Integrazione della valutazione comportamentale animale e della rete neurale convoluzionale per studiare l'interazione gusto-odore wasabi-alcol

Vogliamo vedere se l'odore delle bevande alcoliche potrebbe alleviare il bruciore del wasabi. Così abbiamo sviluppato un metodo che coinvolgeva lo studio del comportamento animale e l'apprendimento profondo per esplorare questa interazione gusto-olfatto. Utilizzando il nostro design specializzato della gabbia per l'acquisizione di dati comportamentali e un solido modello di deep learning, abbiamo scoperto che il 29% delle immagini raffiguranti il co-trattamento di wasabi e alcol sono state classificate come wasabi-negative, liquid-positive, suggerendo che l'alcol può contrastare gli effetti del wasabi.

Il nostro studio solleva la domanda: perché l'alcol può sopprimere il disagio causato dal wasabi? La comprensione del meccanismo fisiologico sottostante che guida questa interazione sarà al centro della ricerca futura. Per iniziare, costruisci due pareti laterali opache impilando i mattoni a un'altezza di 54 millimetri.

Incorporare le lastre acriliche nella gabbia a base di acrilonitrile-butadiene-stirene. Prepara una camera per chow composta da cinque lastre acriliche trasparenti da 90 millimetri per 50 millimetri con uno spessore di due millimetri. Quindi, prepara una piastra acrilica trasparente come piastra di introduzione al chow e posizionala nella camera del chow.

Dopo aver condotto esperimenti comportamentali utilizzando un modello murino di 9-10 settimane, smontare tutte le piastre acriliche e acrilonitrile-butadiene-stirene. Sciacquare le piastre con acqua ultrapura almeno tre volte. E poi asciugali usando della carta assorbente.

Quindi, spruzzali con etanolo al 75%, quindi puliscili con carta per lenti. Infine, lasciateli asciugare all'aria per almeno 15 minuti. Ora, pesa i topi e registra il loro peso corporeo prima di ogni replica dell'esperimento comportamentale.

Per preparare una miscela di wasabi e burro di arachidi, pesare un grammo di wasabi commerciale e 4,5 grammi di burro di arachidi. Mescolali in un sacchetto di plastica con cerniera. Pesare e fornire due paste da 0,5 grammi di burro di arachidi o una miscela di wasabi e burro di arachidi sulla piastra di introduzione del cibo.

Posizionare la piastra di introduzione del chow preparata nella camera del chow. Quindi, riempire il solco sottostante con 30 millilitri di liquido, acqua pura o liquore, per facilitare l'inalazione concomitante. Inizia a registrare utilizzando le fotocamere di due smartphone posizionate sui supporti del telefono in ciascun terminale.

Posizionare con cura due compagni di cucciolata di topi addestrati nella piattaforma di studio comportamentale degli animali progettata dall'alto e fissare prontamente la gabbia con la piastra superiore. Per iniziare, registra il comportamento dei topi durante l'esperienza della nocicezione indotta dal wasabi mentre sniffano liquore in una gabbia appositamente progettata. Utilizzo del Jupyter Notebook fornito denominato Step1_ExtractingAndSavingVideoFrameImages.

ipynb, esporta una serie di immagini di fotogrammi video dai video clip raccolti per generare un set di dati per l'addestramento del modello. Seleziona le immagini solo con almeno un mouse consumando la pasta fornita. Per eseguire l'aumento dei dati, implementare lo script fornito nel Jupyter Notebook denominato Step2_DataAugmentation.

ipynb per capovolgere orizzontalmente le immagini generate. Riserva i dati dell'immagine da ogni seconda replica per la convalida del modello CNN indipendente esterno. Usare le immagini di ogni prima e terza replica per il training e il test del modello interno.

Per pre-elaborare i dati dell'immagine utilizzati nella modellazione CNN, eseguire lo script nel Jupyter Notebook denominato Step3_CNNmodeling_TrainTest. IPYNB, incluso il ridimensionamento dell'immagine, la conversione del colore nero e la normalizzazione del segnale dell'immagine. Suddividi i materiali di formazione in set di dati interni di formazione e test in modo casuale da otto a due.

Quindi, inizializzare l'architettura CNN. Progetta il numero di output CNN in base al numero di scenari da esaminare. Adottare la combinazione ottimale di iperparametri per la costruzione dell'architettura CNN.

Quindi, apri il Step4_CNNmodel_ExternalValOriginal Jupyter Notebooks fornito. ipynb e Step5_CNNmodel_ExternalValFlipped.ipynb. Convalidare il modello raggiunto utilizzando le immagini indipendenti dalla seconda replica dell'esperimento comportamentale animale.

Distribuire il modello raggiunto e convalidato per classificare le immagini dei fotogrammi video generate dal gruppo sperimentale utilizzando Jupyter Notebook Step6_CNNmodel_Application.ipynb. Il punteggio MGS è aumentato significativamente nei topi a cui è stata somministrata una miscela di wasabi e burro di arachidi rispetto a quelli a cui è stato somministrato solo burro di arachidi. Il punteggio MGS non ha mostrato differenze significative tra il gruppo di controllo e i topi esposti al vapore di alcol.

Il punteggio MGS dei topi a cui sono stati somministrati wasabi e burro di arachidi è diminuito significativamente quando esposti al vapore di alcol rispetto a quelli non esposti.