La identificación de los compuestos volátiles olfativas utilizando cromatografía de gases-de varias unidades Grabaciones (GCMR) en el lóbulo antenal insectos

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

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.

Cite this Article

Copy Citation | Download Citations

Byers, K. J., Sanders, E., Riffell, J. A. Identification of Olfactory Volatiles using Gas Chromatography-Multi-unit Recordings (GCMR) in the Insect Antennal Lobe. J. Vis. Exp. (72), e4381, doi:10.3791/4381 (2013).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

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.

Protocol

1. Follection volátil

  1. En este ejemplo, utilizamos muestras volátiles de M. lewisii flores - un nativo de flores silvestres alpinas a California. Los volátiles se recogen utilizando métodos dinámicos sorción según Riffell et al. 14. Brevemente, este método emplea un sistema de circuito cerrado de captura donde las flores están encerrados en una bolsa de teflón. Uso de una bomba de vacío inerte, el aire alrededor de las flores es aspirado a través de una "trampa", compuesto de una pipeta Pasteur llena de Porapak Q de la matriz. El aire de retorno desde la bomba es filtrado por carbón activado. Después de un periodo de tiempo prescrito, que en nuestro caso 24 h, la Porapak Q de la matriz se eluyó con un disolvente no polar, típicamente hexano, para recoger el extracto concentrado. El extracto se almacena entonces en -80 ° C hasta su análisis. Si es necesario, las muestras pueden ser concentradas antes del análisis bajo una corriente de gas nitrógeno. A menos que la muestra ya está bien caracterizada, ejecutar una parte alícuota de la misma a través de uncromatógrafo de gases-espectrómetro de masas (GC-MS) para identificar los componentes volátiles antes de usar la muestra.

2. Preparación electrofisiológico

  1. Cortar aproximadamente 1 cm desde el extremo de una punta de pipeta de 1.000 l. Colocar un abejorro (Bombus impatiens) en la base de la punta de la pipeta y empuje suavemente hacia el extremo opuesto de la punta hasta que sólo la cabeza está expuesta.
  2. Derretir la cera dental y moldearla alrededor de la cabeza expuesta, asegurándose de que las adhiere cera sobre los ojos compuestos para la seguridad y para hacer la cabeza de la abeja completamente inmóvil. Asegúrese de que no hay nada cera en la antena de la abeja.
  3. Una vez que la cabeza está seguro, haga un cuadrado, ventana-como, incisión en la cápsula de la cabeza con una hoja de afeitar automático o el tamaño adecuado bisturí para cortar la cutícula. Uso de la cuchilla del interruptor, comenzando por la parte dorsal de la cápsula de la cabeza, inmediatamente detrás de la antena y adyacente a uno de los ojos compuestos. Cortaruna línea recta, desde el ojo compuesto de uno al ojo contralateral compuesto. Después de cortar una línea recta para el ojo compuesto contrario, comenzar a hacer una incisión dorsal hasta las curvas de altura de cápsula y termina cerca de su tórax. En este punto, comienzan a cortar hacia el extremo opuesto de la cápsula de la cabeza. Por último, una vez que una línea ha sido cortada en el extremo opuesto, cortar una línea de vuelta a la posición inicial de la incisión inicial. Es importante eliminar la cutícula que es adyacente a la antena, ya que esto impedirá la inserción del electrodo.
  4. Una vez que la cutícula se corta, utilizar un par de fórceps para extraer la cutícula abeja, que luego debe exponer cerebro de la abeja y, más importante, los lóbulos antenales. Inmediatamente comience superfusión el cerebro con solución salina insecto, de modo que el cerebro no se convierta en desecado. Después de que el cerebro está expuesto, cuidadosamente utilizar un par de pinzas muy finas para retirar la vaina perineural inmediatamente por encima de los lóbulos antenales. Tenga mucho cuidado de nopunción cerebro de la abeja con las pinzas.

3. Cromatografía de gases con grabación multicanal

  1. La abeja "preparación" - fijado en un tubo con su cerebro expuesto - está ahora listo para el registro electrofisiológico. Coloque la abeja en una abrazadera, fijado a una base magnética que se encuentra en una mesa de aire.
  2. Organizar una bolsa IV, controlador de flujo, y el tubo (lleno de solución salina insecto) de modo que la solución salina continuamente superfuses el cerebro.
  3. El uso de un micromanipulador, electrodo insertareference, hecho de alambre de tungsteno, en el ojo de la abeja.
  4. El uso de un micromanipulador separado, insertar el electrodo multicanal, tal como un tetrodo alambre en espiral, o de silicio multi-canal de electrodo (Tecnologías NeuroNexus), en los lóbulos antenales de la abeja. Este electrodo está conectado a un pre-amplificador, tales como S-3 el sistema de TDT serie Z al procesador BioAmp Z-bus del sistema de TDT. La salida de la Chro Gasdetector matogram mediante un cable BNC apantallado se puede interconectar con el sistema de adquisición de datos y amplificador de tal manera que tanto la señal neural y GC está sincronizado.
  5. Espere unos 30-60 minutos para las grabaciones neuronales se estabilicen. Una vez que la actividad espontánea y la forma de onda de las unidades en los canales de grabación se han convertido consistente, utilizar una jeringa de olor para estimular la abeja y observar la respuesta de los canales de grabación al olor.
  6. Registrar picos extracelulares de neuronas por auto-umbralización los canales de grabación por 3,5 a 5 sigma de la señal en los canales de grabación individuales. Umbralización manual puede ser necesario para algunos canales para evitar la contaminación de ruido eléctrico. Los potenciales de acción de las neuronas aparecerán como picos de tensión en el canal de grabación. Cuando el voltaje del canal supera el umbral, el sistema de tampones y guarda los pocos milisegundos antes y después del cruce del umbral, de tal modo takinga instantánea de la forma de onda, o pico.
  7. Inmediatamente al lado de la mesa de aire es la GC. Antes de inyectar el extracto floral en el GC, asegurarse de que el método para la rampa de temperatura de la ejecución de GC es correcta. En nuestro ejemplo, se utiliza un método de la temperatura a partir de 50 ° C durante 4 minutos seguido por un aumento de temperatura a una velocidad de 10 ° C / min. a 220 ° C, momento en el que mantener el GC para un adicional de 6 min. Usamos una columna DB-5 GC (J & W Scientific, Folsom, CA, EE.UU.), con helio como el gas portador. La entrada es splitless, con una temperatura fijada a 200 ° C. La ionización de llama temperatura del detector se fija a 230 ° C.
  8. Inyectar la muestra de extracto floral en el espacio superior del puerto de inyección calentada del GC para liberar los volátiles adsorbidos en la columna GC. El efluente de la columna se divide 1:1 entre el detector de ionización de llama (FID) y la antena de abeja usando un vaso conector "Y" (J & W Scientific). Comience recording desde el electrodo, tal como se inyecta una muestra en el GC.
  9. Después de la ejecución GC ha terminado, que el resto preparación durante 5 a 15 min. Entonces, o inyectar otra muestra en el GC o estimular la preparación usando compuestos volátiles individuales o mezclas de compuestos. En este último método de estimulación de la preparación, los pulsos de aire a partir de una corriente de aire constante se desvían a través de una jeringa de vidrio que contiene un trozo de papel de filtro en el que los compuestos se han depositado. El estímulo de olor se pulsó por medio de una válvula de solenoide activada por controlado por el software.
  10. Si la actividad de la unidad se detiene de repente o cambios, verifique el goteo de solución salina y dejar que el resto preparación durante 15 minutos. Si la actividad espontánea no recupera su nivel anterior a continuación, la preparación debe ser desechado y utilizado otra abeja si están disponibles.
  11. Después del experimento, se fija el cerebro con 5% de formalina durante 20 min con la sonda todavía está en el tejido. A continuación, cortar el cerebroy colocarlo en glutaraldehído al 2% durante 4 horas, y posteriormente hacer una serie de etanol graduada deshidratación y despeja el cerebro con salicilato de metilo. En base a la fijación y la limpieza de los tejidos, las ubicaciones en la AL en donde los electrodos perfora el tejido debe ser claramente discernibles por microscopía confocal.

4. Análisis de Datos

  1. Analizar los datos recogidos después del experimento para separar e identificar las unidades neurales grabados. Utilice los programas típicos de software (Clasificador de conexión, MCLUST y SClust) para las formas de onda por separado, o "picos", basado en formas pico, como pico o valle amplitud pico de ancho medio, etc, o medidas reducidas (componentes principales) 17 , 18 (Figura 2). Usar sólo los grupos de espigas que separadas en el espacio tridimensional (PC1-PC3) y son estadísticamente diferentes uno de otro (multivariable ANOVA, p <0,05) (Figura 2) para su posterior análisis. Por favor, consultecita # s 17-19 para una descripción completa de la grabación tetrodo y metodologías punta-clasificación.
  2. Sello de tiempo los picos de cada grupo, y exportar estos datos para su análisis utilizando MATLAB o Neuroexplorer (Tecnologías de Nex, Winston-Salem, Carolina del Norte) para crear gráficos de trama y respuestas de la frecuencia de disparo (Figuras 2 y 3 A).
  3. Identificar los tiempos de retención de compuestos volátiles utilizando los datos registrados simultáneamente GC. Usa los tiempos de retención de los compuestos volátiles, determinados por el vértice del pico del cromatograma, para examinar las respuestas de la unidad en los puntos de tiempo.
  4. Para examinar las respuestas individuales a través de la ejecución de la unidad GC, BIN el número de espigas en intervalos de 100 ms y examinar el curso del tiempo de cocción respuestas de la frecuencia con respecto al tiempo de retención de elución volátiles. La agrupación de picos en intervalos de 100 ms proporciona suficiente detalle, o señal, sobre el curso temporal de la respuesta neuronal a un odorante de elución de la GC.
  5. Para examinar las respuestas de la población a los volátiles liberadores diferentes, integrar las respuestas de la frecuencia de disparo de las unidades individuales sobre una ventana de muestreo de 3 segundos, 1,5 segundos antes de, y después de 1,5 segundos, el tiempo de retención de la volátil (Figura 3). Este período de tiempo es típico de la duración de una elución volátil de la GC. Nos muestran respuestas de la frecuencia de disparo de las unidades de codificación de color ellos (el rojo es una respuesta de la tasa de disparo de alta; azul es una respuesta baja) y disponiéndolos como una matriz de actividad que cada fila representa la respuesta de conjunto para el efluente GC (columnas) ( la Figura 3).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

En el ensayo de GCMR usando el M. aroma floral lewisii, inyectamos 3 l de extracto en la GC. El número total de volátiles de elución a través de la GC es típicamente 60-70 volátiles. El olor de la M. lewisii está compuesto predominantemente de monoterpenoides, incluyendo β-mirceno (acíclico) y α-pineno, con el resto del compuesto de aroma volátiles seis átomos de carbono, tales como 2-hexanol, y sesquiterpenoides que comprenden <1% del espacio de cabeza.

GCMR toma ventaja de la sensibilidad de las neuronas del lóbulo antenal, así como el procesamiento neuronal de volátiles biológicamente importantes. Sin embargo, los canales múltiples grabaciones de esta naturaleza, en efecto, tomar una muestra aleatoria de las neuronas en el lóbulo antenal. Esto es debido a ligeros cambios en la posición de la posición de la sonda entre las diferentes preparaciones pueden causar la matriz de grabación para muestrear diferentes neuronas. Además, las posiciones exactas y morphologies de las neuronas registradas son desconocidos porque la grabación es extracelular. Para adaptarse a estos efectos, que suelen ejecutar experimentos GCMR con 8 a 16 preparados, con 8 a 18 unidades neurales en cada preparación. Para fines de ilustración, sin embargo, usaremos datos de sólo una preparación (8 unidades).

De los experimentos GCMR, hemos encontrado que las unidades son sorprendentemente selectivo en su respuesta a los compuestos volátiles, tal como se representa en la figura 3A. La traza inferior (en negro) indica el cromatograma de iones, en el que cada pico corresponde a un volátil dado que está llegando en el detector con el tiempo. La traza superior (azul) muestra las respuestas de la frecuencia de disparo de una unidad. Respuestas de la unidad se calcularon por binning el número de espigas producidas en un intervalo de 100 ms, y dividiendo por ese período de tiempo para producir la velocidad. En el ejemplo, la unidad neural es selectiva en respuesta a D-limoneno. Tenga en cuenta que, en esta unidad, el Firin espontáneatasa g todavía puede ser variable y está sujeta a fluctuaciones aleatorias. Sin embargo, las respuestas a D-limoneno estaban muy por encima del intervalo de confianza del 95%, según los cálculos de la varianza en las respuestas de la frecuencia de disparo a través del tiempo.

No todas las unidades, sin embargo, respondió a los volátiles de elución de la GC. De hecho, en promedio, aproximadamente el 50% de las unidades de registro en cada conjunto no respondieron (Figura 3B). Esto es sorprendente, dada la diversidad de compuestos volátiles en el espacio de cabeza floral que se eluye de la GC. Sin embargo, la proporción de unidades que no responden en un conjunto es sorprendentemente consistente entre las preparaciones, tal como se encuentran en estudios previos 13,14.

Más allá de las respuestas de las unidades individuales, el sistema GCMR también permite el análisis de las respuestas a nivel de población de los odorantes de elución de la GC. En el ejemplo mostrado aquí, hay selectividad conjunto fuerte para un grupo de varios odorantes ( trans-β-ocimeno, respectivamente) produjeron respuestas robustas en el conjunto, como se representa por la velocidad de disparo normalizado de cada unidad en el conjunto (escala de color).

Figura 1
Figura 1. Diagrama esquemático de espacio de cabeza de sorción y el sistema GCMR. (A) En el esquema, una flor está encerrado dentro de una bolsa de teflón, y el uso de una bomba de vacío, el aire de la bolsa es aspirado a través de una trampa volátil (Porapak Q) para concentrar la emitida volátiles. El aire se filtra y se devuelve a la flor cerrada. (B) La muestra de extracto de la cámara de aire floral es inyectared en el GC y el efluente de la columna se divide de tal manera que la mitad del flujo entra o bien el detector de ionización de llama GC, y la otra mitad de los efluentes se realiza por una línea de transferencia calentada y llega simultáneamente en la antena de la abeja. Los potenciales de acción del grupo AL neural se registran continuamente extracelularmente durante el min 20 de la entrega de olor a través de GC. Haga clic aquí para ampliar la cifra .

Figura 2
Figura 2. Clasificación de las unidades de grabado utilizando la matriz de grabación multi-canal (MR) en AL de la abeja. Los dos vástagos están separadas de tal modo que la matriz comprende un gran volumen de la AL. (A) La característica de forma de onda (por ejemplo amp litude, valle) de cada "pico" en la grabación tetrodo se pueden trazar en el espacio tridimensional. En el ejemplo mostrado aquí, la altura de cada pico en 3 de los 4 canales de grabación se representa en 3-D. Debido a que cada unidad tendrá su propia forma de espiga, las espigas de una unidad dada se agrupan juntas, permitiendo así que las unidades a identificar y separar el uno del otro. Unidades Ordenado mostraron claras diferencias en las respuestas de cocción (B, parcela raster) y la forma de onda (C) Posición de los cuatro canales en cada vástago previstas grabación de amplias zonas en el procesamiento de los glomérulos y neuropilo. La actividad neuronal se registró en cada uno de los cuatro canales, representados en tres dimensiones del espacio (como se muestra en A), y ordenados de acuerdo a las características de la forma de onda. Haga clic aquí para ampliar la cifra .

formas "> Figura 3
Figura 3. (A) Disparando histogramas de frecuencia de respuestas unitarias para los compuestos que eluyen de la M. lewisii espacio de cabeza extracto (3 inyección l) (traza de fondo, negro). Ciertos olores (por ejemplo, D-limoneno, flecha roja) evocó respuestas significativas en unidades (B) Respuesta de todas las unidades que se registraron a partir de la RM para cada sustancia odorífera eluye de la GC.. El diagrama de la superficie es de color de acuerdo a las respuestas de la frecuencia normalizada de disparo de las unidades individuales. Haga clic aquí para ampliar la cifra .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

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 un olor único que se percibe de forma diferente que a los componentes individuales 6,7,13,19,20. Investigación, realizados inicialmente en el sistema de feromona sexual de 12, y más recientemente en olores de los alimentos y relacionadas con la oviposición-13,20, se ha demostrado que la eficacia del comportamiento de la mezcla reside en función de unos pocos volátiles, clave en la mezcla, y que las mezclas de provocar respuestas de comportamiento significativamente mayores que los constituyentes individuales. La identificación de aquellos que son claveconstituyentes es, pues, un componente importante en la ecología química de hoy en día, así como la neurobiología olfativo.

Una variedad de técnicas han surgido en los últimos cincuenta años para la identificación de compuestos bioactivos que conducir el comportamiento de los insectos. La principal técnica para la detección de compuestos volátiles por la antena de insecto es la cromatografía de gas-electroantenografía (GC-EAG). EAG fue originalmente desarrollado por Schneider 21 años, que registra las pequeñas fluctuaciones de voltaje generalmente asumido que es causada por despolarizaciones eléctricas de muchas neuronas olfativas entre la punta y la base de la antena del insecto durante la estimulación. EAG se integró más tarde con la GC para la identificación precisa de los compuestos volátiles del espacio de cabeza que provocan respuestas antenales 12,22. Además, la grabación de las neuronas receptoras individuales de la antena de insecto se desarrolló más tarde 11,23 y acoplado con la GC para proporcionar un solo sensillum grabaciones, o GC-SSR. Launque GC-SSR es más mucho tiempo y es difícil de GC-EAG, las grabaciones de proporcionar información sobre las respuestas de las células individuales a través de los potenciales de acción en respuesta a la GC-efluentes, y permite la identificación de los receptores que están especializados para compuestos particulares que los podría pasarse por alto por GC-EAG 24.

La GC-EAG y técnicas de GC-SSR ofrecen la identificación de aquellos compuestos volátiles que provocan respuestas en la periferia, y por lo tanto involucradas en la recepción odorante. Técnicas más recientes han comenzado a examinar las respuestas en el sistema nervioso central de los mamíferos e insectos, y son por lo tanto implicada en la percepción odorante. Estas técnicas se dividen en dos grandes categorías: los métodos de formación de imágenes 25 denominada GC-I (cromatografía de gases-imagen) y directos (por ejemplo, los métodos electrofisiológicos GCMR). GC-I y GCMR ofrecen varias ventajas debido a la convergencia de las neuronas sensoriales a la proyección, o de salida, las neuronas en elAL, así como que estos métodos permiten la determinación de cómo odorantes se representan en el cerebro de los insectos. Además, los métodos similares se utilizan ahora en el cerebro de los mamíferos 25.

A pesar de estas ventajas, GCMR y GC I-ofrecer inconvenientes. El análisis de datos puede llevar mucho tiempo, y en el caso de la GCMR, proyecciones glomerulares de las unidades neurales grabadas son desconocidos, debido a las grabaciones son extracelular. Por otra parte, el insecto AL está inervado por varios diferentes tipos neuronales incluyendo neuronas de proyección (PN) y las interneuronas locales (LN), haciendo la identificación de las unidades difíciles grabados. Sin embargo, en la polilla, M. sexta, trabajos recientes han demostrado que las PN y el LNS puede ser identificado por el comportamiento de adición de las neuronas, permitiendo así la identificación de estos tipos de neuronas por su actividad espontánea 26. Sin embargo, GCMR y GC-I permite la identificación de los olores que activate neuronas receptoras especializadas que no pueden provocar respuestas fuertes EAG, así como determinar cómo la población de neuronas en el cerebro a procesar los compuestos volátiles. Un estudio comparativo de las diferentes metodologías no se ha realizado todavía, aunque nuestros datos preliminares sugieren que la GCMR puede ser más adecuado que la GC-EAG para aquellos compuestos que son bioactivos pero son a niveles de trazas en el extracto (Riffell resultados no publicados). El trabajo futuro puede examinar el trade-off en la sensibilidad de la detección de olores bioactivos con el tiempo de análisis entre las diferentes metodologías.

Aunque nos hemos centrado aquí en detallar los métodos de análisis que utilizamos para B. impatiens abejas y el olor de M. lewisii, el extracto y las especies de insectos utilizados se puede cambiar si se hacen ciertas modificaciones. Las especies de insectos se pueden colocar en diferentes puntas de pipeta (10 a 200 l), dependiendo de su tamaño. Las especies más grandes, como la polilla Manducasexta, se pueden colocar en los viales de muestra 6 ml. En tal forma, la preparación se mantiene vivo lo que permite grabaciones estables varias horas de duración.

Tomados en conjunto, los métodos analíticos para el aislamiento de los compuestos junto con los registros electrofisiológicos en el insecto cerebrales presentes potentes herramientas para la identificación de compuestos bioactivos, y cuando se utiliza conjuntamente con los experimentos de comportamiento, puede representar un medio para determinar los volátiles importantes relacionados con la alimentación comportamientos en los insectos 13, así como aquellos involucrados en host-sitio 2, y anfitriones de sangre comportamientos relacionados 27 que son importantes para las plagas agrícolas y vectores de enfermedades.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

No hay conflictos de interés declarado.

Acknowledgments

Este trabajo fue apoyado por NSF subvención IOS 1121692 y por la Universidad de la Fundación de Investigación de Washington.

Materials

Name 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

DOWNLOAD MATERIALS LIST

References

  1. Hildebrand, J. G., Shepherd, G. M. Mechanisms of olfactory: converging evidence for common principles across phyla. Annual Review of Neuroscience. 20, 595-631 (1997).
  2. Reisenman, C. E., Riffell, J. A., Bernays, E. A., Hildebrand, J. G. Antagonistic effects of floral scent in an insect-plant interaction. Proceedings of the Royal Society B: Biological Sciences. 277, 2371-2379 (2010).
  3. Reisenman, C. E., Riffell, J. A., Hildebrand, J. G. International Symposium on Olfaction and Taste. 1170, 462-467 (2009).
  4. Alarcón, R. Congruence between visitation and pollen-transport networks in a California plant-pollinator community. Oikos. 119, 35-44 (2010).
  5. Alarcón, R., Waser, N. M., Ollerton, J. Year-to-year variation in the topology of a plant-pollinator interaction network. Oikos. 117, 1796-1807 (2008).
  6. Riffell, J., et al. Behavioral consequences of innate preferences and olfactory learning in hawkmoth-flower interactions. P. Natl. Acad. Sci. U.S.A. 105, 3404-3409 (2008).
  7. De Moraes, C. M., Lewis, W. J., Pare, P. W., Alborn, H. T., Tumlinson, J. H. Herbivore-infested plants selectively attract parasitoids. Nature. 393, 570 (1998).
  8. Carey, A. F., Wang, G., Su, C. -Y., Zwiebel, L. J., Carlson, J. R. Odorant reception in the malaria mosquito Anopheles gambiae. Nature. 464, 66-71 (2010).
  9. Turner, S. L., et al. Ultra-prolonged activation of CO2-sensing neurons disorients mosquitoes. Nature. 474, 87-91 (2011).
  10. Pellegrino, M., Nakagawa, T., Vosshall, L. B. Single sensillum recordings in the insects Drosophila melanogaster and Anopheles gambiae. J Vis Exp. (36), e1725 (2010).
  11. Syed, Z., Leal, W. S. Electrophysiological measurements from a moth olfactory system. J. Vis. Exp. (49), e2489 (2011).
  12. Roelofs, W. L., Comeau, A., Hill, A., Milicevic, G. Sex attractant of the codling moth: characterization with electroantennogram technique. Science. 174, 297-299 (1971).
  13. Riffell, J. A., Lei, H., Christensen, T. A., Hildebrand, J. G. Characterization and coding of behaviorally significant odor mixtures. Current Biology. 19, 335-340 Forthcoming.
  14. Riffell, J. A., Lei, H., Hildebrand, J. G. Neural correlates of behavior in the moth Manduca sexta in response to complex odors. Proceedings of the National Academy of Sciences of the U.S.A. 106, 19219-19226 (2009).
  15. Raguso, R. A., Pellmyr, O. Dynamic headspace analysis of floral volatiles: a comparison of methods. Oikos. 81, 238-254 (1998).
  16. Rodriguez-Saona, C. R. Herbivore-induced blueberry volatiles and intra-plant signaling. J Vis Exp. e3440 (2011).
  17. Nguyen, D. P., et al. Micro-drive array for chronic in vivo recording: tetrode assembly. J Vis Exp. e1098 (2009).
  18. Schjetnan, A. G. P., Luczak, A. Recording large-scale neuronal ensembles with silicon probes in the anesthetized rat. J Vis Exp. e3282 (2011).
  19. Deisig, N., Giurfa, M., Lachnit, H., Sandoz, J. -C. Neural representation of olfactory mixtures in the honeybee antennal lobe. European Journal of Neuroscience. 24, 1161-1174 (2006).
  20. Stökl, J., et al. A deceptive pollination system targeting drosophilids through olfactory mimicry of yeast. Current Biology. 20, 1846-1852 (2010).
  21. Schneider, D. Elektrophysiologische untersuchungen von chemo- und mechanorezeptoren der antenne des seidenspinners Bombyx mori L. Journal of Comparative Physiology A: Neuroethology, Sensory, Neural, and Behavioral Physiology. 40, 8-41 (1957).
  22. Arn, H., Städler, E., Rauscher, S. The electroantennographic detector: a selective and senstitive tool in the gas chromatographic analysis of insect pheromones. Zeitschrift für Naturforschung. 30c, 722-725 (1975).
  23. Schneider, D., Boeckh, J. Rezeptorpotential und nervenimpulse einzelner olfaktorischer sensillen der insektenantenne. Journal of Comparative Physiology A: Neuroethology, Sensory, Neural, and Behavioral Physiology. 45, 405-412 (1962).
  24. Blight, M. M., Pickett, J. A., Wadhams, L. J., Woodcock, C. M. Antennal perception of oilseed rape Brassica napus (Brassicaceae) volatiles by the cabbage seed weevil Ceutorhynchus assimilis (Coleoptera, Curculionidae). Journal of Chemical Ecology. 21, 1649-1664 (1995).
  25. Lin, D. Y., Shea, S. D., Katz, L. C. Representation of natural stimuli in the rodent main olfactory bulb. Neuron. 50, 937-949 (2006).
  26. Lei, H., Reisenman, C. E., Wilson, C. H., Gabbur, P., Hildebrand, J. G. Spiking patterns and their functional implications in the antennal lobe of the tobacco hornworm Manduca sexta. PLoS ONE. 6, e23382 (2011).
  27. Syed, Z., Leal, W. S. Acute olfactory response of Culex mosquitoes to a human- and bird-derived attractant. Proceedings of the National Academy of Sciences. 106, 18803-18808 (2009).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics