Drosophila melanogaster fournit un excellent organisme modèle pour étudier les fonctions cellulaires et moléculaires dans les modèles de maladies neuronales créés par la modification du gène¹, le traitement médicamenteux² et la sénescence³. La conservation élevée des voies biologiques, des propriétés physiques et des gènes homologues associés aux maladies entre les humains et la drosophile fait de la mouche des fruits un imitateur idéal du niveau moléculaire au niveau comportemental⁴. Dans de nombreux modèles de maladies, la déficience comportementale est un indice important, fournissant un modèle utile pour diverses neuropathies humaines ^5,6. La drosophile est maintenant utilisée pour étudier de multiples maladies humaines, le développement neurologique et les maladies neurodégénératives telles que la maladie de Parkinson et la sclérose latérale amyotrophique ^7,8. La détection de la capacité motrice des modèles de maladie est cruciale pour comprendre le progrès pathogène et peut fournir une corrélation phénotypique avec les mécanismes moléculaires sous-jacents au processus de la maladie.

Récemment, des outils logiciels disponibles dans le commerce et des programmes rentables ont été développés pour les stratégies de détection locomotrice de la drosophile, telles que les tests à haut débit chez les mouches groupées^9,10 et la mesure de la locomotion en temps réel^11,12. L’une de ces approches conventionnelles est la géotaxie négative interactive rapide (RING), également appelée test d’escalade, qui comprend plusieurs canaux permettant de contenir une grande population de mouches du même sexe et du même âge, réduisant ainsi la variation tout en collectant ^9,13 données. Une autre méthode de pré-test pour analyser le comportement locomoteur est TriKinetics Drosophila activity monitor (DAM), un dispositif qui utilise plusieurs faisceaux pour détecter le mouvement de l’activité des mouches dans un mince tube^{de verre 14}. L’appareil enregistre la position en continu, ce qui représente la locomotion automatisée en calculant les croisements de faisceaux pour étudier l’activité et le rythme circadien des mouches sur une plus longue période de temps¹⁵. Bien que ces méthodes aient été largement utilisées dans l’analyse des défauts de comportement chez les mouches des fruits pour déterminer les changements dans la locomotion comportementale, elles nécessitent toujours un équipement de test spécial ou des processus d’analyse complexes, et limitent leur application dans certains modèles avec un dispositif simple et limité. Les stratégies de dépistage des animaux basées sur des groupes pour tester la drosophile adulte, telles que FlyGrAM¹¹ et le test de l’île de la drosophile ¹⁰, mettent en œuvre le recrutement social et le suivi individuel dans une zone prédéfinie. Néanmoins, la restriction sociale individuelle dans les zones défiées pourrait avoir un effet négatif sur les identifications dans les images, causée par la collision ou le chevauchement des mouches. Même si certaines méthodes open source basées sur des matériaux, telles que TRex¹⁶, MARGO¹² et FlyPi¹⁷, ont une urgence, elles peuvent accélérer le traçage des mouches avec une utilisation flexible dans les tests comportementaux. Ces approches de test sont associées à des installations d’appareils expérimentaux élaborés, à des exigences logicielles spéciales ou à des langages informatiques professionnels. Pour les larves, la mesure de la distance totale parcourue à travers le nombre de lignes de bordure de la grille par unité de temps¹⁸, ou le comptage approximatif des contractions de la paroi corporelle pour les individus manuellement¹⁹, sont les méthodes prédominantes pour évaluer leur capacité locomotrice. En raison du manque de précision de l’équipement ou des dispositifs et des méthodes d’analyse, une partie de la locomotion comportementale des larves peut échapper à la détection, ce qui rend difficile l’évaluation précise du mouvement comportemental, en particulier le mouvement fin¹⁵.

La présente méthode développée utilise l’interface de programmation d’application (API) AnimalTracker , compatible avec le programme de traitement d’images Fidji (ImageJ), pour évaluer systématiquement l’activité locomotrice des mouches adultes et larvaires en analysant leur comportement de suivi à partir de vidéos haute définition (HD). Fiji est une distribution logicielle open source ImageJ qui peut combiner des bibliothèques logicielles robustes avec de nombreux langages de script, ce qui entraîne un prototypage rapide des algorithmes de traitement d’images, ce qui le rend populaire parmi les biologistes pour ses capacités d’analyse d’images²⁰. Dans l’approche actuelle, l’intégration de Fiji dans l’API AnimalTracker est exploitée pour développer un test comportemental unique sur la drosophile avec insertion d’algorithmes personnalisés, et fournit une étape utile pour une documentation détaillée et des tutoriels afin de soutenir des capacités analytiques robustes du comportement locomoteur (Figure 1). Pour contourner la complication des identifications objectives dans les images causées par la collision ou le chevauchement des mouches, chaque arène est limitée à accueillir une seule mouche. Après avoir évalué la précision du suivi de l’approche, elle a été mise en œuvre pour tracer et quantifier les mouvements locomoteurs de la drosophile qui ont été administrés avec le médicament toxique roténone, qui est généralement utilisé pour les modèles animaux de la maladie de Parkinson, découvrant finalement une altération de la locomotion dans le traitement médicamenteux²¹. Cette méthodologie, qui utilise des logiciels libres et open source, ne nécessite pas d’instrumentation coûteuse et peut analyser avec précision et reproductibilité la locomotion comportementale de la drosophile .