November 15th, 2014
Este vídeo descreve a identificação por radiofrequência (RFID) e os métodos de gravação de vídeo sensíveis ao movimento para monitorar o comportamento de escolha das abelhas.
Os objetivos gerais desses procedimentos são automatizar a observação do comportamento de escolha das abelhas em flores artificiais. Isso é feito colando primeiro uma etiqueta de identificação em todas as abelhas dentro de uma colônia com etiquetas de plástico ou etiquetas RFID, dependendo do protocolo. O segundo passo é configurar filmadoras sensíveis ao movimento ou os leitores RFID no espaço de teste.
Em seguida, as flores artificiais ocupam um lugar no espaço de teste. A etapa final é dar às colônias B acesso ao espaço de teste. Em última análise, um grande banco de dados de registros é gerado consistindo na hora e no local de cada visita floral.
A principal vantagem dessas técnicas sobre outros métodos, como registrar observações manualmente em tempo real, é que essas técnicas nos permitem estudar o comportamento de abelhas que nunca experimentaram recompensas em flores. As abelhas levam tempo para descobrir flores, às vezes até dias. Nossos métodos nos permitem capturar esses eventos muito raros.
Podemos registrar as atividades de uma colônia inteira de abelhas continuamente durante um longo período de tempo e com alta precisão. Isso pode nos ajudar a responder a perguntas-chave no comportamento dos insetos sobre as origens das diferenças individuais. O ambiente de teste para este protocolo deve ser uma sala isolada ou uma gaiola de vôo de tela de metal de dois metros cúbicos na gaiola de vôo.
Um pequeno orifício, com o diâmetro de um níquel ou cerca de dois centímetros, serve como ponto de entrada e saída para as abelhas. Abelha. As colônias são conectadas ao espaço de teste usando um conduíte largo o suficiente para permitir que várias abelhas circulem simultaneamente. Os conduítes de tubo de tela são ideais porque fornecem boa tração durante esses experimentos.
As abelhas se movem livremente entre a gaiola de vôo e a caixa da colônia por meio desses conduítes dentro do espaço de teste são dois suportes para colocação de flores artificiais. São suportes de madeira de 1,2 metros de altura colocados no centro do espaço ou fixados na parede. A parte superior do suporte possui um mecanismo que serve para segurar as flores.
Ao longo do experimento, as localizações dos suportes são movidas periodicamente para evitar que artefatos de efeito de posição sejam introduzidos. Durante os experimentos RFID, uma cabeça 2K seis é instalada em cima de uma flor artificial projetada sob medida para experimentos de etiquetas coloridas. As filmadoras sensíveis ao movimento são colocadas a dois metros das flores artificiais.
O espaço de ensaio é iluminado por luzes fluorescentes que geram um mínimo de 1 200 lux de intensidade, uma vez que as abelhas podem detectar a cintilação de luzes fluorescentes normais, devem ser utilizados balastros de alta frequência especializados com cintilação superior a 200 hertz durante a experiência. Os trabalhadores são marcados no tórax com etiquetas RFID, elegem os trabalhadores em recipientes individuais quando eles emergem de seus casulos e, enquanto ainda estão em seu estágio de inatividade e incapazes de voar, chamá-los por cerca de uma hora em uma geladeira ajustada para sete graus Celsius. Isso minimizará a chance de ser picado durante a marcação.
Depois de resfriado, aplique uma etiqueta RFID exclusiva a cada trabalhador usando cola não tóxica. Deixe a cola secar por pelo menos 10 minutos antes de reintroduzir a operária na colônia. Todos os trabalhadores que evitam a marcação ou perderam seu RFID devem ser removidos.
Quando as construções de flores artificiais experimentais podem ser feitas por uma oficina mecânica, elas são forradas com argila colorida. Uma flor artificial azul lisa é o modelo básico ao qual diferentes recursos visuais são adicionados. Uma característica visual é um design usando um forro fino de argila amarela.
A ranhura na parte cilíndrica da flor artificial se encaixa facilmente no leitor RFID. O design do estímulo da flor é crucial. O espaço interno deve ser grande o suficiente para que todas as peças do zangão possam entrar, mas pequeno o suficiente para que a etiqueta na abelha fique a três a quatro milímetros do leitor.
Além disso, a flor artificial deve ser projetada para exibir propriedades visuais de forma que não haja interrupção entre o cilindro e as porções do guaxinim. Uma alternativa às etiquetas RFID são as etiquetas numéricas coloridas. Essas etiquetas também são aplicadas às abelhas operárias logo após emergirem de seus casulos.
Uma vantagem sobre as etiquetas RFID é que elas são mais difíceis de serem desalojadas pelas abelhas. Assim como na etiquetagem RFID, remova todos os trabalhadores da colônia e ligue para eles antes da marcação. Posterior. Uma vez que o experimento tenha começado e o comportamento da abelha esteja sendo registrado, novas operárias surgirão e precisarão ser marcadas.
Normalmente, sete a 10 novas operárias surgem a cada dois ou três dias para registrar dados de abelhas marcadas com cores. As câmeras de vídeo sensíveis ao movimento devem ser apontadas para cada flor de fora do ambiente de teste. Podem ser câmeras de protocolo de internet com pelo menos um megapixel de resolução e modificação de luz.
Substitua a lente padrão por uma lente muito focal de 1,8 milímetro para fornecer melhor foco e capacidade de ampliar a flor. Foque outra câmera para capturar a área em frente às duas flores. Esta câmera está posicionada cerca de meio metro acima das flores.
Ele captura os comportamentos que ocorrem antes do pouso, que incluem pairar de aproximação e até entoar. Uma colônia de 375 trabalhadores foi marcada com RFIDs. 85% entraram na gaiola de vôo durante o estudo, e 62% dessas abelhas também exploraram um dos quatro estímulos florais.
Isso foi pontuado como pairando sobre o pouso e exploração de Intonating. O experimento produziu cerca de 300.000 eventos registrados, todos armazenados em um banco de dados mundial de camundongos. Houve uma preferência por um padrão radial em vez de um padrão concêntrico.
O padrão radial se inverteu, no entanto, quando o padrão concêntrico foi posicionado no centro da flor e o padrão radial foi periférico. Em um segundo experimento, as abelhas foram marcadas com números coloridos e filmadas com filmadoras sensíveis ao movimento. Neste experimento, houve uma preferência por flores de padrão radial posicionadas centralmente em vez de padrão concêntrico posicionado centralmente. Flor.
A posição de um padrão na flor não fez diferença. Esses procedimentos nos permitem testar empiricamente previsões teóricas oferecidas por modelagem computacional e inteligência artificial sobre as características do processamento de informações visuais por cérebros pequenos. Por exemplo, redes neurais não supervisionadas foram usadas para gerar previsões sobre preferências de simetria, que testamos usando nossos métodos automatizados.
O comportamento das abelhas deixando sua colônia pela primeira vez é uma área de estudo negligenciada, e alguns dos obstáculos à pesquisa têm sido metodológicos. As técnicas que descrevemos neste vídeo são particularmente adequadas para estudar o comportamento das abelhas que estão deixando sua colônia e procurando comida pela primeira vez. RFID. Tags e gravações de vídeo sensíveis ao movimento estão sendo usadas atualmente por psicólogos e biólogos para estudar novas questões que até recentemente estavam fora de alcance.
Este vídeo descreve métodos para automatizar a observação do comportamento de escolha das abelhas em flores artificiais usando RFID e gravação de vídeo sensível a movimento. Essas técnicas permitem que os pesquisadores capturem eventos raros e estudem o comportamento das abelhas com alta precisão.
Automated behavioral monitoring systems enable high-throughput, longitudinal observation of organismal responses to environmental stimuli, supporting early-stage target validation in neurobehavioral and sensory research. By capturing unrewarded choice behavior at scale, these methods reduce observational bias and increase statistical power for detecting subtle phenotypic variations. This approach enhances predictive confidence in preclinical models by providing quantifiable, reproducible behavioral endpoints applicable to mechanistic de-risking of CNS-targeted therapeutics.
The method integrates into early discovery workflows by enabling hypothesis-driven screening of sensory and behavioral phenotypes, supporting lead identification through quantifiable choice metrics.