Name: Wasabi-Alkol Tat-Koku Etkileşimini İncelemek için Hayvan Davranışsal Değerlendirmesi ve Evrişimli Sinir Ağının Entegrasyonu (Video) | JoVE Journal
Uploaded: 2024-08-16T13:40:00.000+00:00
Duration: 6 min 19 s
Description: Keşfedin wasabi-yakıcı his etkileşimini fare davranışsal değerlendirmesi ve evrişimli sinir ağı kullanarak. Alkol buğusunun wasabi rahatsızlığını %29 oranında bastırdığını gösteren yöntem, tat-koku sinirbilimi araştırmalarına katkı sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Z. Cai, Kwok Yat Wai Çevresel ve Biyolojik Analiz Kürsüsünün kurulması için Kwok Chung Bo Fun Yardım Fonu'ndan gelen mali desteği kabul eder.

Bu çalışmada, hayvan davranışsal değerlendirmesi için ağırlığı 17-25 g arasında değişen 7 haftalık iki ICR erkek faresi kullanıldı. Tüm konut ve deneysel prosedürler, Hong Kong Baptist Üniversitesi Öğretim ve Araştırmada İnsan ve Hayvan Deneklerinin Kullanımı Komitesi tarafından onaylandı. Hayvan odası, 12 saatlik aydınlık-karanlık döngüsünde 25 °C sıcaklıkta ve %40-70 oda neminde tutuldu.
1. Kafes tasarımı
<ol><li>Kafes yapımı için 3 farklı boyutta akrilonitril bütadien stiren tuğlaları hazırlayın: 8 mm x 8 mm x 2 mm, 16 mm x 16 mm x 6 mm ve 32 mm x 16 mm x 6 mm.</li>
	<li>Kafes tabanı olarak bir akrilonitril bütadien stiren plakası (312 mm x 147 mm x 2 mm) hazırlayın.</li>
	<li>Alt plaka olarak kullanılmak üzere 2 mm kalınlığında 239 mm x 107 mm şeffaf olmayan akrilik plaka hazırlayın.</li>
	<li>Üst plaka olarak kullanılmak üzere 239 mm x 107 mm kalınlığında 5 mm şeffaf akrilik plaka hazırlayın.</li>
	<li>Terminal plakası olarak kullanılmak üzere 107 mm kalınlığında 50 mm x 7 mm şeffaf akrilik plaka hazırlayın.</li>
	<li>Tuğlaları 54 mm yüksekliğe kadar istifleyerek 2 opak yan duvar inşa edin.</li>
	<li>Akrilik plakaları, Şekil 1A'da gösterildiği gibi akrilonitril bütadien stiren bazlı kafese gömün.</li>
	<li>Şekil 1B'de gösterildiği gibi, 2 mm kalınlığında beş adet 90 mm x 50 mm şeffaf akrilik plakadan yapılmış bir chows odası hazırlayın. 5 şeffaf akrilik plaka arasında yanlar için 2 plaka, üst için 1 plaka, alt için 1 plaka ve terminal için 1 plaka kullanın.</li>
	<li>60 mm x 50 mm boyutlarında 2 mm boyutlarında şeffaf akrilik plakayı chow giriş plakası olarak hazırlayın ve chow'un haznesine yerleştirin.</li>
</ol>2. Hayvan davranış değerlendirmesi
<ol><li>2 adet 7 haftalık ICR erkek farenin ev yavruları düzenli bir kafeste birlikte.</li>
	<li>2 farenin yavrularına 1 haftalık bir adaptasyon süresi boyunca gıda peletlerine ve musluk suyuna ücretsiz erişim sağlayın.</li>
	<li>1 hafta sonra, 2 farenin yavrularını bir şişe etanol (~% 40 v / v) ile tanıtın. NOT: İçme kısıtlanırken sağlanan sulu etanolü yalnızca ad libitum bazında koklamalarına veya solumalarına izin verildiğinden emin olun.</li>
	<li>9-10 haftalık fare modelini ve Şekil 1A'da gösterilen şeffaf hücre kafesini kullanarak davranışsal deneyler yapın.</li>
	<li>Tüm akrilik plakaları ve akrilonitril bütadien stiren plakaları sökün ve iyice temizleyin. En az 3 kez ultra saf suyla durulayarak başlayın ve ardından kağıt havlu kullanarak kurulayın. Ardından, üzerlerine %75 etanol püskürtün ve ardından lens kağıdı ile temizleyin. Son olarak, en az 15 dakika kurumaya bırakın.</li>
	<li>Davranışsal deneyin her tekrarından önce fareleri tartın ve vücut ağırlıklarını kaydedin.</li>
	<li>1 g ticari wasabi ve 4,5 g fıstık ezmesi tartarak wasabi ve fıstık ezmesi karışımını taze olarak hazırlayın. Bunları fermuarlı bir plastik torbada karıştırın. NOT: Wasabi içindeki izotiyosiyanatların uçuculuğu nedeniyle, ticari wasabi'nin -20 °C dondurucuda saklanması önemlidir.</li>
	<li>Şekil 0.5B, C'de gösterildiği gibi, yemek giriş plakasına iki adet 1 g fıstık ezmesi macunu veya wasabi ve fıstık ezmesi karışımı tartın ve sağlayın.</li>
	<li>Her video kayıt oturumu sırasında 1 farenin yiyeceğe ad libitum erişimine sahip olmasını sağlamak için hazırlanan yemek giriş plakasını Şekil 2B, C'de gösterildiği gibi yemek odasına yerleştirin.</li>
	<li>Şekil 30B, C'de gösterildiği gibi eşzamanlı solumayı kolaylaştırmak için alttaki oluğu saf su veya likör (~%42 v/v etanol) olmak üzere saf su veya likör (~% 1 v/v etanol) ile doldurun.</li>
	<li>Her terminalde bulunan telefon standına yerleştirilmiş 2 akıllı telefondaki kameraları kullanarak kayda başlayın. NOT: Videoların teknik özellikleri şu şekildedir: çerçeve genişliği, 1920; çerçeve yüksekliği, 1080; veri hızı, 20745 kbps; kare hızı, saniyede 30,00 kare (fps).</li>
	<li>Eğitimli 2 fare yavrusunu, tasarlanan hayvan davranışsal çalışma platformuna üstten dikkatlice yerleştirin ve kafesi hemen üst plaka ile sabitleyin. NOT: Bu adımın 15 saniye içinde tamamlandığından emin olun.</li>
	<li>Her videoyu 2-3 dakika boyunca kaydedin. NOT: Fıstık ezmesi-wasabi karışımının hazırlanmasından video kaydının tamamlanmasına kadar deneyin tüm süresinin 5 dakika ile sınırlı olduğundan emin olun.</li>
	<li>Tüm deneyi 3 kez tekrarlayın. NOT: Deneyin her bir kopyasının en az 6 saat boyunca ayrıldığından emin olun.</li>
	<li>Farklı senaryoları taklit edin. NOT: Örneğin, bu çalışmada 4 farklı senaryo ile 4 grupta bir çift fare kullanılmış ve yukarıda anlatılan deney ortamı kullanılarak taklit edilmiştir. Bu senaryolar, arka plan çalışması için Senaryo A'yı, pozitif kontrol çalışması için Senaryo B'yi, wasabi-alkol tat-koku etkileşimi çalışması için Senaryo C'yi ve negatif kontrol çalışması için Senaryo D'yi içerir. Tablo 1'de bu senaryoların bir özeti verilmiştir.</li>
</ol>3. Görüntü tanıma
Görüntü işleme 23,24,25 ile ilgili birçok çalışmaya benzer şekilde, bir CNN eğitimi ile bir sınıflandırma modeli elde edilmiştir. DL işlemleri için betik, Jupyter Notebook (anaconda3) üzerinde Python v.3.10'da yazılmıştır. Aşağıdaki GitHub deposunda mevcuttur: git@github.com:TommyNHL/imageRecognitionJove.git. CNN'yi oluşturmak ve eğitmek için numpy v.1.21.5, seaborn v.0.11.2, matplotlib v.3.5.2, cv2 v.4.6.0, sklearn v.1.0.2, tensorflow v.2.11.0 ve keras v.2.11.0 dahil olmak üzere açık kaynaklı kitaplıklar kullanıldı. Bu kütüphaneler, CNN'yi görüntü tanıma için geliştirmek ve eğitmek için gerekli araçları ve işlevselliği sağladı.
<ol><li>Sağlanan Step1_ExtractingAndSavingVideoFrameImages.ipynb adlı Jupyter Notebook'u kullanarak model eğitimi için bir veri kümesi oluşturmak üzere toplanan video kliplerden bir dizi video çerçevesi görüntüsünü dışarı aktarın.</li>
	<li>Görüntüleri yalnızca sağlanan macunu tüketen en az 1 fare ile seçin. Seçilen görüntülerin örnekleri Ek Şekil 1, Ek Şekil 2, Ek Şekil 3, Ek Şekil 4, Ek Şekil 5, Ek Şekil 6 ve Ek Şekil 7'de verilmiştir.</li>
	<li>Jupyter Notebook'ta sağlanan Step2_DataAugmentation.ipynb adlı betiği uygulayarak oluşturulan görüntüleri yatay olarak çevirerek veri büyütme gerçekleştirin.</li>
	<li>Harici bağımsız CNN modeli doğrulaması için her saniye çoğaltmasından görüntü verilerini ayırın. Dahili model eğitimi ve testi için her birinci ve üçüncü çoğaltmadan elde edilen görüntüleri kullanın.</li>
	<li>Görüntü yeniden boyutlandırma, siyah renk dönüştürme ve görüntü sinyali normalleştirme dahil olmak üzere Step3_CNNmodeling_TrainTest.ipynb adlı Jupyter Notebook'ta komut dosyasını çalıştırarak CNN modellemesinde kullanılan görüntü verilerini önceden işleyin.</li>
	<li>Eğitim materyallerini dahili eğitim ve test veri kümelerine rastgele 8:2 oranında bölün.</li>
	<li>CNN mimarisini başlatın. CNN'nin çıktı sayısını, incelenecek senaryo sayısına göre tasarlayın. NOT: Örneğin, bu çalışmada sinir ağı 3 sınıfı sınıflandırmak için belirlenmiştir. Sınıf ağırlığındaki veri dengesizliğini işlemek için komut dosyasının derlendiğinden emin olun.</li>
	<li>CNN yapımı için dahili test numunelerinde minimum kayıp sağlayan hiper parametre kombinasyonunu bulun.</li>
	<li>CNN mimarisi oluşturmak için en uygun hiper parametre kombinasyonunu benimseyin.</li>
	<li>Sağlanan Jupyter Notebooks Step4_CNNmodel_ExternalValOriginal.ipynb ve Step5_CNNmodel_ExternalValFlipped.ipynb'yi açın. Hayvan davranış deneyinin ikinci kopyasından bağımsız (orijinal ve ters çevrilmiş) görüntüleri kullanarak elde edilen modeli doğrulayın.</li>
	<li>Jupyter Notebook Step6_CNNmodel_Application.ipynb kullanarak deney grubundan oluşturulan video çerçevesi görüntülerini sınıflandırmak için elde edilen ve doğrulanan modeli dağıtın. NOT: Örneğin, bu çalışmada senaryo C'dir.</li>
</ol>4. Manuel fare yüz buruşturma ölçeği puanlaması
NOT: CNN model tahmini tarafından sağlanan içgörüleri doğrulamak için, daha önce Langford ve arkadaşları tarafından geliştirilen ve doğrulanan başka bir yöntem uygulanmıştır16. Bu yöntem, MGS'nin 5 spesifik fare yüz eylem birimine (AU) dayalı olarak puanlanmasını içerir: orbital sıkılaştırma, burun şişkinliği, yanak şişkinliği, kulakların dışa doğru sıkılması ve bıyık değişimi. Her AU'ya, AU'nun yokluğunu, orta düzeyde varlığını veya bariz varlığını gösteren sırasıyla 0, 1 veya 2 puanı atanır. Bu puanlama sistemi, farelerin yaşadığı nosisepsiyon veya rahatsızlık seviyesini değerlendirmek için her bir AU'nun ölçülmesine ve ölçeklendirilmesine izin verir.
<ol><li>Her video klip için macunu yutan littermatların 3 video karesi görüntüsünü yakalayın. Her karenin en az 3 saniye ayrıldığından emin olun.</li>
	<li>"ShuffleSlides.pptm" (Ek Dosya 1) adlı sağlanan şablon dosyasını kullanarak ve katıştırılmış Makro kodunu çalıştırarak farklı senaryo sınıflarından görüntüleri sırayla kör kod oluşturun ve rastgele yeniden sıralayın.</li>
	<li>Örnek görüntüleri puanlamak için en az 10 panelist davet edin.</li>
	<li>MGS'yi kullanarak görüntü örneklerini puanlamak için panelistleri eğitin. Panelistlere MGS ile ilgili orijinal makaleyi ve el kitabını içeren eğitim materyalleri sağlayın15,16.</li>
	<li>Yakalanan bir çerçevedeki her bir hayvan deneğinin MGS puanını, karşılık gelen 5 yüz AU'sunun tüm puan puanlarının ortalamasını alarak hesaplayın. MGS skorunu ortalama ± standart ölçüm hatası (SEM) olarak sunun.</li>
	<li>Bonferroni'nin çoklu karşılaştırma post-hoc testi ile tek yönlü varyans analizi (ANOVA) ile farklı senaryo sınıfları arasında istatistiksel olarak anlamlı farklılıklar olup olmadığını belirleyin. NOT: P < 0,05 değeri istatistiksel olarak anlamlı kabul edilir.</li>
</ol>

Alkol Wasabi Reaksiyonlarını Azaltır: Farelerde Davranışsal ve Yapay Zeka Analizi

<ol><li>Isshiki, K., Tokuoka, K., Mori, R., Chiba, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preliminary+examination+of+allyl+isothiocyanate+vapor+for+food+preservation%5BTitle%5D)+AND+%22Biosci+Biotechnol+Biochem%22%5BJournal%5D)">Preliminary examination of allyl isothiocyanate vapor for food preservation.</a> Biosci Biotechnol Biochem. 56 (9), 1476-1477 (1992).</li>
<li>Li, X., Wen, Z., Bohnert, H. J., Schuler, M. A., Kushad, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Myrosinase+in+horseradish+%28Armoracia+rusticana%29+root%3A+Isolation+of+a+full-length+cDNA+and+its+heterologous+expression+in+Spodoptera+frugiperda+insect+cells%5BTitle%5D)+AND+%22Plant+Sci%22%5BJournal%5D)">Myrosinase in horseradish (Armoracia rusticana) root: Isolation of a full-length cDNA and its heterologous expression in Spodoptera frugiperda insect cells.</a> Plant Sci. 172 (6), 1095-1102 (2007).</li>
<li>Depree, J. A., Howard, T. M., Savage, G. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Flavour+and+pharmaceutical+properties+of+the+volatile+sulphur+compounds+of+Wasabi+%28Wasabia+japonica%29%5BTitle%5D)+AND+%22Food+Res+Int%22%5BJournal%5D)">Flavour and pharmaceutical properties of the volatile sulphur compounds of Wasabi (Wasabia japonica).</a> Food Res Int. 31 (5), 329-337 (1998).</li>
<li>Hu, S. Q., Wei, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Study+on+extraction+of+wasabi+plant+material+bio-activity+substances+and+anti-cancer+activities%5BTitle%5D)+AND+%22Adv+Mat+Res%22%5BJournal%5D)">Study on extraction of wasabi plant material bio-activity substances and anti-cancer activities.</a> Adv Mat Res. 690 - 693, 1395-1399 (2013).</li>
<li>Lee, H. -K., Kim, D. -H., Kim, Y. -S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quality+characteristics+and+allyl+isothiocyanate+contents+of+commercial+wasabi+paste+products%5BTitle%5D)+AND+%22J+Food+Hyg+Saf%22%5BJournal%5D)">Quality characteristics and allyl isothiocyanate contents of commercial wasabi paste products.</a> J Food Hyg Saf. 31 (6), 426-431 (2016).</li>
<li>Bacon, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Wine%2C+wasabi+and+weight+loss%3A+Examining+taste+in+food+writing%5BTitle%5D)+AND+%22Food+Cult+Soc%22%5BJournal%5D)">Wine, wasabi and weight loss: Examining taste in food writing.</a> Food Cult Soc. 17 (2), 225-243 (2014).</li>
<li>Fleming, P. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+contribution+of+qualitative+behavioural+assessment+to+appraisal+of+livestock+welfare%5BTitle%5D)+AND+%22Anim+Prod+Sci%22%5BJournal%5D)">The contribution of qualitative behavioural assessment to appraisal of livestock welfare.</a> Anim Prod Sci. 56, 1569-1578 (2016).</li>
<li>Shi, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Behavioral+assessment+of+sensory%2C+motor%2C+emotion%2C+and+cognition+in+rodent+models+of+intracerebral+hemorrhage%5BTitle%5D)+AND+%22Front+Neurol%22%5BJournal%5D)">Behavioral assessment of sensory, motor, emotion, and cognition in rodent models of intracerebral hemorrhage.</a> Front Neurol. 12, 667511(2021).</li>
<li>Stevenson, R. J., Prescott, J., Boakes, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Confusing+tastes+and+smells%3A+How+odours+can+influence+the+perception+of+sweet+and+sour+tastes%5BTitle%5D)+AND+%22Chem+Senses%22%5BJournal%5D)">Confusing tastes and smells: How odours can influence the perception of sweet and sour tastes.</a> Chem Senses. 24 (6), 627-635 (1999).</li>
<li>Pfeiffer, J. C., Hollowood, T. A., Hort, J., Taylor, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+synchrony+and+integration+of+sub-threshold+taste+and+smell+signals%5BTitle%5D)+AND+%22Chem+Senses%22%5BJournal%5D)">Temporal synchrony and integration of sub-threshold taste and smell signals.</a> Chem Senses. 30 (7), 539-545 (2005).</li>
<li>Simons, C. T., Klein, A. H., Carstens, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chemogenic+subqualities+of+mouthfeel%5BTitle%5D)+AND+%22Chem+Senses%22%5BJournal%5D)">Chemogenic subqualities of mouthfeel.</a> Chem Senses. 44 (5), 281-288 (2019).</li>
<li>Andrade, E. L., Luiz, A. P., Ferreira, J., Calixto, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pronociceptive+response+elicited+by+TRPA1+receptor+activation+in+mice%5BTitle%5D)+AND+%22Neuroscience%22%5BJournal%5D)">Pronociceptive response elicited by TRPA1 receptor activation in mice.</a> Neuroscience. 152 (2), 511-520 (2008).</li>
<li>Palazzo, E., Marabese, I., Gargano, F., Guida, F., Belardo, C., Maione, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Methods+for+evaluating+sensory%2C+affective+and+cognitive+disorders+in+neuropathic+rodents%5BTitle%5D)+AND+%22Curr+Neuropharmacol%22%5BJournal%5D)">Methods for evaluating sensory, affective and cognitive disorders in neuropathic rodents.</a> Curr Neuropharmacol. 19 (6), 736-746 (2020).</li>
<li>Topley, M., Crotty, A. M., Boyle, A., Peller, J., Kawaja, M., Hendry, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+motor+and+sensory+neuron+populations+in+a+mouse+median+nerve+injury+model%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">Evaluation of motor and sensory neuron populations in a mouse median nerve injury model.</a> J Neurosci Methods. 396, 109937(2023).</li>
<li>Langford, D. J., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLangford%2C+DJ+%22Mouse+Grimace+Scale+%28MGS%29%3A+The+Manual%22">Mouse Grimace Scale (MGS): The Manual</a>. , https://www.nc3rs.org.uk/sites/default/files/documents/Guidelines/MGS%20Manual.pdf (2015).</li>
<li>Langford, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coding+of+facial+expressions+of+pain+in+the+laboratory+mouse%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Coding of facial expressions of pain in the laboratory mouse.</a> Nat Methods. 7 (6), 447-449 (2010).</li>
<li>Liu, H., Fang, S., Zhang, Z., Li, D., Lin, K., Wang, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MFDNet%3A+Collaborative+poses+perception+and+matrix+Fisher+distribution+for+head+pose+estimation%5BTitle%5D)+AND+%22IEEE+Trans+Multimedia%22%5BJournal%5D)">MFDNet: Collaborative poses perception and matrix Fisher distribution for head pose estimation.</a> IEEE Trans Multimedia. 24, 2449-2460 (2022).</li>
<li>Liu, T., Wang, J., Yang, B., Wang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NGDNet%3A+Nonuniform+Gaussian-label+distribution+learning+for+infrared+head+pose+estimation+and+on-task+behavior+understanding+in+the+classroom%5BTitle%5D)+AND+%22Neurocomputing%22%5BJournal%5D)">NGDNet: Nonuniform Gaussian-label distribution learning for infrared head pose estimation and on-task behavior understanding in the classroom.</a> Neurocomputing. 436, 210-220 (2021).</li>
<li>Liu, T., Liu, H., Yang, B., Zhang, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((LDCNet%3A+Limb+direction+cues-aware+network+for+flexible+human+pose+estimation+in+industrial+behavioral+biometrics+systems%5BTitle%5D)+AND+%22IEEE+Trans+Industr+Inform%22%5BJournal%5D)">LDCNet: Limb direction cues-aware network for flexible human pose estimation in industrial behavioral biometrics systems.</a> IEEE Trans Industr Inform. 20 (6), 8068-8078 (2023).</li>
<li>Grant, E. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+can+the+quantitative+and+qualitative+behavioural+assessment+of+videos+of+sheep+moving+through+an+autonomous+data+capture+system+tell+us+about+welfare%5BTitle%5D)+AND+%22Appl+Anim+Behav+Sci%22%5BJournal%5D)">What can the quantitative and qualitative behavioural assessment of videos of sheep moving through an autonomous data capture system tell us about welfare.</a> Appl Anim Behav Sci. 208, 31-39 (2018).</li>
<li>Vidal, A., Jha, S., Hassler, S., Price, T., Busso, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Face+detection+and+grimace+scale+prediction+of+white+furred+mice%5BTitle%5D)+AND+%22Mach+Learn+Appl%22%5BJournal%5D)">Face detection and grimace scale prediction of white furred mice.</a> Mach Learn Appl. 8, 100312(2022).</li>
<li>Zylka, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+and+validation+of+Painface%2C+A+software+platform+that+simplifies+and+standardizes+mouse+grimace+analyses%5BTitle%5D)+AND+%22J+Pain%22%5BJournal%5D)">Development and validation of Painface, A software platform that simplifies and standardizes mouse grimace analyses.</a> J Pain. 24 (4), 35-36 (2023).</li>
<li>Liu, H., Zhang, C., Deng, Y., Liu, T., Zhang, Z., Li, Y. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Orientation+cues-aware+facial+relationship+representation+for+head+pose+estimation+via+Transformer%5BTitle%5D)+AND+%22IEEE+Trans+Image+Process%22%5BJournal%5D)">Orientation cues-aware facial relationship representation for head pose estimation via Transformer.</a> IEEE Trans Image Process. 32, 6289-6302 (2023).</li>
<li>Liu, H., Liu, T., Chen, Y., Zhang, Z., Li, Y. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EHPE%3A+Skeleton+cues-based+Gaussian+coordinate+encoding+for+efficient+human+pose+estimation%5BTitle%5D)+AND+%22IEEE+Trans+Multimedia%22%5BJournal%5D)">EHPE: Skeleton cues-based Gaussian coordinate encoding for efficient human pose estimation.</a> IEEE Trans Multimedia. , (2022).</li>
<li>Liu, H., et al. TransIFC: Invariant cues-aware feature concentration learning for efficient fine-grained bird image classification. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLiu%2C+H+%22IEEE+Trans+Multimedia%22">IEEE Trans Multimedia</a>. , (2023).</li>
<li>Akkaya, I. B., Halici, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mouse+face+tracking+using+convolutional+neural+networks%5BTitle%5D)+AND+%22IET+Comput+Vis%22%5BJournal%5D)">Mouse face tracking using convolutional neural networks.</a> IET Comput Vis. 12 (2), 153-161 (2018).</li>
<li>Andresen, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+a+fully+automated+surveillance+of+well-being+status+in+laboratory+mice+using+deep+learning%3A+Starting+with+facial+expression+analysis%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Towards a fully automated surveillance of well-being status in laboratory mice using deep learning: Starting with facial expression analysis.</a> PLoS One. 15 (4), e0228059(2020).</li>
<li>Ernst, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improvement+of+the+mouse+grimace+scale+set-up+for+implementing+a+semi-automated+Mouse+Grimace+Scale+scoring+%28Part+1%29%5BTitle%5D)+AND+%22Lab+Anim%22%5BJournal%5D)">Improvement of the mouse grimace scale set-up for implementing a semi-automated Mouse Grimace Scale scoring (Part 1).</a> Lab Anim. 54 (1), 83-91 (2020).</li>
<li>Tuttle, A. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+deep+neural+network+to+assess+spontaneous+pain+from+mouse+facial+expressions%5BTitle%5D)+AND+%22Mol+Pain%22%5BJournal%5D)">A deep neural network to assess spontaneous pain from mouse facial expressions.</a> Mol Pain. 14, 1744806918763658(2018).</li>
<li>Lencioni, G. C., de Sousa, R. V., de Souza Sardinha, E. J., Corrêa, R. R., Zanella, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pain+assessment+in+horses+using+automatic+facial+expression+recognition+through+deep+learning-based+modeling%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling.</a> PLoS One. 16 (10), e0258672(2021).</li>
<li>Steagall, P. V., Monteiro, B. P., Marangoni, S., Moussa, M., Sautié, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fully+automated+deep+learning+models+with+smartphone+applicability+for+prediction+of+pain+using+the+Feline+Grimace+Scale%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale.</a> Sci Rep. 13, 21584(2023).</li>
</ol>

Yazarlar herhangi bir çıkar çatışması olmadığını beyan ederler.

Bu çalışmada tat-koku etkileşimini incelemek için önerilen yöntem, Langford ve ark.16 tarafından geliştirilen farelerde ağrının yüz ifadesi için orijinal davranışsal kodlama yöntemine dayanmaktadır. Yakın zamanda yayınlanan birkaç makale, otomatik fare yüzü izleme ve ardından MGS puanlaması 21,26,27,28 için CNN'yi tanıttı. CNN'leri uygulamak, bir tahmin modelini eğitmek ...

Yaygın olarak wasabi olarak bilinen Wasabia japonica, gıda hazırlamada tanınırlık kazanmıştır 1,2. Tüketildiğinde ortaya çıkardığı, yırtılma, hapşırma veya öksürme ile karakterize edilen yoğun duyusal deneyim iyi bilinmektedir. Wasabi'nin bu ayırt edici keskinliği, homolog bir kemosensoriyel izotiyosiyanatlar (ITC'ler) bileşiğine bağlanabilir. Ω-alkenil ve ω-metiltioalkil izotiyosiyanatlar3 olarak kategorize edilebilen uçucu organosülfür fitokimyasallarıdır. Bu bileşikler arasında alil izotiyosiyanat (AITC), yaban turpu ve hardal gibi Cruciferae familyasına ait bitkilerde bulunan en baskın doğal ITC ürünüdür4. Ticari wasabi macunları genellikle yaban turpundan hazırlanır ve AITC'yi bu ticari ürünlerin kalite kontrolü için kullanılan kimyasal bir belirteç haline getirir5.
Diyetle beslenen alkollü içecekleri wasabi ile aşılanmış yemeklerle eşleştirmek, kültürel eğilimin bir örneği olarak kabul edilebilir6. Öznel olarak, bu kombinasyon wasabi ve ruh arasındaki baharatlılığı ve ısıyı tamamlayarak genel mutfak deneyimini geliştirebilir. Hayvan kalitatif davranış değerlendirmesi (QBA), sayısal terimler kullanarak kısa veya uzun vadeli dış uyaranlara yanıt olarak deneklerdeki davranış değişikliklerini inceleyen kapsamlı bir bütün hayvan metodolojik yaklaşımıdır7. Bu yöntem, ağrı testleri, motor testleri, öğrenme ve hafıza testlerinin yanı sıra kemirgen modelleri için özel olarak tasarlanmış duygu testlerini kapsar8. Bununla birlikte, koku alma ile birlikte tat almanın sinerjik duyusal değerlendirmesini araştıran çalışmalar literatürde şimdiye kadar az sayıda kalmıştır 9,10. Kimyasal duyum üzerine yapılan çalışmaların çoğu, bireysel yiyecek ve içecek tüketimini ayrı ayrı incelemekle sınırlıdır11. Sonuç olarak, wasabi tüketirken likör koklama eylemini içeren tat-koku etkileşimi üzerine araştırma eksikliği vardır.
Wasabi kaynaklı batma hissinin bir tür nosisepsiyon12 olduğuna inanıldığından, hayvan davranışsal değerlendirmeleri kemirgen hayvanlarda nosiseptif duyusal tepkileri değerlendirmek için çok uygundur 8,13,14. Farelerde nosisepsiyonu değerlendirmek için fare yüz buruşturma ölçeği (MGS) skorlaması olarak bilinen bir yöntem Langford ve ark.15,16 tarafından geliştirilmiştir. Bu davranışsal çalışma yöntemi, deneysel fareler tarafından sergilenen yüz ifadelerinin analizine dayanan, ağrı ile ilgili bir değerlendirme yaklaşımıdır. Deney düzeneği, şeffaf bir kafes ve video kaydı için 2 kamera içeren basittir. Otomatik veri yakalama için ileri teknolojileri 17,18,19 dahil ederek, davranışsal izleme sırasında hayvan refahını artıran nicel ve nitel davranışsal ölçümler elde edilebilir 20. Sonuç olarak, MGS, çeşitli dış uyaranların hayvanlar üzerindeki etkilerini kesintisiz ve ad libitum bir şekilde incelemede uygulanma potansiyeline sahiptir. Bununla birlikte, puanlama süreci, panelistler tarafından değerlendirilmek üzere yalnızca birkaç (10'dan az) video karesi görüntüsünün seçilmesini içerir ve önceden eğitim gereklidir. Çok sayıda örnek görüntünün puanlanması yoğun emek gerektiren bir işlem olabilir. Bu zaman alıcı zorluğun üstesinden gelmek için, birkaç çalışma MGS puanı21,22'yi tahmin etmek için makine öğrenimi tekniklerini kullanmıştır. Yine de, MGS'nin sürekli bir önlem olduğuna dikkat etmek önemlidir. Bu nedenle, çok sınıflı bir sınıflandırma modeli, aynı anda wasabi yutan ve likör koklayan farelerin görüntülerinin normal farelerinkine benzeyip benzemediğini belirlemek gibi mantıksal ve kategorik bir sorunu değerlendirmek için daha uygun olacaktır.
Bu çalışmada, farelerde tat-koku etkileşimini araştırmak için bir metodoloji önerilmiştir. Bu metodoloji, fare deneklerinin yüz ifadelerini analiz etmek için hayvan davranış çalışmalarını evrişimli bir sinir ağı (CNN) ile birleştirir. İki fare, normal davranışsal koşullar altında, wasabi kaynaklı nosisepsiyon deneyimi sırasında ve özel olarak tasarlanmış bir kafeste likör koklarken üç kez gözlendi. Farelerin yüz ifadeleri videoya kaydedildi ve oluşturulan çerçeve görüntüleri, bir derin öğrenme (DL) modelinin mimarisini optimize etmek için kullanıldı. Model daha sonra bağımsız bir görüntü veri seti kullanılarak doğrulandı ve deney grubundan elde edilen görüntüleri sınıflandırmak için konuşlandırıldı. Fareler wasabi tüketimi sırasında aynı anda likör kokladıklarında wasabi keskinlik baskılanmasının derecesini belirlemek için, yapay zeka tarafından sağlanan içgörüler, başka bir veri analizi yöntemi olan MGS puanlaması16 ile çapraz doğrulama yoluyla daha da doğrulandı.

<table><tbody><tr><td>Mutlak etanol (EtOH)</td><td>VWR Kimyasalları BDH</td><td>CAS # 64-17-5</td><td></td></tr><tr><td>Akrilonitril bütadien stiren tuğlaları</td><td>Jiahuifeng Amiral Gemisi Mağazası</td><td>https://shop.paizi10.com/jiahuifeng/chanpin.html</td><td></td></tr><tr><td>Akrilonitril bütadien stiren plakaları</td><td>Jiahuifeng Amiral Gemisi Mağazası</td><td>https://shop.paizi10.com/jiahuifeng/chanpin.html</td><td></td></tr><tr><td>Alil izotiyosiyanat (AITC)</td><td>Sigma-Aldrich</td><td>CAS # 57-06-7</td><td></td></tr><tr><td>Susuz dimetil sülfoksit</td><td>Sigma-Aldrich</td><td>CAS # 67-68-5</td><td></td></tr><tr><td>Çin ruhu</td><td>Yanghe Qingci</td><td>https://www.chinayanghe.com/article/45551.html</td><td></td></tr><tr><td>Ticari wasabi</td><td>S & B GIDA A.Ş.</td><td></td><td></td>https://www.sbfoods-worldwide.com</tr><tr><td>Formik asit (FA)</td> <td>VWR Kimyasalları BDH</td><td>CAS # 64-18-6</td><td></td></tr><tr><td>GraphPad Prizma 5</td><td>GraphPad</td><td>https://www.graphpad.com</td><td></td></tr><tr><td>HPLC sınıfı asetonitril (ACN)</td> <td>VWR Kimyasalları BDH</td><td>CAS # 75-05-8</td><td></td></tr><tr><td>HPLC dereceli metanol (MeOH)</td> <td>VWR Kimyasalları BDH</td><td>CAS # 67-56-1</td><td></td></tr><tr><td>Microsoft Excel 2016</td><td>Microsoft</td><td>https://www.microsoft.com&nbsp;</td><td></td></tr><tr><td>Microsoft PowerPoint 2016</td><td>Microsoft</td><td>https://www.microsoft.com</td><td></td></tr><tr><td>Milli-Q su sistemi</td><td>Millipore https://www.merckmillipore.com</td><td></td><td></td></tr><tr><td>Fare: ICR</td><td>Laboratuvar Hayvanları Hizmetleri Merkezi (Hong Kong Çin Üniversitesi, Hong Kong, Çin)</td> <td>N/A</td><td></td></tr><tr><td>Fıstık ezmesi</td><td>Skippy</td><td>https://www.peanutbutter.com/peanut-butter/creamy</td><td></td></tr><tr><td>Python v.3.10</td><td>Python Yazılım Vakfı</td><td>https://www.python.org&nbsp;</td><td></td></tr><tr><td>Şeffaf akrilik plakalar</td><td>Taobao Store</td><td>https://item.taobao.com/item.htm?_u=32l3b7k63381&id=60996545797 0& spm=a1z09.2.0.0.77572e8dFPM EHU</td><td></td></tr></tbody></table>

wasabi-alkol tat-koku etkileşimini İncelemek için hayvan davranışsal değerlendirmesi ve evrişimli sinir ağının entegrasyonu

Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction

Gıda hazırlamak için yaygın olarak kullanılan ticari wasabi macunları, tüketildiğinde tahriş edici bir his uyandıran homolog bir kemosensoriyel izotiyosiyanat (ITC) bileşiği içerir. Diyetle alınan alkollü içeceklerin koklanmasının wasabi baharatlılık hissi üzerindeki etkisi hiç araştırılmamıştır. Duyusal değerlendirme çalışmalarının çoğu, bireysel yiyecek ve içeceklere ayrı ayrı odaklanırken, wasabi tüketirken likör koklamanın koku alma çalışması hakkında araştırma eksikliği vardır. Burada, farelerin aynı anda likör kokladıklarında ve wasabi tükettiklerinde yüz ifadelerini analiz etmek için bir hayvan davranış çalışmasının ve evrişimli bir sinir ağının kullanımını birleştiren bir metodoloji geliştirilmiştir. Sonuçlar, eğitilmiş ve doğrulanmış derin öğrenme modelinin, önceden eğitim materyallerinin filtrelenmesine gerek kalmadan wasabi negatif likör pozitif grubun sınıfına ait wasabi ve alkolün birlikte işlenmesini gösteren görüntülerin %29'unu tanıdığını göstermektedir. Seçilen video çerçevesi görüntülerinden elde edilen fare yüz buruşturma ölçeği puanlarının istatistiksel analizi, likörün varlığı ve yokluğu arasında anlamlı bir fark (P < 0.01) ortaya koymaktadır. Bu bulgu, diyetle alınan alkollü içeceklerin farelerde wasabi ile ortaya çıkan reaksiyonlar üzerinde azaltıcı bir etkiye sahip olabileceğini düşündürmektedir. Bu birleştirici metodoloji, gelecekte bireysel ITC bileşik taraması ve ruh bileşenlerinin duyusal analizleri için potansiyele sahiptir. Bununla birlikte, wasabi keskinliğinin alkole bağlı baskılanmasının altında yatan mekanizmayı araştırmak için daha fazla çalışmaya ihtiyaç vardır.

Bu çalışmanın temel amacı, farelerde tat-koku etkileşimini araştırmak için sağlam bir çerçeve oluşturmaktır. Bu çerçeve, tahmine dayalı bir sınıflandırma modeli geliştirmek için yapay zeka ve QBA kullanımını içerir. Ek olarak, DL'den elde edilen içgörüler, dahili bağımsız bir analiz için nicel bir MGS değerlendirmesi ile çapraz doğrulanır. Bu metodolojinin birincil uygulaması, fareler diyet alkollü içeceklerini kokladığında wasabi ile indüklenen nosisepsiyonun baskılanma derecesini incelemektir.
<p class="jove_conten...

Bu makale, wasabi ile ortaya çıkan batma hissi üzerinde alkollü içecekleri koklamanın baskılayıcı yeteneğini ölçmek için bir dizi yöntemi açıklamaktadır.

Wasabi-Alkol Tat-Koku Etkileşimini İncelemek için Hayvan Davranışsal Değerlendirmesi ve Evrişimli Sinir Ağının Entegrasyonu

The commercial wasabi pastes commonly used for food preparation contain a homologous compound of chemosensory isothiocyanates (ITCs) that elicit an ...

integration-animal-behavioral-assessment-convolutional-neural-network

Research

JoVE Journal

Behavior

Davranış

Hücre dışı dopamindeki (DA) hızlı dalgalanmalar, memelilerde hem ödül işlemeye hem de motive edilmiş davranışa aracılık eder. Bu el yazması, tastantların uyanık, serbestçe hareket eden sıçanlarda hızlı dopamin salınımını nasıl değiştirdiğini belirlemek için hızlı taramalı döngüsel voltametri (FSCV) ve ağız içi tatır uygulamasının birlikte kullanımını açıklamaktadır.

Uyanık Sıçanlarda Intra-Oral tat yoğunluğu arttırıcı madde İdaresi Sırasında Hızlı Tarama Dönüşümlü Voltametri Rapid Dopamin Dynamics incelenmesi

Bu protokol, hızlı bir şekilde su kısıtlaması veya yanıt başlatmak için solmaya sakarin / sukroz gerektirmeyen standart yöntemlere aksine, sıçanlarda etanol yanıt işlerlik başlatmak için yeni ve etkili bir yöntem tarif eder.

Su Yoksunluk, Sakarin Fading veya Genişletilmiş Erişim Eğitim olmadan Sıçanlarda Etanol Güçlendirme Özelliklerinin Değerlendirilmesi Bir Yöntem

Tatlandırıcı kodlamayı incelemek için üç yeni yöntem sunuyoruz . Basit bir hayvan olan Manduca güvesi Mandka'yı kullanarak, diseksiyon protokolünü, çoklu tatlılık reseptör nöronlarının aktivitesini kaydetmek için hücre dışı tetrodeslerin kullanımını ve tat vericilerin kesin zamanlı nabızlarını iletmek ve izlemek için bir sistemi tarif ediyoruz.

Tatlandırıcı Kodlamanın Yeni Yöntemleri

Bu el yazması sağlam ödül anılar istikrarsızlaştırma ve onları kendi reconsolidation önce counterconditioning ile yeniden bir bellek alma yordamı açıklar.

İstikrarsızlaştırma ve tehlikeli içenlere uyumsuz ödül anılarını yeniden yazma için bir tahmin hata odaklı alma yordamı

Koku sinyallerinin hayvan iletişiminde nasıl kullanılabileceğini anlamak için örnekleme ve analiz için etkili bir metodoloji geliştirdik. Özellikle, hayvan kokularının ve koku işaretlerinin uçucu bileşenlerini analiz etmek için gaz kromatografisi-kütle spektrometresi ile birleştiğinde kafa boşluğu katı faz mikrokstrasyonu kullanıyoruz.

Hayvan Kokusu Sinyallerinin Örneklemesi ve Analizi

Bu makalede, yeni bir fare yargısı önyargı protokolünün ayrıntılı bir açıklaması sağlanmaktadır. Bu koku alma kazı görevinin duygusal duruma duyarlılığının kanıtı da gösterilmiştir ve çeşitli araştırma alanlarındaki faydası tartışılmaktadır.

Koku Alma Kazma Görevi Yoluyla Fare Yargısı Önyargısının Değerlendirilmesi

Birçok Caenorhabditis elegans solucanından esnek kimyasal ve multimodal stimülasyon ve eşzamanlı nöral aktivitenin kaydedilmesi için bir yöntem sunuyoruz. Bu yöntem, adaptasyon, zamansal inhibisyon ve uyaran çapraz konuşması gibi nöronal fenomenlerin ölçülmesini sağlamak için mikroakışkanlar, açık kaynaklı donanım ve yazılım ve denetimli otomatik veri analizi kullanır.

Otomatik Multimodal Stimülasyon ve Birden Çok Küçük Organizmadan Eşzamanlı Nöronal Kayıt

Burada sunulan, alkol kullanım bozukluğunu incelemek için farelerde alkol bağımlılığının 2BC/CIE modeli için bir protokoldür.

Alkol Kullanım Bozukluğunu Modellemek İçin İki Şişe Seçimi ile Eşleştirilmiş Kronik Aralıklı Etanol Buharına Maruz Kalma

Nadiren kullanılan bir elektrofizyolojik kayıt yöntemi olan temel kayıt, geleneksel kayıt yöntemleriyle incelenemeyen tat kodlama özelliklerinin analizine olanak tanır. Temel kayıt, geleneksel elektrofizyolojik yöntemler kullanılarak incelenemeyen hidrofobik uyaranlara verilen tat tepkilerinin analizine de izin verir.

Temel Kayıt: Drosophila'da Tat Nöronlarının Tepkilerini Analiz Etmek İçin Bir Teknik

Bu protokol, sıçanlarda alkol tüketimini modellemek için standart bir aralıklı erişimli iki şişe seçimli ev kafesi içme paradigmasını tanımlar. Ek olarak, içme davranışının mikroyapısal analizini sağlayan bir DIY yalama algılama sistemi ile standart protokolü güçlendirmek için adım adım talimatlar sağlar.

Kemirgenlerde Alkol Tüketiminin İki Şişe Seçenekli Ev Kafesi İçme Yöntemi Kullanılarak Modellenmesi ve Mikroyapısal Analiz

Keşfedin wasabi-yakıcı his etkileşimini fare davranışsal değerlendirmesi ve evrişimli sinir ağı kullanarak. Alkol buğusunun wasabi rahatsızlığını %29 oranında bastırdığını gösteren yöntem, tat-koku sinirbilimi araştırmalarına katkı sağlar.

Wasabi-Alkol Tat-Koku Etkileşimini İncelemek için Hayvan Davranışsal Değerlendirmesi ve Evrişimli Sinir Ağının Entegrasyonu

Daha fazla video keşfet