FLLIT הוא אלגוריתם המחשב את הרכבי הגוף והרגל של בעל חיים במעקב. וזה שימושי לאפיון המעגלים המהותיים ביסוד התנהגויות הליכה נורמליות ומחלות. הדבר הייחודי ב- FLLIT הוא שהיא אינה דורשת ערכות נתונים מבוארות של משתמש לצורך הדרכה ולכן היא אוטומטית לחלוטין.
אבל גם מנתח באופן אוטומטי את נתוני המסלול המייצרים סדרה של מדידות הליכה, עלילות הליכה להדמיה וסרטון מסלול. הדגמת ההליך תהיה אנימש בנרג'י, פוסט דוקטורנט מהמעבדה שלי. לפני תחילת ניסוי, לאשר כי תחנת ההקלטה יש מצלמה במהירות גבוהה עם במה מעליו להחזיק את תא הזירה.
הנח נוריות LED אינפרא-אדום בחלק העליון של הבמה עם מפזר בין המצלמה לדוגמה. כ-40 דקות לפני תחילת ההקלטה, מעבירים את הזבובים לתועב ריק על קרח למשך חמש עד שבע דקות. בזמן שהזבובים מנודדים, השתמש במים ובנגב כדי לנקות את הזירה ואת מגלשות הזכוכית של התא ולהקליט את אחת מגלשות הזכוכית מתחת לתא.
באמצעות מברשת נקייה, להעביר זבוב הרדמה אחד לתוך התא ולאבטח את התא עם שקופית שנייה וקלטת. לאחר מכן לאפשר לטוס בתא להתאקלם בטמפרטורת החדר במשך 15 עד 20 דקות. כדי ליצור סרטוני וידאו לניתוח FLLIT, תחילה, הפעל את מקור החשמל ופתח את יישום הצופה במערכת המחשב המחוברת.
שנה את קצב מסגרות ההקלטה ל- 1,000 מסגרות לשנייה והגדר את מהירות התריס לאלפית שנייה אחת. מקם את התא עם הזבוב בזירת ההקלטה ולחץ על כפתור LIVE. אישר כי המצלמה מתמקדת טיפים הרגל כאשר הזבוב הולך זקוף על הרצפה של התא ולחץ על הקלט.
תוך כדי הקלטה, ודאו שהעוף הולך במסלול ישר יחסית מבלי לגעת בקצה הזירה, הולך לפחות שלושה צעדים ברגל, לא עוצר במהלך ההליכה, והמרחק ההליכה שווה ערך לפחות לאורך גוף אחד וחצי. בסוף הניתוח לחץ על הקלט בוצע כדי לעצור את ההקלטה ולשמור את הקבצים בתבנית mraw או tiff לתוך התיקיות המתאימות. כדי להתקין את FLLIT, הורד תחילה את התוכנית למערכת הפעלה כלשהי.
חלץ את התוכן של קובץ ה- zip והורד ערכות נתונים לדוגמה. כדי להתקין את FLLIT באובנטו, נווט אל הספריה FLLIT/Compiled ולחץ באמצעות לחצן העכבר הימני כדי לבחור פתח במסוף. הורד ערכת נתונים לדוגמה וצור נתוני תיקיה תחת FLLIT-master/Compiled שלתו להם ימוקמו תיקיות ערכת הנתונים.
התקן את ספריות זמן הריצה של MATLAB בבית/MCR. לאחר השלמת התקנת ספריית זמן הריצה של MATLAB, הנפק את הפקודה כדי להבטיח שזכויות ההפעלה יירשמו ב- FLLIT. לאחר מכן הזן את הפקודה לביצוע FLLIT.
עבור פילוח הווידאו, המר את הקובץ לקבצי TIFF בודדים ושמור את הקבצים המומרים בתיקיית הנתונים FLLIT. לאחר שכל הקבצים הועברו, הפעל את FLLIT. בחלון המוקפץ, בחר 0 לביצוע פילוח הרגל בלבד או בחר 1 כדי לכלול מעקב אחר רגליים עם פילוח רגליים.
בחר את התיקיה המכילה את תמונות ה- TIFF של המסגרת אחר מסגרת של הווידאו שיש לעקוב אחריהן ואת קובץ העניין ולחץ על הוסף. לאחר מכן לחץ על בוצע כדי ליזום את הפילוח והמעקב של הווידאו הנבחר. כדי לבדוק את מידת הדיוק של המעקב ולבצע תיקוני שגיאות, לחץ על בחירת תיקיית נתונים ולאחר מכן בחר את התיקיה למעקב.
לחץ על הצג מעקב ובדוק את התיוג עבור כל הרגליים במסגרת הראשונה. אם רגל מסומנת באופן שגוי ונדרש תיקון, לחץ על השהה הצגה והתאם חיזוי. בחלונית 'רגל להתאמה', בחרו ברגל הדורשת תיקון ולחצו פעמיים על המיקום הנכון של רגל זו בחלון התמונה.
לאחר מכן לחץ על שמור וצא. כדי לעבד את הנתונים המפולחים והמעקבים, לחץ על תהליך נתונים. תחילה, חשב את שדה התצוגה בפועל של הווידאו שנלכד כך שניתן יהיה למדוד את פרמטרי השער.
בחלון המוקפץ הזן את מספר המסגרות לשניה שבהן הסרטון מוקלט והזן את שדה התצוגה המחושב במילימטרים. כדי לגשת לתוצאות המעקב, פתח את התוצאות ואת תיקיות המעקב. כדי ליצור וידאו של הזבוב המסוים, בחר צור וידאו.
לאחר פילוח, מעקב ועיבוד נתונים, FLLIT מייצרת באופן אוטומטי נתונים גולמיים עבור מיקומי הגוף, וכל טופר רגל, 20 פרמטרים של הליכה, ועלילות נלוות וסרטונים מסומנים. SCA3 מאופיין על ידי הליכה אטקסית עם סטייה לגוף, מיקום רגל לא יציב, וצעדים קצרים. כדי לאפיין את ההליכה של זבובים SCA3 מוטציה ולחקור אם הם מציגים הליכה דומה לזו של חולים אנושיים, הפרמטרים הרלוונטיים הליכה שנוצר על ידי FLLIT ניתן לנתח.
זבובי SCA3-Q84 מציגים יותר פניות, מיקום רגל לא יציב כפי שהוצג על ידי סדירות טביעת רגל נמוכה, וחפיפה מוגברת של תחום הרגל, תחומי רגליים מוגדלים באורך ובתחום, ואורך צעדים מופחת. FLLIT יכולה גם ליצור סרטון המציג את הזבוב והרגליים המסוימים בנופים המים מרוכזים בזירה ומרכזי הגוף, מסלול הגוף, כיוון הכותרת ותזוזות אנכיות וצידיות של כל רגל. בהשוואה לזבובי SCA3-Q27, זבובי SCA3-Q84 מציגים תחומי רגליים מצטלבים לא סדירים בגדלים שונים, המעידים על הליכה אטקסית פתוחה.
הנתונים הגולמיים עבור תנוחות טופר הגוף והרגל ניתן לנתח עוד יותר עבור תנועות ספציפיות של עניין. לדוגמה, השימוש ב- FLLIT איפשר לקבוצה שלנו לקבוע כי הפנוטיפים הנוקשים המוצגים על ידי מודלים Drosophila של מחלת פרקינסון נגרמות על ידי תפקוד לקוי של נוירון דופאמין.
