Siamo grati a Stanislav Lazopulo per aiuto con il contenuto del video.

1. misurazione volare locomozione utilizzando Drosophila attività Monitor (diga) Nota: per maggiori dettagli vedi riferimento 5.
<ol><li>Preparare singoli tubi con cibo per volare su un'estremità e cotone da altro. Alla fine con il cibo dovrebbe essere sigillata per evitare il cibo si secchi.
	<ol><li>Mettere 5-6 g di alimento in un becher da mL 50. Tagliare il cibo in piccoli pezzi in modo che è più facile a sciogliersi it.</li>
		<li>32 collegare tubi di vetro singolo con un elastico.</li>
		<li>Sciogliere il cibo nel becher di riscaldamento nel forno a microonde per 10-15 fermata s. forno a microonde ogni 5 s e agitare accuratamente il becher per garantire parità di fusione di cibo.</li>
		<li>Mentre il cibo è ancora liquido, mettere i tubi singoli preparati nel becher con il cibo. Spostare su e giù i tubi così sono altrettanto pieni.</li>
		<li>Consenti il cibo per raffreddare e solidificare per circa 1 h.</li>
		<li>Dopo il cibo è solida, togliere le provette con il cibo dal becher.</li>
		<li>Sigillare l'estremità contenente il cibo utilizzando cera. In primo luogo, rimuovere attentamente un filmato utilizzando un tovagliolo di carta, quindi premere il tubo contro la cera. Visivamente verificare la qualità del sigillo e se necessario, ripetere la tenuta ancora.</li>
		<li>Chiudere l'altra estremità del tubo con cotone; cotone permetterà aria di passare attraverso mentre mantenendo una Mosca bloccato nel tubo.</li>
	</ol></li> <li>Inserire un singolo fly in ogni singolo tubo e inserire i tubi nella diga.</li>
	Monitor <li>posto in un'incubatrice che mantiene l'umidità e temperatura costante. Basato sull'esperimento, impostare come segue le giuste condizioni di luce/buio.
	<ol><li>Per esperimenti di chiaro/scuro tenere le mosche nel ciclo luce/buio per l'intero esperimento. Non utilizzare il primo giorno delle misurazioni nell'analisi.</li>
		<li>Per gli esperimenti di buio costante, in primo luogo tenere le mosche per due giorni in condizioni di luce/buio per la sincronizzazione degli orologi e trascinamento e quindi passare alla oscurità costante. Non utilizzare le misurazioni dal primo giorno di buio costante nell'analisi.</li>
	</ol></li> <li>Raccogliere almeno quattro giorni di dati che possono essere utilizzati nell'analisi. 
	Nota: Il sistema DAM emetterà un singolo file con una registrazione di locomozione di tutte le mosche nel monitor.</li>
</ol> 2. Analisi dei dati <ol><li>Split monitor file di output in più file di singola attività volare; ogni file deve essere una singola colonna &#39;. txt &#39; file con una misurazione individuale volare locomozione.</li>
	<li>Run &#39; ModelFitPS3.m &#39; funzione in una finestra di comando di Matlab con i seguenti parametri di input: <ol><li>per samplingrate, impostare l'intervallo di tempo di campionamento dei dati in pochi secondi. Ad esempio, se l'attività è stata misurata ogni minuto, immettere 60 come il samplingrate.</li>
		<li>Per bin_interval, impostare l'intervallo di tempo in minuti al quale i dati verranno cestinati per una migliore visualizzazione; l'intervallo consigliato bin è 20-30 min</li>
		<li>Per la tendenza, immettere &#34; 1 &#34; se i dati mostrano tendenza iniziale e &#34; 0 &#34; altrimenti; dati con tendenza saranno essere detrended prima di montare un polinomio di secondo ordine e quindi sottraendo i dati.</li>
	</ol></li> <li>Finestra popup nella quale selezionare un file di singola attività volare. 
	Nota: Il primo appezzamento è lo spettro di potenza di dati e non la trama di attività familiare. Dallo spettro della potenza tracciati, determinare il principale periodo T 0: fare clic con il pulsante sinistro del mouse sul picco circadiano, o con il pulsante destro del mouse sulla cima della seconda armonica (intorno T 0 / 2).</li>
	<li>Sulla trama di dati aperto, controllare se la mattina e sera cime sono ben visualizzati. In caso contrario, modificare il valore di bin_interval facendo clic destro in un punto qualsiasi del grafico e inserendo il nuovo valore di bin_interval nella finestra di dialogo. Il programma verrà aggiornate i dati con il nuovo valore dell'intervallo. Per accettare il valore di bin_interval, a sinistra fare clic sul grafico.</li>
	<li>Il programma sarà ridisegnare nuovamente i dati e Visualizza i primi cinque giorni di attività. Su questo terreno, fare clic sul primo picco M che verrà utilizzato nell'analisi (a volte è necessario saltare uno o due giorni). 
	Nota: Il programma verrà ridisegnare il grafico a partire dal picco mattina raccolti. Le linee blue e rosse mostrerà la posizione approssimativa della E con successivo giorno M picco, rispettivamente, basato sul periodo determinato nel passaggio 2.4.</li>
	<li>Sullo stesso grafico, scegliere dati per una vestibilità preliminare dei dati con il modello: fare clic sui seguenti punti (in questo ordine; si noti che la posizione di scatto sarà indicata con una stella rossa sul fondo): picco (i) Top di M; (ii) fine del picco M; (iii) inizio del picco E; (iv) la cima del picco E; (v) fine del picco E; (vi) la cima del picco M del giorno successivo.</li>
	<li>Si noti che il programma presenta ora lo spettro di potenza. 
	Nota: L'asse x è ora dato in frequenza.
	<ol><li>Nella finestra aperta con lo spettro di potenza, selezionare punti che verranno utilizzati per il montaggio l'espressione analitica per lo spettro di potenza del modello. Il periodo rilevato nel passaggio 2.4 è segnato con una linea rossa. Per selezionare punti di raccordo, innanzitutto determinare approssimativamente il periodo primario, simile al punto 2.4. Quindi utilizzando il dispositivo di scorrimento, ritocca il periodo primario valore affinché il raccordo punti (indicati con cerchi rossi, apparirà dopo aver spostato il cursore) sono chiusi per i valori di picco.</li>
	</ol></li> <li>Dopo la selezione di picco visual, fare clic su &#34; Accept &#34; e il programma adatterà punti selezionati con l'espressione analitica per calcolare i parametri di modello.</li>
	<li>Si noti che i parametri e l'errore di forma spettrale sono salvati nel file &#34; model_fit_parameters.txtŔ il programma salverà inoltre 2 figure con accoppiamenti dei dati dell'apparato locomotore e il suo spettro di potenza.</li>
</ol>

<ol>
	<li>Pittendrigh, C. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Circadian+systems:+general+perspective.">Circadian systems: general perspective.</a> Biological Rhythms. II, 57-80 (1981).</li><li>Zhang, E. E., Kay, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clocks+not+winding+down:+unravelling+circadian+networks.">Clocks not winding down: unravelling circadian networks.</a> Nat Rev Mol Cell Biol. 11 (11), 764-776 (2010).</li><li>Tataroglu, O., Emery, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+molecular+ticks+of+the+Drosophila+circadian+clock.">The molecular ticks of the Drosophila circadian clock.</a> Curr Opin Insect Sci. 7, 51-57 (2015).</li><li>Plautz, J. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+analysis+of+Drosophila+period+gene+transcription+in+living+animals.">Quantitative analysis of Drosophila period gene transcription in living animals.</a> J Biol Rhythms. 12 (3), 204-217 (1997).</li><li>Chiu, J. C., Low, K. H., Pike, D. H., Yildirim, E., Edery, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Assaying+locomotor+activity+to+study+circadian+rhythms+and+sleep+parameters+in+Drosophila.">Assaying locomotor activity to study circadian rhythms and sleep parameters in Drosophila.</a> J Vis Exp. (43), e2157 (2010).</li><li>Helfrich-F&#246;rster, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Differential+control+of+morning+and+evening+components+in+the+activity+rhythm+of+Drosophila+melanogaster--sex-specific+differences+suggest+a+different+quality+of+activity.">Differential control of morning and evening components in the activity rhythm of Drosophila melanogaster--sex-specific differences suggest a different quality of activity.</a> J Biol Rhythms. 15 (2), 135-154 (2000).</li><li>Dautzenberg, F. M., Neysari, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Irreversible+binding+kinetics+of+neuropeptide+Y+ligands+to+Y2+but+not+to+Y1+and+Y5+receptors.">Irreversible binding kinetics of neuropeptide Y ligands to Y2 but not to Y1 and Y5 receptors.</a> Pharmacology. 75 (1), 21-29 (2005).</li><li>Lazopulo, A., Syed, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+mathematical+model+provides+mechanistic+links+to+temporal+patterns+in+Drosophila+daily+activity.">A mathematical model provides mechanistic links to temporal patterns in Drosophila daily activity.</a> BMC Neuroscience. 17 (1), 14 (2016).</li><li>Donelson, N., Kim, E. Z., Slawson, J. B., Vecsey, C. G., Huber, R., Griffith, L. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=High-resolution+positional+tracking+for+long-term+analysis+of+Drosophila+sleep+and+locomotion+using+the+&amp;#34;tracker&amp;#34;+program.">High-resolution positional tracking for long-term analysis of Drosophila sleep and locomotion using the &amp;#34;tracker&amp;#34; program.</a> PloS ONE. 7 (5), e37250 (2012).</li><li>Schlichting, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Neural+Network+Underlying+Circadian+Entrainment+and+Photoperiodic+Adjustment+of+Sleep+and+Activity+in+Drosophila.">A Neural Network Underlying Circadian Entrainment and Photoperiodic Adjustment of Sleep and Activity in Drosophila.</a> J Neurosci. 36 (35), 9084-9096 (2016).</li><li>Guo, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Circadian+neuron+feedback+controls+the+Drosophila+sleep-activity+profile.">Circadian neuron feedback controls the Drosophila sleep-activity profile.</a> Nature. 536 (7616), 292-297 (2016).</li></ol>

Gli autori non hanno nulla a rivelare.

Questo lavoro presenta le istruzioni per l'utilizzo di uno strumento computazionale che fornisce una descrizione quantitativa del pattern di locomozione volare. Lo strumento si inserisce dati di locomozione con un modello matematico che consiste di quattro termini esponenziali che descrivono la forma e le dimensioni delle cime M ed E. I valori finali per i parametri di modello sono ottenuti da montaggio gli spettri di potenza dei dati, dove l'uso dei dati grezzi può evitare effetti artefactual che dati binning o filtraggio possono imporre sui valori dei parametri. I parametri di modello consente quindi di ulteriore studio di locomozione volare e i meccanismi che danno luogo a picchi di attività.
La qualità del raccordo può essere valutata in due modi: tramite l'osservazione visiva dello spettro di potenza adatta e utilizzando l'errore di adattamento (somma residua dei quadrati) che viene calcolato con i parametri. Uno dei fattori chiavi che influenza la qualità adatta è la determinazione del periodo circadiano T0 (passo 2.8 del protocollo). Questo valore di T0 colpisce la stima dei picchi nei parametri di modello e spettro di potenza. Un altro passo fondamentale che influenza la qualità adatta è la selezione del punto di partenza per una vestibilità preliminare dei dati (passaggio di protocollo 2.7), dal TM e TE i valori sono definiti attraverso questa selezione. L'utente può esplorare più adatta risultati scegliendo diversi giorni di attività per la definizione di TM e TE.
Il nostro modello è focalizzato sulla che imita il comportamento motorio descritta bene clock controllato con prominente due picchi di attività. Questo comportamento è osservato sia in chiaro/scuro e in condizioni di buio costante, che rende l'approccio applicabile a questi due tipi di esperimenti. Tuttavia, il modello non prendere in considerazione la luce guidato scoppio di attività osservata in alcuni esperimenti di chiaro/scuro. Un'altra limitazione deriva dall'estrazione di parametri di modello che richiedono l'input dell'utente (passaggi di protocollo 2,7-2,9). Poiché i parametri TMe TET0 sono ottenuti dall'input dell'utente, ogni attività volare dovrebbero essere analizzati manualmente. Inoltre, è consigliabile utilizzare il metodo con attività individuali, piuttosto che con una popolazione media recording, poiché la procedura di calcolo della media nasconde molte importanti differenze individuali nella locomozione volare. Anche se può sembrare ingombrante per gran numero di mosche, analizzando volare attività singolarmente, l'utente ottiene preziose informazioni statistiche sul grado di variazione dei parametri all'interno di un gruppo di animali. Per trascurare questi benefici, è possibile generare una locomozione volare una media di popolazione e analizzarlo per ottenere i valori di parametro medio.
Il modello utilizzato in questo lavoro è una versione migliorata della forma d'onda dalla nostra precedente ricerca8. A differenza del modello precedente, ha parametri distinti per altezze dei picchi M ed E, H,M e HE, rispettivamente. Il nuovo modello Mostra prevedibilmente migliore accordo con dati relativi all'attività di volare, poiché la mattina e sera picchi in genere hanno altezze diverse.
Questa analisi non è limitata a volare locomozione misurata con la tecnica a raggi infrarossi. Altri metodi, ad esempio dei video-monitoraggio, producono modelli simili di attività quotidiana volare con M ed E vette mostrando dinamica esponenziale di crescita e decadimento9. Lo strumento discusso qui può essere applicato facilmente a questi insiemi di dati alternativi pure.
Il metodo illustrato qui quantifica volare locomotore registrazioni con l'obiettivo di collegare uscita comportamento ai meccanismi di fondo che regolano volare comportamento quotidiano e controllare il modello di attività bimodale. Parecchi studi recenti finalizzata alla identificazione di neuroni e substrati tale forma M e picchi di attività E10,11. I ricercatori hanno manipolato l'attività di alcuni gruppi neuronali e analizzato il loro ruolo nella formazione del picco sera osservando cambiamenti nella fase del picco E di altezza e. Nel nostro modello, i parametri HE determina l'altezza del picco E, TE dà la larghezza del picco, e parametri bER e bED a descrivere la forma di picco. Come descritto nel riferimento8, in un contesto biochimico HE possono indicare la misura dei livelli di neuropeptidi NPF e ITP, mentre bER e bED possono rappresentare le tariffe del loro rilascio e la degradazione. Insieme, che questi parametri possono essere utilizzati in futuro studi per connetterti meglio Vola comportamento con neuromodulatory segnalazione, verso una descrizione integrata dei modelli bimodale in ritmi locomotore volare.

L'orologio circadiano è un oscillatore endogeno biochimico con un periodo di circa 24 ore ed è quasi onnipresente in animali e piante di1,2. L'orologio consente di sincronizzare i processi interni e il comportamento per il ciclo di buio luce esterno di un organismo. La struttura genetica dell'orologio circadiano è stato ampiamente studiata dal 1960 utilizzando il moscerino della frutta, d. melanogaster. In questo insetto, il nucleo dell'orologio circadiano è costituito da quattro proteine: periodo, TIMELESS, orologio e ciclo. Questi componenti di base insieme ad altre molecole formano un ciclo di feedback che produce quasi sinusoidale oscillazioni di geni orologio3,4. L'orologio circadiano in mosche è ampiamente studiato utilizzando registrazioni locomotore multiday dove volare l'attività viene rilevata con un singolo raggio infrarosso attraversando la metà di un singolo tubo di5. Una Mosca tipica registrazione ha un complesso modello bimodale con due picchi ben distinguibili: picco di mattina (M) che inizia alla fine della notte e ha un massimo quando le luci si accendono; e picco di sera (E) che inizia alla fine della giornata e ha un massimo quando le luci sono spente6. È interessante notare che, la forma di tale registrazione del comportamento è molto diversa dalle oscillazioni sinusoidali semplice osservate a livello molecolare, suggerendo l'azione di meccanismi aggiuntivi che contribuiscono ai pattern temporale osservato. Per comprendere meglio questi meccanismi nascosti, abbiamo sviluppato uno strumento computazionale che fornisce una descrizione quantitativa degli schemi temporali.
Nel nostro lavoro, ritmi locomotore sono definiti in termini di una forma d'onda che imita il modello di attività di volare. Poiché onde sinusoidali semplice non può essere utilizzate per modellare i cambiamenti ritmici osservati nell'attività, abbiamo testato varie forme di segnale per selezionare quello più semplice che cattura tutte le caratteristiche salienti vista nelle registrazioni. Mosca della frutta circadiano comportamento è controllato dall'attività dei neuroni di orologio che spesso hanno modelli esponenziali di attivazione e disattivazione7. La dinamica esponenziale e l'analisi visiva dei dati ci ha motivato a costruire un modello con termini esponenziali che consiste di quattro esponenti con nove parametri indipendenti e molto somiglianti l'attività volare modello8. Oltre ai dati dell'apparato locomotore, analizziamo anche il suo spettro di potenza. Spettro di attività tipica di volare Mostra picchi multipli alle armoniche T02, T,0, 3, ecc., oltre il picco fondamentale previsto presso il periodo circadiano T0. Secondo il teorema di Fourier, solo un'onda sinusoidale pura produce un singolo picco negli spettri di potenza, mentre più complesse forme d'onda mostrano picchi spettrali più alle armoniche del periodo primario (Figura 1). Pertanto, dato il modello temporale non sinusoidale in attività volare8, uno spettro di potenza multi-picco dei dati è matematicamente previsto e non implica necessariamente la presenza di più periodi di oscillazione. D'importanza, lo spettro di potenza della forma d'onda di modello proposto Mostra anche picchi presso tutte le armoniche del periodo primario, simile alle registrazioni locomotore volare, sottolineando così l'alta fedeltà con cui il nostro modello descrive dati volare nel tempo e in frequenza.
A risoluzioni di tempo di pochi minuti o meno, volare attività dati appare rumorosi, rendendo difficile per estrarre i parametri direttamente dai dati grezzi. Binning dati in intervalli di tempo più lungo possono diminuire il livello di rumore, ma, possono modificare i dati in modi che possono influenzare la stima dei parametri del modello. Otteniamo quindi i parametri da spettri di potenza delle registrazioni, utilizzando un'espressione analitica per gli spettri di potenza previsto calcolati dalla trasformata di Fourier della funzione modello8 (Vedi ulteriore File 1 di riferimento8). Questo approccio di ottenere parametri dagli spettri di potenza produce i valori dei parametri precisi senza qualsiasi ulteriori manipolazioni, come binning o filtrare, i dati di attività crudo. Dettagli matematici del modello e delle applicazioni ai dati wild-type e mutanti sono descritti in riferimento8. Il protocollo presentato qui si concentra sulle istruzioni dettagliate per utilizzare lo strumento computazionale.

<table border="0" cellpadding="0" cellspacing="0" width="1389">
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:296px;">Drosophila Activity Monitor</td>
			<td style="width:81px;">TriKinetics</td>
			<td style="width:201px;">DAM2, DAM5</td>
			<td style="width:811px;">Measures fly locootion using single infrared beam</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:296px;">MatLab</td>
			<td style="width:81px;">Mathworks</td>
			<td style="width:201px;"></td>
			<td>Computing environment and programming language, MatLab should include Optimization and Symbolic Math toolboxes</td>
		</tr>
		<tr height="20">
			<td height="20" style="height:21px;width:296px;">Drosophila melanogaster&#160;</td>
			<td style="width:81px;"></td>
			<td style="width:201px;">per[S], per[L], iso31(wild type)</td>
			<td>Our analysis can be performed with fly mutants of any circadian period</td>
		</tr>
	</tbody>
</table>

a computational method to quantify fly circadian activity

Nella maggior parte dei animali e piante, orologi circadiani orchestrano processi comportamentali e molecolari e sincronizzarli con il ciclo giornaliero di chiaro-scuro. Meccanismi fondamentali che sono alla base di questo controllo temporale sono ampiamente studiati usando il Mosca di frutta melanogaster della drosofila come organismo modello. In mosche, l'orologio è in genere studiato analizzando multiday registrazione dell'apparato locomotore. Una registrazione di tale Mostra un complesso modello bimodale con due picchi di attività: un picco di mattina che accade intorno all'alba con un picco di sera che accade intorno al tramonto. Questi due picchi di forma insieme una forma d'onda che è molto diversa da oscillazioni sinusoidali osservata nei geni dell'orologio, suggerendo che i meccanismi oltre l'orologio hanno effetti profondi nella produzione i modelli osservati in dati comportamentali. Qui forniamo le istruzioni sull'utilizzo di un metodo computazionale sviluppato di recente che descrive matematicamente schemi temporali nell'attività di volare. Il metodo si inserisce dati di attività con una forma d'onda modello che consiste di quattro termini esponenziali e nove parametri indipendenti che descrivono completamente la forma e la dimensione della mattina e sera picchi di attività. I parametri estratti possono contribuire a delucidare i meccanismi cinetici di substrati che sottendono i modelli di attività bimodale comunemente osservata nei ritmi locomotore volare.

Il metodo presentato qui permette la quantificazione delle caratteristiche principali nel modello di locomozione volare. La quantificazione avviene inserendo i dati di attività con un modello che consiste di quattro termini esponenziali:
<img alt="Equation 1" src="/files/ftp_upload/55977/55977eq1.jpg">
Il modello dispone di nove parametri indipendenti che descrivono il modello di attività. I parametri bMD,bMR,bEDe bER definire i tassi di decadimento di mattina (MD), aumento di mattina (MR), sera di decadimento (ED) e aumento di sera (ER), rispettivamente. Parametro T0 definisce periodo circadiano, TM e TE definire larghezze delle cime M ed E e HM e HE definire altezze dei picchi M ed E.
Valori dei parametri sono ottenuti dai dati non filtrati in pochi passaggi (Figura 2). In primo luogo, è fissato un periodo circadiano dallo spettro di potenza di attività (punto 2.4 del protocollo). Quindi, i valori dei parametri preliminari vengono estratti dalla locomozione registrazione inserendo con la f (t) (passaggi di protocollo 2,5-2,6). Questi valori servono come ipotesi iniziale per il montaggio lo spettro di potenza di dati con un'espressione analitica derivata in8 (file aggiuntivo 1 in riferimento8) prendendo la trasformata di Fourier di f (t):
<img alt="Equation 2" src="/files/ftp_upload/55977/55977eq2.jpg">
dove Tn = T0/n, con n = 1, 2,3... T0 corrisponde al periodo circadiano (protocollo passi 2.7-2.8). Utilizzando la misura spettrale, i parametri del modello vengono estratti dalla locomozione volare senza filtraggio o binning. Montaggio dello spettro di potenza produce valori finali per i parametri di modello, che vengono poi utilizzati per costruire lo stadio evolutivo finale di f (t), vale a dire, il modello di volare ritmi dell'apparato locomotore.
Nel modello, i parametri b possono essere negativo o positivo, che riflettono la curvatura dei corrispondenti termini esponenziali. I parametri bMD e bER sono positivi quando gli esponenti sono convesse e negativo quando gli esponenti sono concavi, mentre i parametri bMR e bED sono positivi quando gli esponenti sono concavi e negativi quando la gli esponenti sono convessi. In generale, per gli esponenti che descrive il picco M, l'aumento nei parametri b indica più lento aumento o decadimento, e per gli esponenti che descrive il picco E, l'aumento nei parametri b indica più veloce aumento o decadimento.
La figura 3 Mostra esempi delle misure ottenute con questo algoritmo. Picchi spettrali a T0 e armoniche da T02 a T010 sono montati (Figura 3A). Altre armoniche in genere abbiano altezza inferiore al livello di significatività di 0,05 e pertanto non vengono utilizzati nell'analisi. Parametri ottenuti dal fit spettrale sono utilizzati per costruire un modello per la locomozione volare (Figura 3B, rosso). Il metodo funziona sia per mosche wild-type (Figura 3, pannello superiore) mutanti circadiani alterato lunghezze periodo (Figura 3, pannelli centro e in basso). Per ulteriori esempi e collegamenti tra il modello e la biologia sottostante, fare riferimento a Lazopulo et al. 8 risultati dalla procedura di montaggio vengono salvati in un file nel seguente ordine: bMD,bMR,bER,bED, T0, TM/t0, TE / T0, HM, HE (tabella 1). Il programma salva anche nel file di output l'errore di adattamento della fit spettrale, 'Err', che viene calcolato come somma dei quadrati dei residui (somma residua dei quadrati) normalizzati per il quadrato della massima dello spettro di potenza di dati.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/55977/55977fig1.jpg"> 
Figura 1 . Spettri di diverse forme d'onda di potenza. Secondo il teorema di Fourier, solo un'onda sinusoidale viene illustrato un singolo picco in uno spettro di potenza, mentre forme d'onda più complesse, come onda quadrata o a dente di sega, mostrano ulteriori picchi alle armoniche del periodo primario. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55977/55977fig1large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/55977/55977fig2.jpg"> 
Figura 2 . Rappresentazione schematica dell'algoritmo parametro-estrazione. Parametro finale vengono ottenuti dalla montaggio lo spettro di potenza. Poiché la procedura di montaggio può essere sensibile ai valori iniziali, l'algoritmo utilizza preliminari valori calcolati dai dati di locomozione e li aggiorna utilizzando lo spettro di potenza. I valori di parametro finale vengono utilizzati per costruire f (t) che meglio descrive i dati. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55977/55977fig2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/55977/55977fig3.jpg"> 
Figura 3 . Risultati rappresentativi del metodo che quantifica volano locomozione utilizzando una forma d'onda modello. (A) i parametri del modello vengono estratti dal raccordo i primi dieci picchi dello spettro di potenza. (B) i parametri ottenuti vengono utilizzati per costruire un modello di attività. Il metodo può essere applicato al tipo selvaggio mosche (pannello superiore) o mutanti con breve (pannelli) e lungo i ritmi circadiani (pannello inferiore). <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55977/55977fig3large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>volare il genotipo</td>
			<td>bMD (1/min)</td>
			<td>bMR (1/min)</td>
			<td>bED (1/min)</td>
			<td>bER (1/min)</td>
			<td>T0 (min)</td>
			<td>TM/t0</td>
			<td>TE/t0</td>
			<td>HM</td>
			<td>HE</td>
		</tr>
		<tr>
			<td>wild-type</td>
			<td>0.0094</td>
			<td>0.2077</td>
			<td>-0.0383</td>
			<td>0.0606</td>
			<td>1438</td>
			<td>0.1528</td>
			<td>0,0833</td>
			<td>5.2238</td>
			<td>8.7185</td>
		</tr>
		<tr>
			<td>breve circadiano mutante</td>
			<td>0,015</td>
			<td></td></tr></tbody></table>> 0,0086
			<td>0.5353</td>
			<td>0.0227</td>
			<td>1130</td>
			<td>0,1404</td>
			<td>0.2632</td>
			<td>6.5481</td>
			<td>7.3757</td>
		
		<tr>
			<td>lungo circadiano mutante</td>
			<td>0.0069</td>
			<td>0,0151</td>
			<td>0.1035</td>
			<td>0.9238</td>
			<td>1701</td>
			<td>0.2299</td>
			<td>0.2644</td>
			<td>7.2541</td>
			<td>3.415</td>
		</tr>
	

Tabella 1. Esempio di parametri estratti da montaggio gli spettri di potenza, illustrati nella Figura 3. Il programma restituisce i valori di parametro finale al file "model_parameters.txt" come mostrato nella tabella.

Watch this Scientific Journal Video about A Computational Method to Quantify Fly Circadian Activity at JoVE.com

A Computational Method to Quantify Fly Circadian Activity

Un metodo di calcolo per quantificare le attività circadiana volare

Viene presentato un metodo per quantificare le caratteristiche principali di temporale vista in volare ritmi circadiani dell'apparato locomotore. La quantificazione avviene inserendo attività di volare con una forma d'onda modello multi-parametrico. I parametri del modello descrivono la forma e la dimensione della mattina e sera picchi di attività quotidiana.

In most animals and plants, circadian clocks orchestrate behavioral and molecular processes and synchronize them to the daily light-dark cycle. ...

a-computational-method-to-quantify-fly-circadian-activity

Nanyang Technological University

Research

JoVE Journal

Behavior

5.9K Views.  University of Miami. Viene presentato un metodo per quantificare le caratteristiche principali di temporale vista in volare ritmi circadiani dell'apparato locomotore. La quantificazione avviene inserendo attività di volare con una forma d'onda modello multi-parametrico. I parametri del modello descrivono la forma e la dimensione della mattina e sera picchi di attività quotidiana.

Video: A Computational Method to Quantify Fly Circadian Activity

Topographical Estimation of Visual Population Receptive Fields by fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic resonance imaging allows us to estimate voxel-based population receptive fields (pRF), i.e., the part of the visual field that activates the cells within each voxel. Prior, direct, pRF estimation methods1 suffer from certain limitations: 1) the pRF model is chosen a-priori and may not fully capture the actual pRF shape, and 2) pRF centers are prone to mislocalization near the border of the stimulus space. Here a new topographical pRF estimation method2 is proposed that largely circumvents these limitations. A linear model is used to predict the Blood Oxygen Level-Dependent (BOLD) signal by convolving the linear response of the pRF to the visual stimulus with the canonical hemodynamic response function. PRF topography is represented as a weight vector whose components represent the strength of the aggregate response of voxel neurons to stimuli presented at different visual field locations. The resulting linear equations can be solved for the pRF weight vector using ridge regression3, yielding the pRF topography. A pRF model that is matched to the estimated topography can then be chosen post-hoc, thereby improving the estimates of pRF parameters such as pRF-center location, pRF orientation, size, etc. Having the pRF topography available also allows the visual verification of pRF parameter estimates allowing the extraction of various pRF properties without having to make a-priori assumptions about the pRF structure. This approach promises to be particularly useful for investigating the pRF organization of patients with disorders of the visual system.

It is important to obtain unbiased estimates of visual population receptive fields (pRFs) by functional magnetic resonance imaging. We use mild regularization constraints to estimate pRF topography without a-priori assumptions about pRF shape, allowing us to choose specific pRF models post-hoc. This is particularly advantageous in subjects with visual-pathway lesions.

Stima topografica Visual Popolazione ricettivo campi da fMRI

Visual cortex is retinotopically organized so that neighboring populations of cells map to neighboring parts of the visual field. Functional magnetic ...

Ricerca

Comportamento

A Method for Remotely Silencing Neural Activity in Rodents During Discrete Phases of Learning

This protocol describes how to temporarily and remotely silence neuronal activity in discrete brain regions while animals are engaged in learning and memory tasks. The approach combines pharmacogenetics (Designer-Receptors-Exclusively-Activated-by-Designer-Drugs) with a behavioral paradigm (sensory preconditioning) that is designed to distinguish between different forms of learning. Specifically, viral-mediated delivery is used to express a genetically modified inhibitory G-protein coupled receptor (the Designer Receptor) into a discrete brain region in the rodent. Three weeks later, when designer receptor expression levels are high, a pharmacological agent (the Designer Drug) is administered systemically 30 min prior to a specific behavioral session. The drug has affinity for the designer receptor and thus results in inhibition of neurons that express the designer receptor, but is otherwise biologically inert. The brain region remains silenced for 2-5 hr (depending on the dose and route of administration). Upon completion of the behavioral paradigm, brain tissue is assessed for correct placement and receptor expression. This approach is particularly useful for determining the contribution of individual brain regions to specific components of behavior and can be used across any number of behavioral paradigms.

This protocol describes how to temporarily and remotely silence neuronal activity in discrete brain regions while rats are engaged in learning and memory tasks. The approach combines pharmacogenetics (Designer-Receptors-Exclusively-Activated-by-Designer-Drugs) with a behavioral paradigm (sensory preconditioning) that is designed to distinguish between different components of learning.

Un metodo per Remotely Silencing Neural Activity in Roditore Durante Fasi discreti di apprendimento

This protocol describes how to temporarily and remotely silence neuronal activity in discrete brain regions while animals are engaged in learning and ...

A Method to Quantify Visual Information Processing in Children Using Eye Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational methods, it is difficult to make a quantitative assessment of a child's visual problems. This limits accurate diagnostics in children under the age of 4 years and in children with intellectual disabilities. Here we describe a quantitative method that overcomes these problems. The method uses a remote eye tracker and a four choice preferential looking paradigm to measure eye movement responses to different visual stimuli. The child sits without head support in front of a monitor with integrated infrared cameras. In one of four monitor quadrants a visual stimulus is presented. Each stimulus has a specific visual modality with respect to the background, e.g., form, motion, contrast or color. From the reflexive eye movement responses to these specific visual modalities, output parameters such as reaction times, fixation accuracy and fixation duration are calculated to quantify a child's viewing behavior. With this approach, the quality of visual information processing can be assessed without the use of communication. By comparing results with reference values obtained in typically developing children from 0-12 years, the method provides a characterization of visual information processing in visually impaired children. The quantitative information provided by this method can be advantageous for the field of clinical visual assessment and rehabilitation in multiple ways. The parameter values provide a good basis to: (i) characterize early visual capacities and consequently to enable early interventions; (ii) compare risk groups and follow visual development over time; and (iii), construct an individual visual profile for each child.

A method is described to quantify the quality of visual information processing based on reflexive eye movements in response to specific visual modalities. Reaction times and fixation output parameters are used to characterize visual performance in children with and without visual impairments from 6 months of age.

Un metodo per quantificare Visual Information Processing in bambini che utilizzano Eye Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational ...

Psychophysical Tracking Method to Measure Taste Preferences in Children and Adults

The Monell two-series, forced-choice, paired-comparison tracking method provides a reliable measure of sweet taste preferences from childhood to adulthood. The method, which is identical for children, adolescents, and adults, is of short duration (&#60; 15 min), does not rely on sustained attention or place demands on memory (which would yield spurious age differences), and minimizes the impact of language development, making this method amenable to the cognitive limitations of pediatric populations. In this whole-mouth tasting method, subjects are asked to taste (without swallowing) pairs of solutions of different sucrose concentrations and to point to the solution they prefer. Each subsequent pair contains the participant&#39;s preceding preferred concentration and an adjacent stimulus concentration. The procedure continues until the subject chooses either a given concentration of sucrose when paired with both a higher and a lower concentration, or the highest or lowest concentration two consecutive times. Subjects are prevented from reaching response criteria on the basis of first or second position bias by the two-series design of the method, which counterbalances the order of solution presentation within each pair between the series (the weaker concentration is presented first in Series 1, second in Series 2). The geometric mean of the two sucrose concentrations chosen in Series 1 and 2 is an estimate of the participant&#39;s most preferred level of sucrose. Sucrose preference as determined with this laboratory-based measure has been shown to be associated with preference for sugars in foods and beverages and with taste receptor genotype, family history of alcoholism, and race/ethnicity, as well as depressive symptomatology among pediatric populations. The method has real-world relevance and has been applied to determine most preferred level of other tastes (e.g., salt), making it a valuable psychophysical tool.

Sweet taste has powerful hedonic appeal among people of all ages, particularly children. Described herein is a reliable and valid method that can be used to determine the level of sweetness most preferred, making it a valuable psychophysical tool for scientists.

Psicofisico monitoraggio metodo per misurare preferenze alimentari nei bambini e adulti

The Monell two-series, forced-choice, paired-comparison tracking method provides a reliable measure of sweet taste preferences from childhood to ...

A Method to Test the Effect of Environmental Cues on Mating Behavior in Drosophila melanogaster

An individual's sexual drive is influenced by genotype, experience and environmental conditions. How these factors interact to modulate sexual behaviors remains poorly understood. In Drosophila melanogaster, environmental cues, such as food availability, affect mating activity offering a tractable system to investigate the mechanisms modulating sexual behavior. In D. melanogaster, environmental cues are often sensed via the chemosensory gustatory and olfactory systems. Here, we present a method to test the effect of environmental chemical cues on mating behavior. The assay consists of a small mating arena containing food medium and a mating couple. The mating frequency for each couple is continuously monitored for 24 h. Here we present the applicability of this assay to test environmental compounds from an external source through a pressurized air system as well as manipulation of the environmental components directly in the mating arena. The use of a pressurized air system is especially useful to test the effect of very volatile compounds, while manipulating components directly in the mating arena can be of value to ascertain a compound's presence. This assay can be adapted to answer questions about the influence of genetic and environmental cues on mating behavior and fecundity as well as other male and female reproductive behaviors.

A Method to Test the Effect of Environmental Cues on Mating Behavior in Drosophila melanogaster

We demonstrate an assay to analyze the environmental and genetic cues that influence mating behavior in the fruit fly Drosophila melanogaster.

Un metodo per testare l &#39;effetto dei segnali ambientali sul comportamento di accoppiamento in<em&gt; Drosophila melanogaster</em

An individual's sexual drive is influenced by genotype, experience and environmental conditions. How these factors interact to modulate sexual behaviors ...

A Method to Study Adaptation to Left-Right Reversed Audition

An unusual sensory space is one of the effective tools to uncover the mechanism of adaptability of humans to a novel environment. Although most of the previous studies have used special spectacles with prisms to achieve unusual spaces in the visual domain, a methodology for studying the adaptation to unusual auditory spaces has yet to be fully established. This study proposes a new protocol to set-up, validate, and use a left-right reversed stereophonic system using only wearable devices, and to study the adaptation to left-right reversed audition with the help of neuroimaging. Although individual acoustic characteristics are not yet implemented, and slight spillover of unreversed sounds is relatively uncontrollable, the constructed apparatus shows high performance in a 360&#176; sound source localization coupled with hearing characteristics with little delay. Moreover, it looks like a mobile music player and enables a participant to focus on daily life without arousing curiosity or drawing attention of other individuals. Since the effects of adaptation were successfully detected at the perceptual, behavioral, and neural levels, it is concluded that this protocol provides a promising methodology for studying adaptation to left-right reversed audition, and is an effective tool for uncovering the adaptability of humans to a novel environments in the auditory domain.

The present study proposes a protocol to investigate the adaptation to left-right reversed audition achieved only by wearable devices, using neuroimaging, which can be an effective tool for uncovering the adaptability of humans to a novel environment in the auditory domain.

Un metodo per studiare l'adattamento a sinistra-destra invertita Audition

An unusual sensory space is one of the effective tools to uncover the mechanism of adaptability of humans to a novel environment. Although most of the ...

Visual Classical Conditioning in Wood Ants

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, studies implementing classical conditioning paradigms with harnessed insects have been important for investigating the exact cues that individuals learn and the neural mechanisms underlying learning and memory formation. Here we present a protocol for evoking visual associative learning in wood ants through classical conditioning. In this paradigm, ants are harnessed and presented with a visual cue (a blue cardboard), the conditional stimulus (CS), paired with an appetitive sugar reward, the unconditional stimulus (US). Ants perform a Maxilla-Labium Extension Reflex (MaLER), the unconditional response (UR), which can be used as a readout for learning. Training consists of 10 trials, separated by a 5-minute intertrial interval (ITI). Ants are also tested for memory retention 10 minutes or 1 hour after training. This protocol has the potential to allow researchers to analyze, in a precise and controlled manner, the details of visual memory formation and the neural basis of learning and memory formation in wood ants.

We present a protocol for the classical conditioning of harnessed ants that permits researchers to study visual learning and memory formation at a level of analysis not possible with freely moving individuals.

Visual condizionamento classico in legna formiche

Several species of insects have become model systems for studying learning and memory formation. Although many studies focus on freely moving animals, ...

Modified Blood Collection from Tail Veins of Non-anesthetized Mice with a Vacuum Blood Collection System and Eyeglass Magnifier

Blood sample collection is the basis of experimental animal research. It is of importance to obtain adequate blood samples for various research purposes. The tail veins of mice are small, and it is sometimes difficult to obtain the required blood volume by conventional puncture methods. This study investigates the superiority of repeated blood sample collection from tail veins of mice through use of a vacuum blood collection system and eyeglass magnifier (experimental group) compared to conventional blood sampling methods (conventional group), performed by beginners and experts, respectively. With the help of an eyeglass magnifier, a butterfly needle tip is inserted into the tail vein of each mouse in the experimental group. When the vein is penetrated successfully, a blood sample is collected in the vacuum collection tube by insertion of the rubber end of a butterfly needle into the vacuum blood collection tube. The plunger is then used to collect blood without the help of the eyeglass magnifier in the conventional group. Success rates of blood sample collection by the beginners and experts were shown to be 70% vs. 100% (p &#60; 0.01) in the experimental group and 35% vs. 85% (p &#60; 0.01) in the conventional group. For both beginners and experts, puncture times required for obtaining required blood sample were significantly lower in the experimental group compared to the conventional group (2.40 &#177; 0.75 vs. 2.90 &#177; 0.31, p &#60; 0.05; 1.15 &#177; 0.37 vs. 1.55 &#177; 0.76, p &#60; 0.05). In conclusion, the presented blood sampling technique is feasible and easy to practice and enables frequent sampling of adequate blood volumes from non-anesthetized mice.&#160;

This study reports blood sampling from tail vein in mice using a vacuum extraction tube system with eyeglass magnifier. Our method is easy to practice and could be used for repeat blood sampling in mice.

Raccolta del sangue modificate dalle vene di coda dei topi Non anestetizzati con un sistema di raccolta di sangue sotto vuoto e la lente di ingrandimento per occhiali

Blood sample collection is the basis of experimental animal research. It is of importance to obtain adequate blood samples for various research purposes. ...

A Laboratory Method to Measure Contagious Yawning in Rats

Communication is an essential aspect of animal social life. Animals may influence one another and come together in schools, flocks, and herds. Communication is also the way sexes interact during courtship and how rivals settle disputes without fighting. However, there are some behavioral patterns for which it is difficult to test the existence of a communicatory function, because several types of sensory modalities are likely involved. For example, contagious yawning is a communicatory act in mammals that potentially occurs through sight, hearing, smell, or a combination of these senses depending on whether the animals are familiar to one another. Therefore, to test hypotheses about the possible communicatory role of such behaviors, a suitable method is necessary to identify the participating sensory modalities.
The method proposed here aims to obtain yawn contagion curves for familiar and unfamiliar rats and evaluate the relative participation of visual and olfactory sensory modalities. The method uses inexpensive materials, and with some minor changes, it can also be used with other rodent species such as mice. Overall, the method involves the substitution of clear dividers (with or without holes) with opaque dividers (with or without holes) that either allow or prevent communication between rats placed in adjacent cages with holes in adjoining sides. Accordingly, four conditions can be tested: olfactory communication, visual communication, both visual and olfactory communication, and neither visual nor olfactory communication. As social interaction occurs between the rats, these test conditions simulate what may occur in a natural environment. In this respect, the method proposed here is more effective than traditional methods that rely on video presentations whose biological validity can raise concerns. Nonetheless, it does not discriminate between the potential role of hearing and roles of smell and vision in yawn contagion.

The method described here aims to obtain yawn contagion curves in pairs of familiar or unfamiliar male rats. Cages with holes separated by either clear or opaque partitions with (or without) holes are used to detect whether visual, olfactory, or both types of sensory cues can stimulate yawn contagion.

Un metodo di laboratorio per misurare lo sbadiglio contagioso nei ratti

Communication is an essential aspect of animal social life. Animals may influence one another and come together in schools, flocks, and herds. ...

Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects

Multisensory integration research investigates how the brain processes simultaneous sensory information. Research on animals (mainly cats and primates) and humans reveal that intact multisensory integration is crucial for functioning in the real world, including both cognitive and physical activities. Much of the research conducted over the past several decades documents multisensory integration effects using diverse psychophysical, electrophysiological, and neuroimaging techniques. While its presence has been reported, the methods used to determine the magnitude of multisensory integration effects varies and typically faces much criticism. In what follows, limitations of previous behavioral studies are outlined and a step-by-step tutorial for calculating the magnitude of multisensory integration effects using robust probability models is provided.

The current study aims to provide a step-by-step tutorial for calculating the magnitude of multisensory integration effects in an effort to facilitate the production of translational research studies across diverse clinical populations.

Utilizzo della disuguaglianza del modello di gara per quantificare gli effetti di integrazione multisensoriali comportamentali

Multisensory integration research investigates how the brain processes simultaneous sensory information. Research on animals (mainly cats and primates) ...