Rilevamento comportamentale e formazione immagine di Neuromast della caverna messicano
Summary
Qui, presentiamo i metodi per lo studio di alto-rendimento di una serie della caverna messicano comportamenti e colorazione vitale di un sistema che mechanosensory. Questi metodi utilizzano script software libero e su misura, che forniscono un metodo pratico ed economico per gli studi dei comportamenti.
Abstract
Caverna-dimora animali hanno evoluto una serie di tratti morfologici e comportamentali per adattarsi ai loro ambienti perennemente buio e cibo di tipo sparse. Tra questi tratti, comportamento di foraggiamento è una delle finestre utili in vantaggi funzionali dell’evoluzione caratteristica comportamentale. Sono presentati qui metodi aggiornati per analizzare il comportamento di attrazione di vibrazione (VAB: un comportamento di foraggiamento adattivo) e formazione immagine di mechanosensors associato della grotta-adattato tetra, Astyanax mexicanus. Inoltre, i metodi sono presentati per l’inseguimento ad alta velocità di una serie di comportamenti di caverna aggiuntive tra cui iperattività e perdita di sonno. Caverna Mostra anche maggiore ansia, comportamento ripetitivo e socievolezza. Di conseguenza, caverna serve come modello animale per comportamenti evoluti. Questi metodi utilizzano gli script di software libero e su misura che possono essere applicati ad altri tipi di comportamento. Questi metodi forniscono alternative pratiche ed economicamente vantaggiose per il software di monitoraggio disponibili in commercio.
Introduction
Il tetra messicano, Astyanax mexicanus (Teleostei: Characidae), è l’unico fra i pesci per avere due radicalmente alternativo morfismo – un morph avvistato, Superficie-abitazione e un morph cieco, caverne, composto da diversi distinti popolazioni1. Sebbene diversi per morfologia e fisiologia, essi sono ancora interfertile2,3. Questi morphs interfertile sembrano sono evolute rapidamente (~ 20.000 anni)4, che li rende un sistema modello ideale per lo studio di rapido adattamento. Caverna è noti per avere una suite di divergenti tratti morfologici e comportamentali, tra cui una maggiore densità delle papille gustative, aumento del numero di mechanosensors, sintonizzato su una frequenza particolare di uno stimolo di vibrazione, iperattività, comportamento di foraggiamento e insonnia. Molti di questi comportamenti probabilmente evoluti contemporaneamente, alcuni dei quali sono stati suggeriti per essere vantaggioso nell’oscurità delle grotte per foraggiare5 e modalità di risparmio energetico in ambienti scuri e alimenti-sparse6,7.
In molti sistemi di modello evolutivo, è difficile da acquisire conoscenze integrate sul cambiamento di morfologia e comportamento come animale in risposta all’ambiente, perché la maggior parte delle specie sono distribuita su una pendenza continua in ambienti complessi. Tuttavia, il netto contrasto tra la grotta e la superficie morph Astianatte che si sono evoluti in altamente contrastanti ambienti delineati da un ecotono tagliente ha portato ad Astianatte emergendo come un eccellente modello per capire l’evoluzione degli animali. Questo rende possibile collegare più facilmente geni e processi di sviluppo con tratti adattivi e selezione nell’ambiente. Inoltre, recenti indagini biomediche di questi tratti in Astyanax ha dimostrato che questi tratti possono parallelo sintomi umano8,9,10. Ad esempio, perdita di sonno e di socialità e aumento di iperattività, comportamento ripetitivo e livello di cortisolo sono simili a ciò che è osservato in esseri umani con autismo spettro disturbo8.
Per affrontare la complessa co-evoluzione di molti comportamenti e caratteristiche morfologiche, è vantaggioso per molti di loro per evidenziare sottostanti vie genetiche e molecolari di analisi. Metodi per caratterizzare il grado di fenotipi comportamentali grotta-tipo di superficie, cave e ibrido morph di Astianattesono presentati qui. I comportamenti focali analizzati per caratterizzare il fenotipo sono Grotta-adattato foraggiamento comportamento (comportamento vibrazionale attrazione, d’ora in poi indicato come VAB) e iperattività/sonno durata11,12. Anche presentato è un metodo di imaging per il sistema sensoriale associato VAB13. Recentemente, molti software di monitoraggio open source per l’esecuzione di analisi comportamentale sono diventati disponibili14,15. Questi funzionano molto bene per brevi video, a meno di 10 minuti lunghi. Tuttavia, diventa problematico se il video è più lungo a causa di intenso monitoraggio/calcolo tempo. Software disponibile in commercio in grado può essere costoso. I metodi presentati principalmente usano freeware e quindi sono considerati metodi di alto-rendimento e costi contenuti. Inoltre incluso sono risultati rappresentativi basati su questi metodi.
Protocol
Representative Results
Discussion
Questi metodi presentati sono di facile accesso, ma possono essere complicati da eseguire a causa della natura delle sue origini di freeware. Pertanto, si consiglia di eseguire analisi di prova e analisi prima di qualsiasi sperimentazione reale.
Il tasso di generazione di dati può essere rapido, una volta stabiliti il quadro sperimentale e analitico. Una volta stabilita, è possibile registrare due pesci in 7 min per il dosaggio di VAB, 30 pesci in 24 ore per il dosaggio di attività/sonno e …
Declarações
The authors have nothing to disclose.
Acknowledgements
Ringraziamo tutti i membri del laboratorio Yoshizawa tra cui Cetraro N., N. Simon, Valdez C., C. Macapac, J. Choi, L. Lu, J. Nguyen, S. Podhorzer, H. Hernandes, J. Fong, J. Kato e I. Signore per la cura del pesce sul pesce sperimentale utilizzato in questo manoscritto. Ringraziamo anche i membri del laboratorio r. Keene tra cui P. Masek per addestrare MY da montare telecamera CCD IR. Infine, vorremmo ringraziare il Media Lab – facoltà di scienze sociali – scuola di comunicazione presso l’Università delle Hawaii Manoa per il loro prezioso aiuto con rendendo il video, soprattutto B. Smith, J. Lam e S. bianco. Questo lavoro è stato supportato dalla Fondazione di comunità hawaiana (16CON-78919 e 18CON-90818) e Istituto nazionale di salute NIGMS (P20GM125508) concede a MY.
Materials
| 4-Di-1-ASP (4-(4-(dimethylaminostyryl)-1-methylpyridinium iodide) | MilliporeSigma | D3418 | |
| 880 nm wave length black light | Advanced Illumination | BL41192-880 | |
| avfs | freeware | Version 1.0.0.6 | http://turtlewar.org/avfs/ |
| Avisynth | freeware | Version 2.6.0 | http://avisynth.nl/index.php/Main_Page |
| Cygwin | freeware | Version 2.11.0 | https://www.cygwin.com/ |
| Cylindrical assay chamber (Pyrex 325 ml glass dish) | Corning | 3140-100 | 10 cm diameter 5 cm high |
| Ethovision XT | Noldus Information Technology, Wageningen, The Netherlands | Version 14 | https://www.noldus.com/animal-behavior-research/products/ethovision-xt |
| Fish Aquarium Cylinder Soft Sponge Stone Water Filter, Black | Jardin (through Amazon.com) | NA | Sponge filter for Sleep/hyperactivity recording system |
| Grade A Brine shrimp eggs | Brine shrimp direct | BSEA16Z | |
| ImageJ | freeware | Version 1.52e | https://imagej.nih.gov/ij/ |
| macro 1.8/12.5-75mm C-mount zoom lens | Toyo | NA | Attach to USB webcam by using c-mount, which is printed in 3-D printer |
| Neutral Regulator | Seachem | NA | |
| Optical cast plastic IR long-pass filter | Edmund optics | 43-948 | Cut into a small piece to fit in the CCD of USB webcam |
| pfmap | freeware | Build 178 | http://pismotec.com/download/ (at “Download Archive” link at the bottom) |
| Reef Crystals Reef Salt | Instant Ocean | RC15-10 | |
| SwisTrack | freeware | Version 4 | https://en.wikibooks.org/wiki/SwisTrack |
| USB webcam (LifeCam Studio 1080p HD Webcam) | Microsoft | Q2F-00013 | Cut 2-2.5 cm of the front |
| WinAutomation | freeware | Version 8 | https://www.winautomation.com/ (free stand-alone app for this procedure) |
| Windows operating system | Microsoft | 7, 8 or 10 | https://www.microsoft.com/en-us/windows |
| x264vfw | freeware | NA | https://sourceforge.net/projects/x264vfw/ |
Referências
- Keene, A. C., Yoshizawa, M., McGaugh, S. E. . Biology and Evolution of the Mexican Cavefish. Biology and Evolution of the Mexican Cavefish. , (2015).
- Mitchell, R. W., Russell, W. H., Elliott, W. R. . Mexican eyeless characin fishes, genus Astyanax: Environment, distribution, and evolution.Special publications the museum Texas Tech University. (12), (1977).
- Wilkens, H. Evolution and genetics of epigean and cave Astyanax-fasciatus (Characidae, Pisces) – Support for the neutral mutation theory. Evolutionary Biology. 23, 271-367 (1988).
- Fumey, J., Hinaux, H., Noirot, C., Thermes, C., Rétaux, S., Casane, D. Evidence for late Pleistocene origin of Astyanax mexicanus cavefish. BMC Evolutionary Biology. 18 (1), 1-19 (2018).
- Yoshizawa, M., Gorički, S., Soares, D., Jeffery, W. R. Evolution of a behavioral shift mediated by superficial neuromasts helps cavefish find food in darkness. Current Biology. 20 (18), 1631-1636 (2010).
- Moran, D., Softley, R., Warrant, E. J. Eyeless Mexican cavefish save energy by eliminating the circadian rhythm in metabolism. PloS One. 9 (9), e107877 (2014).
- Moran, D., Softley, R., Warrant, E. J. The energetic cost of vision and the evolution of eyeless Mexican cavefish. Science Advances. 1 (8), e1500363 (2015).
- Yoshizawa, M., et al. The Evolution of a Series of Behavioral Traits is associated with Autism-Risk Genes in Cavefish. BMC Evolutionary Biology. 18 (1), 89 (2018).
- Riddle, M. R., et al. Insulin resistance in cavefish as an adaptation to a nutrient-limited environment. Nature. 555 (7698), 647-651 (2018).
- Protas, M. E., et al. Genetic analysis of cavefish reveals molecular convergence in the evolution of albinism. Nature Genetics. 38 (1), 107-111 (2006).
- Yoshizawa, M., et al. Distinct genetic architecture underlies the emergence of sleep loss and prey-seeking behavior in the Mexican cavefish. BMC Biology. 13 (1), 15 (2015).
- Duboué, E. R., Keene, A. C., Borowsky, R. L. Evolutionary convergence on sleep loss in cavefish populations. Current Biology. 21 (8), 671-676 (2011).
- Fernandes, V. F. L., Macaspac, C., Lu, L., Yoshizawa, M. Evolution of the developmental plasticity and a coupling between left mechanosensory neuromasts and an adaptive foraging behavior. Biologia do Desenvolvimento. 441 (2), 262-271 (2018).
- Pérez-Escudero, A., Vicente-Page, J., Hinz, R. C., Arganda, S., de Polavieja, G. G. idTracker: tracking individuals in a group by automatic identification of unmarked animals. Nature Methods. 11, 743 (2014).
- Branson, K., Robie, A. A., Bender, J., Perona, P., Dickinson, M. H. High-throughput ethomics in large groups of Drosophila. Nature Methods. 6 (6), 451-457 (2009).
- Yoshizawa, M., Jeffery, W. R., Van Netten, S. M., McHenry, M. J. The sensitivity of lateral line receptors and their role in the behavior of Mexican blind cavefish (Astyanax mexicanus). Journal of Experimental Biology. 217 (6), (2014).
- Lee, A. . Virtualdub. , (2014).
- Schneider, C. A., Rasband, W. S., Eliceiri, K. W. NIH Image to ImageJ: 25 years of image analysis. Nature Methods. 9 (7), 671-675 (2012).
- Cavallari, N., et al. A blind circadian clock in cavefish reveals that opsins mediate peripheral clock photoreception. PLoS Biology. 9 (9), e1001142 (2011).
- Swimmer, B., Lang, H. H. . Surface Wave Discrimination between Prey and Nonprey by the Back Swimmer Notonecta glauca L. (Hemiptera , Heteroptera ). 6 (3), 233-246 (1980).
- Montgomery, J. C., Macdonald, J. A. . Sensory Tuning of Lateral Line Receptors in Antarctic Fish to the Movements of Planktonic Prey. 235 (4785), 195-196 (1987).
- Prober, D. A., Rihel, J., Onah, A. A., Sung, R. J., Schier, A. F. Hypocretin/orexin overexpression induces an insomnia-like phenotype in zebrafish. The Journal of Neuroscience. 26 (51), 13400-13410 (2006).
- Zhdanova, I. V., Wang, S. Y., Leclair, O. U., Danilova, N. P. Melatonin promotes sleep-like state in zebrafish. Brain Research. 903 (1-2), 263-268 (2001).
- Nussbaum-Krammer, C. I., Neto, M. F., Brielmann, R. M., Pedersen, J. S., Morimoto, R. I. Investigating the Spreading and Toxicity of Prion-like Proteins Using the Metazoan Model Organism C. elegans. Journal of Visualized Experiments. (95), e52321 (2015).
- Rasband, W. S. . Object Tracker. , (2000).
- Ferreira, T., Rasband, W. Create Shortcuts. ImageJ User Guide. , (2012).
- Lochmatter, T., Roduit, P., Cianci, C., Correll, N., Jacot, J., Martinoli, A. . SwisTrack. , (2008).
