Drosophila melanogaster является отличным модельным организмом для исследования клеточных и молекулярных функций в моделях нейрональных заболеваний, созданных с помощью модификации^{генов 1}, медикаментозного лечения² и старения³. Высокая степень сохранности биологических путей, физических свойств и генов-гомологов, связанных с заболеванием, между человеком и дрозофилой делает плодовую мушку идеальным подражателем от молекулярного до поведенческого уровня⁴. Во многих моделях заболеваний поведенческий дефицит является важным показателем, обеспечивающим полезную модель для различных невропатий^{человека 5,6}. Дрозофила в настоящее время используется для изучения множества заболеваний человека, развития нервной системы и нейродегенеративных заболеваний, таких как болезнь Паркинсона и боковой амиотрофический склероз ^7,8. Обнаружение двигательной способности моделей заболевания имеет решающее значение для понимания патогенного прогресса и может обеспечить фенотипическую корреляцию с молекулярными механизмами, лежащими в основе процесса заболевания.

В последнее время были разработаны коммерчески доступные программные инструменты и экономически эффективные программы для стратегий обнаружения локомотора дрозофилы, такие как высокопроизводительные испытания на сгруппированных мухах^9,10 и измерение локомоции в режиме реального времени^11,12. Одним из таких традиционных подходов является быстрый интерактивный отрицательный геотаксис (RING), также называемый альпинистским анализом, который включает в себя несколько каналов, которые позволяют сдерживать большую популяцию мух того же пола и возраста, уменьшая вариации при сборе данных ^9,13. Другим методом предварительного тестирования для анализа двигательного поведения является монитор активности дрозофилы TriKinetics (DAM), устройство, которое использует несколько лучей для обнаружения движения активности мух в тонкой стеклянной трубке¹⁴. Устройство непрерывно регистрирует положение, которое представляет собой автоматическую локомоцию путем вычисления пересечений лучей для изучения активности и циркадного ритма мух в течение более длительного периода времени¹⁵. Хотя эти методы широко используются при анализе поведенческих дефектов у плодовых мушек для определения изменений в поведенческой локомоции, они всегда требуют специального испытательного оборудования или сложных процессов анализа и ограничивают их применение в некоторых моделях с ограниченным, простым устройством. Групповые стратегии по отслеживанию животных для тестирования взрослых дрозофил, такие как FlyGrAM¹¹ и анализ острова Drosophila ¹⁰, реализуют социальный набор и индивидуальное отслеживание в заранее определенной области. Тем не менее, социальные индивидуальные ограничения в неконтролируемых районах могут оказать негативное влияние на идентификацию на изображениях, вызванную столкновением или перекрытием мух. Несмотря на то, что некоторые методы, основанные на материалах с открытым исходным кодом, такие как TRex¹⁶, MARGO 12 и FlyPi¹⁷, имеют чрезвычайную ситуацию, они могут быстро отслеживать мух с гибким использованием в поведенческом тестировании. Эти подходы к тестированию связаны со сложными экспериментальными установками, специальными требованиями к программному обеспечению или профессиональными компьютерными языками. Для личинок измерение общего расстояния, пройденного по количеству пограничных линий сетки в единицу времени¹⁸, или грубый подсчет сокращений стенок тела для особей вручную¹⁹ являются преобладающими методами оценки их двигательных способностей. Из-за отсутствия точности в оборудовании или устройствах и методах анализа некоторые поведенческие локомоции личинок могут ускользнуть от обнаружения, что затрудняет точную оценку поведенческих движений, особенно тонких движений¹⁵.

В настоящем разработанном способе используется интерфейс прикладного программирования (API) AnimalTracker , совместимый с программой обработки изображений Fiji (ImageJ), для систематической оценки двигательной активности как взрослых, так и личинок мух путем анализа их поведения при отслеживании видео высокой четкости (HD). Fiji — это дистрибутив программного обеспечения ImageJ с открытым исходным кодом, который может сочетать надежные программные библиотеки с многочисленными языками сценариев, что приводит к быстрому прототипированию алгоритмов обработки изображений, что делает его популярным среди биологов благодаря своим возможностям анализа изображений²⁰. В текущем подходе интеграция Фиджи в API AnimalTracker используется для разработки уникального поведенческого анализа дрозофилы с персонализированной вставкой алгоритма и обеспечивает полезный шаг для подробной документации и учебных пособий для поддержки надежных аналитических возможностей локомоторного поведения (рис. 1). Чтобы избежать усложнения объективной идентификации на изображениях, вызванного столкновением или перекрытием мух, каждая арена ограничена приемом только одной мухи. После оценки точности отслеживания подхода был реализован для отслеживания и количественной оценки локомоторных движений дрозофилы , которые вводили с токсичным препаратом ротеноном, который обычно используется для животных моделей болезни Паркинсона, в конечном итоге обнаружив нарушение локомоции при медикаментозном лечении²¹. Эта методология, использующая открытое и свободное программное обеспечение, не требует дорогостоящих инструментов и может точно и воспроизводимо анализировать поведенческую локомоцию дрозофилы .