October 28th, 2017
Представлен метод количественной оценки временные особенности видели в летать суточный ритмы опорно. Количественная оценка достигается путем установки летать деятельность с несколькими параметрической модели сигнала. Параметры модели описывают форму и размер утром и вечером вершины повседневной деятельности.
У большинства животных циркадные часы управляют поведенческими и молекулярными процессами и синхронизируют их с ежедневным циклом света и темноты. У плодовых мушек часы обычно изучаются с помощью локомоторных записей. Вот пример среднего передвижения дикого типа, измеренного в 12-часовом световом цикле и 12-часовом темном цикле, цикл свет-темнота показан желто-черной полосой сверху.
Типичная запись мухи показывает сложную биомодальную картину с двумя пиками активности: утренний пик, который приходится на рассвет, и вечерний пик, который приходится на сумерки. Эти два пика вместе образуют форму волны, которая сильно отличается от синусоидальных колебаний, наблюдаемых в генах часов, предполагая, что механизмы, в дополнение к часам, оказывают глубокое влияние на создание наблюдаемого паттерна в поведенческих данных. Здесь мы представляем первый метод, который математически описывает временные признаки активности мух.
Мы подгоняем данные об активности с моделью волны, которая имитирует локомоцию мухи. Наша модель состоит из четырех экспоненциальных членов, двух членов от утреннего пика и двух членов от вечернего пика. Вместе с циркадным периодом наша модель имеет девять независимых параметров.
Параметры B определяют скорость утреннего подъема, утреннего спада, вечернего подъема и вечернего спада. TM и TE определяют ширину утренних и вечерних вершин, а HM и HE определяют высоты вершин. В совокупности эти параметры в полной мере описывают размер и форму утренних и вечерних пиков в паттерне активности.
Наш метод может быть применен для выяснения механизмов и субстрата, лежащих в основе обычно наблюдаемого паттерна бимодальной активности в локомоторных показаниях мухи. Для эксперимента по передвижению подготовьте отдельные трубки с пищей на одном конце и ватой на другом. Для этого, во-первых, положите пять-шесть граммов корма от мух в 50-миллилитровую мензурку.
Нарезайте продукты небольшими кусочками, так их будет легче растопить в микроволновке. Один монитор активности вмещает 32 отдельные трубки. Поэтому возьмите 32 трубки и соедините их между собой с помощью резинки.
Растопите продукты в стакане в микроволновой печи. Нагревайте пищу примерно от 10 до 15 секунд. Останавливайте микроволновку каждые пять секунд, и немного встряхивайте стакан с едой, чтобы обеспечить равномерное таяние продуктов.
Следите за тем, чтобы вся пища растаяла и в стакане не осталось твердых кусочков пищи. Пока пища еще жидкая, вставьте в стакан с едой трубочки. Немного двигайте трубки вверх и вниз, чтобы они были равномерно заполнены.
Дайте пище остыть и застыть в течение примерно одного часа. После того как пища затвердеет, удалите трубочки из стакана вращательным движением, чтобы пища не прилипала к нижней части стакана. Затем снимите резинку.
Запечатайте конец продуктами питания с помощью воска. Для этого сначала тщательно протрите тюбик бумажным полотенцем. Затем прижмите трубку к воску.
Визуально проверьте качество пломбы, и, при необходимости, повторите запечатывание еще раз. Используя эту методику, запечатайте все пробирки для эксперимента. Другой конец трубочек закройте ватой.
Хлопок пропускает воздух, в то время как мухи остаются запертыми внутри трубок. Его также легко снять и вставить обратно, что будет полезно, когда мы будем загружать пробирки с мухами для эксперимента. Теперь, когда пробирки готовы, загрузите их мухами для эксперимента.
Для этого нужно выгрузить мух на площадку с СО2. Затем с помощью щетки аккуратно поместите по одной мухе в каждую отдельную трубку. Вставьте трубку с ширинкой в монитор.
В том же порядке, что и в мониторе, передвижение мухи будет записываться в выходной файл системой монитора. Подключите монитор к компьютеру, и поместите его в инкубатор, который поддерживает постоянную температуру и влажность. На основе эксперимента установите правильные условия освещения/темноты.
Для эксперимента «свет/темнота» держите мух в цикле свет-темнота в течение всего эксперимента. Не используйте в анализе первый день измерений. Для эксперимента с постоянной темнотой, сначала держите мух в течение двух дней в условиях света/темноты для синхронизации часов, а затем переключитесь на постоянную темноту.
Не используйте в анализе измерения с первого дня постоянной темноты. Прежде чем переходить к следующему разделу, рекомендуем ознакомиться с протоколом. Система мониторинга выведет один файл, содержащий активность всех мух в мониторе.
Последние 32 столбца выходного файла содержат активность отдельных мух. Наша программа работает с одиночными полетами. Поэтому разделите выходной файл на несколько файлов активности по одной мухе.
Каждый файл должен быть TXT-файлом в одну колонку. Теперь, после того как мы подготовили файлы активности, мы можем запустить наш анализ. Запустите функцию ModelFitPS3 в командном окне MATLAB со следующими входными параметрами.
Частота дискретизации, ставим данные на временной интервал выборки в секундах. Например, наши данные были взяты с 20-секундной частотой дискретизации. Поэтому мы ставим сюда 20.
В качестве интервала ячейки укажите временной интервал в минутах, на который будут сгруппированы данные для лучшей визуализации. Мы рекомендуем биннинг до 20 или 30 минут, но сейчас я поставлю здесь 10, просто чтобы показать вам позже, как это можно легко изменить. Для тренда поставьте единицу, если данные показывают базовый тренд, и ноль в противном случае.
У наших данных нет никакой базовой тенденции. Поэтому я ставлю здесь ноль. Нажмите клавишу Enter, чтобы запустить функцию.
Во всплывающем окне выберите файл активности одиночной мухи и нажмите Открыть. Программа рассчитает и построит график спектра мощности данных. В этом окне определите основной период в данных.
Для этого кликните либо левой кнопкой мыши на пике в циркадный период, либо правой кнопкой мыши на пике во второй гармонике, повторяющейся примерно в циркадный период, деленный на два. В нашем случае пик на второй гармонике намного больше и резче, чем пик на циркадном периоде. Поэтому мы используем второй вариант.
Затем программа построит график данных, сгруппированных по выбранному интервалу бина. Как видите, при 10-минутном интервале между бункерами утренний и вечерний пики визуализируются не очень хорошо. Поэтому мы хотим изменить это значение.
Для этого просто щелкните правой кнопкой мыши в любом месте графика. В новом диалоговом окне введите новое значение интервала ячейки. Мы рекомендуем биннинг на временной интервал 20 минут.
Поэтому мы ставим сюда 20. Нажмите OK. Программа немедленно перерисовывает данные с новым значением интервала ячейки. Чтобы принять это значение, просто щелкните левой кнопкой мыши в любом месте графика.
Теперь программа перерисует данные и покажет только пять дней измерений. В этом окне выберите первый утренний пик, который будет использоваться в анализе. Иногда приходится пропускать первые один-два дня, которые уходит на то, чтобы приспособиться к циклу светло-темноте.
Чтобы выбрать утреннюю вершину, просто нажмите на предпочитаемую вершину. Программа перерисует данные, и теперь будет показывать только три дня измерений, начиная с выбранного утреннего пика. Синие и красные вертикальные линии показывают первый вечерний пик и второй утренний пик на основе периода, выбранного в первом окне.
В этом окне выберите точку, в которой трубка использовалась для предварительной подгонки данных с помощью функции модели. Для этого нажмите на следующие пункты в этом конкретном порядке. Сначала нажмите на вершину первого утреннего пика.
Клик обозначен красной звездочкой внизу, показывающей место клика. Затем нажмите на конец утреннего пика, затем на начало вечернего пика, затем на вершину вечернего пика, затем на конец вечернего пика и, наконец, на вершину утреннего пика следующего дня. Программа снова построит график спектра мощности, так как окончательные параметры получаются из спектральной аппроксимации.
Теперь спектр нанесен на график в виде частоты по оси x, а циркадный пик расположен в левой части графика. Период, определенный на первом шаге, отображается красной вертикальной линией. Чтобы выбрать точки подгонки, сначала примерно определите основной период.
Для этого либо щелкните левой кнопкой мыши по пику в циркадный период, либо щелкните правой кнопкой мыши по пику во второй гармонике. Мы снова воспользуемся вторым вариантом. После этого внизу появится ползунок для выбора точек для спектральной аппроксимации.
Точки будут показаны красными кружками и появятся после перемещения ползунка. Перемещайте ползунок влево и вправо и размещайте точки как можно ближе к вершинам спектральных пиков. После того, как будет получена наилучшая картинка, нажмите кнопку Accept, и программа подогнет выбранные точки с аналитическим выражением для спектра мощности модели.
После подгонки программа выведет еще два графика. Во-первых, это спектр мощности модели, построенной с использованием извлеченных параметров. Во-вторых, это данные, подогнанные к модели.
Данные отображаются черной линией, а модель — красной. Видно, что функция очень похожа на данные, особенно за последние три дня активности. Извлеченные параметры сохраняются в TXT-файле параметров подгонки модели.
После имени файла параметры сохраняются в следующем порядке: сначала b утреннего спада, затем b утреннего подъема, b вечернего подъема, b вечернего спада, циркадного периода, затем ширины утреннего пика, деленного на циркадный период, ширины вечернего пика, деленного на циркадный период, высоты утреннего пика, высота вечернего пика и ошибка подгонки спектрального соответствия. В дополнение к файлу параметров подгонки модели, программа также выведет еще два файла. Во-первых, это соответствие данных функции модели, а во-вторых, это спектральное соответствие.
Выполните этот анализ с другими файлами активности. Все извлеченные параметры сохраняются в TXT-файле параметров соответствия модели и могут быть в дальнейшем использованы для подключения поведенческих выходных данных к базовым механизмам, которые регулируют ежедневное поведение мух, контролируемое моделью активности.
View the full transcript and gain access to thousands of scientific videos
Это исследование представляет новый метод для количественной оценки временных характеристик суточных локомоторных ритмов у плодовых мушек. За счёт сопоставления данных активности мушек с многопараметрической модельной волной, исследование характеризует утренние и вечерние пики суточной активности.
Quantifying circadian locomotor patterns in Drosophila enables mechanistic de-risking of target validation by linking behavioral outputs to underlying kinetic parameters. This computational approach enhances predictive confidence in preclinical models by providing quantitative, reproducible metrics for pathway interrogation. The method supports early discovery workflows by standardizing complex bimodal activity data into interpretable parameters for cross-functional collaboration.
The method integrates into the discovery continuum from hypothesis testing through lead identification by converting raw locomotor data into quantifiable parameters for downstream analysis.