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 Instytucjonalny Komitet ds. Opieki i Korzystania ze Zwierząt w Laboratorium Środowiskowym, US Army Engineer and Research and Development Center w Vicksburg, MS, USA (IACUC# 2013-3284-01).

1. Projekt labiryntu sensorycznego

  1. Przeprowadź eksperyment w wodoszczelnym labiryncie w kształcie litery Y wykonanym z polimetakrylanu metylu (wykonanym we własnym zakresie), ustawionym na przezroczystej platformie wspierającej w dedykowanym pomieszczeniu. Platforma ta ma grubość 1,9 cm i jest wspierana przez 4 belki z aluminium ekstrudowanego o długości 7,62 cm; szerokość platformy wynosi 1,3 m, długość 1,3 m, a wysokość 0,19 m.
  2. Zbuduj obszary oczekiwania i decyzji w identyczny sposób (Rycina 1A). Ramiona labiryntu Y mają długość 46 cm, szerokość 23 cm i głębokość 20 cm, natomiast centralny obszar decyzji ma średnicę około 46 cm.
  3. Przymocuj biały ekran projekcyjny do dna labiryntu Y w celu projekcji bodźców wizualnych do wnętrza obszaru.
  4. Pokryj boki labiryntu Y białym winylem, aby ograniczyć zewnętrzne bodźce wizualne.
  5. Zainstaluj zdalnie sterowaną przezroczystą bramkę (za pomocą przezroczystej żyłki), aby oddzielić obszar oczekiwania od centralnego obszaru decyzji i umożliwić wypuszczenie badanych osobników do labiryntu po aklimatyzacji.
  6. Zamontuj dodatkowe osłony, aby zapobiec widoczności świateł, klatek i sprzętu przez ryby, np. nieprzepuszczające światła zasłony sięgające podłogi w futrynach drzwi, aby zminimalizować wpływ światła i ruchy cieni z zewnętrznego pomieszczenia lub korytarza.

2. Sprzęt rejestrujący

  1. Wybierz kamerę górną (czarno-białą) w zależności od wymaganego kontrastu między obrazem tła, wirtualnymi rybami a rybą badaną.
  2. Zainstaluj kamerę górną, aby rejestrować labirynt z góry oraz zachowania ryb i projekcje wizualne.
    1. W tej demonstracji zastosowano czarno-białe kamery Gigabyte Ethernet (GigE), w których 9 m kablem IP podłączono do komputera z kartą sieciową 1 Gb Ethernet w pomieszczeniu sterowniczym.
  3. Podłącz kamerę do komputera w sąsiednim pomieszczeniu, w którym obserwator może zdalnie sterować bramką, programem bodźców wizualnych oraz oprogramowaniem do nagrywania z kamery.
  4. Upewnij się, że ustawienia kamery, takie jak częstotliwość próbkowania, zapobiegają efektom migotania, które występują, gdy kamera i oprogramowanie nie są zsynchronizowane z oświetleniem pomieszczenia.
    1. Sprawdź częstotliwość prądu elektrycznego w danej lokalizacji; dostosuj częstotliwość próbkowania kamery (klatki na sekundę, fps), aby zapobiec migotaniu, mnożąc lub dzieląc częstotliwość prądu przemiennego przez liczbę całkowitą.
  5. Skonfiguruj ustawienia kamery tak, aby zoptymalizować przejrzystość obrazu za pomocą oprogramowania i komputera w celu wizualizacji odpowiednich zachowań.
    1. W tej demonstracji próbkowanie przeprowadzono przy 30 fps z rozdzielczością przestrzenną 1280 pikseli x 1024 pikseli.

3. Kalibracja oświetlenia, projektora i ustawień kamery

  1. Zainstaluj cztery podsufitowe systemy oświetlenia szynowego wzdłuż ścian pomieszczenia eksperymentalnego.
  2. Zainstaluj regulowane przełączniki sterujące oświetleniem, aby zapewnić większą elastyczność w uzyskaniu odpowiedniego światła otoczenia w pomieszczeniu.
  3. Ustaw lampy tak, aby uniknąć odblasków na labiryncie (Rycina 1B).
  4. Zamocuj projektor krótkiego rzutu (ST) do dolnej krawędzi konstrukcji wsporczej labiryntu (Rycina 1C).
    1. Wybierz rozdzielczość projekcji (w tej demonstracji ustawiono 1440 pixels x 900 pixels).
  5. Dostosuj poziom światła otoczenia, generowanego przez oświetlenie podsufitowe i projektor, tak aby odpowiadał warunkom oświetleniowym w pomieszczeniu, w którym przebywają badane zwierzęta (tutaj ustawiono 134 ± 5 lux podczas eksperymentu demonstracyjnego, co odpowiada naturalnemu oświetleniu w pochmurny dzień).
    1. Zablokuj lub zaznacz położenie przełącznika ściemniacza, aby zapewnić łatwość i spójność podczas prób eksperymentalnych.
  6. Użyj programu do podglądu z kamery, aby skonfigurować kamerę(y) pod kątem trybu ekspozycji, wzmocnienia (gain) oraz kontroli balansu bieli.
    1. W tej demonstracji ustaw program Pylon Viewer na „continuous shot”, czas ekspozycji 8000 μs, wzmocnienie 0 oraz balans bieli 96, co zapewnia kontrolę nad nagraniem wideo.

4. Kalibracja programu projekcji wizualnej: tło

  1. Wyświetl jednorodne tło na dnie labiryntu i zmierz wszelkie zniekształcenia światła pochodzące z projektora. W tym przypadku tło zostało utworzone za pomocą programu Processing (v. 3), który jest przystępną i dobrze udokumentowaną platformą do tworzenia spersonalizowanych wizualizacji dla projektów naukowych (https://processing.org/examples/).
    1. Utwórz program, który uruchomi okno procesowe do wyświetlenia na dnie labiryntu. Personalizację koloru tła okna wykonuje się za pomocą polecenia background, które przyjmuje kod koloru RGB. Kilka niewielkich programów przykładowych znajduje się w samouczkach Processing (https://processing.org/tutorials/).
    2. Użyj programu do koloru tła w celu skalibrowania projektora i zewnętrznych warunków oświetleniowych.
  2. Zmierz wszelkie zniekształcenia światła wywołane przez projektor, korzystając z programu do przetwarzania obrazów, aby zidentyfikować wszelkie odchylenia od utworzonego oczekiwanego jednorodnego tła. Poniższe kroki odnoszą się do korzystania z programu ImageJ (v. 1.52h; https://imagej.nih.gov/ij/).
    1. Przejmij nieruchomy obraz oświetlonego labiryntu Y o jednolitym kolorze tła i otwórz go w programie ImageJ.
    2. Za pomocą narzędzia do rysowania linii prostych, segmentowanych lub wolnej ręki narysuj prostą linię pionową od najjaśniejszego punktu w centrum obszaru hotspot do górnej krawędzi labiryntu Y (Rysunek 2A).
    3. Z menu analyze wybierz Plot Profile, aby utworzyć wykres wartości skali szarości w funkcji odległości w pikselach.
    4. Zapisz dane pikseli jako plik rozdzielany przecinkami (rozszerzenie pliku .csv), składający się z kolumny indeksu i kolumny wartości piksela.
  3. Dopasuj obszar projekcji do labiryntu (Rysunek 2B) i wymodeluj wszelkie niepożądane zniekształcenia światła, aby zredukować zniekształcenia kolorów, które mogą być powodowane przez projektor (Rysunek 2C). Poniżej przedstawiono kroki podjęte w bieżącej demonstracji.
    1. Zaimportuj plik z danymi o intensywności pikseli z programu ImageJ, korzystając z odpowiedniej funkcji odczytu plików rozdzielanych tabulatorami (np. read_csv z pakietu tidyverse do odczytu plików rozdzielanych przecinkami).
    2. Oblicz zmienność natężenia światła wzdłuż próbnego przekroju, na przykład za pomocą współczynnika zmienności, aby uzyskać referencyjną linię bazową dla poziomu zniekształceń utworzonych w tle.
    3. Przekształć surowe wartości pikseli tak, aby odzwierciedlały względną zmianę natężenia od najjaśniejszego do najciemniejszego punktu, gdzie najmniejsza intensywność pikseli będzie zbliżać się do żądanej wartości koloru tła wybranej w programie graficznym.
    4. Wykres przekształconych wartości intensywności pikseli, rozpoczynający się od najjaśniejszej części anomalii, zazwyczaj wykazuje trend spadkowy wartości natężenia w funkcji odległości od źródła. Użyj nieliniowej metody najmniejszych kwadratów (funkcja nls), aby oszacować wartości parametrów, które najlepiej pasują do danych (tutaj: funkcja zaniku Gaussa).
  4. Utwórz gradient kompensacyjny za pomocą tego samego programu wykorzystanego do generowania obrazu tła (Processing v. 3), aby zredukować wszelkie zniekształcenia kolorów, które mogą być powodowane przez projektor, używając programu R (v. 3.5.1).
    UWAGA: Funkcja gradientu wygeneruje serię koncentrycznych okręgów z centrum w najjaśniejszym punkcie obrazu, których intensywność pikseli zmienia się w funkcji odległości od środka. Kolor każdego pierścienia jest definiowany przez odjęcie zmiany intensywności pikseli przewidzianej przez model od koloru tła. Odpowiednio, promień pierścienia zwiększa się wraz z odległością od źródła. Model najlepiej dopasowany powinien zredukować, a jeśli to możliwe wyeliminować, wszelką zmienność intensywności pikseli w całym gradiencie, aby zapewnić jednorodność tła.
    1. Utwórz gradient Gaussa (figure-protocol-1) za pomocą programu 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 szerzej gradient będzie się rozciągać, zanim ustabilizuje się na żądanej intensywności pikseli tła, c.
      3. Parametr c ustawia żądaną intensywność pikseli tła. Im większa wartość, tym ciemniejsze tło.
    2. Zapisz obraz w folderze za pomocą funkcji saveFrame, aby stały obraz tła mógł zostać wczytany podczas eksperymentów, co zminimalizuje obciążenie pamięci podczas renderowania bodźców w trakcie próby eksperymentalnej.
    3. Uruchom ponownie program generujący tło i wizualnie sprawdź wyniki, jak pokazano na Rysunku 2C. Powtórz krok 4.3, aby ilościowo ocenić wszelkie zaobserwowane ulepszenia w redukcji stopnia zmienności natężenia światła wzdłuż próbnego przekroju.
  5. Empirycznie dostosuj poziomy oświetlenia, parametry modelu lub odległość objętą przekrojem (np. promień zewnętrzny gradientu kompensacyjnego), dokonując dodatkowych manualnych korekt, aż wartości RGB strefy aklimatyzacyjnej będą zbliżone do obszaru decyzyjnego. Parametry modelu w tym teście wynosiły: a = 215, b = 800 oraz c = 4.
  6. Dodaj końcowy filtr do programu stymulacji wizualnej eksperymentu.

5. Kalibracja programu projekcji wizualnej: bodźce wzrokowe

UWAGA: Renderowanie i animowanie bodźców wizualnych można również przeprowadzić w programie Processing, korzystając z poniższych kroków jako przewodnika oraz z tutoriali dostępnych na tej platformie. Schemat logiki aktualnego programu przedstawiono na (Rysunku 3), a dodatkowe szczegóły znajdują się w pracy Lemasson et al. (2018)7. Poniższe kroki stanowią przykłady procedur kalibracyjnych zastosowanych w niniejszym eksperymencie.

  1. Otwórz program projekcji wizualnej Vfish.pde, aby wycentrować projekcję w obrębie obszaru decyzyjnego labiryntu (Rysunek 1A) i skalibrować projekcje wizualne zgodnie z testowanymi hipotezami (np. skalibruj rozmiar i prędkość sylwetek tak, aby odpowiadały tym osobników badanych). Kalibrację przeprowadza się ręcznie w nagłówku głównego programu (Vfish.pde) za pomocą predefiniowanych flag debugowania. W trybie debugowania (DEBUG = TRUE) przechodź sekwencyjnie przez każdą flagę DEBUGGING_LEVEL_# (numery 0-2), aby wprowadzić niezbędne poprawki:
    1. Ustaw flagę DEBUGGING_LEVEL_0 na „true” i uruchom program, naciskając ikonę odtwarzania w oknie szkicu. Zmieniaj wartości pozycji x i y (odpowiednio parametry domeny dx i dy), aż projekcja zostanie wycentrowana.
    2. Ustaw DEBUGGING_LEVEL_1 na „true”, aby przeskalować rozmiar sylwetki ryby (renderowanej jako elipsa). Uruchom program i iteracyjnie dostosuj szerokość (eW) oraz długość (eL) elipsy, aż będzie ona odpowiadać średniemu rozmiarowi osobników badanych. Następnie ustaw DEBUGGING_LEVEL_2 na „true”, aby dostosować prędkość bazową sylwetek (ss).
    3. Ustaw DEBUG = FALSE, aby wyjść z trybu debugowania.
  2. Sprawdź, czy sylwetki dystraktorów pozostają ograniczone do obszaru decyzyjnego (DA, Rysunek 1A), czy trajektorie sylwetek liderów są prawidłowo wyrównane z jednym z ramion oraz czy stosunek liczby liderów do dystraktorów w obrębie DA pozostaje stały.
  3. Przejdź przez interfejs graficzny programu (GUI), aby upewnić się, że wszystkie opcje działają poprawnie.
  4. Sprawdź, czy dane są prawidłowo zapisywane do pliku.
  5. Upewnij się, że oprogramowanie do rejestracji jest w stanie śledzić badaną rybę przy włączonych projekcjach wizualnych. Procedury śledzenia ryb zostały opisane wcześniej w publikacjach Kaidanovich-Berlin et al. (2011)8, Holcomb et al. (2014)9, Way et al. (2016)10 oraz Zhang et al. (2018)11.

6. Przygotowanie zwierząt

  1. Wybierz gatunek badany na podstawie pytania badawczego i zastosowania, uwzględniając płeć, wiek oraz genotyp. Przypisz osobniki do eksperymentalnych zbiorników hodowlanych i zarejestruj podstawowe statystyki biometryczne (np. długość i masę ciała).
  2. Ustaw warunki środowiskowe w labiryncie tak, aby były zgodne z warunkami w systemie hodowlanym. Parametry jakości wody w bazowych eksperymentach behawioralnych są zazwyczaj utrzymywane na poziomie optymalnym dla danego gatunku i konfiguracji obszaru eksperymentalnego.
    1. W niniejszej demonstracji zastosowano następujące warunki: cykl 12 h światła/12 h ciemności, górne halogenowe oświetlenie bezmigotowe ustawione na 134 ± 5 lux, temperaturę 22 ± 0.3°C, zawartość tlenu rozpuszczonego na poziomie 97.4 ± 1.3% oraz pH 7.8 ± 0.1.
  3. Przeprowadź habituację zwierząt, przenosząc je do obszaru badawczego na maksymalnie 30 min dziennie przez 5 dni, bez komputerowo generowanych bodźców wizualnych (np. sylwetek ryb), przed rozpoczęciem prób eksperymentalnych.
  4. Upewnij się, że ryba badana została w tym czasie wybrana, przypisana, zważona, zmierzona i przeniesiona do zbiorników eksperymentalnych.
    UWAGA: W tym przypadku standardowa długość i masa mokra Golden Shiners wynosiły odpowiednio 63.4 ± 3.5 mm SL oraz 1.8 ± 0.3 g WW.
  5. Podczas przenoszenia ryb między zbiornikami a labiryntem stosuj transfer w środowisku wodnym (water-to-water transfer), aby zminimalizować stres związany z manipulacją i ekspozycją na powietrze.
  6. Przeprowadzaj eksperymenty podczas regularnego, stałego cyklu oświetlenia, odzwierciedlającego naturalny rytm biologiczny badanych osobników. Pozwala to na karmienie zwierząt po zakończeniu codziennych prób eksperymentalnych, aby ograniczyć wpływ procesów trawiennych na zachowanie.

7. Procedura eksperymentalna

  1. Włącz projektor pokojowy i systemy szynowe oświetlenia LED do ustalonego poziomu jasności (w tym pokazie 134 ± 5 lux), pozwalając żarówkom na rozgrzanie się (około 10 minut).
  2. Otwórz program do podglądu z kamery i wczytaj ustawienia przysłony, kolorów i nagrywania zapisane podczas konfiguracji, aby zapewnić uzyskanie najwyższej jakości wideo.
    1. Otwórz Pylon Viewer i aktywuj kamerę używaną do nagrywania.
    2. Wybierz Load Features z rozwijanego menu kamery i przejdź do folderu z zapisanymi ustawieniami kamery.
    3. Otwórz zapisane ustawienia (tutaj oznaczone jako camerasettings_20181001), aby zapewnić jakość wideo, i kliknij continuous shot.
    4. Zamknij Pylon Viewer.
  3. Otwórz program do projekcji wizualnej Vfish.pde i sprawdź, czy projekcja pozostaje wycentrowana w labiryncie, czy folder DataOut jest pusty oraz czy program działa zgodnie z oczekiwaniami.
    1. Sprawdź, czy pierścień kalibracyjny jest wycentrowany w DA, korzystając z kroku 5.1.1.
    2. Otwórz folder DataOut, aby upewnić się, że jest on pusty na dany dzień.
    3. Uruchom program bodźców wizualnych, naciskając play w oknie szkicu Vfish.pde, i użyj zmiennych pozornych, aby sprawdzić funkcjonalność programu.
      1. Wprowadź numer identyfikacyjny ryby (1-16), naciśnij Enter, a następnie potwierdź wybór, naciskając Y lub N (tak lub nie).
      2. Wprowadź wielkość grupy (tutaj stałą, wynoszącą 1) i potwierdź wybór.
      3. Wprowadź żądaną prędkość sylwetki (0-10 BL/s) i potwierdź wybór.
      4. Naciśnij Enter, aby pominąć okres aklimatyzacji i sprawdź projekcję wirtualnej ryby w obszarze decyzji.
      5. Naciśnij Pause, aby wstrzymać program i wprowadź pozorny wybór wyniku, tj. lewo (1) lub prawo (2).
      6. Naciśnij Stop, aby zakończyć działanie programu i zapisać dane do pliku.
    4. Sprawdź, czy dane zostały prawidłowo zapisane do pliku w folderze DataOut i odnotuj plik jako przebieg testowy w notatniku laboratoryjnym przed umieszczeniem ryb w obszarze aklimatyzacji.
  4. Użyj zegara i stopera, aby odnotować w notatniku laboratoryjnym czasy rozpoczęcia i zakończenia próby, co uzupełni czasy upływu, które można później wyodrębnić z odtwarzania wideo ze względu na krótki czas trwania niektórych prób powtórzonych.
  5. Przeprowadź wymianę wody (np. 30%) przy użyciu wody z sumpa systemu utrzymującego przed przeniesieniem obiektu do labiryntu.
  6. Potwierdź, że jakość wody w labiryncie i systemie utrzymującym jest podobna oraz sprawdź działanie bramki, aby upewnić się, że przesuwa się ona gładko do poziomu tuż powyżej lustra wody.
  7. Korzystając z ustalonego harmonogramu eksperymentalnego, który zawiera zrandomizowane ekspozycje obiekt-zabieg w trakcie eksperymentu, wprowadź wartości wybrane dla bieżącej próby (zatrzymując się na ekranie aklimatyzacji, kroki 7.3.3.1 - 7.3.3.3).
    1. Zapisz dane dotyczące kombinacji zabiegów w notatniku laboratoryjnym.
  8. Przenieś obiekt do obszaru utrzymującego labiryntu Y na 10-minutowy okres aklimatyzacji.
  9. Rozpocznij nagrywanie wideo, a następnie naciśnij klawisz Return w oknie Vfish.pde po zakończeniu okresu aklimatyzacji. Uruchomi to projekcje wizualne.
  10. Gdy wirtualne ryby pojawią się w obszarze, odnotuj czas zegarowy i podnieś bramkę utrzymującą (Rysunek 4A).
  11. Zakończ próbę, gdy 50% ciała obiektu przesunie się do ramienia wyboru (Rysunek 4B) lub gdy upłynie wyznaczony czas (np. 5 min).
    1. Odnotuj czas zegarowy, czasy rozpoczęcia i zakończenia ze stopera oraz wybór obiektu (tj. lewo (1), prawo (2) lub brak wyboru (0)).
    2. Zatrzymaj nagrywanie wideo i naciśnij Pause w programie bodźców wizualnych, co wyświetli prośbę o wprowadzenie danych o wyniku próby (numer wybranego ramienia lub 0, aby wskazać, że nie dokonano wyboru). Po potwierdzeniu wyboru program powróci do pierwszego ekranu i będzie oczekiwać na wartości przewidziane dla następnej próby eksperymentalnej.
  12. Odbierz obiekt i zwróć go do odpowiedniego zbiornika utrzymującego. Powtórz kroki 7.7-7.13 dla każdej próby.
  13. Po zakończeniu sesji (porannej lub popołudniowej) naciśnij Stop w programie, gdy ostatnia ryba w sesji podejmie decyzję. Naciśnięcie Stop zapisze dane z sesji do pliku.
  14. Powtórz wymianę wody po zakończeniu sesji porannej, aby zapewnić stabilność jakości wody.
  15. Po ostatniej próbie dnia przejrzyj notatnik laboratoryjny i dokonaj wszelkich niezbędnych uwag.
    1. Naciśnij Stop w programie bodźców wizualnych, aby wyeksportować zebrane dane do folderu DataOut po ostatniej próbie dnia.
  16. Zweryfikuj liczbę, nazwy i lokalizację plików danych zapisanych przez program do wizualizacji.
  17. Odnotuj jakość wody oraz poziomy oświetlenia w pomieszczeniu z labiryntem, aby porównać je z ustawieniami porannymi. Umieść system napowietrzania i grzałki w labiryncie Y.
  18. Wyłącz projektor i oświetlenie śledzące w pomieszczeniu eksperymentalnym.
  19. Podaj rybom ustaloną dzienną dawkę pokarmu.

8. Analiza danych

  1. Należy upewnić się, że dane eksperymentalne zawierają niezbędne zmienne (np. datę, numer próby, identyfikator badanego, ramię wybrane przez program, testowane czynniki wizualne, wybór badanego, czasy rozpoczęcia i zakończenia oraz uwagi).
  2. Należy sprawdzić, czy nie wystąpiły błędy w zapisie danych (wywołane przez człowieka lub program).
  3. Należy zestawić odpowiedzi w tabeli i sprawdzić, czy u badanych występują oznaki jakichkolwiek tendencji kierunkowych (np. test dwumianowy dla wyboru ramienia w warunkach kontrolnych)7.
  4. W przypadku eksperymentów zaprojektowanych z wykorzystaniem powtarzanych pomiarów u tych samych osobników, tak jak w niniejszym przypadku, zaleca się stosowanie modeli efektów mieszanych.

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

Wyniki

Hipoteza i projekt

Aby zademonstrować użyteczność tego systemu eksperymentalnego, przetestowaliśmy hipotezę, że dokładność, z jaką Golden Shiner podążają za sygnałem wizualnym, będzie wzrastać wraz z prędkością tego sygnału. Wykorzystano osobniki 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). Koherencja bodźców wizualnych (...

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

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Platforma w kszta cie litery Yz ote rozp awikianimacja komputerowakamera nadg ownaprojektor kr tkiego rzutuoprogramowanie do przetwarzania obrazuanaliza szybko ci podejmowania decyzjitestowanie wskaz wek kierunkowychwirtualni przedstawiciele tego samego gatunku

Powiązane artykuły