Varför det är svårare att kvantifiera larvers simaktivitet än det verkar
En zebrafisklarva är liten, snabb och bara några millimeter lång. Att se en simma över ett brunnplåt med blotta ögat ger dig en uppfattning om att något händer, men ger dig inget talvärde. Och talvärden är vad experiment kräver. Dosis-svarskurvor, behandlingsjämförelser och statistiska tester bygger alla på att omvandla beteende till en mätbar kvantitet. Automatisk analys är verktyget som gör detta möjligt.
Problemet är att "simaktivitet" inte är en enda sak. En larv som snabbt rör sig över en brunn och en larv som svävar med små rörelser är båda aktiva, men på olika sätt. En larv som slutar röra sig helt kan vara i vila, förstummad eller död. Automatiserade system kan mäta alla dessa tillstånd, men mätningen ger bara mening om analysen är utformad kring den biologiska frågan.
Vad automatiserad spårning faktiskt mäter i en larvbrunn
En typisk automatiserad analyspipeline börjar med video. Larven filmas i en flerbrunnsplatta under kontrollerad belysning. Programvaran identifierar larven i varje bildruta, spårar dess position över tid och beräknar en uppsättning rörelsemått. De vanligaste är totalt avstånd förflyttat, genomsnittlig hastighet, maximal hastighet och varaktighet av rörelseutbrott.
-
Totalt avstånd förflyttat ger ett bredare mått på allmän aktivitet.
-
Genomsnittlig hastighet fångar in varaktig simhastighet.
-
Maximal hastighet framhäver utbrott och skräckreaktioner.
-
Rörelseens varaktighet och frekvens beskriver det temporala mönstret.
-
Episoder av oförmåga att röra sig eller frysningsepisoder indikerar minskad responsivitet.
Var och en av dessa mått fångar en annan aspekt av beteendet. Totalt avstånd är lätt att tolka, men kan vara missvisande om en larv rör sig i en liten cirkel. Maximal hastighet upptäcker kortvariga händelser som genomsnittlig hastighet utjämnar. Att välja rätt mått är en del av analysdesignen.
Att ställa in bildförhållanden som stödjer ren data
Kvaliteten på analysen beror på kvaliteten på videon. Några faktorer spelar en större roll än de flesta förväntar sig.
Belysningen står högst på listan. Ojämn belysning kan göra att ena sidan av skivan blir ljusare än den andra, vilket påverkar hur programvaran identifierar larven. Reflexioner från vattenytan kan skapa falska objekt. En bakgrundsbelysning eller diffuserad ljuskälla ger vanligtvis den mest konsekventa kontrasten.
Bildfrekvensen är en annan faktor. En larv kan röra sig snabbt, och en låg bildfrekvens kommer att missa korta rörelseutbrott. En för hög bildfrekvens ger stora filer och kan öka bruset. En praktisk utgångspunkt är en frekvens som fångar flera bilder per sekund av rörelse. Det exakta värdet beror på det beteende som studeras.
Temperaturreglering är viktig av samma anledning som i alla andra larvtester. Rörelshastigheten är temperaturberoende. En platta som står vid rumstemperatur under inspelningen kan visa annan aktivitet än en som hålls vid den standardmässiga uppfödnings temperaturen.
| Avbildningsfaktor | Vanlig övervägande | Påverkan på data |
|---|---|---|
| Belysning | Jämn, diffuserad | Påverkar konsekvensen i identifiering |
| Bildfrekvens | Anpassad till beteendehastighet | Missade utbrott eller extra brus |
| Kameraresolution | Tillräcklig för larvens storlek | Spårningsprecision |
| Temperatur | Stabil under inspelning | Rörelsehastighet |
| Typ av plåt | Konsekvent mellan grupper | Reflektion och kontrast |
Skilja mellan olika aktivitetstyper i analysen
Rå rörelsedata är inte detsamma som beteende. Två larver kan ha samma totala distans men mycket olika rörelsmönster. En kan simma smidigt runt brunnen, medan den andra stannar på en plats och rycker periodiskt. Automatiserad analys kan separera dessa mönster om rätt mått används.
Burstanalys är ett tillvägagångssätt. Programvaran identifierar perioder med hög acceleration och räknar dem. Startlarm uppträder som skarpa burst efter en stimulus. Spontana burst uppstår utan extern utlösning. Vana, vilket är en minskning av responsen vid upprepad stimulus, kan också kvantifieras genom att spåra burstamplituden över tid.
Ett annat tillvägagångssätt är zonbaserad analys. Brunnen delas upp i zoner och tiden som tillbringas i varje zon mäts. Larver som stannar nära kanten kan visa thigmotaxis. Larver som utforskar mitten kan visa mer utforskande beteende. De två mönstren skiljer sig åt även om den totala sträckan är liknande.
Hantering av brus, fördunkling och andra praktiska problem
Automatiserad analys är inte magi. Den har felmoder som dyker upp i verkliga experiment.
En larv som nuddar brunnen kant kan delvis klippas bort i bildramen, vilket förvirrar spårningsalgoritmen. En spegling kan upptäckas som ett andra objekt. En larv som stannar stilla kan helt missas om detektionströskeln är satt för högt. Dessa problem är vanliga och måste hanteras.
-
Använd bakgrundssubtraktion för att minska falska objekt.
-
Ställ in detektionströsklar baserat på pilotdata, inte gissningar.
-
Granska råvideo för en delmängd av brunnar för att bekräfta spårningskvaliteten.
-
Exkludera brunnar med uppenbara spårningsfel från analysen.
-
Rapportera antalet exkluderade brunnar i metoden.
Att exkludera data är ett känslomässigt ämne. Att kassera brunnar som inte följer det förväntade mönstret är en form av bias. Att exkludera brunnar på grund av spårningsfel är däremot en teknisk nödvändighet. Skillnaden är viktig och bör dokumenteras tydligt.
Ett fältexempel från en anläggning som kör larvskärmar
Ett laboratorium för utvecklingsneurotoxicitet i södra Kina undersökte en serie föreningar för effekter på larvers simning. Den initiala analysen använde totalt avstånd som huvudmått. Vissa föreningar verkade öka aktiviteten, men effekten var inkonsekvent mellan upprepningar.
En närmare granskning av råa spårningsdata avslöjade att den "ökade aktiviteten" koncentrerades till korta utbrott nära brunnskanten. Larverna simmade inte mer i stort sett. De reagerade istället oftare med skräck och slog mot väggen. Måttet för totalt avstånd hade sammanfogat två olika beteenden till ett enda tal.
Laboratoriet lade till mått för burstfrekvens och kanttidsmätning i analysen. De föreningar som ökade burstfrekvensen separerades från de som ökade utforskande simning. Resultaten blev tydligare och tolkningen mer trovärdig. Förändringen var inte en ny kamera eller en ny algoritm. Det var ett bättre val av mått.
Vad automatiserad analys kan och inte kan berätta för dig
Automatiserad analys är kraftfull, men ger inte en fullständig bild. Den mäter rörelse. Den mäter inte motivation, sensorisk bearbetning eller djurets inre tillstånd. En larv som inte rör sig kan vara i vila, sjuk eller ha en motorisk defekt som hindrar rörelse. Analysen kan inte skilja mellan dessa möjligheter utan ytterligare experiment.
Det beror också på kvaliteten på analysdesignen. En dåligt utformad plattlayout, inkonsekvent belysning eller varierande temperatur ger data som ingen analys kan åtgärda. Automatiseringen förstärker allt som redan finns i experimentet, oavsett om det är en verklig effekt eller en systematisk bias.
Hunter Lab (Hunter) tillverkar laboratorieutrustning för zebrafisk med fokus på bildstabilitet, vilket är avgörande för automatiserad analys av larver. Tillverkning och kvalitetskontroll stödjer den konsekvens som långsiktiga screeningsprogram kräver. För laboratorier som kvantifierar simaktivitet hos larver är denna typ av bygddisciplin en del av grunden.