기능 학습 다리 세분화 및 추적 (FLLIT)를 사용하여 자유롭게 움직이는 곤충에서 완전 자동화 된 다리 추적

FLLIT는 추적 된 동물의 신체 와 다리 구성을 계산하는 알고리즘입니다. 그리고 이것은 정상 및 질병 걷기 행동 둘 다근하는 회로를 특성화하는 데 유용합니다. FLLIT의 독특한 점은 교육을 위해 사용자 에 추가 된 데이터 집합이 필요하지 않으므로 완전히 자동화된다는 것입니다.

또한 일련의 걸음걸이 측정, 시각화를 위한 걸음걸이 플롯 및 트랙 비디오를 생성하는 트랙 데이터를 자동으로 분석합니다. 절차를 시연하는 것은 내 실험실에서 박사 후 동료인 애니메쉬 배너지(Animesh Banerjee)가 될 것입니다. 실험을 시작하기 전에, 녹음 스테이션이 경기장 챔버를 유지하기 위해 무대 위에 고속 카메라가 있음을 확인합니다.

적외선 LED 조명을 카메라와 샘플 사이에 디퓨저로 스테이지 상단에 배치합니다. 녹음을 시작하기 약 40분 전에 파리를 얼음 위에 있는 빈 사악한 사악으로 5~7분 간 옮는다. 파리가 진정되는 동안 물과 닦기를 사용하여 챔버의 경기장과 유리 슬라이드를 지우고 챔버 아래 유리 슬라이드 중 하나를 테이프로 표시하십시오.

깨끗한 브러시를 사용하여 마취 된 플라이 하나를 챔버로 옮기고 두 번째 슬라이드와 테이프로 챔버를 고정하십시오. 그런 다음 챔버 가 15 ~20 분 동안 실온에서 적응하도록 챔버 비행을 허용합니다. FLLIT 분석을 위한 비디오를 생성하려면 먼저 전원을 켜고 연결된 컴퓨터 시스템에서 뷰어 응용 프로그램을 엽니다.

레코딩 프레임 속도를 초당 1, 000 프레임으로 변경하고 셔터 속도를 1밀리초로 설정합니다. 녹음 경기장에 플라이로 챔버를 놓고 LIVE 버튼을 클릭합니다. 비행이 챔버의 바닥에 똑바로 걷고 있을 때 카메라가 다리 팁에 초점을 맞추고 있음을 확인하고 기록을 클릭합니다.

녹화하는 동안, 비행이 경기장의 가장자리를 건드리지 않고 상대적으로 직선 궤도에서 걷고, 다리 당 적어도 세 걸음을 걷고, 걷는 동안 멈추지 않으며, 걷는 거리가 적어도 하나 반 의 몸 길이와 동일하도록합니다. 분석이 끝나면 레코드 완료를 클릭하여 녹음을 중지하고 파일을 mraw 또는 tiff 형식으로 적절한 폴더에 저장합니다. FLLIT를 설치하려면 먼저 모든 운영 체제에 프로그램을 다운로드합니다.

zip 파일의 내용을 추출하고 샘플 데이터 세트를 다운로드합니다. 우분투에 FLLIT를 설치하려면 FLLIT/컴파일된 디렉토리로 이동한 후 오른쪽 단추를 클릭하여 터미널에서 열기를 선택합니다. 샘플 데이터 집합을 다운로드하고 데이터 집합 폴더가 배치되는 FLLIT 마스터/컴파일아래에 폴더 데이터를 만듭니다.

홈/MCR에 MATLAB 런타임 라이브러리를 설치합니다. MATLAB 런타임 라이브러리 설치가 완료되면 명령을 실행 권한이 FLLIT에 기록되도록 명령이 실행됩니다. 그런 다음 명령을 입력하여 FLLIT를 실행합니다.

비디오 의 세분화를 위해 파일을 개별 TIFF 파일로 변환하고 변환된 파일을 FLLIT 데이터 폴더에 저장합니다. 모든 파일이 전송되면 FLLIT를 실행합니다. 팝업 창에서 다리 분할만 수행하기 위해 0을 선택하거나 다리 분할을 사용하여 다리 추적을 포함하도록 1을 선택합니다.

추적할 비디오의 프레임별 TIFF 이미지가 포함된 폴더와 관심 파일및 추가를 클릭합니다. 그런 다음 완료를 클릭하여 선택한 비디오의 세분화 및 추적을 시작합니다. 추적의 정확성을 확인하고 오류 수정을 수행하려면 데이터 폴더 선택을 클릭한 다음 추적할 폴더를 선택합니다.

추적 보기를 클릭하고 첫 번째 프레임의 모든 다리에 대한 라벨링을 확인합니다. 다리가 잘못 표시되고 수정이 필요한 경우 일시 중지 보기를 클릭하고 예측을 조정합니다. 다리를 조정하여 패널을 조정하려면 보정이 필요한 다리를 선택하고 이미지 창에서 이 다리의 올바른 위치를 두 번 클릭합니다.

그런 다음 저장 및 종료를 클릭합니다. 세분화되고 추적된 데이터를 처리하려면 데이터 프로세스를 클릭합니다. 먼저, 게이트 매개 변수를 측정할 수 있도록 캡처된 비디오의 실제 시야필드를 계산합니다.

팝업 창에서 비디오가 녹화되는 초당 프레임 수를 입력하고 계산된 뷰 필드를 밀리미터 단위로 입력합니다. 추적 결과에 액세스하려면 결과를 열고 폴더를 추적합니다. 추적된 비행 비디오를 생성하려면 비디오 만들기를 선택합니다.

레그 세분화, 추적 및 데이터 처리에 따라 FLLIT는 신체의 위치와 각 레그 클로, 20개의 걸음걸이 매개 변수 및 함께 제공되는 플롯및 추적된 비디오에 대한 원시 데이터를 자동으로 생성합니다. SCA3은 몸을 굽히기, 불규칙한 발 배치 및 짧은 숨막히는 계단으로 탁트한 보행로를 대표합니다. 돌연변이 SCA3 파리의 걸음걸이를 특성화하고 인간 환자의 것과 유사한 걸음걸이를 나타내는지 여부를 조사하기 위해 FLLIT에 의해 생성된 관련 걸음걸이 파라미터를 분석할 수 있다.

SCA3-Q84 플라이는 더 많은 회전, 낮은 발자국 규칙으로 나타나는 불규칙한 발 배치, 다리 영역 중복 증가, 길이 및 면적의 다리 영역 확대, 보폭 감소 등을 나타낸다. FLLIT는 또한 경기장 중심및 신체 중심보기, 신체 궤적, 방향, 각 다리의 수직 및 측면 변위에서 추적된 비행과 다리를 보여주는 비디오를 생성할 수 있습니다. SCA3-Q27 파리와 비교하여 SCA3-Q84는 다양한 크기의 불규칙한 교차 다리 영역을 나타내며, 이는 숨어 있는 아탁스 보행을 나타냅니다.

신체 및 다리 발톱 위치에 대한 원시 데이터는 관심의 특정 움직임에 대해 더 분석 할 수 있습니다. 예를 들어, FLLIT의 사용은 파킨슨 병의 Drosophila 모델에 의해 표시되는 경직된 표현형이 도파민성 신경 기능 장애에 기인한다는 것을 결정하는 것을 저희 단을 허용했습니다.