無線周波数識別かつ効率的にモーションセンシティブビデオがマルハナバチによって報わ選択行動の記録を自動化
November 15th, 2014
このビデオは、マルハナバチの選択行動を監視するためのRFID(Radio-Frequency Identification)と動きに敏感なビデオ録画方法について説明しています。
これらの手順の全体的な目標は、造花でのミツバチの選択行動の観察を自動化することです。これは、最初にコロニー内のすべてのミツバチに識別タグをプラスチック製の番号タグまたはRFIDタグ(プロトコルに応じて)で接着することによって達成されます。2番目のステップは、モーションセンシティブビデオカメラまたはRFIDリーダーをテストスペースにセットアップすることです。
次に、アーティフィシャルフラワーはテストスペースの場所。最後のステップは、Bコロニーにテストスペースへのアクセスを許可することです。最終的には、すべての花の訪問の時間と場所で構成されるレコードの大規模なデータベースが生成されます。
これらの手法が、観察結果をリアルタイムで手動で記録するなど、他の方法よりも優れている点は、これらの手法により、まだ花の報酬を経験したことのないミツバチの行動を研究できることです。ミツバチは花を見つけるのに時間がかかり、時には数日かかることもあります。私たちの方法により、これらの非常にまれなイベントをキャプチャできます。
マルハナバチのコロニー全体の活動を長期間にわたって連続的に、かつ高精度に記録することができます。これは、個体差の起源に関する昆虫の行動における重要な質問に答えるのに役立ちます。このプロトコルのテスト環境は、隔離された部屋またはフライトケージ上の2立方メートルの金属スクリーンフライトケージである必要があります。
ニッケルの直径または約2センチメートルの小さな穴は、ミツバチの入口と出口として機能します。蜂。コロニーは、複数のミツバチが同時に循環するのに十分な幅の導管を使用してテストスペースに接続されます。スクリーンチューブコンジットは、これらの実験中に良好な牽引力を提供するため、理想的です。
ミツバチは、テストスペース内のこれらの導管を介してフライトケージとコロニーボックスの間を自由に移動し、造花の配置のための2つのホルダーです。高さ1.2mの木製スタンドを空間の中央に配置するか、壁に取り付けます。スタンドの上部には、花を保持するメカニズムがあります。
実験全体を通して、ホルダーの位置は定期的に移動され、位置効果のアーティファクトが導入されるのを防ぎます。RFIDの実験中、カラータグの実験のためにカスタムデザインの造花の上に2K6ヘッドが取り付けられています。動きに敏感なビデオカメラは、造花から 2 メートルのところに配置されています。
テストスペースは、ミツバチが通常の蛍光灯のちらつきを検出できるため、最小1,200ルクスの強度を生成する蛍光灯によって照らされ、実験中に200ヘルツ以上でちらつく特殊な高周波バラストを使用する必要があります。労働者は胸部にRFIDタグでタグ付けされ、労働者が繭から出てきたときに個々の容器に選択され、まだ窮地に立たされて飛ぶことができない間は、摂氏7度に設定された冷蔵庫で約1時間呼び出します。これにより、タグ付け中に刺される可能性が最小限に抑えられます。
冷やしたら、無毒の接着剤を使用して各作業者に固有のRFIDタグを貼り付けます。接着剤を少なくとも10分間乾かしてから、ワーカーをコロニーに再導入します。タグ付けを回避した、またはRFIDを紛失したすべての労働者は、排除する必要があります。
実験用の造花の組み立て物が機械工場で作れるようになると、その後、色付きの粘土で裏打ちされます。無地の青い造花は、さまざまな視覚的特徴が追加される基本的なテンプレートです。視覚的な特徴の一つは、黄色い粘土の薄い裏地を使用したデザインです。
造花の円筒形部分のスロットは、RFIDリーダーに簡単にスナップできます。花の刺激のデザインは非常に重要です。内部空間は、すべてのマルハナバチのピースが内部に登ることができるほど十分に大きくなければなりませんが、マルハナバチのタグがリーダーから3〜4ミリメートル以内に来るほど十分に小さくなければなりません。
さらに、造花は、円柱とクーン部分の間に混乱が生じないように視覚的な特性を表示するように設計する必要があります。RFIDタグの代わりに、色付きのナンバータグがあります。これらのタグは、働きバチが繭から出てきた直後にも適用されます。
RFIDタグに対する利点の1つは、ミツバチがタグを外すのがより難しいことです。RFIDタギングと同様に、タギングする前にコロニーからすべての労働者を削除し、彼らに電話をかけます。あとで。実験が開始され、ミツバチの行動が記録されると、新しい働きバチが出現し、タグを付ける必要があります。
通常、2〜3日ごとに7〜10人の新しい働きバチが出現し、カラータグ付きのミツバチのデータを記録します。動きに敏感なビデオカメラは、テスト環境の外部から各花に向ける必要があります。これらは、少なくとも 1 メガピクセルの解像度と光の変更を備えたインターネット プロトコル カメラです。
ストックレンズを1.8mmの非常に焦点の合ったレンズに交換して、焦点を合わせ、花にズームインする能力を向上させます。別のカメラの焦点を合わせて、2 つの花の前の領域をキャプチャします。このカメラは花の約半メートル上に配置されています。
着陸前に発生する動作をキャプチャします。これには、アプローチ、ホバリング、さらにはイントネーションが含まれます。375人の労働者のコロニーにRFIDのタグが付けられました。研究中に85%がフライトケージに入り、そのうち62%が4つの花刺激のうちの1つも探索しました。
これは、イントネーションの上にホバリングして着陸し、探索していると採点されました。この実験では、約300,000のイベントが記録され、それらはすべてマウスワールドデータベースに保存されました。同心円状のパターンよりも放射状のパターンが好まれることが示されました。
しかし、同心円状のパターンが花の中心に配置され、放射状のパターンが周辺にあると、放射状のパターンは逆転しました。2つ目の実験では、ミツバチに色付きの数字を付け、動きに敏感なビデオカメラで撮影しました。この実験では、中央に配置された同心円状のパターンよりも、中央に配置された放射状のパターンの花が好まれました。花。
花の模様の位置は違いを生みませんでした。これらの手順により、小さな脳による視覚情報処理の特性について、計算モデリングと人工知能によって提供される理論的予測を経験的に検証することができます。たとえば、教師なしニューラルネットワークを使用して、対称性の選好に関する予測を生成し、自動化された方法を使用してテストしました。
マルハナバチが初めてコロニーを離れる行動は、軽視されてきた研究分野であり、研究の障害のいくつかは方法論的なものでした。このビデオで説明した手法は、コロニーを離れて初めて食べ物を探しているマルハナバチの行動を研究するのに特に適しています。RFIDです。タグ付けや動きに敏感なビデオ録画は、現在、心理学者や生物学者によって、最近まで手の届かなかった新しい問題を研究するために使用されています。
概要
このビデオでは、RFIDと動作検知式ビデオ録画を使用して人工の花でハチの選択行動を自動化する方法について説明しています。これらの技術により、研究者は稀な事象を捉え、高い精度でハチの行動を研究することができます。
研究の主要な構成要素
科学の分野
- 行動生態学
- 昆虫行動
- 受粉生物学
背景
- ハチの選択行動を理解することは、受粉と生態系の健康に関する洞察を得るために重要です。
- 従来の観察方法には限界があり、稀な行動事象を見逃す可能性があります。
- RFIDとビデオ録画は、これらの行動を研究するためのより包括的なアプローチを提供します。
- ハチは花を発見するのに時間がかかることがあり、継続的な観察が重要です。
研究の目的
- 人工の花とのハチの相互作用のモニタリングを自動化する。
- 花訪問記録の大きなデータベースを作成する。
- ハチの行動における個人差の起源を調査する。
使用された方法
- RFIDまたは色付きの番号タグでハチにタグ付けして識別します。
- 制御されたテスト環境に動作検知式カメラとRFIDリーダーを設置します。
- タグ付けシステムと相互作用するように設計された人工の花を使用します。
- 長期間にわたるハチの行動を記録し分析します。
主要な結果
- 研究期間中に合計300,000の記録された事象が生成されました。
- ハチは花の刺激に対して放射状のパターンよりも同心円状のパターンを好みました。
- 行動観察には、花の周りを飛び回ること、着陸すること、花を探索することが含まれていました。
- ハチの行動を追跡する効果を比較するために、異なるタグ付け方法が使用されました。
結論
- 自動化された方法は、ハチの行動研究を大幅に向上させます。
- これらの技術により、これまで記録されていなかった行動の観察が可能になります。
- 結果は、ハチの採餌選択に影響を与える要因を理解するのに貢献します。
よくある質問
Executive Industry Relevance
Automated behavioral monitoring systems enable high-throughput, longitudinal observation of organismal responses to environmental stimuli, supporting early-stage target validation in neurobehavioral and sensory research. By capturing unrewarded choice behavior at scale, these methods reduce observational bias and increase statistical power for detecting subtle phenotypic variations. This approach enhances predictive confidence in preclinical models by providing quantifiable, reproducible behavioral endpoints applicable to mechanistic de-risking of CNS-targeted therapeutics.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of sensory processing and decision-making pathways in invertebrate models to validate targets involved in visual perception and behavioral response.
- Operational Value: Supports high-resolution tracking of individual organisms over time, facilitating de-risking of hypotheses related to neural circuit function and sensory integration.
Screening & Assay Development
- Scientific Value: Generates quantitative behavioral readouts (e.g., visitation frequency, hover duration, exploration patterns) suitable for assay standardization and screening campaign readiness.
- Operational Value: Automated data capture increases throughput and reduces human error, enabling scalable screening of environmental or genetic variables affecting choice behavior.
Translational & Preclinical Research
- Scientific Value: Provides a disease-relevant system for studying sensory-driven behaviors with translational potential to mammalian models of neuropsychological function.
- Operational Value: Supports continuity from discovery through preclinical validation by generating longitudinal, multimodal behavioral datasets.
Pipeline & Workflow Integration
The method integrates into early discovery workflows by enabling hypothesis-driven screening of sensory and behavioral phenotypes, supporting lead identification through quantifiable choice metrics.
- Discovery Biology: Facilitates hypothesis testing of sensory processing pathways by measuring unrewarded choice behavior in response to controlled visual stimuli.
- Screening: Delivers standardized, reproducible behavioral outputs that support assay readiness and cross-condition comparison.
- Analytics: Produces high-resolution temporal and spatial datasets enabling statistical analysis of individual and group-level behavioral variation.
- Translational Research: Connects to preclinical research through conserved mechanisms of visual processing and decision-making applicable to mammalian models.
- Enterprise Reuse: Represents a reusable platform for longitudinal behavioral phenotyping across multiple experimental conditions and genetic backgrounds.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing noise and capturing rare, spontaneous behavioral events.
- Operational Value: Enhances reproducibility and scalability through automated, continuous monitoring independent of observer availability.
- Strategic Value: Improves go/no-go decision-making by providing objective, high-fidelity behavioral data for prioritizing mechanistic hypotheses.
- Portfolio Impact: Enables risk-adjusted advancement decisions by quantifying behavioral responses to target-modulating conditions with high precision.
Implementation Considerations
- Requires expertise in behavioral ecology, sensor integration, and automated tracking systems.
- Dependent on RFID readers or motion-sensitive cameras, custom artificial flower apparatus, and controlled lighting environments.
- Necessitates cross-team standardization for tagging protocols, data synchronization, and behavioral scoring criteria.
- Involves adaptation considerations when transferring protocols across insect species or varying environmental contexts.
- Limited by the need for isolated testing spaces and species-specific tagging feasibility, as noted in the source material.
Biopharma FAQs
Chapters in this video
0:05
Title
1:32
The Testing Environment
3:22
Marking Bees with Radio-frequency Identification (RFID) Tags
4:16
Preparing an Artificial Flower with an RFID Reader
5:16
Marking Bees with Colored Tags
5:58
Video Recording Color-tagged Bees
6:49
Results: Artificial Flower Position and Pattern Preference
7:58
Conclusion
