Name: Integracja oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej w celu zbadania interakcji smak-zapach między wasabi a alkoholem (Wideo) | JoVE Journal
Uploaded: 2024-08-16T13:40:00.000+00:00
Duration: 6 min 19 s
Description: Odkryj metodę oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej do badania interakcji smak-zapach między wasabi a alkoholem. Badanie wykazało, że alkohol może łagodzić pieczenie wywołane wasabi.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Z. Cai chciałby podziękować za wsparcie finansowe ze strony Funduszu Charytatywnego Kwok Chung Bo Fun na ustanowienie Katedry Analizy Środowiskowej i Biologicznej Kwok Yat Wai.

W tym badaniu, dwa 7-tygodniowe samce myszy ICR o wadze od 17 do 25 g zostały wykorzystane do oceny zachowania zwierząt. Wszystkie procedury hodowlane i eksperymentalne zostały zatwierdzone przez Komitet ds. Wykorzystania Przedmiotów Ludzkich i Zwierzęcych w Nauczaniu i Badaniach Uniwersytetu Baptystów w Hongkongu. W pomieszczeniu dla zwierząt utrzymywano temperaturę 25 °C i wilgotność w pomieszczeniu 40%-70% w 12-godzinnym cyklu jasno-ciemnym.
1. Projekt klatki
<ol>
	<li>Przygotuj cegły akrylonitryl-butadien-styren w 3 różnych wymiarach do budowy koszyka: 8 mm x 8 mm x 2 mm, 16 mm x 16 mm x 6 mm i 32 mm x 16 mm x 6 mm.</li>
	<li>Przygotować płytkę akrylonitrylo-butadieno-styrenową (312 mm x 147 mm x 2 mm) jako podstawę koszyka.</li>
	<li>Przygotuj nieprzezroczystą płytę akrylową o wymiarach 239 mm x 107 mm i grubości 2 mm, która będzie używana jako płyta dolna.</li>
	<li>Przygotuj przezroczystą płytę akrylową o wymiarach 239 mm x 107 mm i grubości 5 mm, która będzie używana jako płyta górna.</li>
	<li>Przygotuj przezroczystą płytkę akrylową o wymiarach 107 mm x 50 mm i grubości 7 mm, która będzie używana jako płyta zaciskowa.</li>
	<li>Zbuduj 2 nieprzezroczyste ściany boczne, układając cegły na wysokość 54 mm.</li>
	<li>Osadź płytki akrylowe w klatce na bazie akrylonitrylu i butadienu i styrenu, jak pokazano na rysunku <silna klasa="xfig">Rysunek 1A.</li>
	<li>Przygotuj komorę na chows, która jest zbudowana z pięciu przezroczystych płytek akrylowych o wymiarach 90 mm x 50 mm i grubości 2 mm, jak pokazano na rysunku Rysunek 1B. Spośród 5 przezroczystych płyt akrylowych użyj 2 płytek po bokach, 1 płytki u góry, 1 płytki u dołu i 1 płytki u terminala.</li>
	<li>Przygotuj przezroczystą płytkę akrylową o wymiarach 60 mm x 50 mm i 2 mm jako płytkę wprowadzającą do karmy i umieść ją w komorze karwy.</li>
</ol>
2. Ocena zachowania zwierząt
<ol>
	<li>Domowe rodzeństwo z 2 7-tygodniowych samców myszy ICR razem w zwykłej klatce.</li>
	<li>Zapewnij rodzeństwu z miotu 2 myszy swobodny dostęp do granulek pokarmowych i wody z kranu przez 1-tygodniowy okres adaptacji.</li>
	<li>Po 1 tygodniu wprowadź rodzeństwo z miotu 2 myszy butelką etanolu (~40% v/v). 
	UWAGA: Upewnij się, że mogą wąchać lub wdychać dostarczony wodny etanol tylko ad libitum, gdy picie jest ograniczone.</li>
	<li>Przeprowadź eksperymenty behawioralne przy użyciu modelu myszy w wieku 9-10 tygodni i przezroczystej klatki kabiny, która jest przedstawiona na <silna klasa="xfig">Rysunek 1A.</li>
	<li>Zdemontuj wszystkie płytki akrylowe i płyty akrylonitryl-butadien-styren i dokładnie je wyczyść. Zacznij od spłukania ich ultraczystą wodą co najmniej 3 razy, a następnie osusz je ręcznikami papierowymi. Następnie spryskaj je 75% etanolem, a następnie wyczyść je papierem do soczewek. Na koniec pozostaw je do wyschnięcia na powietrzu przez co najmniej 15 minut.</li>
	<li>Zważ myszy i zapisz ich masę ciała przed każdym powtórzeniem eksperymentu behawioralnego.</li>
	<li>Świeżo przygotuj mieszankę wasabi i masła orzechowego, ważąc 1 g komercyjnego wasabi i 4,5 g masła orzechowego. Wymieszaj je w plastikowej torbie z zamkiem błyskawicznym. 
	UWAGA: Ze względu na lotność izotiocyjanianów w wasabi, ważne jest, aby przechowywać komercyjne wasabi w zamrażarce o temperaturze -20 °C.</li>
	<li>Zważ i połóż dwie pasty po 0,5 g masła orzechowego lub mieszankę wasabi i masła orzechowego na talerzu wprowadzającym do karmy, jak pokazano na Rysunek 1B, C.</li>
	<li>Umieść przygotowaną płytkę wprowadzającą do chow w komorze karmy, jak pokazano na Rysunek 1B, C, aby umożliwić 2 myszom dostęp ad libitum do jedzenia podczas każdej sesji nagrywania wideo.</li>
	<li>Wypełnij rowek pod spodem 30 ml płynu, czystej wody lub likieru (~42% v/v etanolu), aby ułatwić jednoczesną inhalację, jak wskazano w <silna klasa="xfig">Rysunek 1B, C.</li>
	<li>Rozpocznij nagrywanie za pomocą kamer w 2 smartfonach umieszczonych na stojakach telefonicznych przy każdym terminalu. 
	UWAGA: Specyfikacje filmów są następujące: szerokość klatki, 1920; wysokość ramy, 1080; szybkość transmisji danych, 20745 kb/s; liczba klatek na sekundę, 30,00 klatek na sekundę (fps).</li>
	<li>Ostrożnie umieść 2 wyszkolone rodzeństwo myszy na zaprojektowanej platformie do badania zachowań zwierząt od góry i natychmiast zabezpiecz klatkę górną płytą. 
	UWAGA: Upewnij się, że ten krok został wykonany w ciągu 15 sekund.</li>
	<li>Nagrywaj każdy film przez 2-3 minuty 
	UWAGA: Upewnij się, że cały czas trwania eksperymentu, od przygotowania mieszanki masła orzechowego i wasabi do zakończenia nagrania wideo, jest ograniczony do 5 minut.</li>
	<li>Powtórz cały eksperyment 3 razy. 
	UWAGA: Upewnij się, że każda powtórzona część eksperymentu jest oddzielona przez co najmniej 6 godzin.</li>
	<li>Naśladuj różne scenariusze. 
	UWAGA: Na przykład w tej pracy para myszy została użyta w 4 grupach z 4 różnymi scenariuszami, które zostały naśladowane przy użyciu ustawień eksperymentalnych opisanych powyżej. Scenariusze te obejmują scenariusz A dla badania podstawowego, scenariusz B dla badania kontroli dodatniej, scenariusz C dla badania interakcji smak-zapach między alkoholem wasabi a alkoholem oraz scenariusz D dla badania kontroli negatywnej. W tabeli 1 przedstawiono podsumowanie tych scenariuszy.</li>
</ol>
3. Rozpoznawanie obrazów
Podobnie jak w wielu badaniach nad przetwarzaniem obrazów23,24,25, model klasyfikacji został osiągnięty poprzez szkolenie CNN. Skrypt dla operacji DL został napisany w języku Python v.3.10 na Jupyter Notebook (anaconda3). Jest on dostępny w następującym repozytorium GitHub: git@github.com:TommyNHL/imageRecognitionJove.git. Do konstruowania i trenowania CNN użyto bibliotek typu open source, w tym numpy v.1.21.5, seaborn v.0.11.2, matplotlib v.3.5.2, cv2 v.4.6.0, sklearn v.1.0.2, tensorflow v.2.11.0 i keras v.2.11.0. Biblioteki te zapewniły niezbędne narzędzia i funkcje do opracowania i przeszkolenia CNN w zakresie rozpoznawania obrazów.
<ol>
	<li>Wyeksportuj serię obrazów klatek wideo z zebranych klipów wideo, aby wygenerować zestaw danych do trenowania modelu przy użyciu podanego notesu Jupyter Notebook o nazwie Step1_ExtractingAndSavingVideoFrameImages.ipynb.</li>
	<li>Wybieraj tylko obrazy, w których co najmniej 1 mysz zużywa dostarczoną pastę. Przykłady wybranych obrazów znajdują się na rysunku uzupełniającym 1, rysunku uzupełniającym 2, rysunku uzupełniającym 3, rysunku uzupełniającym 4, rysunku uzupełniającym 5, rysunku uzupełniającym 6 i rysunku uzupełniającym 7.</li>
	<li>Wykonaj rozszerzanie danych, przerzucając wygenerowane obrazy w poziomie, implementując skrypt dostarczony w Jupyter Notebook o nazwie Step2_DataAugmentation.ipynb.</li>
	<li>Zarezerwuj dane obrazu z każdej replikacji na potrzeby zewnętrznej, niezależnej walidacji modelu CNN. Użyj obrazów z każdej pierwszej i trzeciej repliki do trenowania i testowania modelu wewnętrznego.</li>
	<li>Wstępnie przetwórz dane obrazu używane w modelowaniu CNN, uruchamiając skrypt w notesie Jupyter Notebook o nazwie Step3_CNNmodeling_TrainTest.ipynb, w tym zmianę rozmiaru obrazu, konwersję koloru czarnego i normalizację sygnału obrazu.</li>
	<li>Podziel materiały szkoleniowe na wewnętrzne zestawy danych szkoleniowych i testowych w sposób losowy 8:2.</li>
	<li>Zainicjuj architekturę dla CNN. Zaprojektuj liczbę wyjść CNN w oparciu o liczbę scenariuszy do zbadania. 
	UWAGA: Na przykład w tym badaniu sieć neuronowa została wyznaczona do sklasyfikowania 3 klas. Upewnij się, że skrypt do obsługi nierównowagi danych na wadze klasy jest skompilowany.</li>
	<li>Znajdź kombinację hiperparametrów, która zapewnia minimalną stratę w wewnętrznych próbkach testowych dla konstrukcji CNN.</li>
	<li>Zastosuj optymalną kombinację hiperparametrów do konstruowania architektury CNN.</li>
	<li>Otwórz dostarczone notesy Jupyter Notebook Step4_CNNmodel_ExternalValOriginal.ipynb i Step5_CNNmodel_ExternalValFlipped.ipynb. Zweryfikuj uzyskany model za pomocą niezależnych (oryginalnych i odwróconych) obrazów z drugiej repliki eksperymentu behawioralnego na zwierzętach.</li>
	<li>Wdróż uzyskany i zweryfikowany model do klasyfikowania obrazów klatek wideo wygenerowanych na podstawie grupy eksperymentalnej przy użyciu Jupyter Notebook Step6_CNNmodel_Application.ipynb. 
	UWAGA: Na przykład jest to scenariusz C w tej pracy.</li>
</ol>
4. Ręczne punktowanie skali grymasu myszy
UWAGA: Aby zweryfikować spostrzeżenia dostarczone przez przewidywania modelu CNN, zastosowano inną metodę wcześniej opracowaną i zweryfikowaną przez Langforda i in.16. Metoda ta polega na ocenie MGS na podstawie 5 specyficznych jednostek działania twarzy myszy (AU): zaostrzenie orbity, wybrzuszenie nosa, wybrzuszenie policzka, uszy zaciśnięte na zewnątrz i zmiana wąsów. Każda jednostka analizy ma przypisany wynik 0, 1 lub 2, wskazujący odpowiednio na brak, umiarkowaną obecność lub oczywistą obecność jednostki analizy. Ten system punktacji pozwala na kwantyfikację i skalowanie każdej jednostki analizy w celu oceny poziomu nocycepcji lub dyskomfortu odczuwanego przez myszy.
<ol>
	<li>Uchwyć 3 klatki wideo, na których rodzeństwo z miotu spożywa pastę dla każdego klipu wideo. Upewnij się, że każda klatka jest oddzielona od siebie o co najmniej 3 sekundy.</li>
	<li>Niezaszyfrowany kod i losowo zmieniaj kolejność obrazów z różnych klas scenariuszy, korzystając z dostarczonego pliku szablonu o nazwie "shuffleSlides.pptm" (plik uzupełniający 1) i uruchamiając osadzony kod makra.</li>
	<li>Zaproś co najmniej 10 panelistów, aby ocenili przykładowe obrazy.</li>
	<li>Przeszkol panelistów w zakresie oceniania próbek obrazów za pomocą MGS. Przekaż panelistom materiały szkoleniowe, które zawierają oryginalny artykuł dotyczący MGS i jego instrukcji15,16.</li>
	<li>Oblicz wynik MGS każdego zwierzęcia badanego w przechwyconej klatce, uśredniając wszystkie punkty punktowe odpowiednich 5 jednostek analizy twarzy. Przedstaw wynik MGS jako średni ± standardowy błąd pomiaru (SEM).</li>
	<li>Określ, czy istnieją statystycznie istotne różnice między różnymi klasami scenariuszy, za pomocą jednoczynnikowej analizy wariancji (ANOVA) za pomocą testu post-hoc wielokrotnego porównania Bonferroniego. 
	UWAGA: Wartość P < 0,05 jest uważana za statystycznie istotną.</li>
</ol>

Alcohol Diminishes Wasabi Reactions: Behavioral and AI Analysis in Mice

<ol><li>Isshiki, K., Tokuoka, K., Mori, R., Chiba, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preliminary+examination+of+allyl+isothiocyanate+vapor+for+food+preservation%5BTitle%5D)+AND+%22Biosci+Biotechnol+Biochem%22%5BJournal%5D)">Preliminary examination of allyl isothiocyanate vapor for food preservation.</a> Biosci Biotechnol Biochem. 56 (9), 1476-1477 (1992).</li>
<li>Li, X., Wen, Z., Bohnert, H. J., Schuler, M. A., Kushad, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Myrosinase+in+horseradish+%28Armoracia+rusticana%29+root%3A+Isolation+of+a+full-length+cDNA+and+its+heterologous+expression+in+Spodoptera+frugiperda+insect+cells%5BTitle%5D)+AND+%22Plant+Sci%22%5BJournal%5D)">Myrosinase in horseradish (Armoracia rusticana) root: Isolation of a full-length cDNA and its heterologous expression in Spodoptera frugiperda insect cells.</a> Plant Sci. 172 (6), 1095-1102 (2007).</li>
<li>Depree, J. A., Howard, T. M., Savage, G. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Flavour+and+pharmaceutical+properties+of+the+volatile+sulphur+compounds+of+Wasabi+%28Wasabia+japonica%29%5BTitle%5D)+AND+%22Food+Res+Int%22%5BJournal%5D)">Flavour and pharmaceutical properties of the volatile sulphur compounds of Wasabi (Wasabia japonica).</a> Food Res Int. 31 (5), 329-337 (1998).</li>
<li>Hu, S. Q., Wei, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Study+on+extraction+of+wasabi+plant+material+bio-activity+substances+and+anti-cancer+activities%5BTitle%5D)+AND+%22Adv+Mat+Res%22%5BJournal%5D)">Study on extraction of wasabi plant material bio-activity substances and anti-cancer activities.</a> Adv Mat Res. 690 - 693, 1395-1399 (2013).</li>
<li>Lee, H. -K., Kim, D. -H., Kim, Y. -S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quality+characteristics+and+allyl+isothiocyanate+contents+of+commercial+wasabi+paste+products%5BTitle%5D)+AND+%22J+Food+Hyg+Saf%22%5BJournal%5D)">Quality characteristics and allyl isothiocyanate contents of commercial wasabi paste products.</a> J Food Hyg Saf. 31 (6), 426-431 (2016).</li>
<li>Bacon, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Wine%2C+wasabi+and+weight+loss%3A+Examining+taste+in+food+writing%5BTitle%5D)+AND+%22Food+Cult+Soc%22%5BJournal%5D)">Wine, wasabi and weight loss: Examining taste in food writing.</a> Food Cult Soc. 17 (2), 225-243 (2014).</li>
<li>Fleming, P. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+contribution+of+qualitative+behavioural+assessment+to+appraisal+of+livestock+welfare%5BTitle%5D)+AND+%22Anim+Prod+Sci%22%5BJournal%5D)">The contribution of qualitative behavioural assessment to appraisal of livestock welfare.</a> Anim Prod Sci. 56, 1569-1578 (2016).</li>
<li>Shi, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Behavioral+assessment+of+sensory%2C+motor%2C+emotion%2C+and+cognition+in+rodent+models+of+intracerebral+hemorrhage%5BTitle%5D)+AND+%22Front+Neurol%22%5BJournal%5D)">Behavioral assessment of sensory, motor, emotion, and cognition in rodent models of intracerebral hemorrhage.</a> Front Neurol. 12, 667511(2021).</li>
<li>Stevenson, R. J., Prescott, J., Boakes, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Confusing+tastes+and+smells%3A+How+odours+can+influence+the+perception+of+sweet+and+sour+tastes%5BTitle%5D)+AND+%22Chem+Senses%22%5BJournal%5D)">Confusing tastes and smells: How odours can influence the perception of sweet and sour tastes.</a> Chem Senses. 24 (6), 627-635 (1999).</li>
<li>Pfeiffer, J. C., Hollowood, T. A., Hort, J., Taylor, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+synchrony+and+integration+of+sub-threshold+taste+and+smell+signals%5BTitle%5D)+AND+%22Chem+Senses%22%5BJournal%5D)">Temporal synchrony and integration of sub-threshold taste and smell signals.</a> Chem Senses. 30 (7), 539-545 (2005).</li>
<li>Simons, C. T., Klein, A. H., Carstens, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chemogenic+subqualities+of+mouthfeel%5BTitle%5D)+AND+%22Chem+Senses%22%5BJournal%5D)">Chemogenic subqualities of mouthfeel.</a> Chem Senses. 44 (5), 281-288 (2019).</li>
<li>Andrade, E. L., Luiz, A. P., Ferreira, J., Calixto, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pronociceptive+response+elicited+by+TRPA1+receptor+activation+in+mice%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Pronociceptive response elicited by TRPA1 receptor activation in mice.</a> Neuroscience. 152 (2), 511-520 (2008).</li>
<li>Palazzo, E., Marabese, I., Gargano, F., Guida, F., Belardo, C., Maione, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Methods+for+evaluating+sensory%2C+affective+and+cognitive+disorders+in+neuropathic+rodents%5BTitle%5D)+AND+%22Curr+Neuropharmacol%22%5BJournal%5D)">Methods for evaluating sensory, affective and cognitive disorders in neuropathic rodents.</a> Curr Neuropharmacol. 19 (6), 736-746 (2020).</li>
<li>Topley, M., Crotty, A. M., Boyle, A., Peller, J., Kawaja, M., Hendry, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+motor+and+sensory+neuron+populations+in+a+mouse+median+nerve+injury+model%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Evaluation of motor and sensory neuron populations in a mouse median nerve injury model.</a> J Neurosci Methods. 396, 109937(2023).</li>
<li>Langford, D. J., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLangford%2C+DJ+%22Mouse+Grimace+Scale+%28MGS%29%3A+The+Manual%22">Mouse Grimace Scale (MGS): The Manual</a>. , https://www.nc3rs.org.uk/sites/default/files/documents/Guidelines/MGS%20Manual.pdf (2015).</li>
<li>Langford, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coding+of+facial+expressions+of+pain+in+the+laboratory+mouse%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Coding of facial expressions of pain in the laboratory mouse.</a> Nat Methods. 7 (6), 447-449 (2010).</li>
<li>Liu, H., Fang, S., Zhang, Z., Li, D., Lin, K., Wang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MFDNet%3A+Collaborative+poses+perception+and+matrix+Fisher+distribution+for+head+pose+estimation%5BTitle%5D)+AND+%22IEEE+Trans+Multimedia%22%5BJournal%5D)">MFDNet: Collaborative poses perception and matrix Fisher distribution for head pose estimation.</a> IEEE Trans Multimedia. 24, 2449-2460 (2022).</li>
<li>Liu, T., Wang, J., Yang, B., Wang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NGDNet%3A+Nonuniform+Gaussian-label+distribution+learning+for+infrared+head+pose+estimation+and+on-task+behavior+understanding+in+the+classroom%5BTitle%5D)+AND+%22Neurocomputing%22%5BJournal%5D)">NGDNet: Nonuniform Gaussian-label distribution learning for infrared head pose estimation and on-task behavior understanding in the classroom.</a> Neurocomputing. 436, 210-220 (2021).</li>
<li>Liu, T., Liu, H., Yang, B., Zhang, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((LDCNet%3A+Limb+direction+cues-aware+network+for+flexible+human+pose+estimation+in+industrial+behavioral+biometrics+systems%5BTitle%5D)+AND+%22IEEE+Trans+Industr+Inform%22%5BJournal%5D)">LDCNet: Limb direction cues-aware network for flexible human pose estimation in industrial behavioral biometrics systems.</a> IEEE Trans Industr Inform. 20 (6), 8068-8078 (2023).</li>
<li>Grant, E. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+can+the+quantitative+and+qualitative+behavioural+assessment+of+videos+of+sheep+moving+through+an+autonomous+data+capture+system+tell+us+about+welfare%5BTitle%5D)+AND+%22Appl+Anim+Behav+Sci%22%5BJournal%5D)">What can the quantitative and qualitative behavioural assessment of videos of sheep moving through an autonomous data capture system tell us about welfare.</a> Appl Anim Behav Sci. 208, 31-39 (2018).</li>
<li>Vidal, A., Jha, S., Hassler, S., Price, T., Busso, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Face+detection+and+grimace+scale+prediction+of+white+furred+mice%5BTitle%5D)+AND+%22Mach+Learn+Appl%22%5BJournal%5D)">Face detection and grimace scale prediction of white furred mice.</a> Mach Learn Appl. 8, 100312(2022).</li>
<li>Zylka, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+and+validation+of+Painface%2C+A+software+platform+that+simplifies+and+standardizes+mouse+grimace+analyses%5BTitle%5D)+AND+%22J+Pain%22%5BJournal%5D)">Development and validation of Painface, A software platform that simplifies and standardizes mouse grimace analyses.</a> J Pain. 24 (4), 35-36 (2023).</li>
<li>Liu, H., Zhang, C., Deng, Y., Liu, T., Zhang, Z., Li, Y. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Orientation+cues-aware+facial+relationship+representation+for+head+pose+estimation+via+Transformer%5BTitle%5D)+AND+%22IEEE+Trans+Image+Process%22%5BJournal%5D)">Orientation cues-aware facial relationship representation for head pose estimation via Transformer.</a> IEEE Trans Image Process. 32, 6289-6302 (2023).</li>
<li>Liu, H., Liu, T., Chen, Y., Zhang, Z., Li, Y. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EHPE%3A+Skeleton+cues-based+Gaussian+coordinate+encoding+for+efficient+human+pose+estimation%5BTitle%5D)+AND+%22IEEE+Trans+Multimedia%22%5BJournal%5D)">EHPE: Skeleton cues-based Gaussian coordinate encoding for efficient human pose estimation.</a> IEEE Trans Multimedia. , (2022).</li>
<li>Liu, H., et al. TransIFC: Invariant cues-aware feature concentration learning for efficient fine-grained bird image classification. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLiu%2C+H+%22IEEE+Trans+Multimedia%22">IEEE Trans Multimedia</a>. , (2023).</li>
<li>Akkaya, I. B., Halici, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mouse+face+tracking+using+convolutional+neural+networks%5BTitle%5D)+AND+%22IET+Comput+Vis%22%5BJournal%5D)">Mouse face tracking using convolutional neural networks.</a> IET Comput Vis. 12 (2), 153-161 (2018).</li>
<li>Andresen, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+a+fully+automated+surveillance+of+well-being+status+in+laboratory+mice+using+deep+learning%3A+Starting+with+facial+expression+analysis%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Towards a fully automated surveillance of well-being status in laboratory mice using deep learning: Starting with facial expression analysis.</a> PLoS One. 15 (4), e0228059(2020).</li>
<li>Ernst, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improvement+of+the+mouse+grimace+scale+set-up+for+implementing+a+semi-automated+Mouse+Grimace+Scale+scoring+%28Part+1%29%5BTitle%5D)+AND+%22Lab+Anim%22%5BJournal%5D)">Improvement of the mouse grimace scale set-up for implementing a semi-automated Mouse Grimace Scale scoring (Part 1).</a> Lab Anim. 54 (1), 83-91 (2020).</li>
<li>Tuttle, A. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+deep+neural+network+to+assess+spontaneous+pain+from+mouse+facial+expressions%5BTitle%5D)+AND+%22Mol+Pain%22%5BJournal%5D)">A deep neural network to assess spontaneous pain from mouse facial expressions.</a> Mol Pain. 14, 1744806918763658(2018).</li>
<li>Lencioni, G. C., de Sousa, R. V., de Souza Sardinha, E. J., Corrêa, R. R., Zanella, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+assessment+in+horses+using+automatic+facial+expression+recognition+through+deep+learning-based+modeling%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling.</a> PLoS One. 16 (10), e0258672(2021).</li>
<li>Steagall, P. V., Monteiro, B. P., Marangoni, S., Moussa, M., Sautié, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fully+automated+deep+learning+models+with+smartphone+applicability+for+prediction+of+pain+using+the+Feline+Grimace+Scale%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale.</a> Sci Rep. 13, 21584(2023).</li>
</ol>

Autorzy oświadczają, że nie występują konflikty interesów.

Proponowana metoda badania interakcji smak-zapach w tej pracy opiera się na oryginalnej metodzie kodowania behawioralnego wyrazu bólu na twarzy u myszy, która została opracowana przez Langforda i wsp.16. W kilku ostatnio opublikowanych artykułach wprowadzono CNN do automatycznego śledzenia twarzy myszy i późniejszego punktacji MGS 21,26,27,28. Zastosowanie CNN daje przewagę nad wyłącznie oryginalną metodą, ponieważ wynika z generowania serii obrazów klatek wideo, które można wykorzystać do trenowania modelu predykcyjnego. W przeciwieństwie do tego, oryginalna metoda wymagała wstępnej selekcji ograniczonej liczby obrazów do MGS, co może wprowadzać subiektywizm i stronniczość.
Spośród wcześniej opublikowanych metod opartych na CNN, wszystkie zostały opracowane do oceny stopnia stresu lub dyskomfortu po bezpośrednim wstrzyknięciu środka powodującego ból do krążenia krwi26,28. Jedną z wad tego podejścia do wprowadzania leku jest to, że wymagany jest znaczny wysiłek, aby odfiltrować obrazy klatek wideo, które nie przechwytują profilu twarzy myszy. W tym badaniu komercyjny środek powodujący nocycepcję wasabi jest podawany ad libitum. Oprócz maskowania lotnego składnika AITC, masło orzechowe jest również w stanie przyciągnąć myszy, aby zaprezentowały wyraźny gest widoku z przodu, ułatwiając uchwycenie ich profili twarzy podczas nagrywania wideo. Co więcej, takie podejście eliminuje wszelkie potencjalne zakłócenia spowodowane bólem spowodowanym wkłuciem igły. Należy jednak pamiętać, że ruch połykania myszy może zakłócać punktację MGS dla wybrzuszenia nosa i wybrzuszenia policzków. Aby temu zaradzić, należy przeprowadzić podstawowy eksperyment kontrolny, podając myszom czyste masło orzechowe.
W niektórych algorytmach opartych na CNN do badania zachowań zwierząt tylko podzbiór jednostek działania twarzy myszy jest wybierany z obrazów treningowych i programowany do przechwytywania 21,22. Te metody obliczeniowe opierają się na predefiniowanych cechach, które są związane z odczuwaniem nocycepcji, potencjalnie zaniedbując inne ważne cechy charakterystyczne dla poszczególnych myszy. W rezultacie może to doprowadzić do utraty informacji. W przeciwieństwie do tego, w tym badaniu zastosowano inne podejście, wykorzystując cały obraz twarzy myszy do wytrenowania modelu CNN. Wykazano, że ta metoda oparta na użyciu tylko obrazu (IOU) jest bardziej efektywna w przypadku klasyfikacji obrazów25. W związku z tym proponowane podejście do modelowania CNN w niniejszym badaniu jest podobne do niektórych proponowanych metod, które najpierw trenują model CNN przy użyciu całego obrazu bez adnotacji regionu, a następnie weryfikują model poprzez ręczną ocenę przez człowieka27,29. Takie podejście może zachować więcej informacji na obrazach i zapobiec wprowadzaniu subiektywizmu.
Jednak ograniczeniem konfiguracji eksperymentalnej w tej pracy jest to, że badani mysi byli trzymani jako rodzeństwo z miotu 2, a nie w indywidualnych siedliskach. Ta decyzja była celowa, biorąc pod uwagę, że myszy są zwierzętami społecznymi i zazwyczaj rozwijają się w grupie. Interesującym odkryciem jest to, że w okresie szkolenia zwierząt tylko 2 rodzeństwo z miotu w 1 klatce z 3 klatek zostało przeszkolonych tak, aby były przystosowane do obecności chińskiego ducha. W rezultacie, przeprowadzono tylko potrójne eksperymenty wyłącznie na tych 2 rodzeństwie z miotu. W materiałach szkoleniowych do modelowania CNN pojedynczy obraz zawierający oba 2 rodzeństwo z miotu został również pobrany jako indywidualna próbka bez przeprowadzania jakiejkolwiek segmentacji. Takie podejście pozwoliło nam uchwycić interakcję między rodzeństwem z miotu i wspólnie przeanalizować ich zachowania wraz z mimiką twarzy.
Podobnie jak w przypadku metody punktacji MGS opartej na obrazie, oczekuje się, że metoda zaproponowana w tym badaniu może być przeniesiona na inne rodzaje zwierząt, takie jak koty i konie30,31. Dzięki zastosowaniu proponowanej metodologii, metoda wprowadzania pokarmów z zastosowaniem widzenia komputerowego może być podejściem ułatwiającym badanie zachowań zwierząt, w szczególności w zakresie interakcji smak-zapach u różnych zwierząt.

Wasabia japonica, powszechnie znana jako wasabi, zyskała uznanie w przygotowywaniu żywności1,2. Intensywne doznania sensoryczne, jakie wywołuje po spożyciu, charakteryzujące się łzawieniem, kichaniem lub kaszlem, są dobrze znane. Ta charakterystyczna ostrość wasabi może być przypisana homologicznemu związkowi izotiocyjanianów chemosensorycznych (ITC). Są to lotne fitochemikalia siarkoorganiczne, które można podzielić na ω-alkenylowe i ω-metylotioalkiloizotiocyjaniany3. Wśród tych związków, izotiocyjanian allilu (AITC) jest najbardziej dominującym naturalnym produktem ITC występującym w roślinach należących do rodziny krzyżowych, takich jak chrzan i gorczyca4. Komercyjne pasty wasabi są powszechnie przygotowywane z chrzanu, co sprawia, że AITC jest markerem chemicznym używanym do kontroli jakości tych komercyjnych produktów5.
Łączenie dietetycznych napojów alkoholowych z daniami nasączonymi wasabi można uznać za przykład kulturowego usposobienia6. Subiektywnie ta kombinacja może uzupełniać pikantność i ciepło między wasabi a alkoholem, poprawiając ogólne doznania kulinarne. Jakościowa ocena behawioralna zwierząt (QBA) to kompleksowe podejście metodologiczne obejmujące całe zwierzęta, które bada zmiany behawioralne u badanych w odpowiedzi na krótko- lub długoterminowe bodźce zewnętrzne przy użyciu terminów numerycznych7. Metoda ta obejmuje testy bólu, testy motoryczne, testy uczenia się i pamięci, a także testy emocji zaprojektowane specjalnie dla modeli gryzoni8. Jednak badania nad synergiczną oceną sensoryczną smaku wraz z węchem pozostają do tej pory rzadkie w literaturze9,10. Większość badań nad odczuciami chemestetycznymi ogranicza się do osobnego badania indywidualnego spożycia żywności i napojów11. W związku z tym brakuje badań nad interakcją smak-zapach polegającą na wdychaniu alkoholu podczas spożywania wasabi.
Ponieważ uważa się, że uczucie pieczenia wywołane przez wasabi jest formą nocycepcji12, oceny zachowania zwierząt są dobrze przystosowane do oceny nocyceptywnych reakcji sensorycznych u gryzoni8,13,14. Metoda oceny nocycepcji u myszy, znana jako skala grymasu myszy (MGS), została opracowana przez Langforda i wsp.15,16. Ta metoda badania behawioralnego jest podejściem do oceny bólu, opartym na analizie mimiki twarzy wykazywanej przez myszy eksperymentalne. Konfiguracja eksperymentalna jest prosta, obejmuje przezroczystą klatkę i 2 kamery do nagrywania wideo. Dzięki zastosowaniu zaawansowanych technologii17,18,19 do automatycznego przechwytywania danych, można uzyskać ilościowe i jakościowe pomiary behawioralne, poprawiając dobrostan zwierząt podczas monitorowania behawioralnego20. W związku z tym MGS ma potencjał do zastosowania w badaniu wpływu różnych bodźców zewnętrznych na zwierzęta w sposób nieprzerwany i ad libitum. Jednak proces punktacji polega tylko na wybraniu kilku (mniej niż 10) obrazów klatek wideo do oceny przez panelistów i konieczne jest wcześniejsze szkolenie. Ocenianie dużej liczby przykładowych obrazów może być pracochłonne. Aby sprostać temu czasochłonnemu wyzwaniu, w kilku badaniach wykorzystano techniki uczenia maszynowego do przewidywania wyniku MGS21,22. Należy jednak zauważyć, że MGS jest miarą ciągłą. W związku z tym wieloklasowy model klasyfikacji byłby bardziej odpowiedni do oceny logicznego i kategorycznego problemu, takiego jak określenie, czy obrazy myszy jednocześnie spożywających wasabi i wąchających alkohol przypominają obrazy normalnych myszy.
W tym badaniu zaproponowano metodologię badania interakcji smak-zapach u myszy. Metodologia ta łączy badania behawioralne zwierząt z konwolucyjną siecią neuronową (CNN) w celu analizy mimiki twarzy myszy. Dwie myszy obserwowano trzykrotnie w normalnych warunkach behawioralnych, podczas doświadczenia nocycepcji wywołanej przez wasabi i podczas wąchania alkoholu w specjalnie zaprojektowanej klatce. Mimika twarzy myszy została nagrana na wideo, a wygenerowane obrazy klatek wykorzystano do optymalizacji architektury modelu głębokiego uczenia (DL). Model został następnie zweryfikowany przy użyciu niezależnego zestawu danych obrazów i wdrożony w celu sklasyfikowania obrazów uzyskanych od grupy eksperymentalnej. Aby określić stopień tłumienia ostrości wasabi, gdy myszy jednocześnie wąchały alkohol podczas konsumpcji wasabi, spostrzeżenia dostarczone przez sztuczną inteligencję zostały dodatkowo potwierdzone poprzez walidację krzyżową za pomocą innej metody analizy danych, MGS scoring16.

<table><tbody><tr><td>Etanol absolutny (EtOH)</td><td>VWR Chemicals BDH</td><td>CAS# 64-17-5</td><td></td></tr><tr><td>Cegły akrylonitryl-butadien-styren</td><td>Flagowy sklep Jiahuifeng</td><td>https://shop.paizi10.com/jiahuifeng/chanpin.html</td><td></td></tr><tr><td>Płyty akrylonitryl-butadien-styren</td><td>Flagowy sklep Jiahuifeng</td><td>https://shop.paizi10.com/jiahuifeng/chanpin.html</td><td></td></tr><tr><td>Izotiocyjanian allilu (AITC)</td><td>Sigma-Aldrich</td><td>CAS # 57-06-7</td><td></td></tr><tr><td>Bezwodny dimetylosulfotlenek</td><td>Sigma-Aldrich</td><td>CAS # 67-68-5</td><td></td></tr><tr><td>Chiński spirytus</td><td>Yanghe Qingci</td><td>https://www.chinayanghe.com/article/45551.html</td><td></td></tr><tr><td>Komercyjne wasabi</td><td>S& B FOODS INC.</td><td></td><td></td>https://www.sbfoods-worldwide.com</tr><tr><td>Kwas mrówkowy (FA)</td><td>VWR Chemicals BDH</td><td>CAS# 64-18-6</td><td></td></tr><tr><td>GraphPad Prism 5</td><td>GraphPad</td><td>https://www.graphpad.com</td><td></td></tr><tr><td>acetonitryl (ACN) klasy HPLC)</td><td>VWR Chemicals BDH</td><td>CAS# 75-05-8</td><td></td></tr><tr><td>Metanol klasy HPLC (MeOH)</td><td>VWR Chemicals BDH</td><td>CAS# 67-56-1</td><td></td></tr><tr><td>Microsoft Excel 2016</td><td>Microsoft</td><td>https://www.microsoft.com&nbsp;</td><td></td></tr><tr><td>Microsoft PowerPoint 2016</td><td>System wodny Microsoft</td><td>https://www.microsoft.com</td><td></td></tr><tr><td>Milli-Q</td><td>Mysz Millipore</td><td>https://www.merckmillipore.com</td><td></td></tr>: <tr><td>ICR</td><td>Laboratory Animal Services Centre (Chiński Uniwersytet w Hongkongu, Hongkong, Chiny)</td><td>N/A</td><td></td></tr><tr><td>Masło orzechowe</td><td>Skippy</td><td>https://www.peanutbutter.com/peanut-butter/creamy</td><td></td></tr><tr><td>Python v.3.10</td><td>Python Software Foundation</td><td>https://www.python.org&nbsp;</td><td></td></tr><tr><td>Przezroczyste płyty akrylowe</td><td>Taobao Store</td><td>https://item.taobao.com/item.htm?_u=32l3b7k63381&id=60996545797 0& spm=a1z09.2.0.0.77572e8dFPM EHU</td><td></td></tr></tbody></table>

integracja oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej w celu zbadania interakcji smak-zapach między wasabi a alkoholem

Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction

Komercyjne pasty wasabi powszechnie używane do przygotowywania posiłków zawierają homologiczny związek izotiocyjanianów chemosensorycznych (ITC), które wywołują drażniące uczucie po spożyciu. Wpływ wąchania dietetycznych napojów alkoholowych na odczuwanie ostrości wasabi nigdy nie był badany. Podczas gdy większość badań oceny sensorycznej koncentruje się osobno na poszczególnych produktach spożywczych i napojach, brakuje badań nad badaniem węchowym wąchania alkoholu podczas spożywania wasabi. Tutaj opracowano metodologię, która łączy wykorzystanie badania behawioralnego na zwierzętach i konwolucyjnej sieci neuronowej do analizy mimiki myszy, gdy jednocześnie wąchają alkohol i spożywają wasabi. Wyniki pokazują, że wytrenowany i zwalidowany model głębokiego uczenia rozpoznaje 29% obrazów przedstawiających wspólne leczenie wasabi i alkoholu należących do klasy grupy wasabi-ujemnych alkoholowo-dodatnich bez konieczności filtrowania wcześniejszych materiałów szkoleniowych. Analiza statystyczna wyników skali grymasu myszy uzyskanych z wybranych obrazów klatek wideo ujawnia istotną różnicę (P < 0,01) między obecnością a brakiem alkoholu. Odkrycie to sugeruje, że dietetyczne napoje alkoholowe mogą mieć zmniejszający wpływ na reakcje wywołane przez wasabi u myszy. Ta łączona metodologia ma potencjał w zakresie badań przesiewowych poszczególnych związków ITC i analiz sensorycznych składników spirytusowych w przyszłości. Potrzebne są jednak dalsze badania, aby zbadać mechanizm leżący u podstaw indukowanego alkoholem tłumienia ostrości wasabi.

Ten artykuł opisuje zestaw metod do mierzenia zdolności tłumienia picia napojów alkoholowych na uczucie pieczenia wywołanego przez wasabi.

Integracja oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej w celu zbadania interakcji smak-zapach między wasabi a alkoholem

The commercial wasabi pastes commonly used for food preparation contain a homologous compound of chemosensory isothiocyanates (ITCs) that elicit an ...

Chcemy sprawdzić, czy wąchanie napojów alkoholowych może złagodzić oparzenie wasabi. Opracowaliśmy więc metodę, która obejmowała badanie zachowań zwierząt i głębokie uczenie, aby zbadać tę interakcję smakowo-zapachową. Korzystając z naszego specjalistycznego projektu klatki do pozyskiwania danych behawioralnych i solidnego modelu głębokiego uczenia, odkryliśmy, że 29% obrazów przedstawiających wspólne leczenie wasabi i alkoholu zostało sklasyfikowanych jako wasabi-ujemne, płynnie dodatnie, co sugeruje, że alkohol może przeciwdziałać efektom wasabi.Nasze badanie skłania do pytania, dlaczego alkohol może tłumić dyskomfort spowodowany przez wasabi? Zrozumienie mechanizmu fizjologicznego leżącego u podstaw tej interakcji będzie przedmiotem przyszłych badań. Na początek zbuduj dwie nieprzezroczyste ściany boczne, układając cegły na wysokość 54 milimetrów.Osadź płytki akrylowe w klatce na bazie akrylonitrylu-butadienu i styrenu. Przygotuj komorę karwową zbudowaną z pięciu przezroczystych płytek akrylowych o wymiarach 90 mm na 50 milimetrów o grubości dwóch milimetrów. Następnie przygotuj przezroczystą akrylową płytkę jako płytkę wprowadzającą do chow i umieść ją w komorze chows.Po przeprowadzeniu eksperymentów behawioralnych przy użyciu modelu mysiego w wieku od 9 do 10 tygodni, zdemontuj wszystkie płytki akrylowe i akrylonitryl-butadien-styren. Opłucz płytki ultraczystą wodą co najmniej trzy razy. A następnie osusz je ręcznikami papierowymi.Następnie spryskaj je 75% etanolem, a następnie wyczyść je papierem do soczewek. Na koniec pozostaw je do wyschnięcia na powietrzu przez co najmniej 15 minut. Teraz zważ myszy i zapisz ich masę ciała przed każdą replikacją eksperymentu behawioralnego.Aby przygotować mieszankę wasabi i masła orzechowego, zważ jeden gram komercyjnego wasabi i 4,5 grama masła orzechowego. Wymieszaj je w plastikowej torbie zapinanej na zamek. Zważ i połóż dwie 0,5 grama pasty masła orzechowego lub mieszankę wasabi i masła orzechowego na talerzu wprowadzającym do chow.Umieść przygotowaną płytkę wprowadzającą karmę w komorze chows. Następnie wypełnij rowek pod spodem 30 mililitrami płynu, czystej wody lub likieru, aby ułatwić jednoczesną inhalację. Rozpocznij nagrywanie za pomocą kamer na dwóch smartfonach umieszczonych na stojakach na telefon przy każdym terminalu.Ostrożnie umieść dwie wyszkolone mysie koleżanki z miotu na zaprojektowanej platformie do badania zachowań zwierząt od góry i natychmiast zabezpiecz klatkę górną płytą. Na początek nagraj zachowanie myszy podczas doświadczenia nocycepcji wywołanej przez wasabi podczas wąchania alkoholu w specjalnie zaprojektowanej klatce. Korzystanie z podanego notesu Jupyter Notebook o nazwie Step1_ExtractingAndSavingVideoFrameImages.IPYNB eksportuje serię obrazów klatek wideo z zebranych klipów wideo, aby wygenerować zestaw danych do trenowania modelu. Wybieraj obrazy tylko za pomocą co najmniej jednej myszy zużywającej dostarczoną pastę. Aby wykonać rozszerzanie danych, zaimplementuj skrypt dostarczony w Jupyter Notebook o nazwie Step2_DataAugmentation.ipynb do poziomego odwrócenia wygenerowanych obrazów. Zarezerwuj dane obrazu z każdej replikacji na potrzeby zewnętrznej, niezależnej walidacji modelu CNN. Użyj obrazów z każdej pierwszej i trzeciej replikacji do trenowania i testowania modelu wewnętrznego.Aby wstępnie przetworzyć dane obrazu używane w modelowaniu CNN, uruchom skrypt w notesie Jupyter o nazwie Step3_CNNmodeling_TrainTest. ipynb, w tym zmianę rozmiaru obrazu, konwersję koloru czarnego i normalizację sygnału obrazu. Podziel materiały szkoleniowe na wewnętrzne zestawy danych szkoleniowych i testowych w sposób losowy osiem do dwóch.Następnie zainicjuj architekturę CNN. Zaprojektuj liczbę wyjść CNN na podstawie liczby scenariuszy, które mają zostać zbadane. Zastosuj optymalną kombinację hiperparametrów do konstruowania architektury CNN.Następnie otwórz dostarczone notesy Jupyter Notebook Step4_CNNmodel_ExternalValOriginal. ipynb i Step5_CNNmodel_ExternalValFlipped.ipynb. Zweryfikuj uzyskany model za pomocą niezależnych obrazów z drugiej repliki eksperymentu behawioralnego na zwierzętach.Wdróż uzyskany i zweryfikowany model do klasyfikowania obrazów klatek wideo wygenerowanych na podstawie grupy eksperymentalnej przy użyciu Jupyter Notebook Step6_CNNmodel_Application.ipynb. Wynik MGS znacznie wzrósł u myszy, którym podawano mieszankę wasabi i masła orzechowego w porównaniu z tymi, którym podawano tylko masło orzechowe. Wynik MGS nie wykazał znaczącej różnicy między grupą kontrolną a myszami wystawionymi na działanie oparów alkoholu.Wynik MGS myszy podawanych z wasabi i masłem orzechowym znacznie zmniejszył się po wystawieniu na działanie oparów alkoholu w porównaniu z tymi, które nie były narażone.

integration-animal-behavioral-assessment-convolutional-neural-network

Research

JoVE Journal

Behavior

Zachowanie

Opisano procedurę badania zdolności kontekstu środowiskowego związanego z alkoholem do wywoływania u szczurów wznowienia zachowań związanych z poszukiwaniem alkoholu.

Procedura obserwacji wywołanego kontekstem odnowienia zachowań związanych z poszukiwaniem alkoholu uwarunkowanych przez Pawłowa u szczurów

Gwałtowne wahania dopaminy zewnątrzkomórkowej (DA) pośredniczą zarówno w przetwarzaniu nagrody, jak i w motywowanym zachowaniu u ssaków. Manuskrypt ten opisuje połączone zastosowanie szybkiej woltamperometrii cyklicznej (FSCV) i doustnej dawki degustacyjnej w celu określenia, w jaki sposób degustatory zmieniają szybkie uwalnianie dopaminy u obudzonych, swobodnie poruszających się szczurów.

Badanie szybkiej dynamiki dopaminy za pomocą cyklicznej woltamperometrii Fast Scan podczas doustnej dawki degustacyjnej u obudzonych szczurów

Ten protokół opisuje nowatorską i efektywną metodę szybkiego inicjowania reakcji instrumentalnej na etanol u szczurów, która, w przeciwieństwie do standardowych metod, nie wymaga pozbawienia wody ani zaniku sacharyny/sacharozy, aby zainicjować odpowiedź.

Metoda oceny wzmacniających właściwości etanolu u szczurów bez niedoboru wody, blaknięcia sacharyny lub szkolenia o przedłużonym dostępie

Prezentujemy trzy nowe metody do nauki kodowania smakowego. Posługując się prostym zwierzęciem, Manduca sexta (Manduca), opisujemy protokół preparacji, użycie zewnątrzkomórkowych tetrod do rejestrowania aktywności wielu neuronów receptorów smakowych oraz system dostarczania i monitorowania precyzyjnie wymierzonych impulsów degustacji.

Nowe metody badania kodowania smaku

Ten manuskrypt opisuje procedurę odzyskiwania pamięci w celu destabilizacji solidnych wspomnień nagrody i przepisywania ich za pomocą przeciwwarunkowania przed ich ponownym utrwaleniem.

Procedura wyszukiwania oparta na błędach predykcyjnych do destabilizacji i ponownego zapisywania nieprzystosowawczych wspomnień nagrody u osób pijących niebezpiecznie

Ten artykuł zawiera szczegółowy opis nowego protokołu błędu oceny myszy. Przedstawiono również dowody na wrażliwość tego zadania węchowego na stan afektywny i omówiono jego użyteczność w różnych dziedzinach badawczych.

Ocena błędu oceny myszy za pomocą zadania kopania węchowego

Prezentujemy metodę elastycznej chemicznej i multimodalnej stymulacji oraz rejestrowania jednoczesnej aktywności neuronalnej wielu robaków Caenorhabditis elegans. Metoda ta wykorzystuje mikrofluidykę, sprzęt i oprogramowanie typu open source oraz nadzorowaną automatyczną analizę danych, aby umożliwić pomiar zjawisk neuronalnych, takich jak adaptacja, hamowanie czasowe i przesłuchy bodźców.

Zautomatyzowana stymulacja multimodalna i jednoczesna rejestracja neuronów z wielu małych organizmów

Prezentowany tutaj jest protokół dla modelu 2BC/CIE uzależnienia od alkoholu u myszy do badania zaburzeń związanych z używaniem alkoholu.

Przewlekła przerywana ekspozycja na opary etanolu w połączeniu z wyborem dwóch butelek w celu modelowania zaburzeń związanych z używaniem alkoholu

Rzadko stosowana metoda zapisu elektrofizjologicznego, zapis podstawowy, pozwala na analizę cech kodowania smaku, które nie mogą być zbadane konwencjonalnymi metodami zapisu. Zapis bazowy pozwala również na analizę reakcji smakowych na bodźce hydrofobowe, których nie można zbadać tradycyjnymi metodami elektrofizjologicznymi.

Zapis podstawowy: technika analizy reakcji neuronów smaku u Drosophila

Ten protokół opisuje standardowy paradygmat picia w domowej klatce z przerywanym dostępem do dwóch butelek do modelowania spożycia alkoholu u szczurów. Ponadto zawiera instrukcje krok po kroku, aby rozszerzyć standardowy protokół o system wykrywania lizawek DIY, który umożliwia analizę mikrostrukturalną zachowań związanych z piciem.

Modelowanie spożycia alkoholu u gryzoni przy użyciu dwóch butelek do wyboru w klatce domowej i analizy mikrostrukturalnej

Odkryj metodę oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej do badania interakcji smak-zapach między wasabi a alkoholem. Badanie wykazało, że alkohol może łagodzić pieczenie wywołane wasabi.

Integracja oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej w celu zbadania interakcji smak-zapach między wasabi a alkoholem (Wideo) | JoVE Journal

Integracja oceny behawioralnej zwierząt i konwolucyjnej sieci neuronowej w celu zbadania interakcji smak-zapach między wasabi a alkoholem

Przeglądaj więcej filmów