Integrazione della valutazione comportamentale animale e della rete neurale convoluzionale per studiare l'interazione gusto-odore wasabi-alcol
Summary
Questo articolo descrive una serie di metodi per misurare la capacità soppressiva dello sniffare bevande alcoliche sulla sensazione di bruciore indotta dal wasabi.
Abstract
Le paste di wasabi commerciali comunemente utilizzate per la preparazione del cibo contengono un composto omologo di isotiocianati chemiosensoriali (ITC) che suscitano una sensazione irritante al momento del consumo. L’impatto dell’annusare bevande alcoliche alimentari sulla sensazione di piccantezza del wasabi non è mai stato studiato. Mentre la maggior parte degli studi di valutazione sensoriale si concentra separatamente su singoli cibi e bevande, mancano ricerche sullo studio olfattivo dello sniffare liquore durante il consumo di wasabi. Qui, viene sviluppata una metodologia che combina l’uso di uno studio comportamentale animale e di una rete neurale convoluzionale per analizzare le espressioni facciali dei topi quando contemporaneamente sniffano liquore e consumano wasabi. I risultati dimostrano che il modello di deep learning addestrato e convalidato riconosce il 29% delle immagini raffiguranti il co-trattamento di wasabi e alcol appartenenti alla classe del gruppo wasabi-negativo-liquore-positivo senza la necessità di un precedente filtraggio dei materiali di formazione. L’analisi statistica dei punteggi della scala delle smorfie del topo ottenuti dalle immagini dei fotogrammi video selezionati rivela una differenza significativa (P < 0,01) tra la presenza e l'assenza di liquori. Questa scoperta suggerisce che le bevande alcoliche alimentari potrebbero avere un effetto decrescente sulle reazioni indotte dal wasabi nei topi. Questa metodologia combinatoria ha un potenziale per lo screening individuale dei composti ITC e per le analisi sensoriali dei componenti degli spiriti in futuro. Tuttavia, sono necessari ulteriori studi per indagare il meccanismo alla base della soppressione della pungenza del wasabi indotta dall'alcol.
Introduction
La Wasabia japonica, comunemente nota come wasabi, ha ottenuto riconoscimenti nella preparazione del cibo 1,2. È nota l’intensa esperienza sensoriale che suscita al momento del consumo, caratterizzata da lacrime, starnuti o tosse. Questa particolare pungenza del wasabi può essere attribuita a un composto omologo di isotiocianati chemiosensoriali (ITC). Sono sostanze fitochimiche organosolforate volatili che possono essere classificate in ω-alchenil e ω-metiltioalchilisotiocianati3. Tra questi composti, l’isotiocianato di allile (AITC) è il prodotto naturale ITC più diffuso nelle piante appartenenti alla famiglia delle Crucifere, come il rafano e la senape4. Le paste di wasabi commerciali sono comunemente preparate a partire dal rafano, rendendo l’AITC un marcatore chimico utilizzato per il controllo di qualità di questi prodotti commerciali5.
L’abbinamento di bevande alcoliche dietetiche con piatti infusi di wasabi può essere considerato un esempio di disposizione culturale6. Soggettivamente, questa combinazione può completare la piccantezza e il calore tra il wasabi e lo spirito, migliorando l’esperienza culinaria complessiva. La valutazione comportamentale qualitativa degli animali (QBA) è un approccio metodologico completo che esamina i cambiamenti comportamentali nei soggetti in risposta a stimoli esterni a breve o lungo termine utilizzando termini numerici7. Questo metodo comprende test del dolore, test motori, test di apprendimento e memoria, nonché test emotivi specificamente progettati per i modelli di roditori8. Tuttavia, gli studi che indagano la valutazione sensoriale sinergica della gustazione insieme all’olfatto rimangono scarsi in letteratura fino ad ora 9,10. La maggior parte degli studi sulla sensazione chimica si limita ad esaminare separatamente il consumo individuale di cibi e bevande11. Di conseguenza, c’è una carenza di ricerca sull’interazione gusto-odore che coinvolge l’atto di annusare il liquore mentre si consuma wasabi.
Poiché si ritiene che la sensazione di bruciore indotta dal wasabi sia una forma di nocicezione12, le valutazioni comportamentali degli animali sono adatte per valutare le risposte sensoriali nocicettive negli animali roditori 8,13,14. Un metodo per valutare la nocicezione nei topi, noto come punteggio della scala della smorfia del topo (MGS), è stato sviluppato da Langford et al.15,16. Questo metodo di studio comportamentale è un approccio di valutazione correlato al dolore, che si basa sull’analisi delle espressioni facciali esibite dai topi sperimentali. La configurazione sperimentale è semplice e prevede una gabbia trasparente e 2 telecamere per la registrazione video. Incorporando tecnologie avanzate 17,18,19 per l’acquisizione automatica dei dati, è possibile ottenere misure comportamentali quantitative e qualitative, migliorando il benessere degli animali durante il monitoraggio comportamentale 20. Di conseguenza, la MGS ha il potenziale per essere applicata nello studio degli effetti di vari stimoli esterni sugli animali in modo ininterrotto e ad libitum. Tuttavia, il processo di assegnazione dei punteggi prevede solo la selezione di alcune (meno di 10) immagini di fotogrammi video per la valutazione da parte dei relatori ed è necessaria una formazione preliminare. L’assegnazione di un punteggio a un gran numero di immagini campione può essere laboriosa. Per superare questa sfida dispendiosa in termini di tempo, diversi studi hanno impiegato tecniche di apprendimento automatico per prevedere il punteggio MGS21,22. Tuttavia, è importante notare che l’MGS è una misura continua. Pertanto, un modello di classificazione multiclasse sarebbe più adatto per valutare un problema logico e categoriale, come determinare se le immagini di topi che ingeriscono contemporaneamente wasabi e sniffano liquore assomigliano a quelle di topi normali.
In questo studio, è stata proposta una metodologia per studiare l’interazione gusto-odore nei topi. Questa metodologia combina studi comportamentali sugli animali con una rete neurale convoluzionale (CNN) per analizzare le espressioni facciali dei soggetti topo. Due topi sono stati osservati tre volte in condizioni comportamentali normali, durante l’esperienza della nocicezione indotta da wasabi e mentre sniffavano liquore in una gabbia appositamente progettata. Le espressioni facciali dei topi sono state videoregistrate e le immagini dei fotogrammi generate sono state utilizzate per ottimizzare l’architettura di un modello di deep learning (DL). Il modello è stato quindi convalidato utilizzando un set di dati di immagini indipendente e distribuito per classificare le immagini acquisite dal gruppo sperimentale. Per determinare l’entità della soppressione della pungenza del wasabi quando i topi hanno sniffato contemporaneamente il liquore durante il consumo di wasabi, le intuizioni fornite dall’intelligenza artificiale sono state ulteriormente corroborate attraverso la convalida incrociata con un altro metodo di analisi dei dati, il punteggio MGS16.
Protocol
Representative Results
Discussion
Il metodo proposto per studiare l’interazione gusto-olfatto in questo lavoro si basa sul metodo originale di codifica comportamentale per l’espressione facciale del dolore nei topi, che è stato sviluppato da Langford et al.16. Diversi articoli pubblicati di recente hanno introdotto la CNN per il tracciamento automatico del volto del mouse e il successivo punteggio MGS 21,26,27,28.<sup class="x…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Z. Cai desidera ringraziare il sostegno finanziario del Kwok Chung Bo Fun Charitable Fund per l’istituzione della cattedra di analisi ambientale e biologica Kwok Yat Wai.
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. Neuroscience. 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).
.