Integratie van gedragsbeoordeling van dieren en convolutioneel neuraal netwerk om de smaak-geurinteractie van wasabi en alcohol te bestuderen

We willen zien of het ruiken van alcoholische dranken de verbranding van wasabi kan verlichten. Dus ontwikkelden we een methode die gedragsstudie bij dieren en deep learning omvatte om deze smaak-geurinteractie te onderzoeken. Door gebruik te maken van ons gespecialiseerde kooiontwerp voor het verzamelen van gedragsgegevens en een robuust deep learning-model, ontdekten we dat 29% van de afbeeldingen van gelijktijdige behandeling van wasabi en alcohol werden geclassificeerd als wasabi-negatief, vloeistofpositief, wat suggereert dat alcohol de effecten van wasabi kan tegengaan.

Onze studie roept de vraag op: waarom kan alcohol het ongemak van wasabi onderdrukken? Het begrijpen van het onderliggende fysiologische mechanisme dat deze interactie aanstuurt, zal een focus zijn van toekomstig onderzoek. Bouw om te beginnen twee ondoorzichtige zijmuren door stenen te stapelen tot een hoogte van 54 millimeter.

Plaats de acrylplaten in de kooi op basis van acrylonitril-butadieen-styreen. Bereid een chows-kamer voor die is opgebouwd uit vijf transparante acrylplaten van 90 millimeter bij 50 millimeter met een dikte van twee millimeter. Maak vervolgens een transparante acrylplaat klaar als een chow-introductieplaat en plaats deze in de chows-kamer.

Na het uitvoeren van gedragsexperimenten met een muismodel van negen tot 10 weken oud, demonteert u alle acryl- en acrylonitril-butadieen-styreenplaten. Spoel de platen minstens drie keer af met ultrapuur water. En droog ze vervolgens af met keukenpapier.

Spuit ze vervolgens in met 75% ethanol, gevolgd door het schoonmaken met lenzenpapier. Laat ze tot slot minimaal 15 minuten aan de lucht drogen. Weeg nu de muizen en noteer hun lichaamsgewicht vóór elke replicatie van het gedragsexperiment.

Om een mengsel van wasabi en pindakaas te bereiden, weeg je een gram commerciële wasabi en 4,5 gram pindakaas af. Meng ze in een plastic zak met ritssluiting. Weeg en leg twee pasta's van 0,5 gram pindakaas of een mengsel van wasabi en pindakaas op de voerintroductieplaat.

Plaats de voorbereide chow-introductieplaat in de chows-kamer. Vul vervolgens de groef eronder met 30 milliliter vloeistof, zuiver water of sterke drank, om gelijktijdige inademing te vergemakkelijken. Begin met opnemen met behulp van de camera's op twee smartphones die op de telefoonstandaards bij elke terminal zijn geplaatst.

Plaats voorzichtig twee getrainde muiskattenbakgenoten van bovenaf in het ontworpen platform voor diergedragsonderzoek en zet de kooi onmiddellijk vast met de bovenplaat. Registreer om te beginnen het gedrag van muizen tijdens de ervaring van door wasabi geïnduceerde nociceptie tijdens het snuiven van sterke drank in een speciaal ontworpen kooi. Met behulp van de meegeleverde Jupyter Notebook met de naam Step1_ExtractingAndSavingVideoFrameImages.

IPYNB, exporteer een reeks videoframe-afbeeldingen van de verzamelde videoclips om een dataset te genereren voor modeltraining. Selecteer de afbeeldingen alleen met ten minste één muis die de meegeleverde pasta verbruikt. Als u gegevensuitbreiding wilt uitvoeren, implementeert u het script dat wordt geleverd in de Jupyter Notebook met de naam Step2_DataAugmentation.

ipynb om de gegenereerde afbeeldingen horizontaal om te draaien. Reserveer de beeldgegevens van elke secondereplicatie voor externe onafhankelijke CNN-modelvalidatie. Gebruik de afbeeldingen van elke eerste en derde replica voor interne modeltraining en testen.

Als u de afbeeldingsgegevens die in CNN-modellering worden gebruikt, wilt voorverwerken, voert u het script uit in de Jupyter Notebook met de naam Step3_CNNmodeling_TrainTest. IPYNB, inclusief het wijzigen van het formaat van afbeeldingen, conversie van zwarte kleuren en normalisatie van beeldsignalen. Splits het trainingsmateriaal op een willekeurige acht-tegen-twee-manier op in interne trainings- en testdatasets.

Initialiseer vervolgens de CNN-architectuur. Ontwerp het aantal CNN-uitgangen op basis van het aantal scenario's dat moet worden onderzocht. Gebruik de optimale combinatie van hyperparameters voor het bouwen van CNN-architectuur.

Open vervolgens de meegeleverde Jupyter Notebooks-Step4_CNNmodel_ExternalValOriginal. ipynb en Step5_CNNmodel_ExternalValFlipped.ipynb. Valideer het bereikte model met behulp van de onafhankelijke beelden van de tweede replicatie van het gedragsexperiment met dieren.

Implementeer het verkregen en gevalideerde model voor het classificeren van de videoframe-afbeeldingen die zijn gegenereerd door de experimentele groep met behulp van Jupyter Notebook Step6_CNNmodel_Application.ipynb. De MGS-score nam significant toe bij muizen die een mengsel van wasabi en pindakaas kregen in vergelijking met muizen die alleen pindakaas kregen. De MGS-score vertoonde geen significant verschil tussen de controlegroep en muizen die werden blootgesteld aan alcoholdamp.

De MGS-score van muizen die wasabi en pindakaas kregen, nam significant af bij blootstelling aan alcoholdamp in vergelijking met muizen die niet werden blootgesteld.