January 9th, 2019
Pomiar wzorców pojawiania się owadów wymaga precyzji. Istniejące systemy są tylko częściowo zautomatyzowane, a wielkość próby jest ograniczona. Zajęliśmy się tymi problemami, projektując system wykorzystujący mikrokontrolery do precyzyjnego pomiaru czasu pojawienia się dużej liczby pojawiających się owadów.
Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie chronobiologii i fizjologii stresu, takie jak to, jakie sygnały wpływają na czas pojawienia się owadów. Główną zaletą tej techniki jest to, że jest ona zautomatyzowana i może być używana do pomiaru pojawiania się dużej liczby owadów. Dla każdego budowanego kanału wymagane są następujące części.
Jeden kolektor kolektora, jedna zaślepka, sześć wsporników platformy, cztery płyty podstawy stojaka rurowego i cztery płyty czołowe stojaka rurowego. Z trzema wspornikami platformy i kawałkiem tektury falistej o wymiarach 33 na 30 centymetrów, użyj gorącego kleju, aby zmontować dwie platformy stojaków na rury na każdy budowany kanał. Zainstaluj elektronikę w kolektorze kolektora, najpierw przylutowując rezystor 120 omów do anody zarówno emitera podczerwieni, jak i detektora podczerwieni oraz pięciocentymetrowy przewód elektryczny o średnicy 22 do obu katod.
Ostrożnie włóż czujkę do jednego gniazda kolektora, a emiter do drugiego gniazda. Oba elementy powinny ściśle przylegać. Przeprowadź przewody czujnika przez kanał okablowania i przeciągnij oba przewody przez otwór dostępowy.
wszystkie cztery przewody do gniazda Ethernet RJ45 za pomocą tylnego rzędu pinów. Obie anody powinny być przylutowane do skrajnego lewego pinu, katoda emitera do skrajnego prawego pinu, a katoda detektora do jednego z środkowych pinów. Przymocuj gniazdo RJ45 do otworu dostępowego kolektora za pomocą gorącego kleju, upewniając się, że żadne nieosłonięte przewody nie stykają się wewnątrz kolektora.
Następnie należy rozpocząć budowę centralnego procesora dla systemu poprzez przylutowanie żeńskich złączy do otworów przelotowych oznaczonych dla Arduino nano, temp, zegar i moduł SD. również żeńskie złącze header w nieoznaczonym otworze przelotowym dwa na pięć w lewym górnym rogu płytki PCB ekranu LCD. Zatrzaśnij i sześć gniazd RJ45 wzdłuż dolnej krawędzi płytki PCB.
sześć rezystorów ściągających o mocy 470 kiloomów w miejscach otworów przelotowych, znajdujących się tuż nad gniazdami RJ45. Zainstaluj Arduino nano, czujnik temperatury i wilgotności DHT, zegar i moduł SD na płytce PCB. Na koniec podłącz przewód taśmowy z dziesięcioma złączami do złącza ekranu LCD płytki PCB.
Po zmontowaniu systemu detekcji załaduj i umieść dwa stojaki bezpośrednio przed przeprowadzeniem eksperymentu. Najpierw upewnij się, że wszystkie otwory w stojaku zawierają 0.5 mililitrową rurkę wirówkową ze zdjętą nasadką i że probówki są dobrze dopasowane. Napełnij każdą probówkę jedną komórką czerwiu owadów, upewniając się, że płaska krawędź jest skierowana w stronę otworu.
Następnie dodaj jeden śrut airsoft, a na końcu jedną metalową kulkę. Następnie użyj ćwierćcalowych nylonowych, aby przymocować płytę czołową stojaka na rury, zaokrągloną krawędzią w kierunku dolnej części stojaka. Umieszcza stojaki na rury na platformie stojaka. Zacznij od otworów skierowanych do góry, a następnie delikatnie obróć na miejsce, aby upewnić się, że metalowe kulki nie zostaną zwolnione.
Stojaki powinny być umieszczone na krawędzi platformy tak, aby metalowa kulka mogła swobodnie wpaść do kolektora bez odbijania się o inną część konstrukcji. Włóż kartę SD do adaptera, a następnie uruchom procesor centralny, podłączając złącze micro-USB do Arduino, a drugi koniec do dowolnego odpowiedniego adaptera USB. Ekran LCD wyświetli cyfry od jednego do sześciu, gdy będzie gotowy.
Wrzuć pojedynczą metalową kulkę do kolektora kulek każdego kanału i obserwuj, czy na ekranie pojawi się odpowiednia liczba, a na dole ekranu pojawi się właściwy czas. Po pojawieniu się wszystkich owadów wyłącz urządzenie, odłączając Arduino. Stojaki można zdemontować i wyczyścić w celu ponownego użycia.
Podczas eksperymentu wyłaniania dane są przechowywane na karcie SD w pliku rozdzielanym przecinkami. Użyj karty SD, aby przesłać dane do komputera, a RStudio do automatycznego generowania wykresów bąbelkowych danych. Zarówno dane o zdarzeniu, jak i o temperaturze są zapisywane w tym samym pliku w celu zapewnienia integralności danych.
Przed analizą zaimportuj plik rozdzielany przecinkami do programu do obsługi arkuszy kalkulacyjnych. Kolumny I i J to data i godzina pojawienia się pszczół. Utwórz kolumny A i B, wycinając i wklejając kolumny od A do E do drugiego arkusza kalkulacyjnego i zapisując jako osobny plik danych o temperaturze do dalszej analizy.
Rysunek ten przedstawia pojawienie się pszczół w okresie termicznym czterech stopni Celsjusza po ekspozycji na stres zimna podczas rozwoju. Ten rysunek pokazuje ten sam zestaw danych, co przed chwilą, ale z jednym z sześciu kanałów zatkanych kulkami, tworzącymi dużą bańkę na wykresie, ponieważ brak sygnału jest wielokrotnie zliczany. Dane z tego kanału mogą być w uzasadniony sposób usuwane z analizy.
Próbując wykonać tę procedurę, należy pamiętać o sprawdzeniu wszystkich lutowanych części, aby upewnić się, że połączenia działają. Po jej opracowaniu technika ta utorowała drogę naukowcom zajmującym się chronobiologią i fizjologią stresu do zbadania, jakie sygnały wpływają na czas pojawienia się pszczół samotnic.
Ten artykuł przedstawia nowy zautomatyzowany system zaprojektowany do precyzyjnego pomiaru wzorców pojawiania się owadów. Dzięki wykorzystaniu mikrokontrolerów system przełamuje ograniczenia istniejących półautomatycznych metod, umożliwiając badania na większych próbach w zakresie pojawiania się owadów.
Automated detection of insect emergence patterns enables high-throughput, quantitative analysis of biological timing and stress responses, supporting mechanistic de-risking in early discovery. The system's scalability and precision facilitate robust hypothesis testing and cross-condition comparisons, directly impacting target validation and translational research in chronobiology and stress physiology. Integration of automated data capture and visualization enhances predictive confidence and portfolio decision-making for R&D teams investigating environmental or genetic modulation of emergence phenotypes.
This automated emergence detection system fits within the early discovery to preclinical continuum, supporting hypothesis testing, screening, and translational research workflows.