Miksi toukkien uimisaktiivisuuden mittaaminen on vaikeampaa kuin näyttää
Zebrakalatoukka on pieni, nopea ja vain muutaman millimetrin mittainen. Yhden toukan näkeminen uivan hyvin pohjassa antaa tietoa siitä, että jotain tapahtuu, mutta ei anna lukuarvoa. Ja juuri lukuarvot ovat kokeiden perusta. Annos-vaste-käyrät, hoitojen vertailut ja tilastolliset testit kaikki vaativat käyttäytyminen muunnettavaksi mitattavaksi suureeksi. Automaattinen analyysi on työkalu, joka mahdollistaa tämän.
Ongelma on siinä, että "uimistoiminta" ei ole yksittäinen ilmiö. Sellainen koiras, joka liikkuu nopeasti kaivon yli, ja sellainen koiras, joka leijuu pienillä liikkeillä, ovat molemmat aktiivisia, mutta eri tavoin. Koiras, joka pysähtyy kokonaan liikkumasta, saattaa olla lepäämässä, hämmentynyt tai kuollut. Automaattiset järjestelmät voivat mitata kaikkia näitä, mutta mittaus on merkityksellinen vain, jos analyysi on suunniteltu biologisen kysymyksen mukaan.
Mitä automaattinen seuranta todella mittaa koiraskoekalvossa
Tyypillinen automaattinen analyysiputki alkaa videosta. Koiras tallennetaan monikaivoplateella ohjatun valaistuksen alla. Ohjelmisto tunnistaa koiraan jokaisesta kuvakehyksestä, seuraa sen sijaintia ajan myötä ja laskee joukon liikemittareita. Yleisimmät ovat kuljettu kokonaismatka, keskimääräinen nopeus, huippunopeus ja liikepulssien kesto.
-
Kuljettu kokonaismatka antaa laajan mittarin yleisestä aktiivisuudesta.
-
Keskimääräinen nopeus kuvaa pitkäkestoisesti ylläpidettyä uimisnopeutta.
-
Huippunopeus korostaa liikepulsseja ja ärsykkeisiin liittyviä reaktioita.
-
Liikkeen kesto ja taajuus kuvaavat aikakuvioita.
-
Liikkumattomuus- tai jäämispäätökset osoittavat vähentynyttä reagoitavuutta.
Jokainen näistä mittareista kuvaa eri käyttäytymisnäkökulmaa. Kokonaismatka on helppolukuinen, mutta voi johtaa harhaan jos toukka liikkuu tiukassa ympyrässä. Huippunopeus havaitsee lyhyitä tapahtumia, joita keskinopeus tasoittaa pois. Oikean mittarin valinta kuuluu analyysisuunnittelun osaan.
Kuvantamiseen sopivien olosuhteiden määrittäminen, jotka tukevat selkeää dataa
Analyysin laatu riippuu videon laadusta. Muutama tekijä vaikuttaa enemmän kuin useimmat odottavat.
Valaistus on listan kärjessä. Epätasainen valaistus voi tehdä yhdestä laudan puolesta kirkkaamman kuin toisesta, mikä vaikuttaa siihen, miten ohjelma tunnistaa toukan. Vedenpinnan heijastukset voivat luoda vääriä objekteja. Takavalaisuus tai hajavalaisuus tuottaa yleensä yhtenäisintä kontrastia.
Kameran kuvataajuus on toinen tekijä. Koirasliha voi liikkua nopeasti, ja alhainen kuvataajuus jättää lyhyet liikepurskaukset huomioimatta. Liian korkea kuvataajuus tuottaa suuria tiedostoja ja saattaa lisätä kohinaa. Käytännöllinen lähtökohta on kuvataajuus, joka tallentaa useita kuvia sekunnissa liikkeen aikana. Tarkka arvo riippuu tutkittavasta käyttäytymisestä.
Lämpötilan säätö on tärkeää samasta syystä kuin missä tahansa koiraslihaprokessoinnissa. Liikkeen nopeus riippuu lämpötilasta. Levy, joka on älyttämisessä huoneenlämmössä, saattaa näyttää erilaista aktiivisuutta kuin levy, joka pidetään standardissa kasvatuslämpötilassa.
| Kuvantamistekijä | Tyypillinen huomio | Vaikutus dataan |
|---|---|---|
| Valaistus | Tasainen, hajaava | Vaikuttaa havaitsemisen yhtenäisyyteen |
| Kehysnopeus | Sovitettu käyttäytymisen nopeuteen | Hukatut purskaukset tai ylimääräinen kohina |
| Kameran resoluutio | Riittävä koiraslihan koon mukaan | Seurantatarkkuus |
| Lämpötila | Vakaa nauhoituksen aikana | Liikkesuunta |
| Levyn tyyppi | Yhtenäinen ryhmien välillä | Heijastus ja kontrasti |
Toimintatyypin erottelu analyysissä
Raakaliikeaineisto ei ole sama kuin käyttäytyminen. Kaksi koirasvaihetta voi kulkea yhtä pitkän kokonaismatkan, mutta niiden liikemallit voivat olla hyvin erilaiset. Yksi saattaa uida sileästi koko ajan kotelon ympäri. Toinen saattaa pysyä paikoillaan ja nykäistä ajoittain. Automatisoitu analyysi voi erottaa nämä mallit, jos käytetään oikeita mittareita.
Purkauksianalyysi on yksi lähestymistapa. Ohjelmisto tunnistaa korkean kiihtyvyyden jaksot ja laskee niitä. Ärsykkeen jälkeen ilmenevät hermostuneisuusreaktiot näkyvät terävinä purkauksina. Spontaaneja purkauksia esiintyy ilman ulkoista ärsykettä. Tottumista, eli reaktion heikkenemistä toistuvien ärsykkeiden aikana, voidaan myös mitata seuraamalla purkausten amplitudia ajan funktiona.
Toinen lähestymistapa on aluepohjainen analyysi. Kaivo jaetaan alueisiin, ja kunkin alueen aikana viibittelyä mitataan. Toukat, jotka pysyvät reunan läheisyydessä, voivat osoittaa thigmotaksia. Toukat, jotka tutkivat keskialuetta, voivat osoittaa enemmän tutkivaa käyttäytymistä. Nämä kaksi mallia ovat erilaisia, vaikka kokonaismatka olisi samankokoinen.
Kohinan, peittyvyyden ja muiden käytännön ongelmien käsittely
Automaattinen analyysi ei ole taikaa. Sillä on epäonnistumismuotoja, jotka ilmenevät todellisissa kokeissa.
Toukka, joka koskettaa kaivon reunaa, saattaa osittain katketa kuvakehyksestä, mikä hämmentää seurantalgoritmiä. Heijastuma saattaa havaita toisena objektina. Toukka, joka lopettaa liikkumisensa, saattaa jäädä kokonaan huomioimatta, jos tunnistusportti on asetettu liian korkealle. Nämä ongelmat ovat yleisiä, ja niitä on käsiteltävä.
-
Käytä taustan poistamista vähentääksesi virheellisiä objekteja.
-
Aseta tunnistusportit pilottitietojen perusteella, älä arvaamalla.
-
Tarkista raakavideota osasta kaivoja varmistaaksesi seurannan laatu.
-
Poissaa analyysistä kaikki kuopat, joiden seuranta epäonnistui ilmeisesti.
-
Ilmoita menetelmien osassa poissuljettujen kuoppien lukumäärä.
Tietojen poissulkeminen on herkkä aihe. Kuoppien hylkääminen vain siksi, että ne eivät vastaa odotettua mallia, on muotoa harhaanjohtavaa. Kuoppien poissulkeminen seurannan epäonnistumisen vuoksi on kuitenkin tekninen välttämättömyys. Tämä ero on tärkeä, ja siitä on tehtävä selkeä dokumentaatio.
Kenttäesimerkki laitoksesta, jossa käytetään larvaalisäimiä
Kehitysneurotoksisuutta tutkiva laboratorio eteläisessä Kiinassa testasi joukkoa yhdisteitä niiden vaikutuksia larvien uimiseen. Alkuperäisessä analyysissä käytettiin kokonaismatkaa liikkumisessa pääasiallisena mittarina. Joissakin yhdisteissä näytti olevan aktivoiva vaikutus, mutta tämä vaikutus ei ollut yhtenäinen toistojen välillä.
Tarkempi tarkastelu raakaseurantatiedoista paljasti, että "aktivoiva vaikutus" keskittyi lyhyiksi räjähtämisiksi kuopan reunan lähellä. Larvat eivät uineet yleensä enemmän. Ne reagoivat yllätykseen useammin ja törmäsivät seinään. Kokonaismatka-mittari oli yhdistänyt kaksi eri käyttäytymistä yhdeksi luvuksi.
Laboratorio lisäsi räjähtämisfrekvenssin ja reunan siirtymäajan mittareita analyysiin. Yhdisteet, jotka lisäsivät räjähtämisfrekvenssiä, erotettiin niistä, jotka lisäsivät tutkivaa uimista. Tulokset selkenivät, ja tulkinta muuttui vakuuttavammaksi. Muutos ei ollut uusi kamera tai uusi algoritmi. Se oli parempi mittareiden valinta.
Mitä automatisoitu analyysi voi ja ei voi kertoa sinulle
Automatisoitu analyysi on voimakas, mutta se ei anna kattavaa kuvaa. Se mittaa liikettä. Se ei mittaa motivaatiota, aistimuksen käsittelyä tai eläimen sisäistä tilaa. Sellainen larva, joka ei liiku, saattaa levätä, olla sairas tai olla liikkumiskyvytön lihasvian vuoksi. Analyysi ei voi erottaa näitä tilanteita toisistaan ilman lisäkokeita.
Se riippuu myös testimenetelmän suunnittelun laadusta. Huonosti suunniteltu koelevy, epätasainen valaistus tai vaihteleva lämpötila tuottavat dataa, jota mikään analyysi ei voi korjata. Automatisointi vahvistaa kaikkea sitä, mikä kokeessa jo on – olipa kyseessä todellinen vaikutus tai systemaattinen vinoutuma.
Hunter Lab (Hunter) valmistaa zebrafish-laboratoriolaitteita keskittyen kuvantamisen vakauden varmistamiseen, johon automatisoitu nuorisokalakokeiden analyysi perustuu. Valmistus- ja laadunvalvontaprosessit tukevat sitä yhdenmukaisuutta, jota pitkäaikaiset seulontaprogrammit vaativat. Laboratorioille, jotka mittaavat nuorisokalakokeiden uimistoimintaa, tämäntyyppinen rakentamisdiscipliini muodostaa perustan.