Integração da Avaliação Comportamental Animal e Rede Neural Convolucional para Estudar a Interação Sabor-Cheiro Wasabi-Álcool

Queremos ver se o cheiro de bebidas alcoólicas pode aliviar a queimadura do wasabi. Então, desenvolvemos um método que envolvia estudo comportamental animal e aprendizado profundo para explorar essa interação paladar-cheiro. Usando nosso design de gaiola especializado para aquisição de dados comportamentais e um modelo robusto de aprendizado profundo, descobrimos que 29% das imagens que retratam o co-tratamento de wasabi e álcool foram classificadas como wasabi-negativas, líquidas-positivas, sugerindo que o álcool pode neutralizar os efeitos do wasabi.

Nosso estudo levanta a questão: por que o álcool pode suprimir o desconforto causado pelo wasabi? Compreender o mecanismo fisiológico subjacente que impulsiona essa interação será um foco de pesquisas futuras. Para começar, construa duas paredes laterais opacas empilhando tijolos a uma altura de 54 milímetros.

Incorpore as placas de acrílico na gaiola à base de acrilonitrila butadieno estireno. Prepare uma câmara de comida construída com cinco placas de acrílico transparente de 90 milímetros por 50 milímetros com uma espessura de dois milímetros. Em seguida, prepare uma placa de acrílico transparente como uma placa de introdução de ração e coloque-a na câmara de ração.

Depois de realizar experimentos comportamentais usando um modelo de camundongo de nove a 10 semanas, desmonte todas as placas de acrílico e acrilonitrila butadieno estireno. Enxágue as placas com água ultrapura pelo menos três vezes. E depois seque-os com papel toalha.

Em seguida, borrife-os com etanol 75% e, em seguida, limpe-os com papel para lentes. Por fim, deixe-os secar ao ar por pelo menos 15 minutos. Agora, pese os ratos e registre seus pesos corporais antes de cada replicação do experimento comportamental.

Para preparar uma mistura de wasabi e manteiga de amendoim, pese um grama de wasabi comercial e 4,5 gramas de manteiga de amendoim. Misture-os em um saco plástico com zíper. Pese e forneça duas pastas de 0,5 grama de manteiga de amendoim ou uma mistura de wasabi e manteiga de amendoim no prato de introdução da ração.

Coloque a placa de introdução de ração preparada na câmara de ração. Em seguida, preencha a ranhura embaixo com 30 mililitros de líquido, água pura ou licor, para facilitar a inalação simultânea. Comece a gravar usando as câmeras em dois smartphones colocados nos suportes do telefone em cada terminal.

Coloque cuidadosamente dois companheiros de ninhada de camundongos treinados na plataforma de estudo comportamental animal projetada a partir do topo e prenda imediatamente a gaiola com a placa superior. Para começar, registre o comportamento dos camundongos durante a experiência da nocicepção induzida por wasabi enquanto cheiram licor em uma gaiola especificamente projetada. Usando o Jupyter Notebook fornecido chamado Step1_ExtractingAndSavingVideoFrameImages.

ipynb, exporte uma série de imagens de quadro de vídeo dos videoclipes coletados para gerar um conjunto de dados para treinamento de modelo. Selecione apenas as imagens com pelo menos um mouse consumindo a pasta fornecida. Para executar o aumento de dados, implemente o script fornecido no Jupyter Notebook chamado Step2_DataAugmentation.

ipynb para inverter horizontalmente as imagens geradas. Reserve os dados de imagem de cada segunda replicação para validação de modelo CNN independente externo. Use as imagens de cada primeira e terceira réplica para treinamento e teste de modelo interno.

Para pré-processar os dados de imagem usados na modelagem da CNN, execute o script no Jupyter Notebook chamado Step3_CNNmodeling_TrainTest. ipynb, incluindo redimensionamento de imagem, conversão de cor preta e normalização de sinal de imagem. Divida os materiais de treinamento em conjuntos de dados internos de treinamento e teste de oito para dois aleatoriamente.

Em seguida, inicialize a arquitetura CNN. Projete o número de saídas da CNN com base no número de cenários a serem examinados. Adote a combinação ideal de hiperparâmetros para construir a arquitetura CNN.

Em seguida, abra o Jupyter Notebooks fornecido Step4_CNNmodel_ExternalValOriginal. ipynb e Step5_CNNmodel_ExternalValFlipped.ipynb. Valide o modelo obtido usando as imagens independentes da segunda réplica do experimento comportamental animal.

Implante o modelo obtido e validado para classificar as imagens de quadro de vídeo geradas a partir do grupo experimental usando o Jupyter Notebook Step6_CNNmodel_Application.ipynb. A pontuação MGS aumentou significativamente em camundongos que receberam uma mistura de wasabi e manteiga de amendoim em comparação com aqueles que receberam apenas manteiga de amendoim. O escore MGS não mostrou diferença significativa entre o grupo controle e os camundongos expostos ao vapor de álcool.

A pontuação MGS de camundongos fornecidos com wasabi e manteiga de amendoim diminuiu significativamente quando expostos ao vapor de álcool em comparação com aqueles não expostos.