Estamos gratos à Stanislav Lazopulo pela ajuda com o conteúdo de vídeo.

1. medindo voar locomoção usando Drosophila atividade Monitor (DAM) Nota: para mais detalhes veja referência 5.
<ol><li>Preparar individual voar tubos com comida em uma extremidade e algodão do outro. Final com alimentos deve ser selado para evitar que os alimentos sequem.
	<ol><li>Coloque 5-6 g de comida de mosca num copo de 50 mL. Corte os alimentos em pedaços pequenos, para que seja fácil de derretê-la</li>
		<li>Tubos de vidro individuais 32 conectar com um elástico.</li>
		<li>Derreter o alimento no copo por aquecimento em um forno de microondas por 10-15 s. pare o microondas cada 5 s e agitar cuidadosamente o copo para garantir fusão igual de alimentos.</li>
		<li>Enquanto a comida é ainda líquida, colocar os tubos individuais preparados no copo com comida. Mover os tubos acima e para baixo assim que eles são igualmente preenchidos.</li>
		<li>Permitir a comida arrefecer e solidificar por aproximadamente 1 h.</li>
		<li>Depois que o alimento é sólido, retirar os tubos com a comida do copo.</li>
		<li>Selo final contendo a comida usando cera. Primeiro, cuidadosamente limpo um tubo usando uma toalha de papel, em seguida, pressione o tubo contra a cera. Visualmente a verificar a qualidade do selo e se necessário, repetir a selagem novamente.</li>
		<li>Fecha a outra extremidade do tubo com algodão, algodão permitirá a passar enquanto manter uma mosca bloqueado no tubo de ar.</li>
	</ol></li> <li>Coloque uma única mosca em cada tubo individual e coloque os tubos na barragem.</li>
	<li>Lugar de monitores em uma incubadora que mantém a umidade e a temperatura constante. Com base na experiência, defina as condições apropriadas de claro/escuro como segue.
	<ol><li>Para experimentos de claro/escuro espantar as moscas em ciclo claro/escuro para todo o experimento. Não utilize o primeiro dia de medições na análise.</li>
		<li>Para experimentos de escuridão constante, primeiro, manter as moscas durante dois dias em condições de luz/escuro de arrastamento e sincronização dos pulsos de disparo e alterne para escuridão constante. Não utilize as medições desde o primeiro dia de escuridão constante na análise.</li>
	</ol></li> <li>Coletar pelo menos quatro dias de dados que podem ser usados na análise. 
	Nota: O sistema de DAM imprimirá um único arquivo com uma gravação de locomoção de todas as moscas no monitor.</li>
</ol> 2. Análise de dados <ol><li>dividir arquivo de saída do monitor em vários arquivos de única atividade mosca; cada arquivo deve ser uma única coluna &#39;. txt &#39; arquivo com uma medição individual de locomoção mosca.</li>
	<li>Run &#39; ModelFitPS3.m &#39; função em uma janela de comando do Matlab com os seguintes parâmetros de entrada: <ol><li>para Taxa amostragem, definir o intervalo de tempo de amostragem de dados em segundos. Por exemplo, se a atividade foi medida a cada minuto, digite 60 como o Taxa amostragem.</li>
		<li>Para bin_interval, defina o intervalo de tempo em minutos, para que dados vão ser guardados para melhor visualização; o intervalo recomendado bin é 20-30 min.</li>
		<li>Para a tendência, digite &#34; 1 &#34; se os dados mostram tendência de base e &#34; 0 &#34; contrário; dados com tendência vão ser detrended primeiro pelo encaixe de um polinômio de segunda ordem e em seguida subtraindo-lo a partir dos dados.</li>
	</ol></li> <li>Na janela pop-up, selecione um arquivo de única atividade mosca. 
	Nota: A primeira parcela é espectro de potência de dados e não o enredo de atividade familiar. A partir do espectro de potência plotados, determinar o período primário T 0: clique com o botão esquerdo do mouse sobre o pico circadiano, ou com o botão direito do mouse sobre o segundo pico harmônico (em torno de T 0 / 2).</li>
	<li>Sobre a trama de dados aberto, verifique se a manhã e a noite picos são bem visualizados. Se não, altere o valor de bin_interval pelo botão direito do mouse em qualquer lugar no gráfico e introduzir o novo valor de bin_interval na caixa de diálogo. O programa irá redesenhar os dados com o novo valor do intervalo. Para aceitar o valor de bin_interval, clique esquerdo em qualquer lugar no gráfico.</li>
	<li>o programa irá redesenhar os dados novamente e mostrar os primeiros cinco dias de atividade. Sobre esta trama, clique sobre o primeiro pico de M que será usado na análise (às vezes é preciso pular um ou dois dias). 
	Nota: O programa irá redesenhar o gráfico a partir do pico de manhã peguei. As linhas azuis e vermelhas mostrará a posição aproximada do pico E e próximo pico dia M, respectivamente, com base no período determinado na etapa 2.4.</li>
	<li>No mesmo gráfico, escolha dados para um ajuste preliminar dos dados com o modelo: clique sobre os pontos seguintes (nesta ordem; Observe que o local do clique será indicado com uma estrela vermelha na parte inferior): pico de (i) topo de M; (ii) fim do pico M; (iii) início do pico E; (iv) o topo do pico E; (v) fim do pico E; (vi) topo do pico do dia seguinte, M.</li>
	<li>Observe que o programa agora apresenta o espectro de poder. 
	Nota: O eixo x é dada agora na frequência.
	<ol><li>Na janela aberta com o espectro de potência, escolher pontos que serão usados para a montagem da expressão analítica para o espectro de potência do modelo. O período detectado na etapa 2.4 é marcado com uma linha vermelha. Para escolher os pontos de fixação, primeiro determine aproximadamente o período primário, semelhante ao passo 2.4. Em seguida, usando o controle deslizante, ajuste o período primário valor para que o encaixe pontos (mostrada com círculos vermelhos, aparecerá depois de mover o controle deslizante) estão fechados para valores de pico.</li>
	</ol></li> <li>Após a seleção de pico visual, clique &#34; aceitar &#34; e o programa vai caber pontos selecionados com a expressão analítica para calcular os parâmetros modelo.</li>
	<li>Observe que os parâmetros e o erro de forma espectral são salvas no arquivo &#34; model_fit_parameters.txtŔ o programa salvará adicionalmente 2 figuras com ataques de dados os aparelho locomotoras e seu espectro de energia.</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>

Os autores não têm nada para divulgar.

Este trabalho apresenta as instruções para o uso de uma ferramenta computacional que fornece uma descrição quantitativa do padrão de locomoção voar. A ferramenta combina dados de locomoção com um modelo matemático que consiste de quatro termos exponenciais que juntos, descrevem a forma e o tamanho dos picos M e E. Os valores finais para os parâmetros do modelo são obtidos de encaixe os espectros de potência dos dados, onde o uso dos dados brutos pode evitar efeitos artefactual que dados binning ou filtragem podem impor aos valores de parâmetro. Os parâmetros do modelo, então, podem ser usado para mais estudo locomoção voar e os mecanismos que dão origem a picos de atividade.
A qualidade do encaixe pode ser avaliada de duas maneiras: através da observação visual do espectro poder caber e usando o erro de montagem (soma residual dos quadrados) que é calculado em conjunto com os parâmetros. Um dos principais fatores que influenciam a qualidade do ajuste é a determinação do período circadiano T0 (etapa de protocolo 2.8). Este valor de T0 afeta a estimativa dos picos nos parâmetros de espectro e o modelo de poder. Outro passo fundamental que influencia a qualidade do ajuste é a seleção de ponto de partida para um ajuste preliminar dos dados (etapa de protocolo 2.7), desde que TM e TE valores são definidos por esta seleção. O usuário pode explorar vários resultados ajuste escolhendo diferentes dias de atividade para definir TM e TE.
Nosso modelo é focado em imitar o comportamento locomotor bem descrito relógio controlado com dois proeminentes picos de atividade. Esse comportamento é observado em claro/escuro e em condições de escuridão constante, que torna a abordagem aplicável a estes dois tipos de experimentos. No entanto, o modelo não leva em conta a luz conduzida explosão de atividade observada em alguns experimentos de claro/escuro. Outra limitação surge a partir da extração de parâmetros de modelo, exigindo a entrada do usuário (etapas de protocolo 2,7-2,9). Desde que os parâmetros TMe TET0 são obtidos a partir da entrada do usuário, cada atividade voar deve ser analisada manualmente. Além disso, é recomendável usar o método com atividades individuais, em vez de com uma média de população gravação, desde que o procedimento de cálculo da média esconde muitos importantes diferenças individuais na locomoção de voar. Embora possa parecer complicado para grande número de moscas, analisando atividades voar individualmente, o usuário obtém valiosas informações estatísticas sobre o grau de variação do parâmetro dentro de um grupo de animais. Para ignorar esses benefícios, é possível gerar uma locomoção voar a média de população e analisá-lo para obter valores de parâmetro média.
O modelo utilizado neste trabalho é uma versão melhorada da forma de onda de nossa anterior pesquisa8. Ao contrário do modelo anterior, tem parâmetros separados para M e E alturas, H,M e HE, respectivamente. Previsivelmente, o novo modelo mostra melhor acordo com os dados de atividade de voar, desde a manhã e a noite picos geralmente têm diferentes alturas.
Esta análise não está limitada a voar locomoção medida com a técnica de feixe infravermelho. Outros métodos, tais como vídeo-tracking, produzem padrões similares de atividade diária voar com picos de M e E mostrando a dinâmica exponencial de ascensão e decadência9. A ferramenta discutida aqui pode ser prontamente aplicada a esses conjuntos de dados alternativos também.
O método discutido aqui quantifica gravações locomotoras moscas com o objetivo de conectar a saída comportamental para mecanismos subjacentes que regulam a voar o comportamento diário e controlar o padrão de atividade bimodal. Vários estudos recentes destinadas a identificação de neurônios e substratos que forma M e picos de atividade E10,11. Os investigadores manipularam a atividade de determinados grupos neuronais e analisaram o seu papel na formação do pico da noite, observando as mudanças na altura e fase do pico E. Em nosso modelo, parâmetros HE determina a altura do pico E, TE dá a largura de pico, e parâmetros bER e bED descrevem a forma de pico. Conforme descrito na referência8, em um contexto de bioquímico HE podem indicar a medida dos níveis de neuropeptídeos PFN e ITP, enquanto bER e bED podem representar as taxas de sua liberação e degradação. Juntos, que estes parâmetros podem ser utilizaram no futuro estudos para conectar melhor comportamento voar com neuromodulatory sinalização, no sentido de uma descrição integrada dos padrões bimodal em ritmos locomotoras voar.

O relógio circadiano é um oscilador bioquímico endógeno com um período de aproximadamente 24 horas e é quase onipresente nos animais e plantas1,2. O relógio ajuda a sincronizar processos internos do organismo e o comportamento para o ciclo escuro luz externo. A estrutura genética do relógio circadiano tem sido amplamente estudada desde a década de 1960 usando a mosca de fruta, d. melanogaster. Neste inseto, o núcleo do relógio circadiano consiste de quatro proteínas: período, TIMELESS, CLOCK e ciclo. Estes componentes de núcleo juntamente com outras moléculas formam um laço de realimentação que produz quase sinusoidais oscilações de relógio genes3,4. O relógio circadiano em moscas é amplamente estudado usando multiday locomotoras gravações onde forem detectadas atividades de voar com um único feixe infravermelho cruzando no meio de um tubo individual5. Uma mosca típica de gravação tem um complexo padrão bimodal com dois picos bem distinguíveis: pico de manhã (M) que começa no final da noite e tem um máximo quando liga as luzes; e o pico de noite (E) que começa no final do dia e tem um máximo quando luzes desliguem6. Curiosamente, a forma de tal gravação comportamental é muito diferente de simples sinusoidais oscilações observadas a nível molecular, sugerindo a ação de mecanismos adicionais, contribuindo para os padrões observados temporais. Para entender melhor estes mecanismos ocultos, nós desenvolvemos uma ferramenta computacional que fornece uma descrição quantitativa dos padrões temporais.
Em nosso trabalho, ritmos de locomoção são definidos em termos de uma forma de onda que imita o padrão de atividade de voar. Desde simples ondas senoidais não pode ser usadas para modelar as mudanças observadas rítmicas em atividade, testamos várias formas de sinal para selecionar o mais simples que captura todas as características salientes vistas nas gravações. Mosca da fruta circadian comportamento é controlada pela atividade de neurônios de relógio que muitas vezes têm padrões exponenciais de ativação e desativação de7. A dinâmica exponencial e a análise visual dos dados motivaram-na construir um modelo com termos exponenciais, consistindo de quatro expoentes com nove parâmetros independentes e muito parecidas com o padrão de atividade voar8. Além dos dados do aparelho locomotoras, analisamos também seu espectro de energia. Espectro de atividade típica de mosca mostra vários picos em harmônicos T02, T03, etc., além do esperado pico fundamental no período circadiano T0. De acordo com o teorema de Fourier, apenas uma onda senoidal pura produz um único pico no espectro de energia, enquanto as mais complexas formas de onda mostram vários picos espectrais em harmônicos do período primário (Figura 1). Portanto, tendo em conta o padrão temporal não-sinusoidal em atividade voar8, um espectro de potência multi-pico dos dados matematicamente é esperado e não implica necessariamente a presença de vários períodos de oscilação. Importante, o espectro de potência da onda modelo proposto também mostra picos em todos os harmônicos do período primário, semelhante às gravações locomotoras voar, reforçando assim a alta fidelidade com a qual nosso modelo descreve dados voar no tempo e na frequência.
Em resoluções de tempo de alguns minutos ou menos, mosca atividade dados aparecem barulhentos, tornando-se difícil extrair parâmetros directamente a partir dos dados brutos. Binning dados em intervalos de tempo mais longos podem diminuir o nível de ruído, mas podem alterar os dados de maneiras que podem afetar a estimativa dos parâmetros do modelo. Portanto, obtemos os parâmetros de espectros de potência das gravações, usando uma expressão analítica para os espectros de potência esperado calculados a partir da transformada de Fourier do modelo função8 (veja arquivo adicional 1 de referência8). Esta abordagem de obter parâmetros de espectros de potência produz valores de parâmetros precisos sem quaisquer manipulações adicionais, tais como binning ou filtragem, dos dados brutos de atividade. Detalhes matemáticos do modelo e dos aplicativos de dados tipo selvagem e mutantes são descritos na referência8. O protocolo apresentado aqui centra-se sobre as instruções passo a passo para usar a ferramenta computacional.

<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

Na maioria dos animais e plantas, pulsos de disparo circadianos orquestram processos comportamentais e moleculares em sincronizá-los para o ciclo diário de claro-escuro. Mecanismos fundamentais subjacentes a este controle temporal são amplamente estudados usando a mosca de fruta Drosophila melanogaster como um organismo modelo. Nas moscas, o relógio é tipicamente estudado analisando multiday gravação locomotor. Tal gravação mostra um complexo padrão bimodal com dois picos de atividade: um pico de manhã que acontece ao amanhecer e um pico de noite que acontece ao redor de Crepúsculo. Estes dois picos formam uma forma de onda que é muito diferente de sinusoidais oscilações observada nos genes do relógio, sugerindo que os mecanismos além do relógio têm efeitos profundos em produzir os padrões observados em dados comportamentais. Aqui nós fornecemos instruções sobre o uso de um método computacional desenvolvido recentemente que descreve matematicamente padrões temporais na atividade de voar. O método combina dados de atividade com uma forma de onda de modelo que consiste de quatro termos exponenciais e nove parâmetros independentes que descrevem completamente a forma e o tamanho da manhã e noite picos de atividade. Os parâmetros extraídos podem ajudar a elucidar os mecanismos cinéticos de substratos que sustentam os padrões de atividade bimodal comumente observados em ritmos locomotoras voar.

O método apresentado aqui permite a quantificação das principais características no padrão de locomoção voar. A quantificação é alcançada por encaixe os dados de atividade com um modelo que consiste de quatro termos exponenciais:
<img alt="Equation 1" src="/files/ftp_upload/55977/55977eq1.jpg">
O modelo possui nove parâmetros independentes que descrevem o padrão de atividade. Os parâmetros bMDbsenhor,bEDe bER definir as taxas de decomposição de manhã (MD), aumento de manhã (Senhor) e à noite decadência (ED.), aumento de noite (ER), respectivamente. Parâmetro T0 define período circadiano, TM e TE definem as larguras dos picos M e E e HM e HE definem alturas dos picos M e E.
Valores dos parâmetros são obtidos a partir dos dados não filtrados em algumas etapas (Figura 2). Primeiro, um período circadiano do espectro de potência de atividade (etapa de protocolo 2.4) é determinado. Então, valores de parâmetros preliminares são extraídos a locomoção gravação encaixando-a com a f (t) (passos de protocolo 2.5-2.6). Estes valores servem como uma suposição inicial para caber o espectro de potência de dados com uma expressão analítica derivada em8 (arquivo adicional 1 em referência8) tomando a transformada de Fourier de f (t):
<img alt="Equation 2" src="/files/ftp_upload/55977/55977eq2.jpg">
onde Tn = T0/n, com n = 1, 2,3... e T0 é o período circadiano (protocolo passos 2.7-2.8). Usando o ajuste espectral, os parâmetros do modelo são extraídos de locomoção voar sem filtragem ou binning. Encaixe do espectro de energia produz valores finais para os parâmetros do modelo, que são usados para construir a forma final de f (t), ou seja, o modelo de ritmos locomotoras voar.
No modelo, b parâmetros podem ser negativo ou positivo, que refletem a curvatura dos correspondentes termos exponenciais. Os parâmetros bMD e bER são positivos quando os expoentes são convexos e negativo quando os expoentes são côncavos, enquanto os parâmetros b,Sr e bED são positivos quando os expoentes são côncavos e negativo quando o expoentes são convexos. Em geral, para os expoentes descrevendo o pico M, o aumento nos parâmetros de b indica mais lenta ascensão ou decadência, e para os expoentes descrevendo o pico E, o aumento nos parâmetros de b indica mais rápida ascensão ou decadência.
A Figura 3 mostra exemplos de ajustes obtidos por este algoritmo. Disporem de picos espectrais em T0 e harmônicos de T02 T010 (Figura 3A). Outros harmônicos normalmente têm altura inferior ao nível de significância de 0,05 e, portanto, não são usados na análise. Parâmetros obtidos a partir do ajuste espectral são usados para construir um modelo para locomoção mosca (Figura 3B, vermelho). O método funciona para moscas de tipo selvagem (Figura 3, os painéis superiores) e para circadianos mutantes com comprimentos períodos alterados (Figura 3, painéis de média e inferior). Para ligações entre o modelo e biologia subjacente e exemplos adicionais, consulte Lazopulo et al. 8 resultados do procedimento de montagem são salvas em um arquivo na seguinte ordem: bMDbsenhor,bER,bED, T0, TM/t0, TE / T0, H,M, HE (tabela 1). O programa também salva o arquivo de saída o erro de montagem do ajuste espectral, 'Err', que é calculado como a soma dos quadrados dos resíduos (soma residual dos quadrados) normalizados pelo quadrado do máximo do espectro de potência de dados.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/55977/55977fig1.jpg"> 
Figura 1 . Espectros de diferentes formas de onda de energia. De acordo com o teorema de Fourier, apenas uma onda sinusoidal mostra um único pico em um espectro de energia, enquanto formas de onda mais complexas, como a onda quadrada ou dente de serra, mostram picos adicionais em harmônicos do período primário. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55977/55977fig1large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/55977/55977fig2.jpg"> 
Figura 2 . Representação esquemática do algoritmo de extração de parâmetro. Valores de parâmetro final são obtidos do encaixe do espectro de energia. Desde que o procedimento de instalação pode ser sensível a partir de valores, o algoritmo usa preliminares valores calculados a partir dos dados de locomoção e atualiza-los usando o espectro de potência. Os valores de parâmetro final são usados para construir f (t) que melhor descreve os dados. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55977/55977fig2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/55977/55977fig3.jpg"> 
Figura 3 . Resultados representativos do método que quantifica voam usando uma forma de onda do modelo de locomoção. (A) parâmetros do modelo são extraídos de montagem os primeiro dez picos do espectro de energia. (B) obtidas parâmetros são usados para construir um modelo de atividade. O método pode ser aplicado ao tipo selvagem moscas (top painéis) ou mutantes com short (painéis de médios) e tempo dos ritmos circadianos (painéis de fundo). <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55977/55977fig3large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>voar de genótipo</td>
			<td>bMD (1/min)</td>
			<td>bsenhor (1/min)</td>
			<td>bED (1/min)</td>
			<td>bER (1/min)</td>
			<td>T0 (min)</td>
			<td>TM/t0</td>
			<td>Ede T/t0</td>
			<td>HM</td>
			<td>HE</td>
		</tr>
		<tr>
			<td>tipo selvagem</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>curto 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>tempo 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>
	

Tabela 1. Exemplo de parâmetros extraídos de encaixe os espectros de potência mostrados na Figura 3. o programa gera os valores de parâmetro final para o arquivo "model_parameters.txt", como mostrado na tabela.

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

Um método computacional para quantificar a atividade Circadian voar

É apresentado um método para quantificar as principais características temporais vistas na moscas circadianos ritmos locomotoras. A quantificação é alcançada por encaixe atividade voar com uma forma de onda do modelo multi paramétrico. Os parâmetros do modelo descrevem a forma e o tamanho da manhã e noite picos de atividade diária.

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 visualizações.  University of Miami. É apresentado um método para quantificar as principais características temporais vistas na moscas circadianos ritmos locomotoras. A quantificação é alcançada por encaixe atividade voar com uma forma de onda do modelo multi paramétrico. Os parâmetros do modelo descrevem a forma e o tamanho da manhã e noite picos de atividade diária.

Vídeo: 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.

Estimativa topográfico da População Campos Visuais Receptivos por fMRI

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

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.

Um método para a atividade neural remotamente Silenciando em Roedores Durante fases distintas de Aprendizagem

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.

Um método de quantificação Visual Information Processing em Crianças Usando 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.

Psicofísica Rastreamento método para medir preferências alimentares nas crianças e adultos

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.

Um método para testar o efeito de sugestões ambientais no comportamento de acoplamento em<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.

Um método para estudar a adaptação para a esquerda-direita invertida audição

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 condicionamento clássico em madeira formigas

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.

Coleta de sangue modificado de veias de cauda de ratos não anestesiados com um sistema de coleta de sangue do vácuo e óculos lupa

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.

Um Método Laboratorial para Medir o Bocejo Contagioso em Ratos

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.

Usando a desigualdade de modelo de corrida para quantificar efeitos de integração multissensorial comportamental

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