Drosophila melanogaster ger en utmärkt modellorganism för att undersöka cellulära och molekylära funktioner i neuronala sjukdomsmodeller skapade av genmodifiering¹, läkemedelsbehandling² och åldrande³. Det höga bevarandet av biologiska vägar, fysikaliska egenskaper och sjukdomsassocierade homologgener mellan människor och Drosophila gör att fruktflugan gör att fruktflugan är en idealisk efterlikning från molekylär till beteendenivå⁴. I många sjukdomsmodeller är beteendebrist ett viktigt index, vilket ger en användbar modell för olika mänskliga neuropatier ^5,6. Drosophila används nu för att studera flera mänskliga sjukdomar, neurodevelopment och neurodegenerativa sjukdomar som Parkinsons sjukdom och amyotrofisk lateralskleros ^7,8. Att detektera sjukdomsmodellernas motoriska förmåga är avgörande för att förstå det patogena framsteget och kan ge en fenotypisk korrelation till de molekylära mekanismerna bakom sjukdomsprocessen.

Nyligen har kommersiellt tillgängliga mjukvaruverktyg och kostnadseffektiva program utvecklats för Drosophila lokomotoriska detektionsstrategier, såsom testning med hög genomströmning i grupperade flugor^9,10 och mätning av rörelse i realtid^11,12. Ett sådant konventionellt tillvägagångssätt är snabb interaktiv negativ geotaxi (RING), även kallad klättringsanalysen, som inkluderar flera kanaler som gör det möjligt att innehålla en stor flugpopulation med samma kön och ålder, vilket minskar variationen medan data samlar in ^9,13. En annan förtestmetod för att analysera lokomotoriskt beteende är TriKinetics Drosophila aktivitetsmonitor (DAM), en enhet som använder flera strålar för att detektera flugaktivitetsrörelse i ett tunt glasrör¹⁴. Enheten registrerar position kontinuerligt, vilket representerar automatiserad rörelse genom att beräkna strålkorsningarna för att studera flugornas aktivitet och dygnsrytm under en längre tidsperiod¹⁵. Även om dessa metoder har använts i stor utsträckning för att analysera beteendefel hos fruktflugor för att bestämma förändringar i beteendemässig rörelse, kräver de alltid speciell testutrustning eller komplexa analysprocesser och begränsar deras tillämpning i vissa modeller med en begränsad, enkel enhet. Djurspårningsgruppbaserade strategier för testning av den vuxna Drosophila, såsom FlyGrAM¹¹ och Drosophila island assay¹⁰, implementerar social rekrytering och individuell spårning i ett fördefinierat område. Icke desto mindre kan social individuell begränsning i trotsiga områden ha en negativ inverkan på identifieringen i bilderna, orsakad av kollision eller överlappning av flugor. Även om vissa materialbaserade metoder med öppen källkod, som TRex¹⁶, MARGO 12 och FlyPi¹⁷, har en nödsituation, kan de snabbt spåra flugorna med flexibel användning i beteendetestning. Dessa testmetoder är förknippade med utarbetade experimentella apparatinstallationer, speciella programvarukrav eller professionella datorspråk. För larver är mätning av det totala avståndet som reste över antalet rutnätgränslinjer per tidsenhet¹⁸, eller grovräkning av kroppsväggkontraktionerna för individer manuellt¹⁹, de dominerande metoderna för att bedöma deras rörelseförmåga. På grund av bristen på precision i utrustning eller anordningar och analysmetoder kan viss beteendemässig rörelse av larver undgå upptäckt, vilket gör det svårt att exakt bedöma beteenderörelser, särskilt fin rörelse¹⁵.

Den nuvarande utvecklade metoden använder AnimalTracker applikationsprogrammeringsgränssnitt (API), kompatibelt med Fiji (ImageJ) bildbehandlingsprogram, för att systematiskt utvärdera rörelseaktiviteten hos både vuxna och larvflugor genom att analysera deras spårningsbeteende från högupplösta (HD) videor. Fiji är en ImageJ-distribution med öppen källkod som kan kombinera robusta programvarubibliotek med många skriptspråk, vilket resulterar i snabb prototypning av bildbehandlingsalgoritmer, vilket gör den populär bland biologer för sina bildanalysfunktioner²⁰. I det nuvarande tillvägagångssättet utnyttjas Fijis integration i AnimalTracker API för att utveckla en unik Drosophila-beteendeanalys med personlig algoritminsättning och ger ett användbart steg för detaljerad dokumentation och handledning för att stödja robusta analytiska funktioner för lokomotoriskt beteende (figur 1). För att kringgå komplikationen av objektiva identifieringar i bilderna som orsakas av kollision eller överlappning av flugor, är varje arena begränsad till att vara värd för endast en fluga. Vid bedömning av metodens spårningsprecision implementerades det för att spåra och kvantifiera rörelserörelserna hos Drosophila som administrerades med det toxiska läkemedlet rotenon, som vanligtvis används för djurmodeller av Parkinsons sjukdom, och slutligen upptäckte rörelsenedsättning i läkemedelsbehandlingen²¹. Denna metod, som använder öppen källkod och fri programvara, kräver inte högkostnadsinstrumentering och kan exakt och reproducerbart analysera Drosophila beteenderörelse.