Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Integrere Visual psykofysiske analyser innen en Y-labyrint for å isolere rollen som visuelle funksjoner spille i navigasjons avgjørelser

Published: May 2, 2019 doi: 10.3791/59281
Automatic Translation
1, 1, 1, 1
1Cognitive Ecology & Ecohydraulics Team, Environmental Laboratory, US Army Engineer Research and Development Center

Summary

Her presenterer vi en protokoll for å demonstrere en atferdsdata analysen som kvantifiserer hvordan alternative visuelle funksjoner, for eksempel bevegelse Stikkordene, innflytelse retningsbestemt beslutninger i fisk. Representative data er presentert på hastighet og nøyaktighet der Golden Shiner (Notemigonus crysoleucas) følger virtuelle fiske bevegelser.

Abstract

Kollektive dyr atferd oppstår fra individuelle motiver og sosiale interaksjoner som er kritiske for individuell fitness. Fisk har lenge inspirert undersøkelser i kollektiv bevegelse, spesielt deres evne til å integrere miljø-og sosial informasjon på tvers av økologiske sammenhenger. Denne demonstrasjonen illustrerer teknikker som brukes for kvantifisere atferdsmessige reaksjoner av fisk, i dette tilfellet, Golden Shiner (Notemigonus crysoleucas), til visuelle stimuli ved hjelp av datamaskinen visualisering og digital bildeanalyse. Nylige fremskritt i data visualisering gjør det mulig for empirisk testing i laboratoriet der visuelle funksjoner kan styres og fint manipulert til å isolere mekanismer for sosial interaksjon. Hensikten med denne metoden er å isolere visuelle funksjoner som kan påvirke retnings beslutningene til den enkelte, enten ensom eller med grupper. Denne protokollen gir detaljert informasjon om det fysiske Y-Maze-domenet, opptaksutstyr, innstillinger og kalibreringer av projektoren og animasjon, eksperimentelle trinn og dataanalyser. Disse teknikkene viser at dataanimasjon kan lokke fram biologisk meningsfulle reaksjoner. Videre er teknikkene lett å tilpasse for å teste alternative hypoteser, domener og arter for et bredt spekter av eksperimentelle applikasjoner. Bruk av virtuelle stimuli gir mulighet for reduksjon og utskifting av antall levende dyr som kreves, og følgelig reduserer laboratoriet overhead.

Denne demonstrasjonen tester hypotesen om at små relative forskjeller i bevegelses hastigheter (2 kropps lengder per sekund) av virtuelle conspecifics vil forbedre hastigheten og nøyaktigheten som shiners følger retnings signalene fra den virtuelle Silhuetter. Resultatene viser at shiners retnings avgjørelser påvirkes betydelig av økninger i hastigheten på de visuelle signalene, selv i nærvær av bakgrunnsstøyen (67% bilde coherency). I fravær av noen bevegelse signaler, valgte sine retninger tilfeldig. Forholdet mellom beslutnings hastighet og Cue hastighet var variabel og økninger i køen hastighet hadde en beskjedent uforholdsmessig innflytelse på retningsbestemt nøyaktighet.

Introduction

Dyr forstand og tolke sine habitat kontinuerlig for å ta informerte beslutninger når du samhandler med andre og navigere støyende omgivelser. Enkeltpersoner kan forbedre sin situasjonsforståelse og beslutningstaking ved å integrere sosial informasjon i sine handlinger. Sosial informasjon, men i stor grad stammer fra slutning gjennom utilsiktede signaler (dvs. plutselige manøvrer for å unngå et rovdyr), som kan være upålitelig, snarere enn gjennom direkte signaler som har utviklet seg til å kommunisere bestemte meldinger (f. eks den waggle dans i honning bier)1. Å identifisere hvordan individer raskt vurderer verdien av sosiale signaler, eller sensorisk informasjon, kan være en utfordrende oppgave for undersøkere, spesielt når enkeltpersoner reiser i grupper. Vision spiller en viktig rolle i styrende sosiale interaksjoner2,3,4 og studier har utledet samspillet nettverk som kan oppstå i fiske skoler basert på hver enkelt persons synsfelt5, 6i den. Fisken skolene er drivkraft systemer, imidlertid, gjør den vanskelig å isolere individ Svar å detalj vise egenskaper, eller nabo opptreden, på grunn av det iboende collinearities og forvirrende faktorene det fremkomme fra det vekselsvirkningene blant gruppemedlemmer. Formålet med denne protokollen er å utfylle dagens arbeid ved å isolere hvordan alternative visuelle funksjoner kan påvirke retningsbestemt beslutninger av individer som reiser alene eller innenfor grupper.

Fordelen med den nåværende protokollen er å kombinere en manipulerende eksperiment med datamaskinen visualisering teknikker for å isolere de elementære visuelle funksjoner en person kan oppleve i naturen. Nærmere bestemt, Y-labyrinten (figur 1) brukes til å kollapse retningsbestemt valg til en binær respons og innføre datamaskinen animerte bilder designet for å etterligne svømming oppførsel av virtuelle naboer. Disse bildene er anslått opp fra under labyrinten å etterligne silhuetter av conspecifics svømming under ett eller flere. De visuelle egenskapene til disse silhuetter, slik som deres morfologi, hastighet, coherency, og svømming atferd er lett skreddersydd for å teste alternative hypoteser7.

Notatet demonstrerer nytten av denne tilnærmingen ved å isolere hvordan individer av en modell sosiale fiskearter, Golden Shiner (Notemigonus crysoleucas), svare på den relative hastigheten på virtuelle naboer. Protokollen fokus, her, er på om retningsbestemt påvirkning av virtuelle naboer endres med sin hastighet, og hvis så, kvantifisere form av den observerte forholdet. Spesielt er retningsbestemt stikkordet generert ved å ha en fast andel av silhuetter opptre som ledere og flytte ballistically mot en arm eller en annen. De resterende silhuetter fungere som distraktorene ved å flytte om tilfeldig for å gi bakgrunnsstøy som kan stilles ved å justere leder/distraktoren ratio. Forholdet mellom ledere til distraktorene fanger coherency av retnings signaler og kan justeres tilsvarende. Distraktoren silhuetter forblir begrenset til beslutnings området ("DA", figur 1a) ved at silhuetter reflekterer av grensen. Leder silhuetter, men har lov til å forlate DA regionen og angi sine utpekte armen før langsomt filtrert bort når silhuetter krysset 1/3 lengden av armen. Som ledere forlater DA, ny leder silhuetter ta sin plass og spore deres nøyaktige banen for å sikre at leder/distraktoren ratio forblir konstant i DA hele eksperimentet.

Bruken av virtuelle fisk gir mulighet for kontroll av den visuelle sensoriske informasjon, mens overvåking retnings responsen av faget, som kan avdekke romanen funksjoner i sosial navigasjon, bevegelse, eller beslutningstaking i grupper. Tilnærmingen brukes her kan brukes på et bredt spekter av spørsmål, for eksempel effekter av subletale stress eller predasjon på sosiale interaksjoner, ved å manipulere datamaskinen animasjonen å produsere atferdsdata mønstre av varierende kompleksitet.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Alle eksperimentelle protokoller var anerkjent av det institusjonell dyr bekymre og bruk komité av det miljømessig laboratorium, oss hæren ingeniør og forskning og utviklingen senter, Vicksburg, MULTIPLE SCLEROSIS, USA (IACUC # 2013-3284-01).

1. sensorisk labyrint design

  1. Gjennomføre eksperimentet i en vanntett Poly metyl akrylat Y-Maze plattform (laget i huset) satt på toppen av en gjennomsiktig støtte plattform i et eget rom. Her plattformen er 1,9 cm tykk og støttes av 4 7,62 cm bjelker av ekstrudert aluminium som er 1,3 m i bredde, 1,3 m i lengde, og 0,19 m i høyde.
  2. Konstruere Holding og beslutnings områder til å være identiske i konstruksjonen (figur 1a). Her er Y-labyrinten armene 46 cm i lengde, 23 cm i bredde, og 20 cm i dybden med et sentralt beslutnings område ca 46 cm i diameter.
  3. Overholder hvitt prosjekt-gjennom teater-skjermen nederst i Y-labyrinten for å projisere visuelle stimuli inn i domenet.
  4. Coat sidene av Y-labyrinten med hvit vinyl for å begrense eksterne visuelle stimuli.
  5. Installer en fjernstyrt klar port (via klar monofilament) for å partisjonere Holding området fra den sentrale beslutningen området for å løslate i labyrinten etter acclimation.
  6. Plasser ekstra persienner for å hindre at fisken ser lys, bolig og utstyr, for eksempel lys-blokkerende persienner som når gulvet i dørkarmen for å minimere lyseffekter og skygge bevegelser fra det ytre rommet eller gangen.

2. opptaksutstyr

  1. Velg et overhead kamera (svart og hvitt) basert på kontrasten som trengs mellom bakgrunnsbilder, virtuell fisk og motiv fisk.
  2. Installer en overhead kamera for å spille inn labyrinten ovenfra og for å registrere oppførselen til fisken og den visuelle anslag.
    1. For denne demonstrasjonen bruker du kameraer med b/w gigabyte Ethernet (GigE), slik at IP-kabler på 9 m er koblet til en datamaskin med et Ethernet-kort på 1 GB i et kontrollrom.
  3. Koble kameraet til en datamaskin i et tilstøtende rom der observatøren kan fjernstyre porten, visuelle stimuli program, og kameraet innspillingen programvare.
  4. Sørg for at kamerainnstillingene er på sampling og frekvens frekvenser som hindrer at eventuelle flimring effekter, som oppstår når kameraet og programvaren er ute av fase med lyset på rommet.
    1. Sjekk den elektriske frekvensen av plasseringen; kompensere for kameraets samplingsfrekvens (bilder per sekund, FPS) for å hindre flimring ved å multiplisere eller dele AC-frekvensen med et helt tall.
  5. Angi kamerainnstillingene slik at bilde klarhet optimaliseres ved hjelp av programvaren og datamaskinen for å visualisere de relevante virkemåtene.
    1. For denne demonstrasjonen utfører du sampling med 30 bps med en romlig oppløsning på 1280 piksler x 1024 piksler.

3. Kalibrer lys, projektor og kamerainnstillinger

  1. Installer fire overhead belysning systemer langs veggene i det eksperimentelle rommet.
  2. Installer justerbare brytere for lysene for å gi større fleksibilitet for å oppnå riktig rom omgivelseslys.
  3. Plasser lysene for å unngå refleksjoner i labyrinten (figur 1B).
  4. Fest en kort kaste (ST) projektor til den nederste kanten av labyrinten støtte struktur (figur 1C).
    1. Velg projeksjons oppløsningen (satt til 1440 piksler x 900 piksler for denne demonstrasjonen).
  5. Juster omgivelseslys nivåer, laget av overhead lys og projektor, for å matche lysforholdene som finnes i fagene bolig rommet (her satt til 134 ± 5 Lux under demonstrasjon eksperimentet, som tilsvarer naturlig belysning på en overskyet dag).
    1. Lås eller Merk plasseringen av dimmer bryteren for enkel og konsistens under eksperimentelle forsøk.
  6. Bruk et kamera visningsprogram til å konfigurere kameraet (ene) til å kontrollere eksponeringsmodus, forsterkning og hvitbalansekontroll.
    1. I denne demonstrasjonen, sette pylon Viewer til "kontinuerlig skutt", 8000 μs eksponeringstid, 0 gevinst, og 96 hvitbalanse, som gir kontroll over video innspillingen.

4. Kalibrer visuell projeksjon program: bakgrunn

  1. Projisere en homogen bakgrunn opp på bunnen av labyrinten og måle lysforvrengning fra projektoren. Her bakgrunnen ble opprettet ved hjelp av Processing (v. 3), som er en medgjørlig og godt dokumentert plattform for å lage tilpassede visualiseringer for vitenskapelige prosjekter (https://Processing.org/examples/).
    1. Opprett et program som vil kjøre et behandlings vindu som skal projiseres på bunnen av labyrinten. Tilpasse bakgrunnsfargen på vinduet er gjort med bakgrunnen kommandoen, som aksepterer en RGB fargekode. Flere små eksempel programmer finnes i Processing Tutorials (https://Processing.org/Tutorials/).
    2. Bruk bakgrunnsfarge programmet til å kalibrere projektoren og eksterne lysforhold.
  2. Mål eventuelle lysforvrengning opprettet av projektoren ved hjelp av et bildebehandlingsprogram for å identifisere eventuelle avvik fra forventet homogen bakgrunn opprettet. Følgende trinn gjelder ved bruk av ImageJ (v. 1.52 h; https://ImageJ.nih.gov/IJ/).
    1. Ta et stillbilde av den opplyste Y-labyrinten med en ensartet bakgrunnsfarge og åpne i ImageJ.
    2. Ved hjelp av linjeverktøyet for rett, segmentert eller Frihånd tegner du en rett loddrett linje fra den lyseste plasseringen i midten av aktiveringspunktet til toppen av Y-labyrinten (figur 2a).
    3. Fra analyser-menyen, velg plot Profile å lage en graf av gråskala verdier versus avstand i piksler.
    4. Lagre pikseldata som en kommadelt fil (CSV-filtype) som består av en indeks kolonne og en pikselverdi kolonne.
  3. Rett inn projeksjons området med labyrinten (figur 2b), og modellere uønsket lysforvrengning for å redusere fargeforvrengning som kan lages av projektoren (figur 2C). Følgende omriss trinnene tatt i gjeldende demonstrasjon.
    1. Importer ImageJ piksel intensitet datafil ved hjelp av den aktuelle kategorien avgrenset lese funksjon (f. eks, read_csv fra tidyverse pakken for å lese i kommaseparerte filer).
    2. Beregn variasjonen i lys intensitet langs prøve kontinuerlig, for eksempel med en variasjonskoeffisient, for å gi en grunnlinje referanse for nivået av forvrengning som opprettes i bakgrunnen.
    3. Transformer de rå pikselverdiene for å gjenspeile en relativ endring i intensitet fra lyseste til mørkeste, der den minste piksel intensiteten vil nærme seg den ønskede bakgrunnsfarge verdien som er valgt i bildeprogrammet.
    4. Plot verdiene transformere piksel intensitet begynner på den lyseste delen av avviket generelt gir en råtnende trend i intensitet verdier som en funksjon av avstanden fra kilden. Bruk ikke-lineære, minst kvadrater (Function NLS) til å estimere parameterverdiene som passer best for dataene (her, en Gaussian Decay funksjon).
  4. Opprett telleren gradient bruker samme program vedtatt å generere bakgrunnen telleren bildet (Processing v. 3) for å redusere eventuelle fargeforvrengning som kan opprettes av projektoren ved hjelp av R (v. 3.5.1).
    Merk: gradient funksjonen vil generere en rekke konsentriske sirkler sentrert på det lyseste punktet i bildet som endres i Pixel intensitet som en funksjon av avstanden fra sentrum. Fargen på hver ring er definert ved å trekke endringen i Pixel intensitet spådd av modellen fra bakgrunnsfargen. Tilsvarende, ring radius øker med avstanden fra kilden også. Den beste passer modellen bør redusere, om ikke eliminere, noen piksel intensitet over gradient å gi en bakgrunn ensartethet.
    1. Opprett en Gaussian gradient (Equation) ved hjelp av visuell stimulans programmet ved å justere de nødvendige parametrene.
      1. Parameter a påvirker lysstyrken/mørket av Gaussian fordelingen gradient. Jo høyere verdi, jo mørkere gradient.
      2. Parameter b påvirker variansen for graderingen. Jo større verdi, Jo bredere gradient vil forlenge før utjevning ut til ønsket bakgrunn pixel intensitet, c.
      3. Parameter c angir ønsket intensitet i bakgrunns piksel. Jo større verdi, jo mørkere bakgrunn.
    2. Lagre bildet i en mappe ved hjelp av saveFrame -funksjonen, slik at et fast bakgrunnsbilde kan lastes opp under eksperimentene for å minimere minne belastningen ved gjengivelse av stimuli under en eksperimentell rettssak.
    3. Kjør bakgrunnen genererer programmet og visuelt inspisere resultatene, som vist i figur 2C. Gjenta trinn 4,3 for å kvantifisere eventuelle observerte forbedringer for å redusere graden av variasjon i lys intensitet på tvers av prøve kontinuerlig.
  5. Empirisk justerer Lysnivåene, modell parametrene eller avstanden som dekkes i kontinuerlig (f.eks. ytre radius av telleren gradient) for å gjøre ytterligere manuelle justeringer inntil RGB-verdiene i acclimation-sonen ligner på beslutnings området. Modell parametrene i denne testen var: a = 215, b = 800, og c = 4.
  6. Legg til det endelige filteret i det visuelle stimulans programmet for eksperimentet.

5. Kalibrer visuell projeksjon program: visuelle stimuli

Merk: rendering og animere den visuelle stimuli kan også gjøres i Processing ved hjelp av trinnene nedenfor som guider sammen med plattformen tutorials. En skjematisk av det aktuelle program ' logikk er forsynt inne (skikkelsen 3) og i tillegg detaljene kan grunnlegge inne Lemasson et al. (2018)7. Følgende trinn gir eksempler på kalibrerings trinnene som er tatt i det gjeldende eksperimentet.

  1. Åpne visuelle projeksjon programmet Vfish. PDE å sentrere projeksjon innenfor labyrinten avgjørelse området (figur 1a) og kalibrere den visuelle anslag basert på hypoteser blir testet (for eksempel kalibrere størrelsen og hastigheter på silhuetter å matche testpersonene). Kalibreringer er hånd-innstilt inne hodet av det hovedavdeling program (Vfish. PDE) benytter pre-valgt feilretting flagg. I feilsøkingsmodus (DEBUG = TRUE) sekvensielt trinn gjennom hvert DEBUGGING_LEVEL_ # flagg (tall 0-2) for å gjøre de nødvendige justeringene
    1. Sett DEBUGGING_LEVEL_0 flagget til "true" og kjøre programmet ved å trykke på Play-ikonet i skissen vinduet. Endre verdiene for x-og y-posisjonen (henholdsvis domene parametere DX og dy) til anslaget er sentrert.
    2. Sett DEBUGGING_LEVEL_1 til "true" for å skalere størrelsen på fisken silhuetten (gjengitt som en ellipse). Kjør programmet og iteratively justere bredden (eW) og lengde (eL) av ellipsen til den samsvarer med gjennomsnittlig størrelse på test fagene. Deretter setter du DEBUGGING_LEVEL_2 til "true" for å justere den Baseline hastigheten på silhuetter (SS).
    3. Angi DEBUG = FALSE for å avslutte feilsøkingsmodus.
  2. Sjekk at distraktoren silhuetter forblir avgrenset til beslutnings området (DA, figur 1a), som leder silhouette baner er riktig justert med enten arm, og at leder/distraktoren ratio innenfor da forblir konstant.
  3. Gå gjennom programmets GUI for å sikre funksjonaliteten til alternativene.
  4. Kontroller at dataene er riktig skrevet ut til fil.
  5. Kontroller at opptaksprogramvaren kan spore motivet fisk med visuelle anslag på plass. Trinn for å spore fisk har tidligere blitt beskrevet i Kaidanovich-Berlin et al. (2011)8, Holcomb et al. (2014)9, Way et al. (2016)10 og Zhang et al. (2018)11.

6. forberedelse til dyr

  1. Velg tema arter basert på forskningsspørsmål og anvendelse, inkludert kjønn, alder, genotype. Tilordne emner til de eksperimentelle holde tankene og ta opp den opprinnelige biometriske statistikken (f.eks. kroppslengde og masse).
  2. Sett miljøforhold i labyrinten til at av Holding systemet. Vannkvaliteten forhold for Baseline eksperimenter av atferd er ofte holdt på optimalt for arten og for den eksperimentelle domene oppsett.
    1. I denne demonstrasjonen, kan du bruke følgende betingelser: 12 h lys/12 t mørk syklus, overhead flimring fritt halogen lys satt til 134 ± 5 Lux, 22 ± 0.3 ° c, 97,4 ± 1,3% oppløst oksygen, og pH i 7,8 ± 0,1.
  3. Venne dyrene ved å overføre dem til domenet for opptil 30 min per dag i 5 dager uten datagenerert visuelle stimuli (f. eks, fisk silhuetter) før starten av den eksperimentelle forsøk.
  4. Sørg for at motivet fisken på den tiden er valgt, tildelt, veid, målt og overført til eksperimentelle tanker.
    Merk: her, Golden Shiners standard lengde og våt vekt var 63,4 ± 3,5 mm SL og 1,8 ± 0,3 g WW, henholdsvis.
  5. Bruk en vann-til-vann-overføring når du flytter fisk mellom tanker og labyrinten for å redusere stress fra håndtering og luft eksponering.
  6. Gjennomføre eksperimenter under en vanlig, fast lys syklus som reflekterer fagene naturlige biologiske rytme. Dette gjør at fagene å bli matet på slutten av hver dags eksperimentelle forsøk å begrense fordøyelsen effekter på atferd.

7. eksperimentell prosedyre

  1. Slå på rom projektor og LED lys spor systemer til forhåndsbestemt nivå av lysstyrke (i denne demonstrasjonen 134 ± 5 Lux) tillater pærer å varme (ca 10 minutter).
  2. Åpne kamera visningsprogrammet og Last inn innstillingene for blenderåpning, farge og innspilling som er lagret fra oppsettet, for å sikre best mulig video kvalitet.
    1. Åpne pylon Viewer og Aktiver kameraet som skal brukes til opptak.
    2. Velg Last inn funksjoner fra kameraets rullegardinmeny, og naviger til mappen for lagrede kamerainnstillinger.
    3. Åpen det bevart innfatningene (her over benevnt idet camerasettings_20181001) å sikre video kvalitet og falle i staver opp på sammenhengende skudd.
    4. Lukk pylon Viewer.
  3. Åpne visuell projeksjon programmet Vfish. PDE og sjekke at anslaget forblir sentrert i labyrinten, at DataOut mappen er tom, og at programmet fungerer som forventet
    1. Kontroller at kalibrerings ringen er sentrert i DA ved hjelp av trinn 5.1.1.
    2. Åpne DataOut-mappen for å sikre at den er tom for dagen.
    3. Kjør den visuelle stimuli programmet ved å trykke spille i skisse vinduet i Vfish. PDE og bruke dummy variabler for å sikre programfunksjonalitet.
      1. Angi fiske-ID-nummeret (1-16), trykk Enter, og bekreft deretter valget ved å trykke j eller N for Ja eller nei.
      2. Angi gruppe størrelse (fast her på 1) og Bekreft valget.
      3. Angi ønsket silhuett hastighet (0-10 BL/s) og Bekreft valget.
      4. Presse gå inn å bevege fortid Akklimatisering periode og sjekk det prosjektering av det virkelig fisken inne avgjørelsen område.
      5. Trykk pause for å pause programmet og angi dummy utfallet valget, dvs venstre (1) eller høyre (2).
      6. Trykk på Stopp for å avslutte programmet og skrive dataene ut til fil.
    4. Kontroller at data ble riktig skrevet til fil i mappen DataOut og logge filen som en test kjøres i laboratoriet notater før fisken er plassert i domenet for acclimation.
  4. Bruk klokken tid og en stoppeklokke å stokk starte og opphøre timene av prøvelsen inne laboratorium notisbok å komplettere det forløpt timene det kanne siden være utdraget fra video playback på grunn av det kort varigheten av noe duplisere rettssaker.
  5. Foreta en vann endring (f.eks. 30%) ved hjelp av holde systemet sump vann før du overfører et emne til labyrinten.
  6. Kontroller at vannkvaliteten er lik mellom labyrinten og holde systemet, og sjekk gate funksjon for å sikre at den glir jevnt til like over vann høyden.
  7. Bruke forhåndsbestemt eksperimentelle tidsplanen, som har randomisert emne-behandling eksponeringer i løpet av eksperimentet, skriver du inn verdiene som er valgt for den aktuelle rettssaken (stopper ved Akklimatisering skjermen, trinn 7.3.3.1-7.3.3.3).
    1. Registrer behandlings kombinasjons data i laboratorie notatblokken.
  8. Overfør motivet til acclimation i Y-labyrinten i en 10-minutters periode.
  9. Start video innspillingen, og trykk deretter på retur -tasten i Vfish. PDE-vinduet på slutten av acclimation perioden. Dette vil starte den visuelle anslag.
  10. Når den virtuelle fisken vises i domenet, logger du klokketiden og løfter holde porten (figur 4a).
  11. Avslutt rettssaken når 50% av subjektet beveger seg inn i en valg arm (figur 4b) eller når den angitte tidsperioden utløper (for eksempel 5 min).
    1. Loggfør klokke tid, start-og stopptider fra stoppeklokken, og valg av motiv (dvs. venstre (1), høyre (2) eller ikke noe valg (0)).
    2. Stopp video innspillingen og trykk pause i det visuelle stimuli programmet, som vil be brukeren om rettssaken utfall data (ARM nummer valgt eller 0 for å indikere at ingen valg ble gjort). Ved å bekrefte valget, vil programmet gå tilbake til den første skjermen og venter verdiene forventet for neste eksperimentelle rettssaken.
  12. Samle inn motivet og returner det til den respektive holde tanken. Gjenta trinn 7.7-7.13 for hvert forsøk.
  13. Ved avslutningen av en sesjon (AM eller PM) Trykk Stop i programmet når den siste fisken i økten har gjort en avgjørelse. Trykker Stopp vil skrive økten data ut til fil.
  14. Gjenta vannet utveksling ved avslutningen av morgen økten for å sikre vannkvalitet stabilitet.
  15. Etter siste prøveversjon av dagen, se gjennom Lab notatblokken og gjøre eventuelle nødvendige notater.
    1. Trykk Stop i den visuelle stimuli programmet til å sende ut de innsamlede dataene til DataOut mappen, etter siste prøve på dagen.
  16. Kontroller nummeret, navnet og plasseringen til datafilene som er lagret i visualiserings programmet.
  17. Logg vannkvalitet, sammen med lysnivåer i labyrint rommet for å sammenligne med morgen innstillingene. Plasser lufte systemet og varmeovner i Y-labyrinten.
  18. Slå av projektoren og eksperimentell rom sporing belysning.
  19. Feed fisk den forhåndsbestemte daglige rasjon.

8. data analyse

  1. Sørg for at de eksperimentelle dataene inneholder de nødvendige variablene (for eksempel dato, prøveversjon, emne-ID, arm valgt av program, visuelle faktorer som er testet, emne valg, start-og stopptider og kommentarer).
  2. Se etter eventuelle opptaksfeil (humant eller program indusert).
  3. Tabulere svar og sjekk for tegn på noen retningsbestemt skjevheter på den delen av fagene (f. eks, binomiske test på armen valg i kontroll tilstand)7.
  4. Når eksperimentet er utformet ved hjelp av gjentatte målinger på samme individer, som i tilfellet her, er bruken av blandede effekter modeller foreslått.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Hypotese og design

For å demonstrere nytten av dette eksperimentelle systemet vi testet hypotesen om at nøyaktigheten som Golden Shiner følger en visuell signalet vil forbedre med hastigheten på at Cue. Wild type Golden Shiner ble brukt (N = 16, kropp LENGDER, bl, og våte vekter, ww, var 63,4 ± 3,5 mm og 1,8 ± 0,3 g, respektfullt). Coherency av den visuelle stimuli (leder/distraktoren ratio) ble fikset på 0,67, mens vi manipulert hastigheten som vår bevegelse signaler (dvs. lederne) flyttet med hensyn til deres distraktorene. Speed nivåer av lederen silhuetter som gir retningsbestemt signaler varierte fra 0-10 BL/s (i trinn på 2), som spenner over omfanget av hastigheter vanligvis anses å reflektere vedvarende, langvarig, eller brast svømming moduser av aktivitet i fisk12. På kontrollnivå, 0, var lederen silhuetter orientert mot en destinasjon arm blant de tilfeldig orienterte distraktorene, men ingen av silhuetter flyttet. Destinasjonen armen ble valgt tilfeldig for hver prøve av programmet. Avstandsenheter er i kroppslengde, som ble definert av gjennomsnittlig standard lengde på våre, og tiden er i sekunder. Den nåværende representative analysen fokuserer på måling av primær respons variabler (beslutnings hastighet og nøyaktighet), men utformingen av eksperimentet gjør det også mulig for etterforskerne å trekke ut lagt til informasjon ved å spore emne bevegelser og analysere deres Kinematikk.

Våre fiske motiver ble plassert etter § 6 i protokollen. Hvert emne ble eksponert for ett nivå av behandlingen per dag. Vi randomisert både innenfor behandlingsnivå (Cue hastighet) på tvers av dager og rekkefølgen fagene ble testet på hver dag. Lineære og generalisert lineære blandede effekter modeller (LMM og GLMM, henholdsvis) ble brukt til å teste effekten av lederen silhouette hastighet på hastighet og nøyaktighet som fagene fulgte den visuelle stimuli. Subject ID ble inkludert som tilfeldig effekt i begge modeller.

Data og funn

I fravær av noen bevegelse stikkordene Golden Shiner fungerte som forventet og valgte deres retning tilfeldig (stimulans hastighet = 0, binomiske test, nvenstre= 33, nhøyre= 40, = 0,45, P = 0,483). Mens de fleste viste ingen tegn til stressende oppførsel innenfor domenet og gjorde en avgjørende avgjørelse innen den avsatte tiden (5 min), viste 22% av fagene en motvilje mot å forlate Holding området eller angi avgjørelsen området. Data fra disse ubesluttsom fisken ble ikke inkludert i analysen. De resterende 78% av våre undersåtter viste en betydelig forbedring i nøyaktigheten som de fulgte retningsbestemt stimuli som hastigheten på disse stimuli økt (GLMM, z = 1,937, P = 0,053). Figur 5a viser innholdet i dette forholdet, hvor vi finner en 1,2-fold økning i retningsbestemt nøyaktighet for hver økning i stimulans hastighet nivå. Dette forholdet er bare beskjedent uforholdsmessig og er ikke av seg selv, som tyder på en terskel respons på endringer i køen hastighet. Økninger i stimulans hastigheten førte også til en betydelig økning i beslutnings hastigheten (LMM, F1, 56= 4,774, P = 0,033). Men som tydelig i figur 5B trenden i vedtaket hastighet var inkonsekvent og svært variabel på tvers av stimulans hastighet nivåer. Hva er tydelig i disse beslutnings hastigheten data er at det tok i gjennomsnitt, alt fra 5-20x lenger for å gjøre sine vedtak når stimuli var i bevegelse enn da de ikke var (vedtaket hastigheter på 4,6 ± 2,3 s og 81,4 ± 74,7 s for stimulans hastigheter på 0 og 8, henholdsvis ± standardavvik, SD). Faktisk, uten kontrollnivået fant vi ingen vesentlige endringer i beslutnings hastigheten som en funksjon av stimulans hastighet.

Figure 1
Figur 1. Y-Maze domene. A. bilde av Y-labyrint apparatet for beslutnings test. Merknader representerer følgende: Holding Area (HA, grønn), beslutnings område (DA, blå), venstre beslutning arm (LDA), og høyre Decision arm (RDA). B. bilde av Y-labyrinten og rom med overhead justerbar spor belysning og GigE kameraplassering (bare én av de fire overhead lysene strimler er synlige). C. bilde av Y-labyrinten (sidevisning), inkludert projektorens plassering som er låst av skyve vognen for å eliminere bevegelser under, eller mellom, forsøk. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2. Bakgrunn og stimulans kalibrering. A. bilde av den opplyste Y-labyrint med en ensartet bakgrunnsfarge og en piksel intensitet kontinuerlig (grønn linje) mellom Holding området og beslutnings området, da (gjennomsnittlig pixel intensitet 112 ± 1278). Lyset gradient generert av projektorens pære (hotspot) er godt synlig. B. bilde som viser justeringen av ANSLAGENE med da. C. bilde av labyrinten med filtrert bakgrunn og en ensom silhuett anslått i MIDTEN av da for kalibrering (størrelse, hastighet). Tillegg av telleren gradient bakgrunn i (C) resulterer i en mørkere bakgrunn (gjennomsnittlig pixel intensitet 143,1 ± 5,5) og langt mindre romlig variasjon (koeffisient av variasjon dråper fra 11,4 (A.) til 0,03 (C.). Vennligst klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3. Skjematisk av den generelle flyten av operasjoner i visualisering programmet som brukes i eksperimenter. For ytterligere informasjon om fremgangsmåter, se7. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 4
Figur 4. Eksperimentell rettssak med både reelle og virtuelle fisk silhuetter. A. image A (live) Golden Shiner forlate Holding området (grønn sirkel). B. bilde av en (live) Golden Shiner i vedtaket området (grønn sirkel) blant de virtuelle fisken silhuetter. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 5
Figur 5. Nøyaktighet og hastighet på retningsbestemt svar på endringer i den relative hastigheten på bevegelse signaler. A. graf av fisken vedtaket nøyaktigheten som Golden Shiner fulgte "Leader" silhuetter plottet mot stimulans hastighet (bl/s). B. graf av fisken beslutningen hastighet plottet mot stimulans hastighet (bl/s). Data betyr ± standard feil, SE. grupper på 15 virtuelle silhuetter ble tilfeldig fordelt gjennom vedtaket sone med en 67% coherency nivå (10 av de 15 silhuetter fungerte som ledere, de resterende 5 silhuetter fungerte som distraktorene) og vi varierte hastigheten på lederne fra 0-10 BL/s. Distraktoren hastigheter forble fast på 1 BL/s på alle hastighetsnivåer, bortsett fra kontrollen der ingen av silhuetter flyttet. Vennligst klikk her for å se en større versjon av dette tallet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Visuelle stikkord er kjent for å utløse en optomotor respons i fisk eksponert for svart og hvitt rister13 og det er økende teoretisk og empirisk bevis på at nabo fart spiller en innflytelsesrik rolle i ledelsen av dynamiske interaksjoner observert i fiske skoler7,14, 15,16,17. Det finnes kontrasterende hypoteser for å forklare hvordan enkeltpersoner i grupper integrerer nabo bevegelser, slik som å reagere proporsjonalt på alle synlige pekepinner14, vedta en Motion-terskel respons17, eller overvåke kollisjons tider 18. et første skritt i å teste disse alternative hypoteser er å validere sine underliggende forutsetninger. Her har vi demonstrert nytten av vår protokoll i å identifisere den rollen som en bestemt sensorisk funksjon kan ha på guiding retningsbestemt beslutninger.

Vi isolerte hvordan individer av en sosial fisk arter, Golden Shiner, svarte på endringer i den relative hastigheten på visuelle stimuli designet for å etterligne conspecifics i en skole. Golden Shiner retningsbestemt nøyaktighet gjorde bedre med økninger i den relative hastigheten på den visuelle stimuli, men den funksjonelle forholdet mellom disse variablene var bare marginalt uforholdsmessig. Forholdet mellom beslutnings hastighet og stimulans hastighet, mens betydelig, var svært variabel og inkonsekvent. Resultatene viser imidlertid at en hastighets forskjell i bilder spredt over synsfeltet til disse fiskene spiller en viktig rolle i å utløse et svar og veilede deres åpenbare oppmerksomhet. Teasing hverandre hvordan individer velger blant handlingene til bestemte naboer kan være analysert med dagens design ved å innføre motstridende retninger i stimuli.

I et nylig eksperiment med sebrafisk, Danio rerio, fant vi ingen bevis for indecisiveness i ensomme prøvelser7, men gylne Shiner i denne demonstrasjonen viste en større motvilje mot å forlate Holding området. Forskjellene mellom disse to artene kan forklares med deres livshistorie strategier og den relative styrken av deres sosiale tendenser (eller tillit). Sebrafisk ser ut til å vise mer variable sosiale coherency enn Golden Shiners (f. eks, facultative vs. forplikte schoolers3). Det er sannsynlig at de sterkere sosiale coherency i Golden Shiner kan ha bidratt til som viser høyere nivåer av sjenerthet, eller nøling innenfor domenet enn sine sebrafisk kolleger.

Rekkefølgen på trinnene er subtile, men likevel kritisk i protokollen. Prosessen med å balansere lysene, projektoren og program filteret kan ta mer tid enn ofte forventet for nye domener. I denne protokollen, erfaringer har blitt inkludert for å redusere oppsett og lysbalanse tid, for eksempel bruk av spor lys som reflekterer av veggen (ikke på domenet), justerbare lys kontrollere, og program-genererte filtre for projektoren. Tenk også at det som kan synes å være visuelt akseptabelt for det menneskelige øyet ikke vil bli sett av kameraet og programvaren på samme måte, og dermed dine lysforhold kan kreve ytterligere justeringer. Selv små endringer i skjermen vinkler vil resultere i bakgrunnen gradient endringer. Dermed vil detaljert notattaking og lagring av Filinnstillinger i stor grad redusere sannsynligheten for endringer som oppstår under eksperimentet. Flytte gjennom prosessen fra fysisk til filtrering, som presenteres her, gir de raskeste trinnene til suksess.

Bruken av en ST-projektor muliggjør større romlig fleksibilitet over en skjerm, men denne tilnærmingen skaper en uønsket visuell anomali som kalles en "hotspot". En hotspot er et lyspunkt på projeksjonsflaten som skapes ved nærheten av projektorens lyspære. I protokollen, § 4 var dedikert til etablering av bakgrunnen filtre og se etter homogen lyn over hele domenet. Foranstaltningene forsynt her over ville hjelpe brukernes unngå, eller minimere, det uønsket virkninger av det hotspot av modellering alle uønsket gradient og benytter modellen å avbilde en invers gradient å telleren effektene. Endelig kan ST projektor modellen variere, men bildejusteringer (rotere, flip, foran eller bak skjermen projeksjon) og keystone korreksjon (± 3-5 grader) er nyttige funksjoner for å sikre ønsket bilde passer til domenet og kan justeres for forvrengning.

Over tid, de eksperimentelle rommene ble oppdatert for enkelt av endringer i maskinvaren (dvs. kameraer, kabling, skjermkort, skjermer). Det er bemerkelsesverdig å nevne at maskinvareendringer vil trolig føre til ekstra oppstart tid til å balansere belysning og arbeide gjennom eventuelle programproblemer. Derfor anbefales det at enhver maskinvare være dedikert til et system til ferdigstillelse av de ønskede eksperimenter. De fleste utfordringene har vært knyttet til ytelse forskjeller mellom skjermer, skjermkort og kameraene som resulterer noen ganger i endring av programmeringskode. Siden tidspunktet for dette arbeidet, har nye domener blitt utviklet der den indre test domenet kan fjernes og byttes for andre test domener. Vi anbefaler at denne fleksibiliteten vurderes ved utforming av eksperimentelle domener og støtte strukturer.

Den gjeldende protokollen gjør det mulig for undersøkere å isolere og manipulere visuelle funksjoner på en måte som både reflekterer det visuelle miljøet som forventes i en skole, samtidig som de kontrollerer for forvirrende faktorer som følger eksponering for virkelige conspecifics (f.eks. , sult, fortrolighet, aggresjon)7. I alminnelighet, computer livlighet (ca) av virkelig fisken (i.e., silhuetter) er en praksis det er kledelig flere vanlig sted på grunn av dens adskilt fordelene inne stimulere opptreden svar19,20,21. CA tillater en å tilpasse visuelle signaler (retning, hastighet, coherency, eller morfologi), mens innføre et nivå av standardisering og repeterbarhet i ønsket stimulans som overstiger hva som kan oppnås ved bruk av levende dyr som stimulerende. Bruken av virtuell virkelighet i atferds studier, på både dyr22 og mennesker23, er også stadig økende, og lover å bli en kraftig empirisk verktøy som teknologien blir mer tilgjengelig og medgjørlig. Til sammen, disse virtuelle tilnærminger også erstatte og redusere levende dyr kravene til dyr etikk i vitenskap (f. eks IACUC, AAALAC og ACURO)24, mens samtidig senke laboratorie kostnader og byrder.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Alle forfatterne bidro til den eksperimentelle design, analyser og skrivepapiret. A.C.U. og C.M.W. oppsett og innsamlede dataene. Forfatterne har ingenting å avsløre.

Acknowledgments

Vi takker Bryton Hixson for oppsett assistanse. Dette programmet ble støttet av Basic Research program, miljø kvalitet og installasjoner (EQI; Dr. Elizabeth Ferguson, teknisk direktør), US Army Engineer forsknings-og utviklingssenter.

Materials

Name Company Catalog Number Comments
Black and white IP camera Noldus, Leesburg, VA, USA https://www.noldus.com/
Extruded aluminum 80/20 Inc., Columbia City, IN, USA 3030-S https://www.8020.net 3.00" X 3.00" Smooth T-Slotted Profile, Eight Open T-Slots
Finfish Starter with Vpak, 1.5 mm extruded pellets Zeigler Bros. Inc., Gardners, PA, USA http://www.zeiglerfeed.com/
Golden shiners Saul Minnow Farm, AR, USA http://saulminnow.com/
ImageJ (v 1.52h) freeware National Institute for Health (NIH), USA https://imagej.nih.gov/ij/
LED track lighting Lithonia Lightening, Conyers, GA, USA BR20MW-M4 https://lithonia.acuitybrands.com/residential-track
Oracle 651 white cut vinyl 651Vinyl, Louisville, KY, USA 651-010M-12:5ft http://www.651vinyl.com. Can order various sizes.
PowerLite 570 overhead projector Epson, Long Beach CA, USA V11H605020 https://epson.com/For-Work/Projectors/Classroom/PowerLite-570-XGA-3LCD-Projector/p/V11H605020
Processing (v 3) freeware Processing Foundation https://processing.org/
R (3.5.1) freeware The R Project for Statistical Computing https://www.r-project.org/
Ultra-white 360 theater screen Alternative Screen Solutions, Clinton, MI, USA 1950 https://www.gooscreen.com. Must call for special cut size
Z-Hab system Pentair Aquatic Ecosystems, Apopka, FL, USA https://pentairaes.com/. Call for details and sizing.

DOWNLOAD MATERIALS LIST

References

  1. Dall, S. R. X., Olsson, O., McNamara, J. M., Stephens, D. W., Giraldeau, L. A. Information and its use by animals in evolutionary ecology. Trends in Ecology and Evolution. 20 (4), 187-193 (2005).
  2. Pitcher, T. Sensory information and the organization of behaviour in a shoaling cyprinid fish. Animal Behaviour. 27, 126-149 (1979).
  3. Partridge, B. The structure and function of fish schools. Scientific American. 246 (6), 114-123 (1982).
  4. Fernández-Juricic, E., Erichsen, J. T., Kacelnik, A. Visual perception and social foraging in birds. Trends in Ecology and Evolution. 19 (1), 25-31 (2004).
  5. Strandburg-Peshkin, A., et al. Visual sensory networks and effective information transfer in animal groups. Current Biology. 23 (17), R709-R711 (2013).
  6. Rosenthal, S. B., Twomey, C. R., Hartnett, A. T., Wu, S. H., Couzin, I. D. Behavioral contagion in mobile animal groups. Proceedings of the National Academy of Sciences (U.S.A.). 112 (15), 4690-4695 (2015).
  7. Lemasson, B. H., et al. Motion cues tune social influence in shoaling fish. Scientific Reports. 8 (1), e9785 (2018).
  8. Kaidanovich-Beilin, O., Lipina, T., Vukobradovic, I., Roder, J., Woodgett, J. R. Assessment of social interaction behaviors. Journal of Visualized. Experiments. (48), e2473 (2011).
  9. Holcombe, A., Schalomon, M., Hamilton, T. J. A novel method of drug administration to multiple zebrafish (Danio rerio) and the quantification of withdrawal. Journal of Visualized. Experiments. (93), e51851 (2014).
  10. Way, G. P., Southwell, M., McRobert, S. P. Boldness, aggression, and shoaling assays for zebrafish behavioral syndromes. Journal of Visualized. Experiments. (114), e54049 (2016).
  11. Zhang, Q., Kobayashi, Y., Goto, H., Itohara, S. An automated T-maze based apparatus and protocol for analyzing delay- and effort-based decision making in free moving rodents. Journal of Visualized. Experiments. (138), e57895 (2018).
  12. Videler, J. J. Fish Swimming. , Netherlands. Springer. 260 pp., ISBN-13 9789401115803 (1993).
  13. Orger, M. B., Smear, M. C., Anstis, S. M., Baier, H. Perception of Fourier and non-Fourier motion by larval zebrafish. Nature Neuroscience. 3 (11), 1128-1133 (2000).
  14. Romey, W. L. Individual differences make a difference in the trajectories of simulated schools of fish. Ecological Modeling. 92 (1), 65-77 (1996).
  15. Katz, Y., Tunstrom, K., Ioannou, C. C., Huepe, C., Couzin, I. D. Inferring the structure and dynamics of interactions in schooling fish. Proceedings of the National Academy of Sciences (U.S.A.). 108 (46), 18720-18725 (2011).
  16. Herbert-Read, J. E., Buhl, J., Hu, F., Ward, A. J. W., Sumpter, D. J. T. Initiation and spread of escape waves within animal groups). Proceedings of the National Academy of Sciences (U.S.A.). 2 (4), 140355 (2015).
  17. Lemasson, B. H., Anderson, J. J., Goodwin, R. A. Motion-guided attention promotes adaptive communications during social navigation. Proceedings of the Royal Society. 280 (1754), e20122003 (2013).
  18. Moussaïd, M., Helbing, D., Theraulaz, G. How simple rules determine pedestrian behavior and crowd disasters. Proceedings of the National Academy of Sciences (U.S.A.). 108 (17), 6884-6888 (2011).
  19. Bianco, I. H., Engert, F. Visuomotor transformations underlying hunting behavior in zebrafish). Current Biology. 25 (7), 831-846 (2015).
  20. Chouinard-Thuly, L., et al. Technical and conceptual considerations for using animated stimuli in studies of animal behavior. Current Zoology. 63 (1), 5-19 (2017).
  21. Nakayasu, T., Yasugi, M., Shiraishi, S., Uchida, S., Watanabe, E. Three-dimensional computer graphic animations for studying social approach behaviour in medaka fish: Effects of systematic manipulation of morphological and motion cues. PLoS One. 12 (4), e0175059 (2017).
  22. Stowers, J. R., et al. Virtual reality for freely moving animals. Nature Methods. 14 (10), 995-1002 (2017).
  23. Warren, W. H., Kay, B., Zosh, W. D., Duchon, A. P., Sahuc, S. Optic flow is used to control human walking. Nature Neuroscience. 4 (2), 213-216 (2001).
  24. The IACUC Handbook. Silverman, J., Suckow, M. A., Murthy, S. , 3rd Edition, CRC Press, Taylor and Francis. 827 pp., ISBN-13 9781466555648 (2014).

Tags

Atferd Y-Maze beslutningstaking Vision Motion stikkord Virtual stimuli Computer animasjon
Integrere Visual psykofysiske analyser innen en Y-labyrint for å isolere rollen som visuelle funksjoner spille i navigasjons avgjørelser
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Woodley, C. M., Urbanczyk, A. C.,… More

Woodley, C. M., Urbanczyk, A. C., Smith, D. L., Lemasson, B. H. Integrating Visual Psychophysical Assays within a Y-Maze to Isolate the Role that Visual Features Play in Navigational Decisions. J. Vis. Exp. (147), e59281, doi:10.3791/59281 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter