Drosophila melanogaster proporciona un excelente organismo modelo para investigar las funciones celulares y moleculares en modelos de enfermedades neuronales creados por modificación génica¹, tratamiento farmacológico² y senescencia³. La alta conservación de las vías biológicas, las propiedades físicas y los genes homólogos asociados a enfermedades entre los humanos y Drosophila hacen que la mosca de la fruta sea una imitación ideal desde el nivel molecular hasta el nivel de comportamiento⁴. En muchos modelos de enfermedad, la deficiencia conductual es un índice importante, proporcionando un modelo útil para diversas neuropatías humanas ^5,6. Drosophila ahora se utiliza para estudiar múltiples enfermedades humanas, neurodesarrollo y enfermedades neurodegenerativas como la enfermedad de Parkinson y la esclerosis lateral amiotrófica ^7,8. La detección de la capacidad motora de los modelos de enfermedad es crucial para comprender el progreso patogénico y puede proporcionar una correlación fenotípica con los mecanismos moleculares subyacentes al proceso de la enfermedad.

Recientemente, se han desarrollado herramientas de software disponibles comercialmente y programas rentables para las estrategias de detección locomotora de Drosophila, como las pruebas de alto rendimiento en moscas agrupadas^9,10 y la medición de la locomoción en tiempo real^11,12. Uno de estos enfoques convencionales es la geotaxis negativa interactiva rápida (RING), también llamada ensayo de escalada, que incluye múltiples canales que permiten contener una gran población de moscas con el mismo sexo y edad, reduciendo la variación mientras se recopilan datos ^9,13. Otro método de prueba previa para analizar el comportamiento locomotor es el monitor de actividad TriKinetics Drosophila (DAM), un dispositivo que utiliza múltiples haces para detectar el movimiento de la actividad de la mosca dentro de un tubo de vidrio delgado¹⁴. El dispositivo registra la posición continuamente, lo que representa la locomoción automatizada mediante el cálculo de los cruces de haces para estudiar la actividad y el ritmo circadiano de las moscas durante un período de tiempo más largo¹⁵. Aunque estos métodos se han utilizado ampliamente en el análisis de defectos de comportamiento en moscas de la fruta para determinar cambios en la locomoción conductual, siempre requieren equipos de prueba especiales o procesos de análisis complejos, y restringen su aplicación en algunos modelos con un dispositivo limitado y simple. Las estrategias grupales de rastreo de animales para probar la Drosófila adulta, como FlyGrAM¹¹ y el ensayo de la isla Drosophila ¹⁰, implementan el reclutamiento social y el seguimiento individual en un área predefinida. Sin embargo, la restricción social individual en áreas desafiadas podría tener un efecto negativo en las identificaciones en las imágenes, causado por la colisión o superposición de moscas. Aunque algunos métodos basados en materiales de código abierto, como TRex¹⁶, MARGO 12 y FlyPi¹⁷, tienen una emergencia, pueden rastrear rápidamente las moscas con un uso flexible en las pruebas de comportamiento. Estos enfoques de prueba están asociados con instalaciones de aparatos experimentales elaborados, requisitos especiales de software o lenguajes informáticos profesionales. Para las larvas, medir la distancia total recorrida a través del número de líneas de borde de cuadrícula por unidad de tiempo¹⁸, o contar las contracciones de la pared corporal para individuos manualmente¹⁹, son los métodos predominantes para evaluar su capacidad locomotora. Debido a la falta de precisión en equipos o dispositivos y métodos de análisis, alguna locomoción conductual de las larvas podría escapar a la detección, lo que dificulta la evaluación precisa del movimiento conductual, especialmente el movimiento fino¹⁵.

El presente método desarrollado utiliza la interfaz de programación de aplicaciones (API) AnimalTracker , compatible con el programa de procesamiento de imágenes Fiji (ImageJ), para evaluar sistemáticamente la actividad locomotora de moscas adultas y larvales mediante el análisis de su comportamiento de seguimiento a partir de videos de alta definición (HD). Fiji es una distribución de software de código abierto ImageJ que puede combinar bibliotecas de software robustas con numerosos lenguajes de scripting, lo que resulta en la creación rápida de prototipos de algoritmos de procesamiento de imágenes, lo que la hace popular entre los biólogos por sus capacidades de análisis de imágenes²⁰. En el enfoque actual, la integración de Fiji en la API AnimalTracker se explota para desarrollar un ensayo de comportamiento único de Drosophila con inserción de algoritmo personalizado, y proporciona un paso útil para documentación detallada y tutoriales para respaldar capacidades analíticas sólidas del comportamiento locomotor (Figura 1). Para evitar la complicación de las identificaciones objetivas en las imágenes causadas por la colisión o superposición de moscas, cada arena está restringida a albergar solo una mosca. Al evaluar la precisión de seguimiento del enfoque, se implementó para rastrear y cuantificar los movimientos locomotores de Drosophila que fueron administrados con el fármaco tóxico rotenona, que generalmente se utiliza para modelos animales de la enfermedad de Parkinson, descubriendo finalmente el deterioro de la locomoción en el tratamiento farmacológico²¹. Esta metodología, que emplea software libre y de código abierto, no necesita instrumentación de alto costo y puede analizar de manera precisa y reproducible la locomoción conductual de Drosophila .