Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Integracja wizualnych testów psychofizycznych w labiryncie Y w celu wyizolowania roli, jaką cechy wizualne odgrywają w decyzjach nawigacyjnych

5.7K wyświetleń

⸱

DOI:

10.3791/59281

⸱

2 maja 2019

 ,  ,  , 
1Cognitive Ecology & Ecohydraulics Team, Environmental Laboratory, US Army Engineer Research and Development Center

W tym artykule

Podsumowanie

Tutaj prezentujemy protokół demonstrujący test behawioralny, który określa ilościowo, jak alternatywne cechy wizualne, takie jak wskazówki ruchu, wpływają na decyzje kierunkowe u ryb. Przedstawiono reprezentatywne dane dotyczące szybkości i dokładności, z jaką Golden Shiner (Notemigonus crysoleucas) śledzi ruchy wirtualnych ryb.

Streszczenie

Zbiorowe zachowanie zwierząt wynika z indywidualnych motywacji i interakcji społecznych, które są kluczowe dla indywidualnej sprawności. Ryby od dawna inspirują badania nad ruchem zbiorowym, a w szczególności nad ich zdolnością do integrowania informacji środowiskowych i społecznych w różnych kontekstach ekologicznych. Demonstracja ta ilustruje techniki stosowane do ilościowego określania reakcji behawioralnych ryb, w tym przypadku Golden Shiner (Notemigonus crysoleucas), na bodźce wzrokowe za pomocą wizualizacji komputerowej i cyfrowej analizy obrazu. Najnowsze postępy w wizualizacji komputerowej pozwalają na przeprowadzanie testów empirycznych w laboratorium, w którym cechy wizualne mogą być kontrolowane i precyzyjnie manipulowane w celu wyizolowania mechanizmów interakcji społecznych. Celem tej metody jest wyodrębnienie cech wizualnych, które mogą wpływać na decyzje kierunkowe jednostki, zarówno samotnie, jak i w grupie. Protokół ten zawiera szczegółowe informacje na temat fizycznej domeny labiryntu Y, sprzętu rejestrującego, ustawień i kalibracji projektora i animacji, etapów eksperymentalnych i analiz danych. Techniki te pokazują, że animacja komputerowa może wywoływać biologicznie znaczące reakcje. Co więcej, techniki te można łatwo dostosować do testowania alternatywnych hipotez, domen i gatunków w szerokim zakresie zastosowań eksperymentalnych. Wykorzystanie bodźców wirtualnych pozwala na zmniejszenie i zastąpienie wymaganej liczby żywych zwierząt, a w konsekwencji zmniejszenie kosztów ogólnych laboratorium.

Ta demonstracja testuje hipotezę, że małe względne różnice w prędkościach ruchu (2 długości ciała na sekundę) wirtualnych współplemieńców poprawią szybkość i dokładność, z jaką świecący podążają za wskazówkami kierunkowymi dostarczanymi przez wirtualne sylwetki. Wyniki pokazują, że na decyzje kierunkowe świecących istotnie wpływa wzrost szybkości sygnałów wizualnych, nawet w obecności szumu tła (67% spójności obrazu). W przypadku braku jakichkolwiek wskazówek dotyczących ruchu, badani wybierali swoje kierunki losowo. Zależność między szybkością decyzji a szybkością cue była zmienna, a wzrost prędkości cue miał umiarkowanie nieproporcjonalny wpływ na dokładność kierunkową.

Wprowadzenie

Zwierzęta nieustannie wyczuwają i interpretują swoje środowisko, aby podejmować świadome decyzje podczas interakcji z innymi i poruszania się po hałaśliwym otoczeniu. Jednostki mogą zwiększyć swoją świadomość sytuacyjną i proces podejmowania decyzji, integrując informacje społeczne ze swoimi działaniami. Jednak informacje społeczne w dużej mierze wynikają z wnioskowania poprzez niezamierzone wskazówki (tj. nagłe manewry w celu uniknięcia drapieżnika), które mogą być niewiarygodne, a nie z bezpośrednich sygnałów, które ewoluowały, aby przekazywać określone wiadomości (np. taniec kołysania się u pszczół miodnych)1. Określenie, w jaki sposób poszczególne osoby szybko oceniają wartość sygnałów społecznych lub jakichkolwiek informacji sensorycznych, może być trudnym zadaniem dla badaczy, zwłaszcza gdy osoby podróżują w grupach. Wizja odgrywa ważną rolę w zarządzaniu interakcjami społecznymi2,3,4 a badania wywnioskowały sieci interakcji, które mogą powstać w ławicach ryb, na podstawie pola widzenia każdej osoby5,6. Ławice ryb są jednak systemami dynamicznymi, co utrudnia wyodrębnienie indywidualnych reakcji na określone cechy lub zachowania sąsiadów, ze względu na nieodłączne współliniowości i czynniki zakłócające, które powstają w wyniku interakcji między członkami grupy. Celem tego protokołu jest uzupełnienie obecnych prac poprzez wyodrębnienie, w jaki sposób alternatywne cechy wizualne mogą wpływać na decyzje kierunkowe osób podróżujących samotnie lub w grupach.

Zaletą obecnego protokołu jest połączenie eksperymentu manipulacyjnego z technikami wizualizacji komputerowej w celu wyodrębnienia podstawowych cech wizualnych, których dana osoba może doświadczyć w naturze. W szczególności labirynt Y (Rysunek 1) służy do zwijania wyboru kierunku do odpowiedzi binarnej i wprowadzania animowanych komputerowo obrazów zaprojektowanych tak, aby naśladować zachowania pływackie wirtualnych sąsiadów. Obrazy te są wyświetlane spod labiryntu, aby naśladować sylwetki współplemieńców pływających pod jednym lub kilkoma obiektami. Cechy wizualne tych sylwetek, takie jak ich morfologia, prędkość, spójność i zachowanie podczas pływania, można łatwo dostosować do testowania alternatywnych hipotez7.

Ten artykuł demonstruje użyteczność tego podejścia poprzez izolację, jak osobniki modelowego gatunku ryb społecznych, Golden Shiner (Notemigonus crysoleucas), reagują na względną szybkość wirtualnych sąsiadów. Protokół skupia się tutaj na tym, czy kierunkowy wpływ wirtualnych sąsiadów zmienia się wraz z ich prędkością, a jeśli tak, to na ilościowym określeniu formy obserwowanej relacji. W szczególności wskazówka kierunkowa jest generowana przez stałą proporcję sylwetek, które działają jak liderzy i poruszają się balistycznie w kierunku jednego lub drugiego ramienia. Pozostałe sylwetki działają jak dystraktory, poruszając się losowo, aby zapewnić szum tła, który można dostroić, dostosowując stosunek lidera/dystraktora. Stosunek liderów do dystraktorów oddaje spójność wskazówek kierunkowych i można go odpowiednio dostosować. Sylwetki dystraktorów pozostają ograniczone do obszaru decyzyjnego ("DA", Rysunek 1A) poprzez odbicie sylwetek poza granicę. Sylwetki przywódców mogą jednak opuścić obszar DA i wejść do wyznaczonego im ramienia, zanim powoli znikną, gdy sylwetki przejdą przez 1/3 długości ramienia. Gdy liderzy opuszczają DA, nowe sylwetki liderów zajmują ich miejsce i odtwarzają swoją dokładną ścieżkę, aby zapewnić, że stosunek lidera do dystraktora pozostaje stały w DA przez cały czas trwania eksperymentu.

Użycie wirtualnych ryb pozwala na kontrolę wizualnych informacji sensorycznych, jednocześnie monitorując kierunkową reakcję podmiotu, co może ujawnić nowe cechy nawigacji społecznej, ruchu lub podejmowania decyzji w grupach. Zastosowane tutaj podejście można zastosować do szerokiego zakresu pytań, takich jak wpływ stresu subletalnego lub drapieżnictwa na interakcje społeczne, manipulując animacją komputerową w celu wytworzenia wzorców zachowań o różnej złożoności.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Wszystkie protokoły eksperymentalne zostały zatwierdzone przez Komitet ds. Opieki nad Zwierzętami i Użytkowania Zwierząt Instytucji Laboratorium Ochrony Środowiska, US Army Engineer and Research and Development Center, Vicksburg, MS, USA (IACUC# 2013-3284-01).

1. Projekt labiryntu sensorycznego

  1. Przeprowadź eksperyment na wodoodpornej platformie labiryntu w kształcie litery Y wykonanej z poli(metakrylanu metylu) (wyprodukowanej wewnętrznie), umieszczonej na przezroczystej podstawie nośnej w dedykowanym pomieszczeniu. W tym przypadku platforma ma grubość 1,9 cm i jest podparta przez 4 belki aluminiowe o przekroju 7,62 cm, o szerokości 1,3 m, długości 1,3 m i wysokości 0,19 m.
  2. Wykonaj obszary zawieszenia i decyzyjny identycznie pod względem konstrukcyjnym (Rycina 1A). Ramiona labiryntu Y mają długość 46 cm, szerokość 23 cm i głębokość 20 cm, a centralny obszar decyzyjny ma średnicę około 46 cm.
  3. Przyklej biały ekran teatralny prześwietlany na dnie labiryntu Y w celu rzutowania bodźców wzrokowych do wnętrza.
  4. Pokryj boki labiryntu Y białym foliowym materiałem winylowym, aby ograniczyć wpływ zewnętrznych bodźców wzrokowych.
  5. Zainstaluj zdalnie sterowaną przezroczystą barierę (za pomocą przezroczystego monofilamentu), aby oddzielić obszar zawieszenia od centralnego obszaru decyzyjnego i umożliwić wpuszczenie zwierząt do labiryntu po okresie aklimatyzacji.
  6. Umieść dodatkowe żaluzje, aby zapobiec widoczności świateł, klatek hodowlanych i sprzętu dla ryb, takie jak przesłaniające światło żaluzje sięgające podłogi w ramach drzwiowych, aby zminimalizować wpływ światła oraz ruch cieni z zewnętrznego pomieszczenia lub korytarza.

2. Sprzęt do nagrywania

  1. Wybierz kamerę nadgłowią (czarno-białą) w zależności od potrzebnego kontrastu między tłem, rybą wirtualną a rybą badaną.
  2. Zainstaluj kamerę nadgłowią, aby nagrać labirynt z góry oraz zachowania ryb i projekcje wizualne.
    1. W tym przypadku zastosuj czarno-białe kamery z interfejsem Gigabyte Ethernet (GigE), do których dołączone są 9-metrowe kable IP podłączone do komputera wyposażonego w kartę Ethernet 1 Gb znajdującego się w pomieszczeniu kontrolnym.
  3. Połącz kamerę z komputerem w sąsiednim pomieszczeniu, gdzie obserwator może zdalnie sterować bramką, programem bodźców wizualnych oraz oprogramowaniem do nagrywania kamery.
  4. Upewnij się, że ustawienia kamery zapewniają częstotliwość próbkowania i odświeżania eliminującą efekty migotania, które pojawiają się, gdy kamera i oprogramowanie są niesynchronizowane z oświetleniem pomieszczenia.
    1. Sprawdź częstotliwość prądu w miejscu; dostosuj częstotliwość próbkowania kamery (klatki na sekundę, fps), mnożąc lub dzieląc częstotliwość prądu przemiennego (AC) przez liczbę całkowitą, aby zapobiec migotaniu.
  5. Skonfiguruj ustawienia kamery tak, aby uzyskać optymalną jakość obrazu, wykorzystując oprogramowanie i komputer do wizualizacji istotnych zachowań.
    1. W tym przypadku wykonaj próbkowanie z częstotliwością 30 fps przy rozdzielczości przestrzennej 1280 pikseli × 1024 piksele.

3. Kalibracja ustawień oświetlenia, projektora i kamery

  1. Zainstaluj cztery systemy oświetlenia sufitowego wzdłuż ścian pomieszczenia doświadczalnego.
  2. Zainstaluj regulowane przełączniki sterujące światłem, aby zapewnić większą elastyczność w osiąganiu odpowiedniego oświetlenia otoczenia pomieszczenia.
  3. Ustaw światła tak, aby uniknąć odbić na labiryncie (Rycina 1B).
  4. Umocuj projektor o krótkiej ogniskowej (ST) do dolnej krawędzi konstrukcji nośnej labiryntu (Rycina 1C).
    1. Wybierz rozdzielczość projekcji (w tym przypadku ustawiono na 1440 pikseli × 900 pikseli).
  5. Dostosuj poziom światła otoczenia, tworzonego przez oświetlenie sufitowe i projektor, do warunków oświetlenia panujących w pomieszczeniu zamieszkania podmiotów (w tym przypadku ustawiono na 134 ± 5 luksów podczas eksperymentu demonstracyjnego, co odpowiada naturalnemu oświetleniu w pochmurny dzień).
    1. Zablokuj lub zaznacz położenie pokrętła regulacji jasności, aby ułatwić i zapewnić spójność podczas prób eksperymentalnych.
  6. Użyj programu do przeglądania obrazu z kamery, aby skonfigurować kamerę(-ry) w celu kontrolowania trybu ekspozycji, wzmocnienia i balansu bieli.
    1. W tym przypadku ustaw program Pylon Viewer na „ciągłe nagrywanie”, czas ekspozycji 8000 μs, wzmocnienie 0 i balans bieli 96, co zapewnia kontrolę nad nagrywaniem wideo.

4. Kalibracja programu projekcji wizualnej: tło

  1. Zaprojektuj jednorodne tło na dno labiryntu i zmierz wszelkie zniekształcenia światła pochodzące od projektora. W tym przypadku tło zostało utworzone za pomocą programu Processing (wersja 3), który jest elastyczną i dobrze udokumentowaną platformą do tworzenia spersonalizowanych wizualizacji w projektach naukowych (https://processing.org/examples/).
    1. Utwórz program, który uruchomi okno Processing i będzie mogło być rzutowane na dno labiryntu. Dostosowanie koloru tła okna odbywa się za pomocą polecenia background, przyjmującego kod koloru RGB. Kilka małych przykładowych programów znajduje się w samouczkach Processing (https://processing.org/tutorials/).
    2. Użyj programu z kolorem tła do kalibracji projektora oraz warunków oświetlenia zewnętrznego.
  2. Zmierz wszelkie zniekształcenia światła powstające w wyniku działania projektora, używając programu do przetwarzania obrazów w celu zidentyfikowania odchyleń od oczekiwanego jednorodnego tła. Poniższe kroki dotyczą użycia programu ImageJ (wersja 1.52h; https://imagej.nih.gov/ij/).
    1. Przechwyć nieruchomy obraz oświetlonego labiryntu Y z jednolitym kolorem tła i otwórz go w ImageJ.
    2. Używając narzędzia linii prostej, linii segmentowanej lub linii rysowanej odręcznie, narysuj prostą pionową linię od najjaśniejszego miejsca w centrum plamy światła do góry labiryntu Y (Rysunek 2A).
    3. W menu Analizuj wybierz opcję Wykres profilu, aby utworzyć wykres wartości skali szarości w funkcji odległości w pikselach.
    4. Zapisz dane pikseli jako plik rozdzielany przecinkami (.csv), składający się z kolumny indeksu i kolumny wartości pikseli.
  3. Wyrównaj obszar projekcji z labiryntem (Rysunek 2B) i zamodeluj wszelkie niepożądane zniekształcenia światła, aby zmniejszyć ewentualne zniekształcenia koloru powstające przez projektor (Rysunek 2C). Poniższe punkty opisują kroki wykonane w bieżącym przykładzie.
    1. Importuj plik danych o intensywności pikseli z ImageJ, używając odpowiedniej funkcji odczytu plików rozdzielanych tabulatorami (np. read_csv z pakietu tidyverse do odczytu plików rozdzielanych przecinkami).
    2. Oblicz zmienność intensywności światła wzdłuż transektu próbkowego, np. za pomocą współczynnika zmienności, aby uzyskać punkt odniesienia poziomu zniekształceń występujących w tle.
    3. Przekształć surowe wartości pikseli, aby odzwierciedlały względną zmianę intensywności od najjaśniejszego do najciemniejszego, przy czym najniższa intensywność piksela będzie zbliżać się do wybranej wartości koloru tła w programie graficznym.
    4. Wykres przekształconych wartości intensywności pikseli, zaczynając od najjaśniejszego fragmentu anomalii, daje zwykle trend malejący intensywności w funkcji odległości od źródła. Użyj nieliniowych najmniejszych kwadratów (funkcja nls), aby oszacować wartości parametrów najlepiej dopasowujące się do danych (w tym przypadku funkcja rozkładu Gaussa).
  4. Utwórz gradient przeciwny, używając tego samego programu, który służył do generowania obrazu tła przeciwnego (Processing v. 3), aby zmniejszyć ewentualne zniekształcenia koloru powstające przez projektor, używając R (wersja 3.5.1).
    UWAGA: Funkcja gradientu wygeneruje serię koncentrycznych okręgów skupionych w najjaśniejszym punkcie obrazu, których intensywność pikseli zmienia się w funkcji odległości od środka. Kolor każdego pierścienia jest określany poprzez odjęcie przewidywanej przez model zmiany intensywności pikseli od koloru tła. Odpowiednio, promień pierścienia zwiększa się wraz z odległością od źródła. Model najlepszego dopasowania powinien zredukować, jeśli nie wyeliminować, wszelkie zmiany intensywności pikseli wzdłuż gradientu, zapewniając jednolitość tła.
    1. Utwórz gradient Gaussa (Równanie funkcji Gaussa, wzór a·e^(-x²/(2·b²))+c, używany w analizie statystycznej.) w programie do stymulacji wizualnej, dostosowując wymagane parametry.
      1. Parametr a wpływa na jasność/ciemność gradientu rozkładu Gaussa. Im wyższa wartość, tym ciemniejszy gradient.
      2. Parametr b wpływa na wariancję gradientu. Im większa wartość, tym szerszy będzie gradient przed wyrównaniem do pożądanej intensywności pikseli tła, c.
      3. Parametr c ustawia pożądaną intensywność pikseli tła. Im większa wartość, tym ciemniejsze tło.
    2. Zapisz obraz w folderze za pomocą funkcji saveFrame, aby stały obraz tła mógł być przesłany podczas eksperymentów, minimalizując obciążenie pamięci podczas wyświetlania bodźców w trakcie próby eksperymentalnej.
    3. Uruchom ponownie program generujący tło i wizualnie sprawdź wyniki, jak pokazano na Rysunek 2C. Powtórz krok 4.3, aby ilościowo ocenić zaobserwowane poprawy w redukcji stopnia zmienności intensywności światła wzdłuż transektu próbkowego.
  5. Dokonaj empirycznego dostrojenia poziomów oświetlenia, parametrów modelu lub odległości pokrywanej przez transekt (np. zewnętrznego promienia gradientu przeciwnego), aby wprowadzić dodatkowe ręczne korekty, aż wartości RGB strefy adaptacji będą podobne do strefy decyzyjnej. Parametry modelu w tym teście wynosiły: a = 215, b = 800, i c = 4.
  6. Dodaj ostateczny filtr do programu generującego bodźce wizualne w eksperymencie.

5. Kalibracja programu projekcji wizualnej: bodźce wizualne

UWAGA: Wizualizację i animację bodźców wizualnych można również wykonać w programie Processing, korzystając z poniższych kroków jako wskazówek oraz z poradników dostępnych na tej platformie. Schemat logiki obecnego programu przedstawiono na (Rysunek 3), a dodatkowe informacje zawarte są w pracy Lemasson i wsp. (2018)7. Poniższe kroki zawierają przykłady kroków kalibracyjnych wykonanych w bieżącym eksperymencie.

  1. Otwórz program do projekcji wizualnej Vfish.pde, aby wyśrodkować projekcję w obszarze decyzyjnym labiryntu (Rycina 1A) i skalibrować projekcje wizualne zgodnie z testowanymi hipotezami (np. dostosuj rozmiar i prędkość sylwetek, by odpowiadały osobnikom badanym). Kalibracja odbywa się ręcznie w nagłówku głównego programu (Vfish.pde) przy użyciu wstępnie wybranych flag debugowania. W trybie debugowania (DEBUG = TRUE) kolejno przechodź przez każdą flagę DEBUGGING_LEVEL_# (liczby 0–2), aby dokonać niezbędnych dostosowań.
    1. Ustaw flagę DEBUGGING_LEVEL_0 na wartość „true” i uruchom program, naciskając ikonę odtwarzania w oknie szkicu. Zmieniaj wartości pozycji x i y (parametry dziedziny dx i dy odpowiednio), aż projekcja zostanie wyśrodkowana.
    2. Ustaw DEBUGGING_LEVEL_1 na wartość „true”, aby przeskalować rozmiar sylwetki ryby (wyświetlanej jako elipsa). Uruchom program i iteracyjnie dostosuj szerokość (eW) oraz długość (eL) elipsy, aż będzie odpowiadać średniej wielkości osobników badanych. Następnie ustaw DEBUGGING_LEVEL_2 na wartość „true”, aby dostosować podstawową prędkość sylwetek (ss).
    3. Ustaw DEBUG = FALSE, aby wyjść z trybu debugowania.
  2. Sprawdź, czy sylwetki rozpraszające pozostają ograniczone do Obszaru Decyzyjnego (DA, Rycina 1A), czy trajektorie sylwetek prowadzących są poprawnie wyrównane do jednego z ramion oraz czy stosunek liczby sylwetek prowadzących do rozpraszających w DA pozostaje stały.
  3. Przejdź przez interfejs graficzny programu, aby upewnić się o poprawnym działaniu wszystkich opcji.
  4. Sprawdź, czy dane są poprawnie zapisywane do pliku.
  5. Upewnij się, że oprogramowanie do nagrywania może śledzić rybę badaną przy obecności projekcji wizualnych. Procedury śledzenia ryb zostały wcześniej opisane przez Kaidanovich-Berlin i wsp. (2011)8, Holcomb i wsp. (2014)9, Way i wsp. (2016)10 oraz Zhang i wsp. (2018)11.

6. Przygotowanie zwierząt

  1. Wybierz gatunek badawczy na podstawie pytania badawczego i zastosowania, uwzględniając płeć, wiek i genotyp. Przypisz osobniki do zbiorników doświadczalnych i zanotuj podstawowe dane biometryczne (np. długość ciała i masę).
  2. Ustal warunki środowiskowe w labiryncie zgodnie z warunkami panującymi w systemie hodowlanym. Warunki jakości wody w eksperymentach behawioralnych podstawowych są zazwyczaj utrzymywane na optymalnym poziomie dla danego gatunku oraz dla konfiguracji układu eksperymentalnego.
    1. W niniejszej demonstracji zastosuj następujące warunki: cykl 12 h światła/12 h ciemności, sufitowe światła halogenowe bez migotania ustawione na 134 ± 5 luksów, 22 ± 0,3°C, 97,4 ± 1,3% tlenu rozpuszczonego oraz pH 7,8 ± 0,1.
  3. Przyzwyczaj zwierzęta, przenosząc je do obszaru badawczego do 30 minut dziennie przez 5 dni bez bodźców wizualnych generowanych przez komputer (np. sylwetek ryb) przed rozpoczęciem prób eksperymentalnych.
  4. Upewnij się, że ryby badawcze zostały w tym czasie wybrane, przypisane, zważone, zmierzone i przeniesione do zbiorników doświadczalnych.
    UWAGA: W tym przypadku standardowa długość i mokra masa Złotych Shiners wynosiły odpowiednio 63,4 ± 3,5 mm SL i 1,8 ± 0,3 g WW.
  5. Podczas przenoszenia ryb między zbiornikami a labiryntem stosuj metodę przenoszenia wodę do wody, aby zmniejszyć stres spowodowany manipulacją i ekspozycją na powietrze.
  6. Przeprowadzaj eksperymenty w regularnym, stałym cyklu świetlnym odzwierciedlającym naturalny rytm biologiczny badanych osobników. Pozwala to na dokarmianie osobników na końcu każdej serii doświadczalnej dnia, aby ograniczyć wpływ trawienia na zachowanie.

7. Procedura eksperymentalna

  1. Włącz projektor pomieszczenia oraz system oświetlenia LED na ustalony poziom jasności (w tym przypadku 134 ± 5 luksów), pozwalając żarówkom się rozgrzać (około 10 minut).
  2. Otwórz program do przeglądania obrazu z kamery i załaduj ustawienia przysłony, koloru oraz nagrywania zapisane podczas konfiguracji, aby zapewnić najwyższą jakość nagrania wideo.
    1. Otwórz Pylon Viewer i aktywuj kamerę, która będzie używana do nagrywania.
    2. Wybierz opcję Load Features z rozwijanego menu kamery, a następnie przejdź do folderu z zapisanymi ustawieniami kamery.
    3. Otwórz zapisane ustawienia (w tym przypadku oznaczone jako camerasettings_20181001), aby zapewnić jakość wideo, i kliknij na tryb nagrywania ciągłego.
    4. Zamknij Pylon Viewer.
  3. Otwórz program projekcji wizualnej Vfish.pde i sprawdź, czy projekcja pozostaje wyśrodkowana w labiryncie, czy folder DataOut jest pusty oraz czy program działa zgodnie z oczekiwaniami.
    1. Sprawdź, czy pierścień kalibracyjny jest wyśrodkowany w DA, korzystając z kroku 5.1.1.
    2. Otwórz folder DataOut, aby upewnić się, że jest pusty na dany dzień.
    3. Uruchom program stymulacji wizualnej, naciskając przycisk odtwarzania w oknie szkicu Vfish.pde, i użyj zmiennych testowych, aby potwierdzić funkcjonalność programu.
      1. Wprowadź numer identyfikacyjny ryby (1–16), naciśnij Enter, a następnie potwierdź wybór, naciskając Y lub N dla tak lub nie.
      2. Wprowadź rozmiar grupy (w tym przypadku ustalony na 1) i potwierdź wybór.
      3. Wprowadź pożądaną prędkość sylwetki (0–10 BL/s) i potwierdź wybór.
      4. Naciśnij Enter, aby przejść przez okres aklimatyzacji i sprawdzić projekcję wirtualnej ryby w strefie decyzyjnej.
      5. Naciśnij Pause, aby wstrzymać program i wprowadzić testowy wybór wyniku, tj. lewo (1) lub prawo (2).
      6. Naciśnij Stop, aby zakończyć program i zapisać dane do pliku.
    4. Sprawdź, czy dane zostały poprawnie zapisane do pliku w folderze DataOut, i zanotuj plik jako próbę testową w notatkach laboratoryjnych przed umieszczeniem ryb w układzie do aklimatyzacji.
  4. Użyj czasu zegarowego i stopera, aby zanotować w zeszycie laboratoryjnym czas rozpoczęcia i zakończenia próby, uzupełniając tym samym czas trwania, który później można odczytać z odtwarzania nagrania wideo, ze względu na krótką długość niektórych powtórzonych prób.
  5. Przeprowadź wymianę wody (np. 30%) wykorzystując wodę z zbiornika systemu hodowlanego przed przeniesieniem osobnika do labiryntu.
  6. Sprawdź, czy jakość wody jest podobna w labiryncie i w systemie hodowlanym, oraz sprawdź działanie przegrody, upewniając się, że przesuwa się płynnie tuż nad poziomem wody.
  7. Korzystając z ustalonego harmonogramu eksperymentalnego, w którym ekspozycja osobników na poszczególne zabiegi była losowana w trakcie eksperymentu, wprowadź wartości wybrane dla bieżącej próby (zatrzymując się na ekranie aklimatyzacji, kroki 7.3.3.1 – 7.3.3.3).
    1. Zanotuj kombinację zabiegów w zeszycie laboratoryjnym.
  8. Przenieś osobnika do strefy oczekiwania w labiryncie Y na 10-minutowy okres aklimatyzacji.
  9. Uruchom nagrywanie wideo, a następnie naciśnij klawisz Return w oknie Vfish.pde na końcu okresu aklimatyzacji. Spowoduje to rozpoczęcie projekcji wizualnej.
  10. Gdy wirtualne ryby pojawią się w układzie, zanotuj czas zegarowy i podnieś przegrodę oczekiwania (Figure 4A).
  11. Zakończ próbę, gdy 50% długości ciała osobnika przemieści się do jednego z ramion wyboru (Figure 4B) lub gdy upłynie ustalony czas (np. 5 min).
    1. Zanotuj czas zegarowy, czas rozpoczęcia i zakończenia ze stopera oraz wybór osobnika (tj. lewo (1), prawo (2) lub brak wyboru (0)).
    2. Zatrzymaj nagrywanie wideo i naciśnij Pause w programie stymulacji wizualnej, co spowoduje wyświetlenie prośby o dane dotyczące wyniku próby (numer ramienia lub 0, jeśli nie dokonano wyboru). Po potwierdzeniu wyboru program powróci do pierwszego ekranu i będzie oczekiwał wartości dla kolejnej próby eksperymentalnej.
  12. Zbierz osobnika i umieść go z powrotem w odpowiednim zbiorniku hodowlanym. Powtórz kroki 7.7–7.13 dla każdej próby.
  13. Na zakończenie sesji (rano lub wieczorem) naciśnij Stop w programie po podjęciu decyzji przez ostatnią rybę sesji. Naciśnięcie Stop spowoduje zapis danych sesji do pliku.
  14. Po zakończeniu porannej sesji powtórz wymianę wody, aby zapewnić stabilność jakości wody.
  15. Po ostatniej próbie dnia przejrzyj notatnik laboratoryjny i wprowadź wszelkie potrzebne uwagi.
    1. Naciśnij Stop w programie stymulacji wizualnej, aby zapisać zebrane dane do folderu DataOut po ostatniej próbie dnia.
  16. Sprawdź liczbę, nazwy i lokalizację plików danych zapisanych przez program wizualizacji.
  17. Zanotuj jakość wody oraz poziom oświetlenia w pomieszczeniu z labiryntem, porównując je z ustawieniami porannymi. Umieść system napowietrzający i grzałki w labiryncie Y.
  18. Wyłącz projektor oraz oświetlenie śledzące w pomieszczeniu eksperymentalnym.
  19. Nakarm ryby ustaloną dziennej dawką pokarmu.

8. Analiza danych

  1. Upewnij się, że dane eksperymentalne zawierają niezbędne zmienne (np. data, próba, identyfikator podmiotu, ramię wybrane przez program, testowane czynniki wizualne, wybór podmiotu, czasy rozpoczęcia i zakończenia oraz komentarze).
  2. Sprawdź występowanie błędów w zapisie (spowodowanych przez człowieka lub program).
  3. Ułóż odpowiedzi w tabeli i sprawdź, czy występują oznaki uprzednień kierunkowych u podmiotów (np. test dwumianowy wyboru ramienia w warunku kontrolnym)7.
  4. Gdy eksperyment jest zaprojektowany z wykorzystaniem powtarzanych pomiarów na tych samych osobnikach, jak w przedstawionym przypadku, zaleca się zastosowanie modeli efektów mieszanych.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Hipoteza i projekt badania

Aby zademonstrować użyteczność tego systemu eksperymentalnego, przetestowaliśmy hipotezę, że dokładność, z jaką Golden Shiner podąża za wskazówką wizualną, wzrośnie wraz z prędkością tej wskazówki. Wykorzystano ryby Golden Shiner typu dzikiego (N = 16, długość ciała, BL, i masa mokra, WW, wynosiły odpowiednio 63,4 ± 3,5 mm oraz 1,8 ± 0,3 g). Spójność bodźców wizualnych (stosun...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Wiadomo, że wskazówki wizualne wywołują reakcję optomotoryczną u ryb wystawionych na działanie czarnych i białych siatek13 i istnieje coraz więcej teoretycznych i empirycznych dowodów na to, że prędkość sąsiada odgrywa wpływową rolę w zarządzaniu dynamicznymi interakcjami obserwowanymi w ławicach ryb 7,14,15,16,17 . Istnieją przeciwstaw...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Wszyscy autorzy przyczynili się do zaprojektowania eksperymentu, analiz i napisania pracy. A.C.U. i C.M.W. skonfigurowały i zebrały dane. Autorzy nie mają nic do ujawnienia.

Podziękowania

Dziękujemy Brytonowi Hixsonowi za pomoc w konfiguracji. Program ten był wspierany przez Program Badań Podstawowych, Jakość Środowiska i Instalacje (EQI; Dr. Elizabeth Ferguson, Dyrektor Techniczny), Centrum Badawczo-Rozwojowe Inżynierów Armii Stanów Zjednoczonych.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Czarno-biała kamera IPNoldus, Leesburg, VA, Stany Zjednoczonehttps://www.noldus.com/
Wytłaczane aluminium80/20 Inc., Columbia City, IN, USA3030-Shttps://www.8020.net 3.00" X 3.00" Gładki profil T-Slotted, osiem otwartych rowków T
Finfish Starter z Vpak, 1,5 mm wytłaczany pelletZeigler Bros. Inc., Gardners, PA, USAhttp://www.zeiglerfeed.com/
Złote połyskiSaul Minnow Farm, AR, Stany Zjednoczonehttp://saulminnow.com/
ImageJ (v 1.52h) freewareNational Institute for Health (NIH), USAhttps://imagej.nih.gov/ij/
Oświetlenie szynowe LEDLithonia Lightening, Conyers, GA, USABR20MW-M4https://lithonia.acuitybrands.com/residential-track
Oracle 651 biały cięty winyl651Vinyl, Louisville, KY, USA651-010M-12:5 stóphttp://www.651vinyl.com. Można zamówić różne rozmiary.
Projektor PowerLite 570Epson, Long Beach, CA, StanyZjednoczone
V11H605020 https://epson.com/For-Work/Projectors/Classroom/PowerLite-570-XGA-3LCD-Projector/p/V11H605020 Processing (v 3) freewareProcessing Foundationhttps://processing.org/
R (3.5.1) freewareProjekt R do obliczeńhttps://www.r-project.org/
Ultra-biały Ekran kina 360Alternative Screen Solutions, Clinton, MI, USA1950https://www.gooscreen.com. Musi wymagać specjalnego rozmiaru cięcia
systemu Z-HabPentair Aquatic Ecosystems, Apopka, FL, USAhttps://pentairaes.com/. Zadzwoń, aby uzyskać szczegółowe informacje i rozmiar.
statystycznych

Bibliografia

  1. Dall, S. R. X., Olsson, O., McNamara, J. M., Stephens, D. W., Giraldeau, L. A. Information and its use by animals in evolutionary ecology. Trends in Ecology and Evolution. 20 (4), 187-193 (2005).
  2. Pitcher, T. Sensory information and the organization of behaviour in a shoaling cyprinid fish. Animal Behaviour. 27, 126-149 (1979).
  3. Partridge, B. The structure and function of fish schools. Scientific American. 246 (6), 114-123 (1982).
  4. Fernández-Juricic, E., Erichsen, J. T., Kacelnik, A. Visual perception and social foraging in birds. Trends in Ecology and Evolution. 19 (1), 25-31 (2004).
  5. Strandburg-Peshkin, A., et al. Visual sensory networks and effective information transfer in animal groups. Current Biology. 23 (17), R709-R711 (2013).
  6. Rosenthal, S. B., Twomey, C. R., Hartnett, A. T., Wu, S. H., Couzin, I. D. Behavioral contagion in mobile animal groups. Proceedings of the National Academy of Sciences (U.S.A.). 112 (15), 4690-4695 (2015).
  7. Lemasson, B. H., et al. Motion cues tune social influence in shoaling fish. Scientific Reports. 8 (1), e9785(2018).
  8. Kaidanovich-Beilin, O., Lipina, T., Vukobradovic, I., Roder, J., Woodgett, J. R. Assessment of social interaction behaviors. Journal of Visualized. Experiments. (48), e2473(2011).
  9. Holcombe, A., Schalomon, M., Hamilton, T. J. A novel method of drug administration to multiple zebrafish (Danio rerio) and the quantification of withdrawal. Journal of Visualized. Experiments. (93), e51851(2014).
  10. Way, G. P., Southwell, M., McRobert, S. P. Boldness, aggression, and shoaling assays for zebrafish behavioral syndromes. Journal of Visualized. Experiments. (114), e54049(2016).
  11. Zhang, Q., Kobayashi, Y., Goto, H., Itohara, S. An automated T-maze based apparatus and protocol for analyzing delay- and effort-based decision making in free moving rodents. Journal of Visualized. Experiments. (138), e57895(2018).
  12. Videler, J. J. Fish Swimming. , Netherlands. Springer. 260 pp., ISBN-13 9789401115803 (1993).
  13. Orger, M. B., Smear, M. C., Anstis, S. M., Baier, H. Perception of Fourier and non-Fourier motion by larval zebrafish. Nature Neuroscience. 3 (11), 1128-1133 (2000).
  14. Romey, W. L. Individual differences make a difference in the trajectories of simulated schools of fish. Ecological Modeling. 92 (1), 65-77 (1996).
  15. Katz, Y., Tunstrom, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences (U.S.A.). 108 (46), 18720-18725 (2011).
  16. Herbert-Read, J. E., Buhl, J., Hu, F., Ward, A. J. W., Sumpter, D. J. T. Initiation and spread of escape waves within animal groups). Proceedings of the National Academy of Sciences (U.S.A.). 2 (4), 140355(2015).
  17. Lemasson, B. H., Anderson, J. J., Goodwin, R. A. Motion-guided attention promotes adaptive communications during social navigation. Proceedings of the Royal Society. 280 (1754), e20122003(2013).
  18. Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences (U.S.A.). 108 (17), 6884-6888 (2011).
  19. Bianco, I. H., Engert, F. Visuomotor transformations underlying hunting behavior in zebrafish). Current Biology. 25 (7), 831-846 (2015).
  20. Chouinard-Thuly, L., et al. Technical and conceptual considerations for using animated stimuli in studies of animal behavior. Current Zoology. 63 (1), 5-19 (2017).
  21. Nakayasu, T., Yasugi, M., Shiraishi, S., Uchida, S., Watanabe, E. Three-dimensional computer graphic animations for studying social approach behaviour in medaka fish: Effects of systematic manipulation of morphological and motion cues. PLoS One. 12 (4), e0175059(2017).
  22. Stowers, J. R., et al. Virtual reality for freely moving animals. Nature Methods. 14 (10), 995-1002 (2017).
  23. Warren, W. H., Kay, B., Zosh, W. D., Duchon, A. P., Sahuc, S. Optic flow is used to control human walking. Nature Neuroscience. 4 (2), 213-216 (2001).
  24. The IACUC Handbook. Silverman, J., Suckow, M. A., Murthy, S. , 3rd Edition, CRC Press, Taylor and Francis. 827 pp., ISBN-13 9781466555648 (2014).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Platforma w kształcie litery Yzłote rozpławikianimacja komputerowakamera nadgłownaprojektor krótkiego rzutuoprogramowanie do przetwarzania obrazuanaliza szybkości podejmowania decyzjitestowanie wskazówek kierunkowychwirtualni przedstawiciele tego samego gatunku
Integracja wizualnych testów psychofizycznych w labiryncie Y w celu wyizolowania roli, jaką cechy wizualne odgrywają w decyzjach nawigacyjnych
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.