Drosophila melanogaster, gen modifikasyonu¹, ilaç tedavisi² ve yaşlanma³ tarafından oluşturulan nöronal hastalık modellerinde hücresel ve moleküler fonksiyonları araştırmak için mükemmel bir model organizma sağlar. İnsanlar ve Drosophila arasındaki biyolojik yolakların, fiziksel özelliklerin ve hastalıkla ilişkili homolog genlerin yüksek korunumu, meyve sineğini molekülden davranışsal seviye^4’e ideal bir taklit haline getirir. Birçok hastalık modelinde, davranış eksikliği çeşitli insan nöropatileri için yararlı bir model sağlayan önemli bir indekstir ^5,6. Drosophila şimdi çoklu insan hastalıklarını, nörogelişimi ve Parkinson hastalığı ve amiyotrofik lateral skleroz ^7,8 gibi nörodejeneratif hastalıkları incelemek için kullanılmaktadır. Hastalık modellerinin motor yeteneğini saptamak, patojenik ilerlemeyi anlamak için çok önemlidir ve hastalık sürecinin altında yatan moleküler mekanizmalarla fenotipik bir korelasyon sağlayabilir.

Son zamanlarda, Drosophila lokomotor algılama stratejileri için, gruplandırılmış^sineklerde yüksek verim testi 9,10 ve gerçek zamanlı ^11,12’de hareket ölçümü gibi ticari olarak temin edilebilen yazılım araçları ve uygun maliyetli programlar geliştirilmiştir. Böyle bir geleneksel yaklaşım, aynı cinsiyet ve yaşa sahip büyük bir sinek popülasyonunun kapsanmasına izin veren ve ^9,13 veri toplarken çeşitliliği azaltan birden fazla kanal içeren tırmanma testi olarak da adlandırılan hızlı etkileşimli negatif jeotaksistir (RING). Lokomotor davranışı analiz etmek için bir başka ön test yöntemi, ince bir cam tüp¹⁴ içindeki sinek aktivitesi hareketini tespit etmek için birden fazla ışın kullanan bir cihaz olan TriKinetics Drosophila aktivite monitörüdür (DAM). Cihaz, daha uzun bir süre boyunca sineklerin aktivitesini ve sirkadiyen ritmini incelemek için ışın geçişlerini hesaplayarak otomatik hareketi temsil eden konumu sürekli olarak kaydeder¹⁵. Bu yöntemler, davranışsal hareketteki değişiklikleri belirlemek için meyve sineklerindeki davranışsal kusurların analizinde yaygın olarak kullanılmasına rağmen, her zaman özel test ekipmanı veya karmaşık analiz süreçleri gerektirir ve bazı modellerde uygulamalarını sınırlı, basit bir cihazla kısıtlar. FlyGrAM¹¹ ve Drosophila adası tahlil¹⁰ gibi yetişkin Drosophila’yı test etmek için hayvan izleme grubu tabanlı stratejiler, önceden tanımlanmış bir alanda sosyal işe alım ve bireysel izleme uygular. Bununla birlikte, meydan okunan alanlardaki sosyal bireysel kısıtlama, sineklerin çarpışması veya üst üste binmesinden kaynaklanan görüntülerdeki tanımlamalar üzerinde olumsuz bir etkiye sahip olabilir. TRex¹⁶, MARGO¹² ve FlyPi¹⁷ gibi bazı açık kaynaklı materyal tabanlı yöntemlerin acil bir durumu olsa da, davranış testlerinde esnek kullanımla sinekleri hızlı bir şekilde izleyebilirler. Bu test yaklaşımları, ayrıntılı deneysel cihaz kurulumları, özel yazılım gereksinimleri veya profesyonel bilgisayar dilleri ile ilişkilidir. Larvalar için, birim^{zaman 18} başına ızgara sınır çizgilerinin sayısı boyunca kat edilen toplam mesafeyi ölçmek veya bireyler için vücut duvarı kasılmalarını manuel olarak¹⁹ olarak kabaca saymak, lokomotor yeteneklerini değerlendirmek için baskın yöntemlerdir. Ekipman veya cihazlarda ve analiz yöntemlerinde hassasiyet eksikliği nedeniyle, larvaların bazı davranışsal hareketleri tespit edilmekten kaçabilir ve davranışsal hareketin, özellikle de ince hareketin doğru bir şekilde değerlendirilmesini zorlaştırabilir¹⁵.

Mevcut geliştirilen yöntem, Fiji (ImageJ) görüntü işleme programı ile uyumlu AnimalTracker uygulama programlama arayüzünü (API) kullanarak, hem yetişkin hem de larva sineklerinin lokomotor aktivitesini, yüksek çözünürlüklü (HD) videolardan izleme davranışlarını analiz ederek sistematik olarak değerlendirmek için kullanmaktadır. Fiji, sağlam yazılım kütüphanelerini çok sayıda komut dosyası dili ile birleştirebilen, görüntü işleme algoritmalarının hızlı prototiplenmesiyle sonuçlanan ve görüntü analiz yetenekleri²⁰ için biyologlar arasında popüler hale getiren açık kaynaklı bir yazılım ImageJ dağıtımıdır. Mevcut yaklaşımda, Fiji’nin AnimalTracker API’sine entegrasyonu, kişiselleştirilmiş algoritma ekleme ile benzersiz bir Drosophila davranış testi geliştirmek için kullanılmaktadır ve lokomotor davranışın sağlam analitik yeteneklerini desteklemek için ayrıntılı dokümantasyon ve öğreticiler için yararlı bir adım sağlar (Şekil 1). Sineklerin çarpışması veya üst üste binmesinin neden olduğu görüntülerdeki nesnel tanımlamaların karmaşıklığını atlatmak için, her arena yalnızca bir sineğe ev sahipliği yapmakla sınırlıdır. Yaklaşımın izleme hassasiyetini değerlendirdikten sonra, genellikle Parkinson hastalığının hayvan modelleri için kullanılan toksik ilaç rotenon ile uygulanan Drosophila’nın lokomotor hareketlerini izlemek ve ölçmek için uygulandı ve sonuçta ilaç tedavisinde hareket bozukluğu keşfetti²¹. Açık kaynaklı ve özgür yazılım kullanan bu metodoloji, yüksek maliyetli enstrümantasyon gerektirmez ve Drosophila davranışsal hareketini hassas ve tekrarlanabilir bir şekilde analiz edebilir.