دمج التقييم السلوكي الحيواني والشبكة العصبية التلافيفية لدراسة تفاعل طعم الوسابي والكحول والرائحة
Summary
توضح هذه المقالة مجموعة من الطرق لقياس القدرة القمعية لاستنشاق المشروبات الكحولية على الإحساس اللاذع الناجم عن الوسابي.
Abstract
تحتوي معاجين الوسابي التجارية المستخدمة عادة لإعداد الطعام على مركب متماثل من الإيزوثيوسيانات الحسية الكيميائية (ITCs) التي تثير إحساسا مزعجا عند الاستهلاك. لم يتم دراسة تأثير استنشاق المشروبات الكحولية الغذائية على الإحساس ببهارات الوسابي. بينما تركز معظم دراسات التقييم الحسي على الأطعمة والمشروبات الفردية بشكل منفصل ، هناك نقص في الأبحاث حول الدراسة الشمية لاستنشاق الخمور أثناء تناول الوسابي. هنا ، تم تطوير منهجية تجمع بين استخدام دراسة سلوكية حيوانية وشبكة عصبية تلافيفية لتحليل تعبيرات الوجه للفئران عندما تشم الخمور وتستهلك الوسابي في وقت واحد. توضح النتائج أن نموذج التعلم العميق المدرب والمصادق عليه يتعرف على 29٪ من الصور التي تصور العلاج المشترك للوسابي والكحول التي تنتمي إلى فئة المجموعة الإيجابية للخمور سلبية الوسابي دون الحاجة إلى تصفية مواد التدريب المسبقة. يكشف التحليل الإحصائي لدرجات مقياس تجهم الماوس التي تم الحصول عليها من صور إطار الفيديو المحددة عن اختلاف كبير (P < 0.01) بين وجود الخمور وغيابها. تشير هذه النتيجة إلى أن المشروبات الكحولية الغذائية قد يكون لها تأثير متناقص على ردود الفعل التي يسببها الوسابي في الفئران. وتنطوي هذه المنهجية الاندماجية على إمكانية إجراء فحص فردي لمركبات مركز التجارة الدولية والتحليلات الحسية لمكونات الروح في المستقبل. ومع ذلك ، هناك حاجة إلى مزيد من الدراسة للتحقيق في الآلية الأساسية لقمع الكحول الناجم عن نفاذة الوسابي.
Introduction
اكتسبت Wasabia japonica ، المعروفة باسم الوسابي ، اعترافا في إعداد الطعام 1,2. التجربة الحسية الشديدة التي تثيرها عند الاستهلاك ، والتي تتميز بالتمزق أو العطس أو السعال ، معروفة. يمكن أن تعزى هذه الحدة المميزة للوسابي إلى مركب متماثل من الإيزوثيوسيانات الحسية الكيميائية (ITCs). وهي مواد كيميائية نباتية متطايرة من الكبريت العضوي يمكن تصنيفها إلى ω-alkenyl و ω-methylthioalkyl isothiocyanates3. من بين هذه المركبات ، أليل أيزوثيوسيانات (AITC) هو منتج ITC الطبيعي الأكثر انتشارا الموجود في النباتات التي تنتمي إلى عائلة Cruciferae ، مثل الفجل والخردل4. عادة ما يتم تحضير معاجين الوسابي التجارية من الفجل ، مما يجعل AITC علامة كيميائية تستخدم لمراقبة جودة هذه المنتجات التجارية5.
يمكن اعتبار إقران المشروبات الكحولية الغذائية بالأطباق المشبعة بالوسابي مثالا على التصرف الثقافي6. بشكل شخصي ، قد يكمل هذا المزيج التوابل والحرارة بين الوسابي والروح ، مما يعزز تجربة الطهي الشاملة. التقييم السلوكي النوعي الحيواني (QBA) هو نهج منهجي شامل للحيوان الكامل يدرس التغيرات السلوكية في الموضوعات استجابة للمحفزات الخارجية قصيرة الأجل أو طويلة الأجل باستخدام المصطلحات العددية7. تشمل هذه الطريقة اختبارات الألم والاختبارات الحركية واختبارات التعلم والذاكرة ، بالإضافة إلى اختبارات العاطفة المصممة خصيصا لنماذج القوارض8. ومع ذلك ، فإن الدراسات التي تبحث في التقييم الحسي التآزري لل gustation جنبا إلى جنب مع حاسة الشم لا تزال نادرة في الأدبيات حتى الآن 9,10. تقتصر معظم الدراسات حول الإحساس الكيميائي على فحص استهلاك الأطعمة والمشروبات الفردية بشكل منفصل11. وبالتالي ، هناك ندرة في الأبحاث حول تفاعل الذوق والرائحة التي تنطوي على استنشاق الخمور أثناء تناول الوسابي.
نظرا لأنه يعتقد أن الإحساس بالوخز الناجم عن الوسابي هو شكل من أشكال الإحساس بالألم12 ، فإن التقييمات السلوكية الحيوانية مناسبة تماما لتقييم الاستجابات الحسية المسببة للألم في القوارض8،13،14. تم تطوير طريقة لتقييم الإحساس بالألم في الفئران ، والمعروفة باسم مقياس كشر الماوس (MGS) بواسطة Langford et al.15،16. طريقة الدراسة السلوكية هذه هي نهج تقييم متعلق بالألم ، يعتمد على تحليل تعبيرات الوجه التي أظهرتها فئران التجارب. الإعداد التجريبي واضح ومباشر ، يتضمن قفصا شفافا وكاميرات 2 لتسجيل الفيديو. من خلال دمج التقنيات المتقدمة17،18،19 لالتقاط البيانات تلقائيا ، يمكن الحصول على مقاييس سلوكية كمية ونوعية ، مما يعزز رفاهية أثناء المراقبة السلوكية20. وبالتالي ، فإن MGS لديها القدرة على تطبيقها في دراسة آثار المحفزات الخارجية المختلفة على بطريقة غير منقطعة ومخصصة. ومع ذلك ، فإن عملية التسجيل تتضمن فقط اختيار عدد قليل (أقل من 10) صور إطار فيديو للتقييم من قبل أعضاء اللجنة ، والتدريب المسبق ضروري. يمكن أن يكون تسجيل عدد كبير من عينات الصور كثيف العمالة. للتغلب على هذا التحدي الذي يستغرق وقتا طويلا ، استخدمت العديد من الدراسات تقنيات التعلم الآلي للتنبؤ بدرجةMGS 21,22. ومع ذلك ، من المهم ملاحظة أن MGS هو مقياس مستمر. لذلك ، سيكون نموذج التصنيف متعدد الفئات أكثر ملاءمة لتقييم مشكلة منطقية وقاطعة ، مثل تحديد ما إذا كانت صور الفئران التي تتناول الوسابي واستنشاق الخمور في وقت واحد تشبه صور الفئران العادية.
في هذه الدراسة ، تم اقتراح منهجية للتحقيق في تفاعل الذوق والرائحة في الفئران. تجمع هذه المنهجية بين الدراسات السلوكية الحيوانية والشبكة العصبية التلافيفية (CNN) لتحليل تعبيرات الوجه لموضوعات الفئران. لوحظت فأرتان ثلاث مرات في ظل ظروف سلوكية طبيعية ، أثناء تجربة الإحساس بالألم الناجم عن الوسابي وأثناء استنشاق الخمور في قفص مصمم خصيصا. تم تسجيل تعابير وجه الفئران بالفيديو ، وتم استخدام صور الإطار التي تم إنشاؤها لتحسين بنية نموذج التعلم العميق (DL). ثم تم التحقق من صحة النموذج باستخدام مجموعة بيانات صور مستقلة ونشره لتصنيف الصور التي تم الحصول عليها من المجموعة التجريبية. لتحديد مدى قمع الوسابي اللاذع عندما استنشقت الفئران الخمور في وقت واحد أثناء استهلاك الوسابي ، تم تأكيد الأفكار التي قدمها الذكاء الاصطناعي بشكل أكبر من خلال التحقق المتقاطع مع طريقة أخرى لتحليل البيانات ، حيث سجل MGS16.
Protocol
Representative Results
Discussion
تعتمد الطريقة المقترحة لدراسة تفاعل الذوق والرائحة في هذا العمل على الطريقة الأصلية للترميز السلوكي لتعبيرات الوجه عن الألم في الفئران ، والتي طورها Langford et al.16. قدمت العديد من المقالات المنشورة مؤخرا CNN لتتبع وجه الماوس التلقائي وسجل MGSاللاحق 21،26<…
Disclosures
The authors have nothing to disclose.
Acknowledgements
يود Z. Cai أن ينوه بالدعم المالي المقدم من صندوق Kwok Chung Bo Fun الخيري لإنشاء كرسي Kwok Yat Wai للتحليل البيئي والبيولوجي.
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 |
References
- 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. 신경과학. 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).
.