JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

توضح هذه المقالة مجموعة من الطرق لقياس القدرة القمعية لاستنشاق المشروبات الكحولية على الإحساس اللاذع الناجم عن الوسابي.

Abstract

تحتوي معاجين الوسابي التجارية المستخدمة عادة لإعداد الطعام على مركب متماثل من الإيزوثيوسيانات الحسية الكيميائية (ITCs) التي تثير إحساسا مزعجا عند الاستهلاك. لم يتم دراسة تأثير استنشاق المشروبات الكحولية الغذائية على الإحساس ببهارات الوسابي. بينما تركز معظم دراسات التقييم الحسي على الأطعمة والمشروبات الفردية بشكل منفصل ، هناك نقص في الأبحاث حول الدراسة الشمية لاستنشاق الخمور أثناء تناول الوسابي. هنا ، تم تطوير منهجية تجمع بين استخدام دراسة سلوكية حيوانية وشبكة عصبية تلافيفية لتحليل تعبيرات الوجه للفئران عندما تشم الخمور وتستهلك الوسابي في وقت واحد. توضح النتائج أن نموذج التعلم العميق المدرب والمصادق عليه يتعرف على 29٪ من الصور التي تصور العلاج المشترك للوسابي والكحول التي تنتمي إلى فئة المجموعة الإيجابية للخمور سلبية الوسابي دون الحاجة إلى تصفية مواد التدريب المسبقة. يكشف التحليل الإحصائي لدرجات مقياس تجهم الماوس التي تم الحصول عليها من صور إطار الفيديو المحددة عن اختلاف كبير (P < 0.01) بين وجود الخمور وغيابها. تشير هذه النتيجة إلى أن المشروبات الكحولية الغذائية قد يكون لها تأثير متناقص على ردود الفعل التي يسببها الوسابي في الفئران. وتنطوي هذه المنهجية الاندماجية على إمكانية إجراء فحص فردي لمركبات مركز التجارة الدولية والتحليلات الحسية لمكونات الروح في المستقبل. ومع ذلك ، هناك حاجة إلى مزيد من الدراسة للتحقيق في الآلية الأساسية لقمع الكحول الناجم عن نفاذة الوسابي.

Introduction

اكتسبت Wasabia japonica ، المعروفة باسم الوسابي ، اعترافا في إعداد الطعام 1,2. التجربة الحسية الشديدة التي تثيرها عند الاستهلاك ، والتي تتميز بالتمزق أو العطس أو السعال ، معروفة. يمكن أن تعزى هذه الحدة المميزة للوسابي إلى مركب متماثل من الإيزوثيوسيانات الحسية الكيميائية (ITCs). وهي مواد كيميائية نباتية متطايرة من الكبريت العضوي يمكن تصنيفها إلى ω-alkenyl و ω-methylthioalkyl isothiocyanates3. من بين هذه المركبات ، أليل أيزوثيوسيانات (AITC) هو منتج ITC الطبيعي الأكثر انتشارا الموجود في النباتات التي تنتمي إلى عائلة Cruciferae ، مثل الفجل والخردل4. عادة ما يتم تحضير معاجين الوسابي التجارية من الفجل ، مما يجعل AITC علامة كيميائية تستخدم لمراقبة جودة هذه المنتجات التجارية5.

يمكن اعتبار إقران المشروبات الكحولية الغذائية بالأطباق المشبعة بالوسابي مثالا على التصرف الثقافي6. بشكل شخصي ، قد يكمل هذا المزيج التوابل والحرارة بين الوسابي والروح ، مما يعزز تجربة الطهي الشاملة. التقييم السلوكي النوعي الحيواني (QBA) هو نهج منهجي شامل للحيوان الكامل يدرس التغيرات السلوكية في الموضوعات استجابة للمحفزات الخارجية قصيرة الأجل أو طويلة الأجل باستخدام المصطلحات العددية7. تشمل هذه الطريقة اختبارات الألم والاختبارات الحركية واختبارات التعلم والذاكرة ، بالإضافة إلى اختبارات العاطفة المصممة خصيصا لنماذج القوارض8. ومع ذلك ، فإن الدراسات التي تبحث في التقييم الحسي التآزري لل gustation جنبا إلى جنب مع حاسة الشم لا تزال نادرة في الأدبيات حتى الآن 9,10. تقتصر معظم الدراسات حول الإحساس الكيميائي على فحص استهلاك الأطعمة والمشروبات الفردية بشكل منفصل11. وبالتالي ، هناك ندرة في الأبحاث حول تفاعل الذوق والرائحة التي تنطوي على استنشاق الخمور أثناء تناول الوسابي.

نظرا لأنه يعتقد أن الإحساس بالوخز الناجم عن الوسابي هو شكل من أشكال الإحساس بالألم12 ، فإن التقييمات السلوكية الحيوانية مناسبة تماما لتقييم الاستجابات الحسية المسببة للألم في القوارض8،13،14. تم تطوير طريقة لتقييم الإحساس بالألم في الفئران ، والمعروفة باسم مقياس كشر الماوس (MGS) بواسطة Langford et al.15،16. طريقة الدراسة السلوكية هذه هي نهج تقييم متعلق بالألم ، يعتمد على تحليل تعبيرات الوجه التي أظهرتها فئران التجارب. الإعداد التجريبي واضح ومباشر ، يتضمن قفصا شفافا وكاميرات 2 لتسجيل الفيديو. من خلال دمج التقنيات المتقدمة17،18،19 لالتقاط البيانات تلقائيا ، يمكن الحصول على مقاييس سلوكية كمية ونوعية ، مما يعزز رفاهية أثناء المراقبة السلوكية20. وبالتالي ، فإن MGS لديها القدرة على تطبيقها في دراسة آثار المحفزات الخارجية المختلفة على بطريقة غير منقطعة ومخصصة. ومع ذلك ، فإن عملية التسجيل تتضمن فقط اختيار عدد قليل (أقل من 10) صور إطار فيديو للتقييم من قبل أعضاء اللجنة ، والتدريب المسبق ضروري. يمكن أن يكون تسجيل عدد كبير من عينات الصور كثيف العمالة. للتغلب على هذا التحدي الذي يستغرق وقتا طويلا ، استخدمت العديد من الدراسات تقنيات التعلم الآلي للتنبؤ بدرجةMGS 21,22. ومع ذلك ، من المهم ملاحظة أن MGS هو مقياس مستمر. لذلك ، سيكون نموذج التصنيف متعدد الفئات أكثر ملاءمة لتقييم مشكلة منطقية وقاطعة ، مثل تحديد ما إذا كانت صور الفئران التي تتناول الوسابي واستنشاق الخمور في وقت واحد تشبه صور الفئران العادية.

في هذه الدراسة ، تم اقتراح منهجية للتحقيق في تفاعل الذوق والرائحة في الفئران. تجمع هذه المنهجية بين الدراسات السلوكية الحيوانية والشبكة العصبية التلافيفية (CNN) لتحليل تعبيرات الوجه لموضوعات الفئران. لوحظت فأرتان ثلاث مرات في ظل ظروف سلوكية طبيعية ، أثناء تجربة الإحساس بالألم الناجم عن الوسابي وأثناء استنشاق الخمور في قفص مصمم خصيصا. تم تسجيل تعابير وجه الفئران بالفيديو ، وتم استخدام صور الإطار التي تم إنشاؤها لتحسين بنية نموذج التعلم العميق (DL). ثم تم التحقق من صحة النموذج باستخدام مجموعة بيانات صور مستقلة ونشره لتصنيف الصور التي تم الحصول عليها من المجموعة التجريبية. لتحديد مدى قمع الوسابي اللاذع عندما استنشقت الفئران الخمور في وقت واحد أثناء استهلاك الوسابي ، تم تأكيد الأفكار التي قدمها الذكاء الاصطناعي بشكل أكبر من خلال التحقق المتقاطع مع طريقة أخرى لتحليل البيانات ، حيث سجل MGS16.

Protocol

في هذه الدراسة ، تم استخدام اثنين من الفئران الذكور ICR البالغة من العمر 7 أسابيع والتي يتراوح وزنها بين 17-25 جم لتقييم سلوك. تمت الموافقة على جميع إجراءات السكن والتجارب من قبل لجنة جامعة هونغ كونغ المعمدانية المعنية باستخدام الموضوعات البشرية والحيوانية في التدريس والبحث. تم الحفاظ على غرفة عند درجة حرارة 25 درجة مئوية ورطوبة الغرفة من 40٪ -70٪ في دورة 12 ساعة من الضوء والظلام.

1. تصميم قفص

  1. تحضير طوب أكريلونيتريل بوتادين ستايرين في 3 أبعاد مختلفة لبناء القفص: 8 مم × 8 مم × 2 مم ، 16 مم × 16 مم × 6 مم ، و 32 مم × 16 مم × 6 مم.
  2. تحضير لوحة أكريلونيتريل بوتادين ستايرين (312 مم × 147 مم × 2 مم) كقاعدة القفص.
  3. قم بإعداد صفيحة أكريليك غير شفافة مقاس 239 مم × 107 مم بسمك 2 مم لاستخدامها كلوحة سفلية.
  4. قم بإعداد لوح أكريليك شفاف 239 مم × 107 مم بسمك 5 مم لاستخدامه كلوحة علوية.
  5. قم بإعداد لوحة أكريليك شفافة 107 مم × 50 مم بسمك 7 مم لاستخدامها كلوحة طرفية.
  6. بناء 2 جدران جانبية غير شفافة عن طريق تكديس الطوب على ارتفاع 54 ملم.
  7. قم بتضمين ألواح الأكريليك في القفص القائم على الأكريلونيتريل بوتادين ستايرين ، كما هو موضح في الشكل 1 أ.
  8. قم بإعداد غرفة تشاوس التي تم بناؤها بواسطة خمس ألواح أكريليك شفافة 90 مم × 50 مم بسمك 2 مم ، كما هو موضح في الشكل 1 ب. من بين 5 ألواح أكريليك شفافة ، استخدم 2 لوحة للجوانب ، 1 لوحة للأعلى ، 1 لوحة للأسفل ، ولوحة واحدة للطرف.
  9. قم بإعداد لوحة أكريليك شفافة 60 مم × 50 مم 2 مم كلوحة مقدمة تشاو ، وضعها في حجرة تشاو.

2. تقييم سلوك

  1. القمامة المنزلية من 2 الفئران الذكور ICR البالغة من العمر 7 أسابيع معا في قفص عادي.
  2. تزويد القمامة من الفئران 2 مع حرية الوصول إلى الكريات الغذائية ومياه الصنبور لفترة التكيف 1 أسبوع.
  3. بعد 1 أسبوع ، أعرض القمامة من الفئران 2 مع زجاجة من الإيثانول (~ 40 ٪ v / v).
    ملاحظة: تأكد من السماح لهم فقط بشم أو استنشاق الإيثانول المائي المقدم على أساس مخصص أثناء تقييد الشرب.
  4. قم بإجراء تجارب سلوكية باستخدام نموذج الفأر البالغ من العمر 9-10 أسابيع وقفص الحجرة الشفاف الموضح في الشكل 1 أ.
  5. قم بتفكيك جميع ألواح الأكريليك وألواح أكريلونيتريل بوتادين ستايرين ونظفها جيدا. ابدأ بشطفها بالماء عالي النقاء 3 مرات على الأقل ثم جففها باستخدام مناشف ورقية. بعد ذلك ، قم برشها بنسبة 75٪ من الإيثانول ، متبوعا بتنظيفها بورق العدسة. أخيرا ، اتركها تجف في الهواء لمدة 15 دقيقة على الأقل.
  6. وزن الفئران وتسجيل أوزان أجسامها قبل كل تكرار للتجربة السلوكية.
  7. قم بإعداد مزيج طازج من الوسابي وزبدة الفول السوداني بوزن 1 جرام من الوسابي التجاري و 4.5 جرام من زبدة الفول السوداني. امزجها في كيس بلاستيكي مضغوط.
    ملاحظة: نظرا لتقلب الأيزوثيوسيانات في الوسابي ، من المهم تخزين الوسابي التجاري في مجمد -20 درجة مئوية.
  8. قم بوزن وتقديم إما معجونين 0.5 جرام من زبدة الفول السوداني أو خليط من الوسابي وزبدة الفول السوداني على لوحة مقدمة تشاو ، كما هو موضح في الشكل 1 ب ، ج.
  9. ضع لوحة مقدمة تشاو المعدة في غرفة تشاوز ، كما هو موضح في الشكل 1B ، C ، للسماح للفئران 2 بالوصول إلى الطعام خلال كل جلسة تسجيل فيديو.
  10. املأ الأخدود الموجود تحته ب 30 مل من السائل ، إما ماء نقي أو سائل (~ 42٪ v / v إيثانول) ، لتسهيل الاستنشاق المتزامن ، كما هو موضح في الشكل 1B ، C.
  11. ابدأ التسجيل باستخدام الكاميرات الموجودة على 2 هواتف ذكية موضوعة على حوامل الهاتف في كل طرف.
    ملاحظة: مواصفات مقاطع الفيديو هي كما يلي: عرض الإطار ، 1920 ؛ ارتفاع الإطار ، 1080 ؛ معدل البيانات ، 20745 كيلوبت في الثانية ؛ معدل الإطارات ، 30.00 إطارا في الثانية (FPS).
  12. ضع بعناية 2 من الفئران المدربة في منصة دراسة سلوك المصممة من الأعلى وقم بتأمين القفص على الفور باستخدام اللوحة العلوية.
    ملاحظة: تأكد من اكتمال هذه الخطوة في غضون 15 ثانية.
  13. سجل كل فيديو لمدة 2-3 دقائق.
    ملاحظة: تأكد من أن مدة التجربة بأكملها ، من تحضير خليط زبدة الفول السوداني والوسابي إلى الانتهاء من تسجيل الفيديو ، تقتصر على 5 دقائق.
  14. كرر التجربة بأكملها 3 مرات.
    ملاحظة: تأكد من فصل كل نسخة مكررة من التجربة لمدة 6 ساعات على الأقل.
  15. تقليد سيناريوهات مختلفة.
    ملاحظة: على سبيل المثال ، في هذا العمل ، تم استخدام زوج من الفئران في 4 مجموعات مع 4 سيناريوهات مختلفة تم محاكاتها باستخدام الإعداد التجريبي الموصوف أعلاه. تتضمن هذه السيناريوهات السيناريو A للدراسة الأساسية ، والسيناريو B لدراسة التحكم الإيجابي ، والسيناريو C لدراسة تفاعل طعم الطعم والرائحة بين الوسابي والكحول ، والسيناريو D لدراسة التحكم السلبي. ويقدم الجدول 1 موجزا لهذه السيناريوهات.

3. التعرف على الصور

على غرار العديد من الدراسات حول معالجة الصور23،24،25 ، تم تحقيق نموذج تصنيف من خلال تدريب CNN. تمت كتابة البرنامج النصي لعمليات DL في Python v.3.10 على Jupyter Notebook (anaconda3). وهي متوفرة في مستودع GitHub التالي: git@github.com:TommyNHL/imageRecognitionJove.git. لبناء وتدريب CNN ، تم استخدام مكتبات مفتوحة المصدر ، بما في ذلك ، numpy v.1.21.5 ، seaborn v.0.11.2 ، matplotlib v.3.5.2 ، cv2 v.4.6.0 ، sklearn v.1.0.2 ، tensorflow v.2.11.0 ، و keras v.2.11.0. قدمت هذه المكتبات الأدوات والوظائف اللازمة لتطوير وتدريب CNN للتعرف على الصور.

  1. قم بتصدير سلسلة من صور إطار الفيديو من مقاطع الفيديو التي تم جمعها لإنشاء مجموعة بيانات لتدريب النموذج باستخدام دفتر Jupyter المتوفر ، المسمى Step1_ExtractingAndSavingVideoFrameImages.ipynb.
  2. حدد فقط الصور مع ما لا يقل عن 1 الماوس تستهلك العجينة المقدمة. وترد أمثلة على الصور المختارة في الشكل التكميلي 1 والشكل التكميلي 2 والشكل التكميلي 3 والشكل التكميلي 4 والشكل التكميلي 5 والشكل التكميلي 6 والشكل التكميلي 7.
  3. قم بإجراء زيادة البيانات عن طريق قلب الصور التي تم إنشاؤها أفقيا عن طريق تنفيذ البرنامج النصي المقدم في دفتر Jupyter ، المسمى Step2_DataAugmentation.ipynb.
  4. احتفظ ببيانات الصورة من كل نسخة متماثلة ثانية للتحقق من صحة نموذج CNN الخارجي المستقل. استخدم الصور من كل نسخة متماثلة أولى وثالثة للتدريب والاختبار الداخلي للنموذج.
  5. قم بالمعالجة المسبقة لبيانات الصورة المستخدمة في نمذجة CNN عن طريق تشغيل البرنامج النصي في Jupyter Notebook ، المسمى Step3_CNNmodeling_TrainTest.ipynb ، بما في ذلك تغيير حجم الصورة وتحويل اللون الأسود وتطبيع إشارة الصورة.
  6. قسم المواد التدريبية إلى مجموعات بيانات تدريب واختبار داخلية بطريقة 8: 2 بشكل عشوائي.
  7. تهيئة بنية CNN. تصميم عدد مخرجات CNN بناء على عدد السيناريوهات التي سيتم فحصها.
    ملاحظة: على سبيل المثال ، في هذه الدراسة ، تم تعيين الشبكة العصبية لتصنيف 3 فئات. تأكد من تجميع البرنامج النصي للتعامل مع عدم توازن البيانات على وزن الفئة.
  8. ابحث عن تركيبة المعلمات الفائقة التي تنتج الحد الأدنى من الخسارة في عينات الاختبار الداخلية لبناء CNN.
  9. اعتماد تركيبة المعلمات الفائقة المثلى لبناء بنية CNN.
  10. افتح دفاتر ملاحظات Jupyter المتوفرة Step4_CNNmodel_ExternalValOriginal.ipynb و Step5_CNNmodel_ExternalValFlipped.ipynb. تحقق من صحة النموذج الذي تم تحقيقه باستخدام الصور المستقلة (الأصلية والمقلوبة) من النسخة الثانية من التجربة السلوكية الحيوانية.
  11. نشر النموذج الذي تم تحقيقه والتحقق من صحته لتصنيف صور إطار الفيديو التي تم إنشاؤها من المجموعة التجريبية باستخدام Jupyter Notebook Step6_CNNmodel_Application.ipynb.
    ملاحظة: على سبيل المثال، هو السيناريو C في هذا العمل.

4. دليل الماوس مقياس التجهم التهديف

ملاحظة: للتحقق من صحة الرؤى التي يوفرها تنبؤ نموذج CNN ، تم تطبيق طريقة أخرى تم تطويرها والتحقق من صحتها مسبقا بواسطة Langford et al.16. تتضمن هذه الطريقة تسجيل MGS بناء على 5 وحدات محددة لعمل وجه الماوس (AUs): شد الحجاج ، وانتفاخ الأنف ، وانتفاخ الخد ، وشد الأذنين للخارج ، وتغيير الشارب. يتم منح كل AU درجة 0 أو 1 أو 2 ، مما يشير إلى غياب الاتحاد الأفريقي أو وجوده المعتدل أو وجوده الواضح ، على التوالي. يسمح نظام التسجيل هذا بالقياس الكمي والقياس لكل وحدة فلكية لتقييم مستوى الإحساس بالألم أو الانزعاج الذي تعاني منه الفئران.

  1. التقط 3 صور لإطار فيديو لزملاء القمامة الذين يتناولون العجينة لكل مقطع فيديو. تأكد من فصل كل إطار بمقدار 3 ثوان على الأقل.
  2. التعليمات البرمجية العمياء وإعادة ترتيب الصور بشكل عشوائي من فئات مختلفة من السيناريوهات بالتسلسل باستخدام ملف القالب المقدم المسمى "shuffleSlides.pptm" (الملف التكميلي 1) وتشغيل التعليمات البرمجية للماكرو المضمنة.
  3. قم بدعوة ما لا يقل عن 10 أعضاء في اللجنة لتسجيل عينة من الصور.
  4. تدريب أعضاء اللجنة على تسجيل عينات الصور باستخدام MGS. تزويد أعضاء اللجنة بالمواد التدريبية التي تتضمن المقالة الأصلية المتعلقة ب MGS ودليلها15,16.
  5. احسب درجة MGS لكل موضوع حيواني في إطار تم التقاطه عن طريق حساب متوسط جميع نقاط النتيجة ل 5 AUs للوجه المقابلة. قدم درجة MGS كمتوسط ± الخطأ المعياري للقياس (SEM).
  6. تحديد ما إذا كانت هناك اختلافات ذات دلالة إحصائية بين فئات مختلفة من السيناريوهات عن طريق تحليل التباين أحادي الاتجاه (ANOVA) مع اختبار Bonferroni المتعدد بعد المقارنة.
    ملاحظة: تعتبر القيمة P < 0.05 ذات دلالة إحصائية.

النتائج

الهدف الرئيسي من هذه الدراسة هو إنشاء إطار قوي للتحقيق في تفاعل الذوق والرائحة في الفئران. يتضمن هذا الإطار استخدام الذكاء الاصطناعي و QBA لتطوير نموذج تصنيف تنبؤي. بالإضافة إلى ذلك ، يتم التحقق من صحة الأفكار التي تم الحصول عليها من DL مع تقييم MGS الكمي لتحليل داخلي مستقل. التطبيق الأساسي له?...

Discussion

تعتمد الطريقة المقترحة لدراسة تفاعل الذوق والرائحة في هذا العمل على الطريقة الأصلية للترميز السلوكي لتعبيرات الوجه عن الألم في الفئران ، والتي طورها Langford et al.16. قدمت العديد من المقالات المنشورة مؤخرا CNN لتتبع وجه الماوس التلقائي وسجل MGSاللاحق 21،26<...

Disclosures

يعلن المؤلفون أنه لا يوجد تضارب في المصالح.

Acknowledgements

يود Z. Cai أن ينوه بالدعم المالي المقدم من صندوق Kwok Chung Bo Fun الخيري لإنشاء كرسي Kwok Yat Wai للتحليل البيئي والبيولوجي.

Materials

NameCompanyCatalog NumberComments
Absolute ethanol (EtOH)VWR Chemicals BDHCAS# 64-17-5
Acrylonitrile butadiene styrene bricksJiahuifeng Flagship Storehttps://shop.paizi10.com/jiahuifeng/chanpin.html
Acrylonitrile butadiene styrene platesJiahuifeng Flagship Storehttps://shop.paizi10.com/jiahuifeng/chanpin.html
Allyl isothiocyanate (AITC)Sigma-AldrichCAS# 57-06-7
Anhydrous dimethyl sulfoxideSigma-AldrichCAS# 67-68-5
Chinese spiritYanghe Qingcihttps://www.chinayanghe.com/article/45551.html
Commercial wasabiS&B FOODS INC.https://www.sbfoods-worldwide.com
Formic acid (FA)VWR Chemicals BDHCAS# 64-18-6
GraphPad Prism 5GraphPadhttps://www.graphpad.com
HPLC-grade acetonitrile (ACN)VWR Chemicals BDHCAS# 75-05-8
HPLC-grade methanol (MeOH)VWR Chemicals BDHCAS# 67-56-1
Microsoft Excel 2016Microsofthttps://www.microsoft.com 
Microsoft PowerPoint 2016Microsofthttps://www.microsoft.com
Milli-Q water systemMilliporehttps://www.merckmillipore.com
Mouse: ICRLaboratory Animal Services Centre (The Chinese University of Hong Kong, Hong Kong, China)N/A
Peanut butterSkippyhttps://www.peanutbutter.com/peanut-butter/creamy
Python v.3.10Python Software Foundationhttps://www.python.org 
Transparent acrylic platesTaobao Storehttps://item.taobao.com/item.htm?_u=32l3b7k63381&id=60996545797
0&spm=a1z09.2.0.0.77572e8dFPM
EHU

References

  1. 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).
  2. 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).
  3. 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).
  4. 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).
  5. 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).
  6. Bacon, T. Wine, wasabi and weight loss: Examining taste in food writing. Food Cult Soc. 17 (2), 225-243 (2014).
  7. Fleming, P. A., et al. The contribution of qualitative behavioural assessment to appraisal of livestock welfare. Anim Prod Sci. 56, 1569-1578 (2016).
  8. Shi, X., et al. Behavioral assessment of sensory, motor, emotion, and cognition in rodent models of intracerebral hemorrhage. Front Neurol. 12, 667511 (2021).
  9. 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).
  10. 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).
  11. Simons, C. T., Klein, A. H., Carstens, E. Chemogenic subqualities of mouthfeel. Chem Senses. 44 (5), 281-288 (2019).
  12. 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).
  13. 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).
  14. 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).
  15. Langford, D. J., et al. . Mouse Grimace Scale (MGS): The Manual. , (2015).
  16. Langford, D. J., et al. Coding of facial expressions of pain in the laboratory mouse. Nat Methods. 7 (6), 447-449 (2010).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. 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).
  24. 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).
  25. Liu, H., et al. TransIFC: Invariant cues-aware feature concentration learning for efficient fine-grained bird image classification. IEEE Trans Multimedia. , (2023).
  26. Akkaya, I. B., Halici, U. Mouse face tracking using convolutional neural networks. IET Comput Vis. 12 (2), 153-161 (2018).
  27. 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).
  28. 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).
  29. Tuttle, A. H., et al. A deep neural network to assess spontaneous pain from mouse facial expressions. Mol Pain. 14, 1744806918763658 (2018).
  30. 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).
  31. 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).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

JoVE 210

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved