BEEhaviourLab: A high-throughput platform for sublethal stressor screening in insects

Dit artikel introduceert BEEhaviourLab, een kosteneffectief en geautomatiseerd platform dat door middel van multimodale analyse (video en audio) sublethale neurotoxische effecten van pesticiden op insecten op hoge schaal kan detecteren, waardoor de huidige beperkingen van dodelijkheidstests in chemische risicobeoordeling worden overwonnen.

De kern

BEEhaviourLab: De "Fitnesstracker" voor Insecten die Ziektes Kan Opsporen

Stel je voor dat je wilt weten of een nieuw medicijn of een chemische stof gevaarlijk is voor bijen. In het verleden keken onderzoekers alleen naar één ding: overleven. "Is de bij dood of niet?" was de enige vraag. Maar dat is als een dokter die alleen kijkt of een patiënt nog ademt, zonder te merken dat de patiënt al dagenlang duizelig is, niet meer kan lopen of vergeten is hoe hij naar huis moet. Veel insecten sterven niet direct, maar worden wel "ziek" in hun gedrag, wat voor het ecosysteem net zo erg kan zijn.

Deze paper introduceert BEEhaviourLab, een slim, goedkoop en automatisch systeem dat als een super-observator werkt om te zien hoe insecten zich voordat ze sterven, voelen.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De "Slimme Camera" zonder Taggen

Vroeger moest je elke bij een klein labeltje (een tag) op zijn rug plakken om hem te kunnen volgen. Dat is lastig en vervelend voor de bij.
BEEhaviourLab doet het anders. Het is als een slimme beveiligingscamera die een film speelt van een kamer met bijen. De camera gebruikt een kunstmatige intelligentie (een soort "digitale ogen") die is getraind om bijen, zweefvliegen en andere insecten te herkennen, zelfs als ze niet getagd zijn.

• De analogie: Stel je voor dat je een groep mensen in een kamer hebt. Een slimme camera kan zien wie wie is, zelfs als ze allemaal hetzelfde T-shirt dragen en geen naamplaatje hebben. Het systeem kan zelfs verschillende soorten insecten (zoals een grote hommel en een kleine zweefvlieg) door elkaar heen volgen, alsof het een sportwedstrijd is waar de scheidsrechter elke speler perfect ziet.

2. Het Luisteren naar de "Zwerm"

Het systeem kijkt niet alleen, het luistert ook. Bijen maken geluiden (zoemen) als ze vliegen of wennen.

• De analogie: Het is alsof je in een drukke bibliotheek staat. Als iedereen normaal doet, hoor je een zacht zoemend geluid. Maar als iemand ziek is of verdwaald, stopt hij met zoemen of begint hij raar te bewegen. BEEhaviourLab kan horen of een bij stopt met zoemen, zelfs als hij nog beweegt. Dit is vaak een teken dat er iets mis is met zijn zenuwstelsel.

3. De Test: De "Ziekte" van Moxidectine

Om te testen of hun systeem werkt, gaven de onderzoekers hommelbijen een bekende diergeneeskundige stof: Moxidectine. Dit is een middel tegen parasieten bij dieren (zoals honden en schapen), maar het kan ook per ongeluk in de natuur terechtkomen via mest.
Ze gaven de bijen kleine hoeveelheden van dit middel en keken wat er gebeurde.

Wat vonden ze?

• De "Dood" is niet het enige gevaar: Bij de hoge doses stierven de bijen. Maar bij de lage doses (die veel lager zijn dan wat nodig is om ze te doden) gebeurde er iets interessants:
  • Ze bewogen minder vaak.
  • Als ze bewogen, was het langzamer.
  • Ze zoemden veel minder.
• De "Fitnesstracker"-meting: Het systeem berekende een "gezondheidsscore". Het bleek dat de bijen al 30 keer minder giftige hoeveelheden nodig hadden om hun gedrag te verstoren dan om te sterven.
• De les: Als we alleen kijken naar "dood of niet", missen we het feit dat de bijen al lang "ziek" en verward zijn. Ze kunnen niet meer goed voor voedsel zorgen of hun nest vinden, wat voor de bijenkolonie dodelijk kan zijn, zelfs als de individuele bij nog leeft.

4. Waarom is dit zo belangrijk?

Stel je voor dat je een auto wilt testen op veiligheid.

• De oude methode: Je rijdt tegen een muur en kijkt of de auto uit elkaar valt. Als hij heel blijft, is hij veilig.
• De BEEhaviourLab-methode: Je kijkt of de bestuurder nog kan sturen, of de remmen nog goed werken en of de radio nog klinkt, voordat je tegen de muur rijdt.

Dit systeem laat zien dat we veel eerder kunnen zien of chemicaliën gevaarlijk zijn voor insecten. Het is een vroege waarschuwingssysteem.

Samenvatting in één zin

BEEhaviourLab is een slim, automatisch lab dat als een onzichtbare cameraman en geluidstechnicus werkt, om te zien hoe insecten zich gedragen. Het bewijst dat we veel eerder kunnen zien of chemicaliën insecten "ziek" maken dan dat ze ze doden, waardoor we beter kunnen beschermen wat onze ecosystemen in stand houdt.

Technische samenvatting

Probleemstelling

Huidige chemische risicobeoordelingen voor insecten zijn grotendeels gebaseerd op mortaliteitsendpunten (sterfte) bij een beperkt aantal modelsoorten, zoals de honingbij. Deze aanpak heeft twee belangrijke tekortkomingen:

1. Beperkte detectie van subletale effecten: Ze missen ecologisch relevante effecten op gedrag, ontwikkeling en communicatie die vaak al optreden bij concentraties ver onder de dodelijke drempel.
2. Gebrek aan schaalbaarheid en standaardisatie: Het kwantificeren van gedrag is vaak arbeidsintensief, niet gestandaardiseerd en moeilijk te vergelijken tussen verschillende soorten. Er ontbreekt een platform dat hoge doorvoer (high-throughput) combineert met de mogelijkheid om subletale neurotoxische effecten bij diverse bestuivers te meten.

Methodologie: BEEhaviourLab

De auteurs introduceren BEEhaviourLab, een laagkosten, geautomatiseerd platform voor hoge doorvoer van gedragsfenotypen bij insecten. Het systeem integreert hardware, software en analysepipelines:

• Hardware: Het systeem bestaat uit modulaire eenheden (nodes) gebaseerd op Raspberry Pi 4B. Elke eenheid bevat een gesynchroniseerde video-opname (Raspberry Pi NoIR camera), audio-opname (RØDE smartLav+ microfoon) en omgevingsmonitoring (temperatuur/luchtvochtigheid). De eenheden werken parallel en communiceren via Wi-Fi met een centrale computer.
• Video-analyse (Computer Vision):
  • Er wordt gebruik gemaakt van YOLOv8n (een lichtgewicht objectdetectiemodel) voor het tagloos volgen van insecten.
  • Twee modellen werden getraind: Model 1 (alleen op Bombus terrestris) en Model 2 (multi-soort, getraind op Bombus terrestris, Apis mellifera, Colletes hederae en Eristalis tenax).
  • Om ID-wisselingen te voorkomen bij meerdere insecten in één kooi, wordt een aangepaste tracking-pijplijn gebruikt die het BoT-SORT-algoritme combineert met de Hungarian-algoritme voor het toewijzen van vaste ID's aan een vast aantal insecten, zelfs bij tijdelijke detectieverlies.
• Audio-analyse:
  • Ruwe audio wordt gefilterd (200–8000 Hz) en verwerkt om "zoemende" (buzzing) segmenten te detecteren op basis van energie-thresholds.
  • Dit stelt het systeem in staat om de proportie tijd met zoemgeluid te kwantificeren.
• Statistische Analyse:
  • Gedragsdata worden geanalyseerd met generalized linear mixed-effects models (GLMM).
  • Voor locomotie wordt een twee-delig model gebruikt: één deel voor de waarschijnlijkheid van beweging (binomiaal) en één deel voor de snelheid onder de voorwaarde dat er beweging is (Gamma-verdeling).
  • Voor audio wordt een zero-inflated beta GLMM gebruikt om onderscheid te maken tussen volledige inactiviteit en de intensiteit van activiteit.

Belangrijkste Bijdragen

1. Een uniek, schaalbaar platform: BEEhaviourLab biedt een gestandaardiseerde, reproduceerbare methode voor langdurige gedragsobservatie van meerdere insectensoorten tegelijkertijd, zonder fysieke tags.
2. Multi-soort generalisatie: Het getrainde YOLO-model (Model 2) toont aan dat één lichtgewicht detector nauwkeurig kan werken over soorten heen met grote verschillen in lichaamsgrootte, morfologie en vluchtkinematica.
3. Multimodale integratie: Het platform combineert visuele (locomotie) en auditieve (zoemgeluid) data om een robuuster beeld van neurotoxische stress te krijgen dan met één modus alleen.
4. Nieuwe toxiciteitsmetriek: De auteurs definiëren een subletale toxiciteitsindex die gedragsafwijkingen standaardiseert ten opzichte van de natuurlijke variabiliteit in controlegroepen.

Resultaten

Het platform werd getest door de effecten van moxidectine (een veelgebruikt veterinair parasiticide) op de aardbij (Bombus terrestris) te onderzoeken:

• Gedragsspecifieke patronen: Verschillende soorten vertoonden unieke circadiane patronen en activiteitsniveaus. Bijvoorbeeld, aardbijen waren vaker actief maar langzamer dan honingbijen.
• Dosis-afhankelijke effecten van Moxidectine:
  • Locomotie: Er was een sterke, dosis-afhankelijke afname in de waarschijnlijkheid om te bewegen (van 0,66 bij controle naar 0,13 bij de hoogste dosis). De snelheid van bewegende bijen nam ook af, maar dit effect was minder groot.
  • Zoemgedrag (Audio): Moxidectine verhoogde de kans op volledige inactiviteit (geen zoemgeluid) aanzienlijk. Zelfs bij de laagste dosis nam het aantal momenten zonder geluid toe.
  • Circadiane ritmiek: Hogere doses verstoorden de amplitude en fase van de 24-uurs activiteitscyclus.
• Sensitiviteit:
  • De subletale toxiciteitsindex overschreed de drempel van functionele afwijking (1 standaardafwijking boven de controlevariabiliteit) bij een geschatte dosis van 2,73 ng per bij.
  • De LD50 (dodelijke dosis voor 50% van de populatie) na 48 uur was 81,2 ng per bij.
  • Dit betekent dat gedragsveranderingen detecteerbaar zijn bij concentraties die meer dan 30 keer lager zijn dan de dodelijke drempel.
  • Voedselopname en mortaliteit vertoonden pas effecten bij concentraties die een orde van grootte hoger waren dan de gedragsveranderingen.

Betekenis en Conclusie

De studie demonstreert dat BEEhaviourLab een krachtig instrument is om de kloof te overbruggen tussen laboratoria toxiciteitstests en ecologisch relevante uitkomsten.

• Regulatorische impact: Het biedt een praktische weg om subletale eindpunten op te nemen in chemische risicobeoordelingen, wat essentieel is voor het beschermen van bestuivers tegen veterinaire en landbouwpesticiden.
• Methodologische doorbraak: Het bewijst dat multimodale (audio + video) en geautomatiseerde analyse subletale neurotoxische effecten kan detecteren die met traditionele methoden onzichtbaar blijven.
• Toekomstperspectief: Het platform is uitbreidbaar voor andere soorten, stressoren en complexere gedragsanalyses (zoals voedselopname of verzorging), wat bijdraagt aan een nieuwe generatie ecotoxicologisch onderzoek.