Whole-body 3D kinematics of freely behaving Drosophila
Dit artikel introduceert een open-source, markerloze pipeline die zeven hogesnelheidscamera's en deep learning combineert om nauwkeurige, volledige 3D kinetische tracking van vrij bewegende Drosophila te bereiken, wat onthult dat zij ongeacht de snelheid gebruikmaken van grondgebonden rennen en gecoördineerde vleugel- en lichaambewegingen vertonen tijdens het hofmakerijgedrag.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Om te begrijpen hoe een zenuwstelsel een eenvoudig elektrisch signaal omzet in een complexe, gecoördineerde beweging, moeten wetenschappers eerst die beweging met absolute helderheid kunnen zien. Decennialang hebben onderzoekers vertrouwd op de fruitvlieg, een klein insect met een goed in kaart gebracht brein, om de regels van motorische controle te ontdekken. De uitdaging was altijd geweest dat deze vliegen klein zijn, bewegen met een verblindende snelheid en vaak hun eigen lichaam uit het zicht blokkeren terwijl ze draaien of met anderen interageren. Traditionele methoden voor het volgen van hen hadden moeite om hun volledige beweging in drie dimensies vast te leggen, waardoor er een kloof ontstond tussen wat het brein verzendt en hoe het lichaam daadwerkelijk reageert. Zonder een compleet beeld van de houding van de vlieg in de ruimte, blijft het moeilijk om nauwkeurige modellen te bouwen van hoe het brein de spieren aanstuurt om gedrag te creëren.
Een team van onderzoekers heeft deze kloof nu overbrugd door een systeem te creëren dat vliegen in volledige 3D observeert zonder ze ooit aan te raken of markers op hun lichaam aan te brengen. Ze stelden zeven hogesnelheidscamera's op die samenwerken om de insecten op 800 frames per seconde op te nemen, waarbij elke snelle ruk en draai wordt vastgelegd. Om zin te geven aan deze vloedgolf aan visuele gegevens, trainden ze een computerprogramma om vijftig specifieke punten op het lichaam van de vlieg te herkennen en te volgen, van de uiteinden van de poten tot de uiteinden van de antennes. Omdat de eerste gissingen van de computer soms fysiek onmogelijk kunnen lijken — zoals een poot die de verkeerde kant op buigt — voegden de onderzoekers een tweede stap toe. Ze gebruikten een model van de werkelijke anatomie van de vlieg om deze fouten te corrigeren, om ervoor te zorgen dat elke beweging die het systeem registreerde iets was wat een echte vlieg fysiek zou kunnen doen. Dit proces, bekend als retargeting, transformeert ruwe video in een precieze, anatomisch correcte kaart van de beweging van de vlieg.
Wanneer de wetenschappers de bewegingen van vliegen die over de grond rennen analyseerden, ontdekten ze iets dat een lang gehanteerde aanname over hoe insecten bewegen tegenspreekt. Lange tijd werd er geloofd dat dieren schakelen tussen verschillende duidelijke stijlen van rennen, of gangen, naarmate ze sneller of langzamer gaan. De gegevens uit deze studie tonen aan dat vliegen dit niet doen. In plaats daarvan behouden ze één enkele, fundamentele renstijl over hun gehele snelheidsbereik, zonder ooit over te gaan op een andere gang. Deze bevinding suggereert dat de besturingsmechanismen voor hun beweging meer continu en vloeiend zijn dan voorheen werd aangenomen.
Het systeem bleek ook krachtig genoeg om meerdere vliegen tegelijk te volgen, waardoor de onderzoekers sociale interacties met ongekende precisie konden observeren. Bij het observeren van een mannelijke vlieg die een vrouwtje probeert, onthoofde de studie dat de mannelijke vlieg de beweging van beide vleugels coördineert om zijn hofmakingslied te produceren. Tegelijkertijd past hij voortdurend de hoek van zijn lichaam aan, waarbij hij zijn kop en torso omhoog of omlaag kantelt om zijn ogen gericht te houden op de verticale positie van het vrouwtje terwijl zij beweegt. Deze observaties bieden een rijk, driedimensionaal verslag van gedrag dat voorheen onmogelijk vast te leggen was. Door deze grote dataset en de gebruikte software voor het publiek beschikbaar te maken, hebben de onderzoekers een nieuw fundament geboden voor wetenschappers om gedetailleerde modellen te bouwen van hoe het brein en het lichaam samenwerken om beweging te genereren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.