlarla) değişmektedir, bu da genellikle sürekli, uzun süreli veya balık12' deki aktivite yüzme modlarını yansıtacak şekilde kabul edilen hız aralığını kapsar. Kontrol düzeyinde, 0, lider siluetleri rastgele odaklı distraktörler arasında bir hedef kol doğru yöneldi, ama siluetleri hiçbiri taşındı. Hedef kol, program tarafından her deneme için rasgele seçilmiştir. Uzaklık birimleri, bizim konularımızın ortalama standart uzunluğu tarafından tanımlanan vücut uzunlukları, ve zaman saniyedir. Geçerli temsilci analizi, birincil yanıt değişkenlerini (karar hızı ve doğruluğu) ölçmeye odaklanır, ancak denemenin tasarımı aynı zamanda araştırmacıların konu hareketlerini takip ederek ek bilgi çıkarmasını ve kendi Kinematik.
Balık konularımız protokolün 6. Her konu günde bir tedavi düzeyine maruz kalmıştı. Her iki gün boyunca konu tedavi seviyesinde (işaret hızı) ve her gün hangi konuların test edildiği sırasına göre randomize olduk. Doğrusal ve Genelleştirilmiş Doğrusal Karışık efektler modelleri (sırasıyla LMM ve GLMM), lider siluet hızının etkilerini test etmek için kullanılan hız ve doğruluk ile hangi konularda görsel uyaranlara takip etti. Konu kimliği her iki modelde rasgele etkisi olarak dahil edildi.
Veri ve bulgular
Herhangi bir hareket ipuçlarını yokluğunda altın Shiner beklendiği gibi hareket ve rasgele (Stimulus hız = 0, binom test, nsol= 33, nRight= 40, = 0,45, P = 0,483) onların yönünü seçti. Çoğu konu, etki alanında stresli davranışlar belirtisi göstermemiş ve ayrılan süre içinde (5 dk) belirleyici bir karar verirken, konuların% 22 ' si Holding alanından ayrılmak veya karar alanına girmek için bir isteksizlik gösterdi. Bu kararsız balıklardan gelen veriler analizine dahil edilmedi. Bizim konularda kalan 78% bu uyaranların hızı (GLMM, z = 1,937, P = 0,053) artmış olarak yön uyaranlara takip hangi doğruluğu önemli bir gelişme gösterdi. Şekil 5A bu ilişkinin doğası gösterir, biz uyarıcı hız düzeyinde her artış için yön doğruluğu 1,2 kat artış bulmak. Bu ilişki sadece mütevazı orantısız ve değil, tek başına, işaret hızında değişikliklere bir eşik yanıt düşündüren. Uyarıcı hızda artar da karar hızı önemli bir artış yol açtı (LMM, F1, 56= 4,774, P = 0,033). Ancak, Şekil 5B 'de görüldüğü gibi, karar hızında eğilim tutarsız ve uyarıcı hız seviyeleri arasında çok değişkenli oldu. Bu karar hızı verilerinde belirgin olan şey, ortalama, her yerde 5-20X daha uzun onlar değil ne zaman uyaranların hareket ederken karar vermek için konular aldı olduğunu (karar hızları 4,6 ± 2,3 s ve 81,4 ± 74,7 s uyarıcı için 0 ve 8, sırasıyla ± standart sapma, SD) hızları. Nitekim, kontrol seviyesi olmadan biz uyarıcı hızı bir işlev olarak karar hızında önemli bir değişiklik bulunamadı.
Şekil 1. Y-labirent etki alanı. A. karar verme testi için Y-labirent cihazının görüntüsü. Ek açıklamaları aşağıdakileri temsil eder: tutma alanı (HA, yeşil), karar alanı (DA, mavi), sol karar kolu (LDA) ve sağ karar kolu (RDA). B. görüntü Y-labirent ve havai ayarlanabilir parça aydınlatma ve GigE kamera yerleştirme ile Oda (sadece bir dört işletme giderleri ışıklar şeritler görünür). C. görüntü Y-labirent (yan-görünüm) sırasında veya arasında, denemeler sırasında hareketlerini ortadan kaldırmak için sürgülü taşıma tarafından kilitli projektör yerleşimi de dahil olmak üzere. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 2. Arka plan ve uyarıcı kalibrasyon. A. görüntü aydınlatılmış Y-labirent bir Tekdüzen arka plan rengi ve piksel yoğunluğu Transect (yeşil çizgi) arasında tutma alanı ve karar alanı, da (ortalama piksel yoğunluğu 112 ± 1278). Projektör ampul (hotspot) tarafından oluşturulan ışık gradyan açıkça görülebilir. B. da ile projeksiyonların hizalamasını gösteren görüntü. C. filtrelenmiş arka plan ve KALIBRASYON için da merkezinde (boyut, hız) yansıtılan bir yalnız siluet ile labirent görüntü. (C) (ortalama piksel yoğunluğu 143,1 ± 5,5) daha koyu bir arka plan ve çok daha az uzamsal değişkenlik (varyasyon katsayısı 11,4 (A.) ' den 0,03 (C Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 3. Deneylerde kullanılan görselleştirme programında işlemlerin genel akışının şematik. Ek yordamsal Ayrıntılar için bkz:7. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 4. Gerçek ve sanal balık siluetleri ile deneysel deneme. A. Image a (canlı) altın Shiner tutarak alan (yeşil daire) bırakarak. B. sanal balık siluetleri arasında (yeşil daire) karar alanında bir (canlı) altın Shiner görüntü. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Şekil 5. Hareket ipuçlarını göreli hızda değişikliklere yön tepkiler doğruluğu ve hızı. A. balık karar doğruluğu grafik hangi altın Shiner ' lider ' siluetleri uyarıcı hız (BL/s) karşı çizilen izledi. B. uyarı hızı (BL/s) karşı çizilen balık karar hızı grafiği. Veri anlamına gelir ± standart hatalar, SE. 15 sanal silüet grupları% 67 tutarlılık seviyesi ile karar bölgesi boyunca rasgele dağıtıldı (15 silüetlerin 10 ' unda liderler olarak hareket etti, kalan 5 siluetleri distraktör olarak hareket etti) ve 0-10 BL/s 'den liderlerin hızı. distraktör hızları, tüm hız düzeylerinde 1 BL/s 'de sabit kalmıştır ve bu da silüetlerin hiçbirinin taşındığı kontrol hariç. Bu figürün daha büyük bir versiyonunu görmek Için lütfen tıklayınız.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Görsel ipuçları siyah ve beyaz ızgaralar13 maruz balık bir optomotor yanıtı tetiklemek için bilinmektedir ve komşu hız dinamik etkileşimleri yöneten etkili bir rol oynar teorik ve ampirik kanıtlar artmaktadır Balık okullarda gözlenen7, 14,15,16,17. Karşıtlık hipotezler, gruplardaki bireylerin komşu hareketlerini nasıl bütünleştireceğini açıklamak için, örneğin tüm ayırt edilebilir ipuçları14' e orantılı olarak tepki verme, bir hareket eşik yanıtı17' si benimsemek veya çarpışma sürelerini izleme 18. bu alternatif hipotezler test ilk adım kendi temel varsayımları doğrulanıyor. Burada, belirli bir duyusal özelliğin yön kararlarını yönlendirmesinde sahip olabilecek rolünü tanımlamada protokolün yardımcı programını göstermiştir.
Biz bir sosyal balık türünün bireylerin, altın Shiner, bir okulda conspecifics taklit etmek için tasarlanmış görsel uyaranların göreli hızda değişikliklere yanıt nasıl izole. Altın Shiner yön doğruluğu görsel uyaranların göreli hızda artışlarla iyileştirdi, ancak bu değişkenler arasındaki fonksiyonel ilişki sadece marjinal orantısız oldu. Karar hızı ve uyarıcı hızı arasındaki ilişki, önemli, son derece değişken ve tutarsız oldu. Sonuçlar, ancak, bu balıkların Bakış alanında dağınık görüntülerde bulunan bir hız farkı bir yanıt tetikleme ve onların aleni dikkat rehberlik önemli bir rol oynar olduğunu göstermektedir. Bireylerin belirli komşuların eylemleri arasında nasıl seçmeleri uyaranlara çelişkili yönler sunarak mevcut tasarım ile probed olabilir alay.
Zebrafish ile yeni bir deney, Danio rerio, biz yalnız denemeler7, henüz altın Shiner bu gösteri içinde kararsızlık hiçbir kanıt bulunamadı daha büyük bir isteksizlik tutma alanı bırakmak gösteriliyor. Bu iki tür arasındaki farklar yaşam geçmişi stratejileri ve sosyal eğilimleri (veya güven) göreli gücü ile açıklanabilir. Zebrafish, Golden Shiners 'dan (örn. Hukuk ve zorunlu okul3) daha fazla değişken sosyal tutarlılık sergileyecektir. Golden Shiner 'in daha güçlü sosyal tutarlılığı, daha yüksek bir utangaçlık seviyesi ya da etki alanında tereddüt eden kişilere zebra balığı meslektaşlarından daha fazla katkıda bulunulmasına neden olabilir.
Adımların sırası, protokolde ince henüz önemlidir. Işıkları, projektörü ve program filtresini dengeleme işlemi, yeni etki alanları için sıklıkla beklenenden daha fazla zaman alabilir. Bu protokolde, duvar (etki alanında değil), ayarlanabilir ışık denetleyicileri ve projektör için program tarafından oluşturulan filtreler yansıtan parça ışıkları kullanımı gibi kurulum ve ışık dengesi süresini azaltmak için öğrenilen dersler dahil edilmiştir. Ayrıca, insan gözü için görsel olarak kabul edilebilir görünen şey, kamera ve yazılım tarafından aynı şekilde gösterilmeyebilir, böylece aydınlatma koşullarınız ek ayarlamalar gerektirebilir. Monitör açılarında küçük değişiklikler bile arka plan degrade değişikliklerine neden olur. Böylece, dosya ayarlarını alma ve kaydetme konusunda ayrıntılı not, deneme sırasında meydana gelen değişikliklerin olasılığını büyük ölçüde azaltacaktır. Burada sunulan gibi, fiziksel olarak filtreleme süreç boyunca hareket başarı için en hızlı adımları verir.
ST projektör kullanımı bir monitör üzerinde daha fazla uzamsal esneklik sağlar, ancak bu yaklaşım "Hotspot" olarak adlandırılan istenmeyen bir görsel anomali oluşturur. Bir HotSpot projektör ampulünün yakınlığı ile oluşturulan projeksiyon yüzeyinde parlak bir noktadır. Protokolde, Bölüm 4 arka plan filtreleri oluşturulması ve etki alanı genelinde homojen yıldırım kontrolü adamıştır. Burada sağlanan adımlar kullanıcıların önlemek veya en aza indirmek, herhangi bir istenmeyen degrade modelleme ve efektleri karşı ters bir degrade çoğaltmak için modeli kullanarak Hotspot istenmeyen etkileri yardımcı olacaktır. Son olarak, ST projektör modeli değişebilir, ancak, görüntü ayarlamaları (döndürme, çevirme, ön veya arka ekran projeksiyon) ve Keystone düzeltme (± 3-5 derece) arzu görüntü etki uyar ve distorsiyon için ayarlanabilir sağlamak için yararlı özelliktir.
Zamanla, deneysel Odalar donanım değişiklikleri (yani, kameralar, kablolama, video kartları, monitörler) tarafından kolaylıkla güncellendi. Bu donanım değişiklikleri büyük olasılıkla ek başlangıç zaman aydınlatma dengelemek ve herhangi bir potansiyel program sorunları ile çalışma neden söz dikkat çekicidir. Bu nedenle, herhangi bir donanım istenen deneyler tamamlanıncaya kadar bir sisteme adanmış önerilir. Çoğu zorluklar monitörler, video kartları ve bazen programlama kodunun değiştirilmesi sonuçlanan kameralar arasındaki performans farklılıkları bağlı olmuştur. Bu çalışmanın zamanından beri, iç test etki alanının kaldırılabilen ve diğer test etki alanları için geçiş yaptığı yeni etki alanları geliştirilmiştir. Deneysel etki alanları ve destek yapıları tasarlarken bu esnekliği dikkate almanızı öneririz.
Geçerli protokol, müfettişlerin her ikisi de bir okul içinde beklenen görsel ortamı yansıtan bir şekilde görsel özellikleri yalıtmak ve manipüle etmesini sağlarken, aynı zamanda gerçek özelliklerine maruz kalmanın (örn. , açlık, benzerlik, saldırganlık)7. Genel olarak, sanal balık bilgisayar animasyonu (CA) (yani, siluetler) davranışsal tepkiler uyarıcı farklı avantajları nedeniyle daha yaygın bir yer haline gelen bir uygulamadır19,20,21. CA bir görsel ipuçları özelleştirmek için sağlar (Yön, hız, tutarlılık, veya morfoloji), uyarıcı olarak canlı hayvanlar kullanırken elde edilebilir ne aşan istenilen uyaran standardizasyon ve tekrarlanabilirlik düzeyi tanıtan iken. Davranış çalışmalarında sanal gerçeklik kullanımı, hem hayvanlar22 ve insanlar23, aynı zamanda sürekli olarak artmaktadır ve teknoloji daha kullanılabilir ve tractable hale gibi güçlü bir ampirik aracı haline vaat ediyor. Birlikte alınan bu sanal yaklaşımlar da yerine ve bilim hayvan etiği (örneğin, IACUC, AAALAC, ve acuro) canlı hayvan gereksinimlerini azaltmak24, eş zamanlı olarak laboratuvar maliyetleri ve yükleri düşürürken.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Tüm yazarlar deneysel tasarım, analiz ve kağıt yazma katkıda bulunmuştur. A.C.U. ve C.M.W. Kurulum ve veri toplanan. Yazarların ifşa etmesi gereken hiçbir şey yok.
Acknowledgments
Biz kurulum yardımı için Bryton Hixson teşekkür ederiz. Bu program temel araştırma programı, çevre kalitesi ve tesisatları tarafından destekleniyordu (EQı; Dr. Elizabeth Ferguson, teknik direktör), ABD ordu mühendisi araştırma ve geliştirme merkezi.
Materials
| Name | Company | Catalog Number | Comments |
| Black and white IP camera | Noldus, Leesburg, VA, USA | https://www.noldus.com/ | |
| Extruded aluminum | 80/20 Inc., Columbia City, IN, USA | 3030-S | https://www.8020.net 3.00" X 3.00" Smooth T-Slotted Profile, Eight Open T-Slots |
| Finfish Starter with Vpak, 1.5 mm extruded pellets | Zeigler Bros. Inc., Gardners, PA, USA | http://www.zeiglerfeed.com/ | |
| Golden shiners | Saul Minnow Farm, AR, USA | http://saulminnow.com/ | |
| ImageJ (v 1.52h) freeware | National Institute for Health (NIH), USA | https://imagej.nih.gov/ij/ | |
| LED track lighting | Lithonia Lightening, Conyers, GA, USA | BR20MW-M4 | https://lithonia.acuitybrands.com/residential-track |
| Oracle 651 white cut vinyl | 651Vinyl, Louisville, KY, USA | 651-010M-12:5ft | http://www.651vinyl.com. Can order various sizes. |
| PowerLite 570 overhead projector | Epson, Long Beach CA, USA | V11H605020 | https://epson.com/For-Work/Projectors/Classroom/PowerLite-570-XGA-3LCD-Projector/p/V11H605020 |
| Processing (v 3) freeware | Processing Foundation | https://processing.org/ | |
| R (3.5.1) freeware | The R Project for Statistical Computing | https://www.r-project.org/ | |
| Ultra-white 360 theater screen | Alternative Screen Solutions, Clinton, MI, USA | 1950 | https://www.gooscreen.com. Must call for special cut size |
| Z-Hab system | Pentair Aquatic Ecosystems, Apopka, FL, USA | https://pentairaes.com/. Call for details and sizing. |
References
- Dall, S. R. X., Olsson, O., McNamara, J. M., Stephens, D. W., Giraldeau, L. A. Information and its use by animals in evolutionary ecology. Trends in Ecology and Evolution. 20 (4), 187-193 (2005).
- Pitcher, T. Sensory information and the organization of behaviour in a shoaling cyprinid fish. Animal Behaviour. 27, 126-149 (1979).
- Partridge, B. The structure and function of fish schools. Scientific American. 246 (6), 114-123 (1982).
- Fernández-Juricic, E., Erichsen, J. T., Kacelnik, A. Visual perception and social foraging in birds. Trends in Ecology and Evolution. 19 (1), 25-31 (2004).
- Strandburg-Peshkin, A., et al. Visual sensory networks and effective information transfer in animal groups. Current Biology. 23 (17), R709-R711 (2013).
- Rosenthal, S. B., Twomey, C. R., Hartnett, A. T., Wu, S. H., Couzin, I. D. Behavioral contagion in mobile animal groups. Proceedings of the National Academy of Sciences (U.S.A.). 112 (15), 4690-4695 (2015).
- Lemasson, B. H., et al. Motion cues tune social influence in shoaling fish. Scientific Reports. 8 (1), e9785 (2018).
- Kaidanovich-Beilin, O., Lipina, T., Vukobradovic, I., Roder, J., Woodgett, J. R.
- Holcombe, A., Schalomon, M., Hamilton, T. J. A novel method of drug administration to multiple zebrafish (Danio rerio) and the quantification of withdrawal. Journal of Visualized. Experiments. (93), e51851 (2014).
- Way, G. P., Southwell, M., McRobert, S. P. Boldness, aggression, and shoaling assays for zebrafish behavioral syndromes. Journal of Visualized. Experiments. (114), e54049 (2016).
- Zhang, Q., Kobayashi, Y., Goto, H., Itohara, S. An automated T-maze based apparatus and protocol for analyzing delay- and effort-based decision making in free moving rodents. Journal of Visualized. Experiments. (138), e57895 (2018).
- Videler, J. J. Fish Swimming. , Netherlands. Springer. 260 pp., ISBN-13 9789401115803 (1993).
- Orger, M. B., Smear, M. C., Anstis, S. M., Baier, H. Perception of Fourier and non-Fourier motion by larval zebrafish. Nature Neuroscience. 3 (11), 1128-1133 (2000).
- Romey, W. L. Individual differences make a difference in the trajectories of simulated schools of fish. Ecological Modeling. 92 (1), 65-77 (1996).
- Katz, Y., Tunstrom, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences (U.S.A.). 108 (46), 18720-18725 (2011).
- Herbert-Read, J. E., Buhl, J., Hu, F., Ward, A. J. W., Sumpter, D. J. T. Initiation and spread of escape waves within animal groups). Proceedings of the National Academy of Sciences (U.S.A.). 2 (4), 140355 (2015).
- Lemasson, B. H., Anderson, J. J., Goodwin, R. A. Motion-guided attention promotes adaptive communications during social navigation. Proceedings of the Royal Society. 280 (1754), e20122003 (2013).
- Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences (U.S.A.). 108 (17), 6884-6888 (2011).
- Bianco, I. H., Engert, F. Visuomotor transformations underlying hunting behavior in zebrafish). Current Biology. 25 (7), 831-846 (2015).
- Chouinard-Thuly, L., et al. Technical and conceptual considerations for using animated stimuli in studies of animal behavior. Current Zoology. 63 (1), 5-19 (2017).
- Nakayasu, T., Yasugi, M., Shiraishi, S., Uchida, S., Watanabe, E. Three-dimensional computer graphic animations for studying social approach behaviour in medaka fish: Effects of systematic manipulation of morphological and motion cues. PLoS One. 12 (4), e0175059 (2017).
- Stowers, J. R., et al. Virtual reality for freely moving animals. Nature Methods. 14 (10), 995-1002 (2017).
- Warren, W. H., Kay, B., Zosh, W. D., Duchon, A. P., Sahuc, S. Optic flow is used to control human walking. Nature Neuroscience. 4 (2), 213-216 (2001).
- The IACUC Handbook. Silverman, J., Suckow, M. A., Murthy, S. , 3rd Edition, CRC Press, Taylor and Francis. 827 pp., ISBN-13 9781466555648 (2014).
