Un método computacional para cuantificar la actividad circadiana mosca

El reloj circadiano es un oscilador bioquímico endógeno con un período de aproximadamente 24 horas y es casi ubicuo en animales y plantas de^1,2. El reloj ayuda a sincronizar los procesos internos de un organismo y el comportamiento para el ciclo oscuro de luz externo. La estructura genética del reloj circadiano ha sido ampliamente estudiada desde la década de 1960 con la mosca de la fruta D. melanogaster. En este insecto, el núcleo del reloj circadiano consiste en cuatro proteínas: período, atemporal, reloj y ciclo. Estos componentes del núcleo junto con otras moléculas forman un bucle de retroalimentación que produce casi sinusoidales oscilaciones de reloj genes^3,4. El reloj circadiano en moscas es ampliamente estudiada usando grabaciones locomotoras varios días donde se detecte actividad mosca con un rayo infrarrojo solo cruzando la mitad de un tubo individual⁵. Una mosca típica grabación tiene un complejo patrón bimodal con dos picos bien distinguibles: punta de la mañana (M) que se inicia al final de la noche y tiene un máximo cuando se enciende; y pico de la tarde (E) que se inicia al final del día y tiene un máximo cuando las luces se apagan⁶. Curiosamente, la forma de tal grabación de comportamiento es muy diferente de las oscilaciones sinusoidales simples observadas a nivel molecular, lo que sugiere la acción de mecanismos adicionales que contribuyen a los patrones observados de temporales. Para entender mejor estos mecanismos ocultos, hemos desarrollado una herramienta computacional que proporciona una descripción cuantitativa de los patrones temporales.

En nuestro trabajo, los ritmos locomotores se definen en términos de forma de onda que imita el patrón de la mosca de la actividad. Desde simples ondas sinusoidales no puede utilizarse para modelar los cambios rítmicos observados en la actividad, hemos probado varias formas de señal para seleccionar la más simple que captura todas las características en las grabaciones. Comportamiento circadiano de la mosca de la fruta es controlada por la actividad de las neuronas reloj que a menudo tienen exponenciales patrones de activación y desactivación⁷. La dinámica exponencial y análisis visual de los datos nos motivaron a construir un modelo con términos exponenciales que consta de cuatro exponentes con nueve parámetros independientes y muy parecidas a la mosca actividad patrón⁸. Además de los datos del aparato locomotoras, también analizamos su espectro de energía. Espectro de actividad típica mosca muestra varios picos en armónicos T₀2 T₀3, etc., además el pico fundamental previsto en el período circadiano T₀. Según el teorema de Fourier, sólo una onda senoidal pura produce un solo pico en espectros de energía, mientras que las más complejas formas de onda muestran varios picos espectrales en armónicos del período primario (figura 1). Por lo tanto, dada el no-sinusoidal patrón temporal de actividad mosca⁸, matemáticamente se espera y no implica necesariamente la presencia de múltiples períodos de oscilación de un espectro de energía multi-pico de los datos. Lo importante es el espectro de energía de la onda modelo propuesto muestra picos en los armónicos de la época primaria, similar a las grabaciones locomotoras mosca, subrayando así la alta fidelidad con que nuestro modelo describe mosca datos tanto en tiempo como en frecuencia.

En resoluciones de tiempo de unos pocos minutos o menos, mosca actividad datos aparecen ruidos, lo que hace difícil extraer parámetros directamente los datos en bruto. Datos binning en intervalos más largos de tiempo pueden disminuir el nivel de ruido, pero pueden modificar los datos de maneras que pueden afectar la estimación de parámetros del modelo. Por lo tanto obtenemos los parámetros de espectros de potencia de las grabaciones, usando una expresión analítica para los espectros de energía esperados calculados a partir de la transformada de Fourier de la función modelo⁸ (véase la archivo adicional 1 de referencia⁸). Este enfoque de obtención de parámetros de los espectros de energía produce valores de parámetro exacto sin cualquier manipulación adicional, como binning o filtrado de los datos crudos de la actividad. Detalles matemáticos del modelo y las aplicaciones a los datos de tipo salvaje y mutantes se describen en la referencia⁸. El protocolo aquí presentado se centra en las instrucciones paso a paso para utilizar la herramienta computacional.