Señales olfativas mediar muchas conductas diferentes en los insectos, y son a menudo mezclas complejas compuestas de decenas a cientos de compuestos volátiles. Utilizando cromatografía de gases con la grabación de múltiples canales en el lóbulo antenal de insectos, se describe un método para la identificación de compuestos bioactivos.
Todos los organismos viven en un mundo lleno de estímulos sensoriales que determinan su respuesta fisiológica y conductual a su entorno. El olfato es especialmente importante en los insectos, que utilizan sus sistemas olfativos para responder y discriminar estímulos entre, olor complejos. Estos olores provocan comportamientos que intervienen en procesos como la reproducción y selección de hábitat 1-3. Además, los sensores químicos de media en los comportamientos de los insectos que son muy importantes para la agricultura y la salud humana, incluida la polinización 4-6, herbivoría de 7 cultivos alimentarios, y la transmisión de la enfermedad 8,9. Identificación de las señales olfativas y su papel en el comportamiento de los insectos tanto, es importante para la comprensión de los procesos ecológicos y los recursos humanos de alimentos y el bienestar.
Hasta la fecha, la identificación de las sustancias volátiles que impulsan el comportamiento de insectos ha sido a menudo difícil y tedioso. Las técnicas actuales incluyencromatografía de gases acoplada grabación electroantenograma (GC-EAG) y cromatografía de gases acoplada a un solo grabaciones sensillum (GC-SSR) 10-12. Estas técnicas ha demostrado ser esencial en la identificación de compuestos bioactivos. Hemos desarrollado un método que utiliza la cromatografía de gases acoplada a varios canales registros electrofisiológicos (denominados 'GCMR') de las neuronas en el lóbulo antenal (AL; del insecto centro olfatorio primario) 13,14. Esta técnica del estado de la técnica nos permite investigar cómo la información olor se representa en el cerebro de los insectos. Además, debido a las respuestas neurales a los olores de este nivel de procesamiento olfativo son muy sensibles debido al grado de convergencia de las neuronas de la antena del receptor en neuronas AL, AL grabaciones permitirá la detección de los componentes activos de los olores naturales de manera eficiente y con alta sensibilidad. Aquí describimos GCMR y dar un ejemplo de su uso.
Varios pasos generales son INVOLved en la detección de compuestos volátiles bioactivos y la respuesta del insecto. Los volátiles primero necesitan ser recogidos de fuentes de interés (en este ejemplo utilizamos flores del género Mimulus (Phyrmaceae)) y se caracteriza como sea necesario, utilizando estándares de GC-MS técnicas de 14-16. Los insectos se preparan para su estudio mediante una disección mínima, después de lo cual un electrodo de registro se inserta en el lóbulo antenal y multi-canal de grabación neural comienza. El procesamiento posterior de los datos neurales entonces revela que odorantes particulares provocar importantes respuestas neuronales en el sistema nervioso de los insectos.
Aunque el ejemplo que aquí presentamos es específico para los estudios de polinización, GCMR puede ampliarse a una amplia gama de organismos del estudio y fuentes volátiles. Por ejemplo, este método puede ser utilizado en la identificación de los odorantes atraer o repeler los insectos vectores y plagas de los cultivos. Además, GCMR también se puede utilizar para identificar atrayentes para los insectos beneficiosos, tales como pollinators. La técnica puede ampliarse para no insectos sujetos también.
Insectos olfativo mediada comportamientos manejar muchos procesos diferentes, incluyendo la reproducción, la selección anfitriona del hotel, y la identificación de los recursos alimenticios adecuados. El estudio de estos procesos requiere la capacidad de identificar los compuestos volátiles emitidos desde la fuente, así como la capacidad de identificar los compuestos que se median los comportamientos. Complica el asunto es que los olores se componen de decenas a cientos de compuestos individuales que juntos crean u…
The authors have nothing to disclose.
Este trabajo fue apoyado por NSF subvención IOS 1121692 y por la Universidad de la Fundación de Investigación de Washington.
Name of item | Company | Catalog Number | Comments |
Porapak Type Q 80-100 mesh | Waters | WAT027060 | |
Reynolds Oven Bags | Reynolds | ||
GC | Agilent | 7820A | |
GC column | J&W Scientific, Folsom, CA, USA | DB-5 (30 m, 0.25 mm, 0.25 μm) | |
Analytical helium carrier gas | Praxair | HE K | 1 cc/min |
16-channel silicon electrode | Neuronexus Technologies | a4x4-3mm50-177 | |
Fine wire NiCr, 0.012 mm diameter) | Sandvik Kanthal HP Reid | PX000004 | For making custom tetrodes and stereotrodes |
Pre-amplifier | Tucker-Davis System | PZ-2 | |
Amplifier | Tucker-Davis System | RZ-2 | |
Data acquisition system – OpenEx suite | Tucker-Davis System | ||
Online spike-sorting software – SpikePac | Tucker-Davis System | ||
Offline spike-sorting software – Mclust Spike-sorting toolbox | David Redish, Department of Neuroscience, University of Minnesota | Free download at http://redishlab.neuroscience.umn.edu/MClust/MClust.html | MATLAB toolbox |