Intégration de l’évaluation comportementale animale et du réseau de neurones convolutifs pour étudier l’interaction entre le wasabi et l’alcool
Summary
Cet article décrit un ensemble de méthodes pour mesurer la capacité suppressive de l’inhalation de boissons alcoolisées sur la sensation de picotement induite par le wasabi.
Abstract
Les pâtes de wasabi commerciales couramment utilisées pour la préparation des aliments contiennent un composé homologue d’isothiocyanates chimiosensoriels (ITC) qui provoquent une sensation irritante lors de la consommation. L’impact de l’inhalation de boissons alcoolisées diététiques sur la sensation de piquant du wasabi n’a jamais été étudié. Alors que la plupart des études d’évaluation sensorielle se concentrent sur les aliments et les boissons séparément, il y a un manque de recherche sur l’étude olfactive de l’inhalation d’alcool pendant la consommation de wasabi. Ici, une méthodologie est développée qui combine l’utilisation d’une étude comportementale animale et d’un réseau neuronal convolutif pour analyser les expressions faciales des souris lorsqu’elles reniflent simultanément de l’alcool et consomment du wasabi. Les résultats démontrent que le modèle d’apprentissage profond entraîné et validé reconnaît 29 % des images représentant le co-traitement du wasabi et de l’alcool appartenant à la classe du groupe positif à la liqueur négative au wasabi sans qu’il soit nécessaire de filtrer au préalable les matériaux de formation. L’analyse statistique des scores de l’échelle de grimace de souris obtenus à partir des images vidéo sélectionnées révèle une différence significative (P < 0,01) entre la présence et l’absence d’alcool. Cette découverte suggère que les boissons alcoolisées diététiques pourraient avoir un effet décroissant sur les réactions induites par le wasabi chez la souris. Cette méthodologie combinatoire offre à l’avenir un potentiel pour le criblage individuel des composés ITC et les analyses sensorielles des composants spiritueux. Cependant, des études supplémentaires sont nécessaires pour étudier le mécanisme sous-jacent de la suppression du piquant du wasabi induite par l’alcool.
Introduction
Wasabia japonica, communément appelé wasabi, a été reconnu dans la préparation des aliments 1,2. L’expérience sensorielle intense qu’il provoque lors de la consommation, caractérisée par des larmes, des éternuements ou de la toux, est bien connue. Ce piquant distinctif du wasabi peut être attribué à un composé homologue d’isothiocyanates chimiosensoriels (ITC). Ce sont des composés phytochimiques organosulfurés volatils qui peuvent être classés en ω-alcényle et ω-méthylthioalkyl isothiocyanates3. Parmi ces composés, l’isothiocyanate d’allyle (AITC) est le produit naturel ITC le plus prédominant que l’on trouve dans les plantes appartenant à la famille des crucifères, telles que le raifort et la moutarde4. Les pâtes de wasabi commerciales sont généralement préparées à partir de raifort, ce qui fait de l’AITC un marqueur chimique utilisé pour le contrôle de la qualité de ces produits commerciaux5.
L’association de boissons alcoolisées diététiques avec des plats infusés au wasabi peut être considérée comme un exemple de disposition culturelle6. Subjectivement, cette combinaison peut compléter le piquant et la chaleur entre le wasabi et le spiritueux, améliorant ainsi l’expérience culinaire globale. L’évaluation qualitative comportementale animale (QBA) est une approche méthodologique globale de l’animal qui examine les changements de comportement chez les sujets en réponse à des stimuli externes à court ou à long terme à l’aide de termes numériques7. Cette méthode comprend des tests de douleur, des tests moteurs, des tests d’apprentissage et de mémoire, ainsi que des tests d’émotion spécialement conçus pour les modèles de rongeurs8. Cependant, les études portant sur l’évaluation sensorielle synergique de la gustation et de l’olfaction restent rares dans la littérature jusqu’à présent 9,10. La plupart des études sur la sensation chimiquement se limitent à examiner séparément la consommation individuelle d’aliments et de boissons11. Par conséquent, il y a un manque de recherches sur l’interaction goût-odeur impliquant l’acte de renifler de l’alcool tout en consommant du wasabi.
Comme la sensation de picotement induite par le wasabi est considérée comme une forme de nociception12, les évaluations comportementales animales sont bien adaptées pour évaluer les réponses sensorielles nociceptives chez les rongeurs 8,13,14. Une méthode d’évaluation de la nociception chez la souris, connue sous le nom de score MGS, a été mise au point par Langford et coll.15,16. Cette méthode d’étude comportementale est une approche d’évaluation liée à la douleur, s’appuyant sur l’analyse des expressions faciales présentées par les souris expérimentales. Le dispositif expérimental est simple, impliquant une cage transparente et 2 caméras pour l’enregistrement vidéo. En intégrant des technologies de pointe 17,18,19 pour la capture automatique des données, des mesures comportementales quantitatives et qualitatives peuvent être obtenues, améliorant ainsi le bien-être animal pendant la surveillance comportementale 20. Par conséquent, le MGS a le potentiel d’être appliqué à l’étude des effets de divers stimuli externes sur les animaux de manière ininterrompue et ad libitum. Cependant, le processus de notation ne consiste qu’à sélectionner quelques images vidéo (moins de 10) pour l’évaluation par les panélistes, et une formation préalable est nécessaire. La notation d’un grand nombre d’images d’échantillons peut demander beaucoup de main-d’œuvre. Pour surmonter ce défi chronophage, plusieurs études ont utilisé des techniques d’apprentissage automatique pour prédire le score MGS21,22. Cependant, il est important de noter que le MGS est une mesure continue. Par conséquent, un modèle de classification multiclasse serait plus approprié pour évaluer un problème logique et catégorique, comme déterminer si les images de souris ingérant simultanément du wasabi et reniflant de la liqueur ressemblent à celles de souris normales.
Dans cette étude, une méthodologie pour étudier l’interaction goût-odeur chez la souris a été proposée. Cette méthodologie combine des études comportementales animales avec un réseau de neurones convolutif (CNN) pour analyser les expressions faciales des sujets souris. Deux souris ont été observées trois fois dans des conditions comportementales normales, lors de l’expérience de nociception induite par le wasabi et en reniflant de l’alcool dans une cage spécialement conçue. Les expressions faciales des souris ont été enregistrées sur vidéo, et les images de cadre générées ont été utilisées pour optimiser l’architecture d’un modèle d’apprentissage profond (DL). Le modèle a ensuite été validé à l’aide d’un ensemble de données d’images indépendant et déployé pour classer les images acquises auprès du groupe expérimental. Pour déterminer l’étendue de la suppression du piquant du wasabi lorsque les souris reniflaient simultanément de l’alcool pendant la consommation de wasabi, les informations fournies par l’intelligence artificielle ont été corroborées par une validation croisée avec une autre méthode d’analyse des données, le MGS marquant16.
Protocol
Representative Results
Discussion
La méthode proposée pour étudier l’interaction goût-odeur dans ce travail est basée sur la méthode originale de codage comportemental pour l’expression faciale de la douleur chez la souris, qui a été développée par Langford et al.16. Plusieurs articles récemment publiés ont introduit CNN pour le suivi automatique du visage de la souris et le score MGS ultérieurde 21,26,27,28.<s…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Z. Cai tient à souligner le soutien financier du Kwok Chung Bo Fun Charitable Fund pour la création de la chaire Kwok Yat Wai d’analyse environnementale et biologique.
Materials
| Absolute ethanol (EtOH) | VWR Chemicals BDH | CAS# 64-17-5 | |
| Acrylonitrile butadiene styrene bricks | Jiahuifeng Flagship Store | https://shop.paizi10.com/jiahuifeng/chanpin.html | |
| Acrylonitrile butadiene styrene plates | Jiahuifeng Flagship Store | https://shop.paizi10.com/jiahuifeng/chanpin.html | |
| Allyl isothiocyanate (AITC) | Sigma-Aldrich | CAS# 57-06-7 | |
| Anhydrous dimethyl sulfoxide | Sigma-Aldrich | CAS# 67-68-5 | |
| Chinese spirit | Yanghe Qingci | https://www.chinayanghe.com/article/45551.html | |
| Commercial wasabi | S&B FOODS INC. | https://www.sbfoods-worldwide.com | |
| Formic acid (FA) | VWR Chemicals BDH | CAS# 64-18-6 | |
| GraphPad Prism 5 | GraphPad | https://www.graphpad.com | |
| HPLC-grade acetonitrile (ACN) | VWR Chemicals BDH | CAS# 75-05-8 | |
| HPLC-grade methanol (MeOH) | VWR Chemicals BDH | CAS# 67-56-1 | |
| Microsoft Excel 2016 | Microsoft | https://www.microsoft.com | |
| Microsoft PowerPoint 2016 | Microsoft | https://www.microsoft.com | |
| Milli-Q water system | Millipore | https://www.merckmillipore.com | |
| Mouse: ICR | Laboratory Animal Services Centre (The Chinese University of Hong Kong, Hong Kong, China) | N/A | |
| Peanut butter | Skippy | https://www.peanutbutter.com/peanut-butter/creamy | |
| Python v.3.10 | Python Software Foundation | https://www.python.org | |
| Transparent acrylic plates | Taobao Store | https://item.taobao.com/item.htm?_u=32l3b7k63381&id=60996545797 0&spm=a1z09.2.0.0.77572e8dFPM EHU |
Riferimenti
- Isshiki, K., Tokuoka, K., Mori, R., Chiba, S. Preliminary examination of allyl isothiocyanate vapor for food preservation. Biosci Biotechnol Biochem. 56 (9), 1476-1477 (1992).
- Li, X., Wen, Z., Bohnert, H. J., Schuler, M. A., Kushad, M. M. Myrosinase in horseradish (Armoracia rusticana) root: Isolation of a full-length cDNA and its heterologous expression in Spodoptera frugiperda insect cells. Plant Sci. 172 (6), 1095-1102 (2007).
- Depree, J. A., Howard, T. M., Savage, G. P. Flavour and pharmaceutical properties of the volatile sulphur compounds of Wasabi (Wasabia japonica). Food Res Int. 31 (5), 329-337 (1998).
- Hu, S. Q., Wei, W. Study on extraction of wasabi plant material bio-activity substances and anti-cancer activities. Adv Mat Res. 690 – 693, 1395-1399 (2013).
- Lee, H. -. K., Kim, D. -. H., Kim, Y. -. S. Quality characteristics and allyl isothiocyanate contents of commercial wasabi paste products. J Food Hyg Saf. 31 (6), 426-431 (2016).
- Bacon, T. Wine, wasabi and weight loss: Examining taste in food writing. Food Cult Soc. 17 (2), 225-243 (2014).
- Fleming, P. A., et al. The contribution of qualitative behavioural assessment to appraisal of livestock welfare. Anim Prod Sci. 56, 1569-1578 (2016).
- Shi, X., et al. Behavioral assessment of sensory, motor, emotion, and cognition in rodent models of intracerebral hemorrhage. Front Neurol. 12, 667511 (2021).
- Stevenson, R. J., Prescott, J., Boakes, R. A. Confusing tastes and smells: How odours can influence the perception of sweet and sour tastes. Chem Senses. 24 (6), 627-635 (1999).
- Pfeiffer, J. C., Hollowood, T. A., Hort, J., Taylor, A. J. Temporal synchrony and integration of sub-threshold taste and smell signals. Chem Senses. 30 (7), 539-545 (2005).
- Simons, C. T., Klein, A. H., Carstens, E. Chemogenic subqualities of mouthfeel. Chem Senses. 44 (5), 281-288 (2019).
- Andrade, E. L., Luiz, A. P., Ferreira, J., Calixto, J. B. Pronociceptive response elicited by TRPA1 receptor activation in mice. Neuroscienze. 152 (2), 511-520 (2008).
- Palazzo, E., Marabese, I., Gargano, F., Guida, F., Belardo, C., Maione, S. Methods for evaluating sensory, affective and cognitive disorders in neuropathic rodents. Curr Neuropharmacol. 19 (6), 736-746 (2020).
- Topley, M., Crotty, A. M., Boyle, A., Peller, J., Kawaja, M., Hendry, J. M. Evaluation of motor and sensory neuron populations in a mouse median nerve injury model. J Neurosci Methods. 396, 109937 (2023).
- Langford, D. J., et al. . Mouse Grimace Scale (MGS): The Manual. , (2015).
- Langford, D. J., et al. Coding of facial expressions of pain in the laboratory mouse. Nat Methods. 7 (6), 447-449 (2010).
- Liu, H., Fang, S., Zhang, Z., Li, D., Lin, K., Wang, J. MFDNet: Collaborative poses perception and matrix Fisher distribution for head pose estimation. IEEE Trans Multimedia. 24, 2449-2460 (2022).
- Liu, T., Wang, J., Yang, B., Wang, X. NGDNet: Nonuniform Gaussian-label distribution learning for infrared head pose estimation and on-task behavior understanding in the classroom. Neurocomputing. 436, 210-220 (2021).
- Liu, T., Liu, H., Yang, B., Zhang, Z. LDCNet: Limb direction cues-aware network for flexible human pose estimation in industrial behavioral biometrics systems. IEEE Trans Industr Inform. 20 (6), 8068-8078 (2023).
- Grant, E. P., et al. What can the quantitative and qualitative behavioural assessment of videos of sheep moving through an autonomous data capture system tell us about welfare. Appl Anim Behav Sci. 208, 31-39 (2018).
- Vidal, A., Jha, S., Hassler, S., Price, T., Busso, C. Face detection and grimace scale prediction of white furred mice. Mach Learn Appl. 8, 100312 (2022).
- Zylka, M. J., et al. Development and validation of Painface, A software platform that simplifies and standardizes mouse grimace analyses. J Pain. 24 (4), 35-36 (2023).
- Liu, H., Zhang, C., Deng, Y., Liu, T., Zhang, Z., Li, Y. F. Orientation cues-aware facial relationship representation for head pose estimation via Transformer. IEEE Trans Image Process. 32, 6289-6302 (2023).
- Liu, H., Liu, T., Chen, Y., Zhang, Z., Li, Y. F. EHPE: Skeleton cues-based Gaussian coordinate encoding for efficient human pose estimation. IEEE Trans Multimedia. , (2022).
- Liu, H., et al. TransIFC: Invariant cues-aware feature concentration learning for efficient fine-grained bird image classification. IEEE Trans Multimedia. , (2023).
- Akkaya, I. B., Halici, U. Mouse face tracking using convolutional neural networks. IET Comput Vis. 12 (2), 153-161 (2018).
- Andresen, N., et al. Towards a fully automated surveillance of well-being status in laboratory mice using deep learning: Starting with facial expression analysis. PLoS One. 15 (4), e0228059 (2020).
- Ernst, L., et al. Improvement of the mouse grimace scale set-up for implementing a semi-automated Mouse Grimace Scale scoring (Part 1). Lab Anim. 54 (1), 83-91 (2020).
- Tuttle, A. H., et al. A deep neural network to assess spontaneous pain from mouse facial expressions. Mol Pain. 14, 1744806918763658 (2018).
- Lencioni, G. C., de Sousa, R. V., de Souza Sardinha, E. J., Corrêa, R. R., Zanella, A. J. Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling. PLoS One. 16 (10), e0258672 (2021).
- Steagall, P. V., Monteiro, B. P., Marangoni, S., Moussa, M., Sautié, M. Fully automated deep learning models with smartphone applicability for prediction of pain using the Feline Grimace Scale. Sci Rep. 13, 21584 (2023).
.