November 15th, 2014
이 비디오는 호박벌의 선택 행동을 모니터링하기 위한 RFID(Radio-Frequency Identification) 및 동작 감지 비디오 녹화 방법에 대해 설명합니다.
이 절차의 전반적인 목표는 인공 꽃에서 꿀벌 선택 행동의 관찰을 자동화하는 것입니다. 이것은 먼저 프로토콜에 따라 플라스틱 숫자 태그 또는 RFID 태그로 식민지 내부의 모든 꿀벌에 식별 태그를 붙임으로써 수행됩니다. 두 번째 단계는 테스트 공간에 모션 감지 캠코더 또는 RFID 리더를 설정하는 것입니다.
다음으로, 인공 꽃은 테스트 공간의 한 자리를 차지합니다. 마지막 단계는 B 콜로니가 테스트 공간에 접근할 수 있도록 하는 것입니다. 궁극적으로, 각각의 모든 꽃 방문의 시간과 위치로 구성된 대규모 기록 데이터베이스가 생성됩니다.
관찰 결과를 실시간으로 수동으로 기록하는 것과 같은 다른 방법에 비해 이러한 기술의 주요 장점은 이러한 기술을 통해 아직 꽃에 대한 보상을 경험한 적이 없는 꿀벌의 행동을 연구할 수 있다는 것입니다. 꿀벌은 꽃을 발견하는 데 시간이 걸리며 때로는 며칠이 걸리기도 합니다. 우리의 방법을 통해 이러한 매우 드문 사건을 포착할 수 있습니다.
우리는 호박벌 전체 군집의 활동을 장기간에 걸쳐 지속적으로 매우 정밀하게 기록할 수 있습니다. 이것은 개체 차이의 기원에 대한 곤충 행동의 핵심 질문에 답하는 데 도움이 될 수 있습니다. 이 프로토콜에 대한 테스트 환경은 비행 케이지의 격리된 방 또는 2입방 미터의 금속 스크린 비행 케이지여야 합니다.
니켈의 지름 또는 약 2센티미터의 작은 구멍은 꿀벌의 출입점 역할을 합니다. 꿀벌. 군체는 여러 꿀벌이 동시에 순환할 수 있을 만큼 충분히 넓은 도관을 사용하여 테스트 공간에 연결됩니다. 스크린 튜브 도관은 이러한 실험 중에 우수한 견인력을 제공하기 때문에 이상적입니다.
꿀벌은 테스트 공간 내의 도관을 통해 비행 케이지와 식민지 상자 사이를 자유롭게 이동하며 인공 꽃 배치를 위한 두 개의 홀더입니다. 1.2m 높이의 나무 스탠드를 공간 중앙에 배치하거나 벽에 부착한 것입니다. 스탠드 상단에는 꽃을 고정하는 역할을하는 메커니즘이 있습니다.
실험이 진행되는 동안, 홀더의 위치는 위치 효과 아티팩트가 발생하는 것을 방지하기 위해 주기적으로 이동됩니다. RFID가 실험하는 동안 색상 태그 실험을 위해 맞춤형으로 설계된 인공 꽃 위에 2K 6 개의 머리가 설치됩니다. 모션 감지 캠코더는 인공 꽃에서 2m 떨어진 곳에 배치됩니다.
테스트 공간은 꿀벌이 일반 형광등의 깜박임을 감지할 수 있기 때문에 최소 1, 200lux 강도의 형광등으로 조명되며, 실험 중에 200Hz 이상에서 깜박이는 특수 고주파 안정기를 사용해야 합니다. 작업자는 흉부에 RFID 태그로 태그를 붙이고, 고치에서 나오면 작업자를 개별 컨테이너에 넣고, 아직 삐죽삐죽 솟아올라 날 수 없는 단계에 있을 때 섭씨 7도로 설정된 냉장고에서 약 한 시간 동안 작업자를 호출합니다. 이렇게 하면 태깅 중에 쏘일 가능성을 최소화할 수 있습니다.
냉각되면 무독성 접착제를 사용하여 각 작업자에게 고유한 RFID 태그를 부착합니다. 일꾼을 군체에 다시 도입하기 전에 접착제를 최소 10분 동안 건조시킵니다. 태깅을 회피하거나 RFID를 분실한 모든 작업자는 제거되어야 합니다.
실험용 인공 꽃 구조물을 기계 공장에서 만들 수 있을 때, 그것들은 색깔 점토로 라이닝됩니다. 일반 파란색 인공 꽃은 다양한 시각적 기능이 추가되는 기본 템플릿입니다. 한 가지 시각적 특징은 노란색 점토의 얇은 라이닝을 사용한 디자인입니다.
인공 꽃의 원통형 부분에 있는 슬롯은 RFID 리더에 쉽게 끼워집니다. 꽃 자극의 디자인이 중요합니다. 내부 공간은 모든 범블 피스가 안으로 들어갈 수 있을 만큼 충분히 커야 하지만, 호박벌의 태그가 리더기로부터 3-4mm 이내에 들어올 수 있을 만큼 작아야 합니다.
또한, 인공 꽃은 실린더와 쿤 부분 사이에 중단이 없는 방식으로 시각적 속성을 표시하도록 설계되어야 합니다. RFID 태그의 대안은 색상이 지정된 숫자 태그입니다. 이 태그는 고치에서 나온 직후 일벌에게도 적용됩니다.
RFID 태그에 비해 한 가지 장점은 꿀벌이 제거하기가 더 어렵다는 것입니다. RFID 태깅과 마찬가지로 콜로니에서 모든 작업자를 제거하고 태깅하기 전에 전화하십시오. 나중에. 실험이 시작되고 꿀벌 행동이 기록되면 새로운 일꾼이 나타나 태그를 지정해야 합니다.
일반적으로 2-3일마다 7-10명의 새로운 일꾼이 나타나 색깔 태그가 붙은 꿀벌의 데이터를 기록합니다. 모션 감지 비디오 카메라는 테스트 환경 외부에서 각 꽃을 조준해야 합니다. 이들은 최소 1메가픽셀의 해상도와 빛 수정 기능이 있는 인터넷 프로토콜 카메라일 수 있습니다.
스톡 렌즈를 1.8mm 초점 렌즈로 교체하여 더 나은 초점과 꽃을 확대할 수 있는 기능을 제공합니다. 다른 카메라의 초점을 맞춰 두 꽃 앞 영역을 캡처합니다. 이 카메라는 꽃에서 약 50m 위에 위치합니다.
그것은 착륙 전에 발생하는 행동을 포착하며, 여기에는 접근 호버링 및 심지어 intonating이 포함됩니다. 375명의 작업자 식민지에는 RFID가 태그되었습니다. 연구 기간 동안 85%가 비행 케이지에 들어갔고, 그 꿀벌 중 62%도 네 가지 꽃 자극 중 하나를 탐색했습니다.
이것은 Intonating, 착륙 및 탐험 위로 호버링하는 것으로 점수가 매겨졌습니다. 이 실험은 약 300,000개의 기록된 이벤트를 생성했으며, 모두 마우스 월드 데이터베이스에 저장되었습니다. 동심 패턴보다 방사형 패턴을 선호하는 경향이 있었습니다.
그러나 방사형 패턴은 동심원 패턴이 꽃의 중앙에 위치하고 방사형 패턴이 주변부일 때 반전되었습니다. 두 번째 실험에서는 꿀벌에게 색깔 있는 숫자로 태그를 붙이고 움직임에 민감한 캠코더로 촬영했습니다. 이 실험에서는 중앙에 위치한 동심원 패턴보다 중앙에 위치한 방사형 패턴 꽃을 선호했습니다. 꽃.
꽃에 패턴의 위치는 차이를 만들지 않았습니다. 이러한 절차를 통해 우리는 작은 뇌에 의한 시각적 정보 처리의 특성에 대해 컴퓨터 모델링과 인공 지능이 제공하는 이론적 예측을 경험적으로 테스트할 수 있습니다. 예를 들어, 비지도 신경망을 사용하여 대칭에 대한 선호도에 대한 예측을 생성했으며, 자동화된 방법을 사용하여 테스트했습니다.
호박벌이 처음으로 서식지를 떠나는 행동은 소홀히 여겨지는 연구 분야이며, 연구를 가로막는 장애물 중 일부는 방법론적인 것이었습니다. 이 비디오에서 설명한 기술은 군체를 떠나 처음으로 먹이를 찾는 호박벌의 행동을 연구하는 데 특히 적합합니다. RFID를 선택합니다. 태깅 및 움직임에 민감한 비디오 녹화는 현재 심리학자와 생물학자들에 의해 최근까지 접근하지 못했던 새로운 질문을 연구하는 데 사용되고 있습니다.
이 비디오는 RFID와 동작 감지 비디오 녹화를 사용하여 인공 꽃에서 벌의 선택 행동을 자동화하는 방법을 설명합니다. 이러한 기술은 연구자들이 드문 사건을 포착하고 높은 정밀도로 벌의 행동을 연구할 수 있게 합니다.
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.
The method integrates into early discovery workflows by enabling hypothesis-driven screening of sensory and behavioral phenotypes, supporting lead identification through quantifiable choice metrics.