设计和实施使用计算机视觉跟踪的自动化Drosophila Locomotor测试

科学领域:

• 神经生物学 神经生物学 神经生物学
• 遗传学 是一个遗传学.
• 衰老研究研究 衰老研究

背景情况:

• 传统的果 (Drosophila) 运动测试面临主观评分和可重复性的挑战.
• 现有的方法限制了对受遗传学,年龄和性别影响的复杂行为进行详细分析.

研究的目的:

• 开发和验证一个自动化,高分辨率的平台,用于Drosophila的并行运动分析.
• 为了能够精确量化爬行为,速度和位置占用.
• 为了促进基因型,年龄和性别依赖的运动动态的先进统计分析.

主要方法:

• 一个集成的硬件软件系统,包括3D打印组件,Raspberry Pi视频采集和环境控制.
• 一个深度学习管道,用于准确的小瓶细分和计算机视觉算法,以60fps量化轨迹.
• 先进的统计分析,包括线性混合效应回归和曼-惠特尼U测试,具有用户友好的Python界面.

主要成果:

• 与手动评分相比,自动化平台的数据处理速度快2.8倍,密度高800倍.
• 在昼夜ClockOut突变体和PolG淘汰模型中观察到可复制的,性别特异的运动现象.
• 确定了显著的年龄和性别依赖的运动性能下降,特别是在具有ClockOut突变和PolG淘汰的男性中.

结论:

• 开发的平台为Drosophila的详细运动分析提供了一个标准化,高通量框架.
• 这项技术增强了基因型,年龄和性别依赖的行为动态的分辨率.
• 它为研究衰老,昼夜生物学和神经退行提供了新的途径.