This work was funded by the state program Investissements d&#8217;avenir managed by ANR (grant ANR-10-BINF-05 'Pherotaxis').

<html> O protocolo é baseado em um robô comercialmente disponíveis (ver tabela de materiais) e mariposas do sexo masculino (Agrotis Ipsilon) com o seu feromônio sexual. No entanto, ele pode ser adaptado com pequenas modificações para outras espécies de insectos, aromatizantes, e robôs. 1. Insetos <ol><li> Larvas traseira de Agrotis ipsilon Hufnagel (Lepidoptera: Noctuidae) em dieta artificial e mantê-los em copos de plástico individuais até pupation a 23 ± 1 ° C e 50 ± 5% de umidade relativa, como descrito anteriormente 24. </li><li> Sexo pupas e manter os machos adultos em separado das fêmeas em caixas plásticas. Dê-lhes o livre acesso a uma solução de sacarose 20%. </li><li> Realizar experiências com homens. Mariposas machos são altamente sensíveis ao feromônio sexual emitido por suas fêmeas conspecíficas. Em A. ipsilon, o principal componente de feromonas, acetato de cis-7-dodecenilo (Z7-12: OAc) é o composto mais activo na antena. </li></ol>itle &quot;&gt; 2. Eletrofisiologia <ol><li> Registre o EAG de uma preparação de todo o inseto, conforme descrito abaixo (Figura 1A). Antenas intactas têm preferência sobre antenas extirpado porque eles apresentam um tempo de vida mais longo (ver resultados representativos). </li><li> Clorar dois fios de prata por imersão em solução de água sanitária concentrada para 10-20 minutos e enxaguar em seguida. Este processo evita que os eléctrodos de polarização. Ele tem que ser repetido sempre que a linha de base durante as experiências deriva ou quando a tensão de deslocamento entre os eléctrodos se torna demasiado grande para ser compensado pelo amplificador. </li><li> Faça eletrodos de vidro de fogo capilares polido com um puxador de eletrodo. Polimento Fogo impede coçar o fio de prata clorada com eletrodos. </li><li> Anestesiar uma mariposa macho com CO 2 e colocá-lo dentro de um bloco de isopor com a cabeça saindo da parte superior. </li><li> Tether cabeça do inseto com fita adesiva ao redor do pescoço. </li><li> Insira um fio de prata que serve como eletrodo de referência para o pescoço. </li><li> Sob um microscópio estereoscópico, imobilizar uma das antenas com finas tiras de fita adesiva na ponta e na base. </li><li> Recorte as distais 2-3 segmentos da antena com uma tesoura cirúrgica. </li><li> Posicione o eletrodo de vidro perto da ponta corte da antena com um micro-manipulador. </li><li> Cortar a extremidade do capilar de vidro, com uma pinça para obter um diâmetro ligeiramente maior do que a ponta de corte da antena. </li><li> Encher a pipeta de vidro com (em mM) 6,4 de KCl, 340 de glicose, Hepes 10, 12 MgCl 2, 1 CaCl2, 12 de NaCl, pH 6,5. </li><li> Insira a ponta de corte da antena para o capilar de vidro com o micromanipulador. </li><li> Deslize o fio de prata que serve como eletrodo de registro na maior extremidade do capilar de vidro. </li></ol> 3. Interface de Hardware <ol><li> Monte toda a preparação, ou seja, insetos-eletrodos-micromanipulador, sobre uma placa de metal aparafusada no topo do robô (Figura 1B). Ligar os eléctrodos ao robô, como descrito abaixo. </li><li> Baseado em trabalhos anteriores 25-26, projetar uma interface de hardware para se adaptar a tensão de saída EAG (ordem de 1 mV em vários mohms) para a faixa apropriada para a placa de extensão do robô. A placa aceita 0-5 entradas analógicas V e uma tensão negativa abaixo -200 mV pode causar graves danos. Siga o 3.2.1 a 3.2.4 passos para projetar a interface com o Águia. <ol><li> Projetar uma fonte de alimentação de ± 5V a partir de uma bateria de 12 V usando o regulador de tensão 78L10 (① nas Figuras 2A-2C). </li><li> Design de um pré-amplificador de andar de entrada (10X), com base na instrumentação amplificador INA121 (③ nas Figuras 2A-2C). </li><li> Projetar um amplificador de segunda fase (25X) com filtragem de ruído (de primeira ordem passa-alta de 0,1 filtro Hz, segundo ordem do filtro passa-baixa de 500 Hz, entalhe 50 filtro Hz) com base em quad op-ampères LT1079 (315; nas Figuras 2A-2C). </li><li> Projete um estágio de condicionamento de sinal que calcula com op-amp LT1079 e diodo 1N4148 (⑤ nas Figuras 2A-2C). O ganho total é de 250 e a saída de EAG está na gama de 0-5 V com sendo de zero a 2,5 V. </li></ol></li><li> Conecte os eletrodos para as entradas diferencial EAG (② nas Figuras 2A-2C). Ligue o eléctrodo de registo à entrada inversora do INA121 obter EAG positivos. </li><li> Ligue a saída de EAG (⑥ nas Figuras 2A-2C) para as 12 entradas analógicas do conselho extensão do robô. Como cada entrada é lida seqüencialmente a cada milissegundo, a frequência de amostragem é de 1 KHz. </li></ol> 4. Interface Software Os principais tópicos conter uma interface gráfica de usuário (GUI), métodos para detecção de sinal e várias funções para controlar o robô. <ol><li> Escrever uma GUI (Figura 2D) em Qt-C + + fo<html> visualização de dados r, filtragem digital (20 Hz 5 ª ordem Butterworth filtro passa-baixa) e detecção de odor do EAG. Este último pode ser realizada de duas maneiras: ou por deconvolving o EAG com um filtro apropriado (abordagem de engenharia, secção 4.2), ou modelando os mecanismos neurais que permitem a detecção de feromônio rápida e confiável em A. traças Ipsilon (abordagem de inspiração biológica, secção 4.3). </li><li> Filtro Deconvolution. A EAG é bem descrito por uma cascata linear 27 que consiste de um não-linearidade estática <img alt="Equação 1" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq1.jpg" /> e um filtro passa-baixa de 1 ª ordem com função impulso exponencial <img alt="Equação 2" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq2.jpg" /> para <img alt="Equação 3" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq3.jpg" /> , Veja a Figura 3A. Em resposta às flutuações concentração odortuação 4 &quot;fo: Content-width =&quot; 0.3in &quot;src =&quot; / files/ftp_upload/51704/51704eq4.jpg &quot;/&gt;, a saída EAG é dada pela convolução integrante <img alt="Equação 5" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq5.jpg" /> . Desconvolução é simplesmente obtida pelo inverso do sistema; que é <img alt="Equação 6" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq6.jpg" /> no domínio da frequência. Em seguida, <img alt="Equação 7" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq7.jpg" /> como a transformada de Fourier da resposta de impulso é <img alt="Equação 8" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq8.jpg" /> . Para a detecção do sinal, siga o 4.2.1 a 4.2.3 etapas. <ol><li> Executar o processo de deconvolução no domínio do tempo como <img alt="Equação 9" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq9.jpg" /> e <img alt="Equação 10" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq10.jpg" /> , A Figura 3B. </li&gt; <li> Aproxime a não-linearidade <img alt="Equação 11" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq11.jpg" /> por uma função polinomial. Ajustar os parâmetros do polinômio eo tempo constante em pares de dados de entrada-saída para minimizar o erro quadrático médio entre o real <img alt="Equação 4" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq4.jpg" /> e reconstruída <img alt="Equação 12" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq12.jpg" /> concentração de odor. </li><li> Detectar os hits feromônio sempre <img alt="Equação 12" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq12.jpg" /> excede um limiar predefinido. </li></ol></li><li> Detector neuromórfica. Uma abordagem alternativa para a detecção consiste em imitar biologia. Em A. traças Ipsilon, os neurônios centrais que recebem a entrada da antena respondem ao feromônio com um padrão de disparo estereotipada de excitação-inibição 13. Um Hodgkin-Huxley tipo modelo neurônio com quatro correntes iônicas <img alt="Equação 13" fo:content-width="0.3in" src="/files/ftp_upload/51704/51704eq13.jpg" /> (Um rectificador retardado de corrente de K +, Na + e Ca 2 + correntes, uma pequena condutância Ca 2 + K +-dependente voltagem-corrente) foi previamente desenvolvido para reproduzir as respostas fisiológicas observadas 13. Para a detecção do sinal, siga o 4.3.1 passos para 4.3.3. <ol><li> Implementar o modelo de neurônio como equações diferenciais. Use o sinal de EAG como corrente de entrada <img alt="Equação 14" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq14.jpg" /> na evolução do potencial de membrana <img alt="Equação 15" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq15.jpg" /> . Use uma membrana de capacitância C = 22,9 pF e uma corrente de fuga dada pela <img alt="Equação 16" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq16.jpg" /> com condutância g L = 0.011161 ms ereversão potencial E L = -61,4 mV. As correntes iónicas são descritas pela <img alt="Equação 17" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq17.jpg" /> com <img alt="Equação 18" fo:content-width="2in" src="/files/ftp_upload/51704/51704eq18.jpg" /> por onde <img alt="Equação 19" fo:content-width="1.2in" src="/files/ftp_upload/51704/51704eq19.jpg" /> são funções não-lineares de V. Veja trabalhos anteriores 13 para os detalhes. </li><li> Simule o modelo de neurônio em tempo real com Sirene, integrando as equações diferenciais com a 4 ª ordem método de Runge-Kutta e um passo de tempo <img alt="Equação 20" fo:content-width="0.1in" src="/files/ftp_upload/51704/51704eq20.jpg" /> = 0,01 ms. Execute o teste de pico V (t f)&gt; 0 mV e V (t f - <img alt="Equação 20" fo:content-width="0.1in" src="/files/ftp_upload/51704/51704eq20.jpg" /> ) &lt;0 mV on-line para obter tempos de pico e interspike intervalos. </li><li> Detectar osucessos feromonas sempre uma rajada de excitação (3 intervalos consecutivos interspike &lt;70 ms) é seguido pela inibição (interspike intervalo ≥ 350 ms), ver Figura 3C. </li></ol></li></ol>

<ol>
	<li>Russel, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=World+Scientific+Series+in+Robotics+and+Intelligent+Systems.">World Scientific Series in Robotics and Intelligent Systems.</a> Odour detection by mobile robots. , 232 (1999).</li><li>Woodfin, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Trace chemical sensing of explosives. , 496 (2006).</li><li>Wyatt, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Pheromones and animal behavior. , (2013).</li><li>Weissburg, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+fluid+dynamical+context+of+chemosensory+behavior).">The fluid dynamical context of chemosensory behavior).</a> Biol. Bull. 198, 188-202 (2000).</li><li>Angioy, A. M., Desogus, A., Barbarossa, I. T., Anderson, P., Hansson, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extreme+Sensitivity+in+an+Olfactory+System.">Extreme Sensitivity in an Olfactory System.</a> Chem. Senses. 28 (4), 279-284 (2003).</li><li>Kaissling, K. -. E., Guti&#233;rrez, , Marco, <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Sensitivity+of+the+insect+nose:+the+example+of+Bombyx+mori.">The Sensitivity of the insect nose: the example of Bombyx mori.</a> Biologically inspired signal processing. , 45-52 (2009).</li><li>Sauer, A. E., Karg, G., Koch, U. T., Dekramer, J. J., Milli, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+portable+EAG+system+for+the+measurement+of+pheromone+concentration+in+the+field.">A portable EAG system for the measurement of pheromone concentration in the field.</a> Chem. Senses. 17 (5), 543-553 (1992).</li><li>Strauch, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=More+than+apples+and+oranges+-+Detecting+cancer+with+a+fruit+fly's+antenna.">More than apples and oranges - Detecting cancer with a fruit fly's antenna.</a> Scientific reports. 4 (3576), 1-9 (2014).</li><li>Marshall, B., Warr, C. G., de Bruyne, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detection+of+Volatile+Indicators+of+Illicit+Substances+by+the+Olfactory+Receptors+of+Drosophila+melanogaster.">Detection of Volatile Indicators of Illicit Substances by the Olfactory Receptors of Drosophila melanogaster.</a> Chem. Senses. 35 (7), 613-625 (2010).</li><li>Rains, G. C., Tomberlin, J. K., Kulasiri, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+insect+sniffing+devices+for+detection.">Using insect sniffing devices for detection.</a> Trends Biotechnol. 26 (6), 288-294 (2008).</li><li>King, T. L., Horine, F. M., Daly, K. C., Smith, B. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Explosives+detection+with+hard-wired+moths.">Explosives detection with hard-wired moths.</a> IEEE Trans. Instrumentation and Measurement. 53 (4), 1113-1118 (2004).</li><li>Gardner, J., Bartlett, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Electronic noses. , (1999).</li><li>Martinez, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multiphasic+On/Off+pheromone+signaling+in+moths+as+neural+correlates+of+a+search+strategy.">Multiphasic On/Off pheromone signaling in moths as neural correlates of a search strategy.</a> PLoS ONE. 8 (4), (2013).</li><li>Park, K. C., Ochieng, S. A., Zhu, J., Baker, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Odour+discrimination+using+insect+electroantennogram+responses+from+an+insect+antennal+array.">Odour discrimination using insect electroantennogram responses from an insect antennal array.</a> Chem. Senses. 27, 343-352 (2002).</li><li>Spitzer, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bio-Inspired+Nanostructured+Sensor+for+the+Detection+of+Ultralow+Concentrations+of+Explosives.">Bio-Inspired Nanostructured Sensor for the Detection of Ultralow Concentrations of Explosives.</a> Angewandte Chemie. 51 (22), 5334-5338 (2012).</li><li>Furton, K. G., Myers, L. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+scientific+foundation+and+efficacy+of+the+use+of+canines+as+chemical+detectors+for+explosives.">The scientific foundation and efficacy of the use of canines as chemical detectors for explosives.</a> Talanta. 54, 487-500 (2001).</li><li>Williams, M., Johnston, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Training+and+maintaining+the+performance+of+dogs+(Canis+familiaris)+on+an+increasing+number+of+odor+discriminations+in+a+controlled+setting.">Training and maintaining the performance of dogs (Canis familiaris) on an increasing number of odor discriminations in a controlled setting.</a> Applied Animal Behaviour Science. 78, 55-65 (2002).</li><li>Murlis, J., Elkinton, J. S., Card&#233;, R. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Odour+plumes+and+how+insects+use+them.">Odour plumes and how insects use them.</a> Annu. Rev. Entomol. 37, 505-532 (1992).</li><li>Kaissling, K. E., Lehler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pheromone-controlled+anemotaxis+in+moths.">Pheromone-controlled anemotaxis in moths.</a> Orientation and communication in Arthropods. , 343-374 (1997).</li><li>Vickers, N. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mechanisms+of+animal+navigation+in+odor+plumes.">Mechanisms of animal navigation in odor plumes.</a> Biol. Bull. 198, 203-212 (2000).</li><li>Martinez, D., Rochel, O., Hugues, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+biomimetic+robot+for+tracking+specific+odors+in+turbulent+plumes.">A biomimetic robot for tracking specific odors in turbulent plumes.</a> Autonomous Robot, Special Issue on Mobile Robot Olfaction. 20, 185-195 (2006).</li><li>Szyszka, P., Stierle, J. S., Biergans, S., Galizia, C. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Speed+of+Smell:+Odor-Object+Segregation+within+Milliseconds.">The Speed of Smell: Odor-Object Segregation within Milliseconds.</a> PLoS ONE. 7, (2012).</li><li>Bau, J., Justus, K. A., Loudon, C., Card&#233;, R. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electroantennographic+resolution+of+pulsed+pheromone+plumes+in+two+species+of+moths+with+bipectinate+antennae.">Electroantennographic resolution of pulsed pheromone plumes in two species of moths with bipectinate antennae.</a> Chem Senses. 30, 771-780 (2005).</li><li>Barrozo, R. B., Gadenne, C., Anton, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Switching+attraction+to+inhibition:+mating-induced+reversed+role+of+sex+pheromone+in+an+insect.">Switching attraction to inhibition: mating-induced reversed role of sex pheromone in an insect.</a> J. Exp. Biol. 213, 2933-2939 (2010).</li><li>Land, B. R., Wyttenbach, R. A., Johnson, B. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tools+for+physiology+labs:+an+inexpensive+high-performance+amplifier+and+electrode+for+extracellular+recording.">Tools for physiology labs: an inexpensive high-performance amplifier and electrode for extracellular recording.</a> J. Neuroscience Methods. 106, 47-55 (2001).</li><li>Ortiz, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+mobile+electrophysiology+board+for+autonomous+robotics.">A mobile electrophysiology board for autonomous robotics.</a> Master thesis. , (2006).</li><li>Justus, K. A., Card&#233;, R. T., French, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+Properties+of+Antennal+Responses+to+Pheromone+in+Two+Moth+Species.">Dynamic Properties of Antennal Responses to Pheromone in Two Moth Species.</a> J. Neurophysiol. 93, 2233-2239 (2005).</li><li>Martinez, D., Moraud, E. M., Persaud, K. .. C., Marco, S., Gutierrez-Galvez, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reactive+and+cognitive+search+strategies+for+olfactory+robots.">Reactive and cognitive search strategies for olfactory robots.</a> Neuromorphic Olfaction, Frontiers in Neuroengineering Series. , (2013).</li><li>Kuwana, Y., Shimoyama, I., Miura, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Steering+control+of+a+mobile+robot+using+insect+antennae.">Steering control of a mobile robot using insect antennae.</a> Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems. , (1995).</li><li>Kuwana, Y., Nagasawa, S., Shimoyama, I., Kanzaki, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Synthesis+of+the+pheromone-oriented+behaviour+of+silkworm+moths+by+a+mobile+robot+with+moth+antennae+as+pheromone+sensors.">Synthesis of the pheromone-oriented behaviour of silkworm moths by a mobile robot with moth antennae as pheromone sensors.</a> Biosensors and Bioelectronics. 14, 195-202 (1999).</li><li>Myrick, A. J., Park, K. C., Hetling, J. R., Baker, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Detection+and+discrimination+of+mixed+odor+strands+in+overlapping+plumes+using+an+insect-antenna-based+chemosensor+system.">Detection and discrimination of mixed odor strands in overlapping plumes using an insect-antenna-based chemosensor system.</a> J. Chem. Ecol. 35, 118-130 (2009).</li><li>Myrick, A. J., Park, K. C., Hetling, J. R., Baker, T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-time+odor+discrimination+using+a+bioelectronic+sensor+array+based+on+the+insect+electroantennogram.">Real-time odor discrimination using a bioelectronic sensor array based on the insect electroantennogram.</a> Bioinspiration and Biomimetics. 3, (2008).</li><li>Vickers, N. J., Christensen, T. A., Baker, T. C., Hildebrand, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Odour-plume+dynamics+influence+the+brain's+olfactory+code.">Odour-plume dynamics influence the brain's olfactory code.</a> Nature. 410, 466-470 (2001).</li><li>Vergassola, M., Villermaux, E., Shraiman, B. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term='Infotaxis'+as+a+strategy+for+searching+without+gradients.">'Infotaxis' as a strategy for searching without gradients.</a> Nature. 445, 406-409 (2007).</li><li>Martin-Moraud, E., Martinez, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effectiveness+and+robustness+of+robot+infotaxis+for+searching+in+dilute+conditions.">Effectiveness and robustness of robot infotaxis for searching in dilute conditions.</a> Frontiers in neurorobotics. , (2010).</li><li>Masson, J. -. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Olfactory+searches+with+limited+space+perception).">Olfactory searches with limited space perception).</a> PNAS. 110, 11261-11266 (2013).</li><li>Masson, J. -. B., Bailly Bechet, M., Vergassola, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chasing+information+to+search+in+random+environments.">Chasing information to search in random environments.</a> J. Phys. A: Math. Theor. 42, (2009).</li></ol>

Authors have nothing to disclose.

Quase vinte anos atrás, Kanzaki e seus colegas foi pioneiro na idéia de usar EAG em robôs olfativos 29-30. Sua técnica foi originalmente baseado em antenas extirpado. Aqui, nós gravamos de antenas intactas para melhorar a sensibilidade eo tempo de vida da preparação. Outros estudos 31-32 também notou a superioridade dos preparativos de corpo inteiro mais isolado antenas. Em nossos experimentos robóticos, tivemos gravações estáveis ​​dentro de um dia. Em contraste, EAG registada no isolado antenas têm um tempo de vida de 2 horas (Figura 5). Nossa plataforma EAG-robótico foi desenvolvido principalmente para testar hipóteses biológicas sobre estratégias de busca codificação olfativo e em insetos 13. Similar aos neurônios centrais que recebem a entrada de antenas de inseto, nós conectamos um modelo de neurônio para uma antena traça real em um robô e realizada a detecção de feromônio com base no seu padrão de disparo. Eventos de detecção e de detecção não foramentão usado para acionar o robô em direção à fonte de feromônio. A estratégia de busca reativa considerado aqui foi inspirado pelos padrões de comportamento de mariposas macho atraído por um feromônio sexual. Ele teve um bom desempenho em condições de laboratório (Figura 6), permitindo a localização de uma fonte de baixa emissão (dose de 10 mg de feromônio no nosso caso versus 10 mg em trabalho anterior 24) em um espaço relativamente grande procura (distância inicial de fontes de 2 m versus 10 cm de experiências anteriores 20-21). Estas experiências robóticos deve ser considerado como uma prova de conceito que mostra que as antenas de insectos são adequadas para pesquisas olfactivos robóticos. Apesar de antenas de insetos são conhecidos por responder a gases tóxicos, drogas e explosivos 9-11, várias extensões são necessárias para lidar com aplicações do mundo real. Primeiro, um método mais sofisticado busca 34-36 pode ser mais eficiente a distâncias superiores a 10 m, quando a reaquisiçãoda pluma se torna muito improvável. Em segundo lugar, pode ser necessário combinar EAG de diferentes espécies numa configuração de nariz bio-electrónico 14, a fim de detectar odorantes de interesse. Em terceiro lugar, as capacidades de detecção de som obtidos através da gravação das duas antenas do mesmo inseto pode ser benéfico em termos de eficácia. Dois sensores utilizados em paralelo podem de fato aumentar a direcionalidade. Em quarto lugar, as extensões da estratégia de busca para pesquisas robóticas coletivos são 37 devem ser considerados para aplicações práticas, mesmo que não são biologicamente relevante no caso de mariposas.

Hoje em dia, os animais como os cães são frequentemente utilizados em aplicações de segurança e de segurança que envolvem a localização de vazamentos de produtos químicos, drogas e explosivos por causa de suas excelentes capacidades de detecção de odor 16. No entanto, eles apresentam variações de comportamento, ficar cansado depois de um extenso trabalho e exigem reciclagem freqüente quanto o seu desempenho diminui ao longo do tempo 17. Uma maneira de contornar essas limitações é substituir cães treinados por robôs olfativos. No entanto, seguindo aromas e fontes de odor é um grande desafio na robótica. Em ambientes turbulentos, a paisagem de uma pluma de odor é muito heterogêneo e instável, e consiste em manchas localizadas esporadicamente 4. Mesmo em distâncias moderadas a partir da fonte, tão curto quanto alguns metros, detecções esporádicas e tornar-se apenas fornecer sugestões de forma intermitente. Além disso, os gradientes de concentração locais durante as detecções não apontam geralmente para a fonte. Dada discofluxo ontinuous de informação e informação local limitado quando as detecções são feitas como navegar um robô em direção à fonte? É sabido que os insetos, como traças masculinos usam comunicação química para conseguir localizar seus companheiros em longas distâncias (centenas de metros). Para fazê-lo, eles adotam um comportamento estereotipado 18-20: eles surgir contra o vento sobre a detecção de um patch de odor e realizar uma pesquisa extensa chamada de elenco quando a informação odor desaparece. Esta estratégia de fundição onda é puramente reativa, ou seja, as ações são completamente determinados por percepções atuais (eventos de detecção e de não detecção). No entanto, a sua implementação em robôs olfativos tinha sucesso no passado limitada porque a detecção de manchas de odor é dificultada pela lentidão dos sensores de gás artificiais. Sensores de óxido de metal usados ​​na maioria dos robôs olfactivas tem de resposta e tempos de recuperação de várias dezenas de segundos, de modo que, geralmente, filtraras flutuações de concentração encontradas em plumas de turbulência 21. Em contraste, o tempo de resposta de quimiorreceptores de insectos é muito mais curto, por exemplo, o tempo de subida de eletroantenografia insectos (EAG) é menos do que 50 ms 22. Consequentemente, usando EAG de insetos, pulsos de odor são resolvidos nas freqüências de vários Hertz 23. Esta propriedade faz com que os sensores EAG bem adequado para a detecção de odor nas plumas de filamentos naturais. Descrevemos aqui um protocolo para a incorporação de EAG insetos em robôs que permitem pesquisas olfativos eficientes usando onda e lançando estratégias.

<table><tbody><tr><td>&lt;em&gt;Agrotis ipsilon&lt;/em&gt;</td><td>PISC &lt;br /&gt;http://www-physiologie-insecte.versailles.inra.fr/indexenglish.php</td><td></td><td>moth</td></tr><tr><td>Robot Khepera III</td><td>K-team &lt;br /&gt;www.k-team.com</td><td></td><td>Khe3Base + KorBotLE + KorWifi</td></tr><tr><td>KoreIOLE</td><td>K-team</td><td></td><td>Input/output extension board</td></tr><tr><td>EAG-robot interface</td><td>LORIA &lt;br /&gt;www.loria.fr</td><td></td><td>Custom-made hardware and software</td></tr><tr><td>Sirene</td><td>LORIA&amp;nbsp;</td><td></td><td>neuronal simulator sirene.gforge.inria.fr</td></tr><tr><td>Eagle</td><td>CadSoft www.cadsoftusa.com</td><td></td><td>PCB design software</td></tr><tr><td>Micromanipulator</td><td>Narishige / Bio-logic</td><td>UN-3C</td><td></td></tr><tr><td>Magnet base</td><td>Narishige/ Bio-logic</td><td>USM-6</td><td></td></tr><tr><td>Adapter</td><td>Narishige/ Bio-logic</td><td>UX-6-6</td><td></td></tr><tr><td>Rotule</td><td>Narishige/ Bio-logic</td><td>UPN-B</td><td></td></tr><tr><td>Micro scisors</td><td>MORIA / Phymep</td><td>15371-92</td><td></td></tr><tr><td>Stereo microscope Zeiss St&amp;eacute;mi 2000</td><td>Fisher Scientific</td><td>B19961</td><td></td></tr><tr><td>Light source 20 W KL200</td><td>Fisher Scientific</td><td>W41745</td><td></td></tr><tr><td>Narishige PC-10 Na PC-1</td><td>Narishige</td><td>Narishige PC-10</td><td></td></tr><tr><td>Capillaries Na PC-1</td><td>Fisher scientific</td><td>C01065</td><td></td></tr><tr><td>Pheromone cis-7-Dodecenyl acetate(Z7-12:OAc)</td><td>Sigma-Aldrich</td><td>259829</td><td></td></tr><tr><td>Pack of 3 pipettes: 2-20 &amp;micro;l/ 50-200 &amp;micro;l/ 100-1,000 &amp;micro;l</td><td>Eppendorf</td><td>4910000514</td><td>For pheromone dilution and deposition on paper filter</td></tr><tr><td>Gas sensor TGS2620&amp;nbsp;</td><td>Figaro www.figarosensor.com</td><td></td><td>Optional, for comparison with EAG</td></tr><tr><td>Electrode puller</td><td>Narishige&amp;nbsp;</td><td>PC-10</td><td></td></tr></tbody></table>

using insect electroantennogram sensors on autonomous robots for olfactory searches

Robôs projetados para rastrear vazamentos químicos em instalações industriais perigosos 1 ou vestígios de explosivos em campos de minas 2 enfrentam o mesmo problema como insetos em busca de alimento ou à procura de companheiros de 3: a busca olfativa é limitada pela física do transporte turbulento 4. A paisagem concentração de odores de vento suportado é descontínuo e consiste em manchas localizadas de forma esporádica. Um pré-requisito para a pesquisa olfativa é que são detectadas manchas odor intermitentes. Devido à sua alta velocidade e sensibilidade 5-6, o órgão olfativo de insetos fornece uma oportunidade única para a detecção. Antenas de insectos têm sido utilizados no passado para detectar não só as feromonas sexuais 7, mas também produtos químicos que são relevantes para os seres humanos, por exemplo, compostos voláteis que emanam a partir de células cancerosas 8 ou substâncias tóxicas e ilícitas 9-11. Descrevemos aqui um protocolo para a utilização de antenas de inseto em robôs autônomos umd apresentar uma prova de conceito para o rastreamento plumas de odor para a sua fonte. A resposta global dos neurónios olfactivos é gravado no local sob a forma de eletroantenografia (EAG). A nossa concepção experimental, com base em um conjunto de insectos preparação, permite gravações estáveis ​​dentro de um dia de trabalho. Em comparação, EAG sobre antenas excisadas têm uma vida útil de 2 horas. Uma interface de hardware personalizado / software foi desenvolvido entre os eletrodos EAG e um robô. O sistema de medição resolve manchas odor individuais de até 10 Hz, o que ultrapassa a escala de tempo de sensores químicos artificiais 12. A eficiência de sensores EAG para pesquisas olfactivos é ainda demonstrada em dirigir o robô para uma fonte de feromona. Usando estímulos olfativos idênticas e sensores como em animais de verdade, a nossa plataforma robótico fornece um meio direto para testar hipóteses biológicas sobre estratégias de busca 13 codificação e olfativo. Ele também pode ser benéfico para a detecção de outros odores de interesse porcombinando EAG de diferentes espécies de insetos em uma configuração nariz bioeletrônico 14 ou através de sensores de gás nanoestruturados que imitam insetos antenas 15.

O protocolo descrito acima, foi testado primeiro com 20 pulsos curtos mseg de feromona (dose de 1 ug e 10 ug) directamente sopradas sobre a antena. Figura 4A mostra os EAG em resposta a impulsos de feromonas. Eles são positivos, porque o eléctrodo de registo foi ligado à entrada inversora do amplificador, tal como descrito na etapa 3.3. Tal como indicado pelo espectro de potência, o sistema de medição é capaz de resolver os pulsos de feromonas de até 10 Hz. Para comparação, nós também testado um sensor de gás comercialmente disponíveis. O TGS2620 é um sensor de óxido metálico fabricada para a detecção de vapores de solventes. Embora o sensor apresenta uma elevada sensibilidade para o etanol, foi incapaz de seguir as variações de concentração (ver a curva a tracejado na Figura 4B). O problema veio da caixa do sensor. O TGS2620 é comercializado com uma tampa que tem uma gaze de aço inoxidável à prova de fogo. O tempo de resposta é lento, porque, na prática, é preciso umcerto período de tempo para que o gás se difunda através da gaze e atingir a superfície do óxido de metal. Recuperação também é lento porque é preciso tempo para limpar o sensor quando o gás é aprisionado no interior da tampa. Nós, portanto, removeu a tampa e esta modificação melhorou a dinâmica significativamente (ver a curva simples na Figura 4B). Ainda, houve um factor de dez entre EAG e o TGS2620 (10 Hz versus 1 Hz). Esta comparação é, no entanto, como qualitativa EAG e o TGS2620 não foram testados nas mesmas condições. Em seguida, avaliou a estabilidade ao longo do tempo de todo o inseto nossa preparação (n = 12 traças), em comparação com antenas excisada (n = 7 antenas). A EAG foi registrada periodicamente em resposta a estímulos de feromônio (duração de 500 ms, doses 1 mg). EAG-primas (em mV) foram convertidos para EAG relativos (percentuais de valor inicial obtido no tempo t = 0). Figura 5 mostra muito boa estabilidade de todo o nosso inseto-prepparação dentro de um dia de trabalho. Em contraste, EAG gravada em diminuição isolado antenas rapidamente ao longo do tempo, de modo que o sinal cai para metade do seu valor inicial após apenas 1,5 horas. Esta dependência do tempo é bem descrita por um decaimento exponencial com um tempo de vida de 2 horas. Finalmente, testou-se a capacidade de o plateform robótico EAG para procurar uma fonte de odor (composto feromona Z7-12: OAc) utilizando uma estratégia de pesquisa reactivo (Figura 6A). A estratégia de pesquisa combina impulso contra o vento cada vez que a feromona é detectado com fundição espiral na ausência de detecção 28. A presença de feromona é detectado a partir do GAE pelo detector neuromórfica, tal como descrito na etapa 4.3. Dois exemplos de EAG gravados durante a pesquisa são mostrados na Figura 6B. Sem a fonte de odor, a EAG permanece em torno de zero (ou seja, 2,5 V) com muito poucas ou nenhuma detecções. O robô executa fundição espiral e geralmente deixa a bef espaço de buscaminério de chegar ao local de destino (em 92% dos estudos, n = 26 ensaios, Figura 6C direita). Com a fonte de odor (Figura 6C esquerda), a EAG apresenta explosões de atividade (detecções) entrelaçadas com períodos de silêncio (não detecções). Fundição espiral ocorre principalmente no contorno pluma (Figura 6C esquerda, linha vermelha) e parece ser uma estratégia eficiente para se mudar a linha central da pluma quando o odor é perdido. Nesta condição, a fonte é geralmente encontrado (taxa de sucesso de 96%, n = 44 ensaios). <img alt="Figura 1" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig1highres.jpg" width="500" /> Figura 1. Whole-inseto preparação EAG e configuração robótico. A) O eletroantenogramas (EAG) é gravado a partir de uma preparação de todo o inseto (ver texto para detalhes). B) A preparação é montado na roubarot. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig1highres.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a> <img alt="Figura 2" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig2highres.jpg" width="500" /> Interface Figura 2. Hardware-software. A) de Eagle esquemática do equipamento. O circuito é composto por seis seções (ver texto para detalhes). Ele permite a filtragem (banda de frequência de 0,1-500 Hz, entalhe a 50 Hz), a amplificação (250X total de ganho) e condicionamento de sinal na faixa de 0-5 V. B) layout de Águia mostrando as linhas de cobre (o topo é em vermelho ea fundo em azul) e os buracos (em verde). C) Placa de circuito impresso (PCB), mostrando os elementos discretos. D) da interface gráfica do usuário (GUI), escrito em Qt-C + + para a visualização de dados (traço vermelho = entrada EAG, traço verde= Saída modelo neurônio), design de filtro e detecção do sinal. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig2highres.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a> <img alt="Figura 3" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig3highres.jpg" width="500" /> Detecção Figura 3. Sinal do GAE. A) eletroantenogramas (EAG) modelo. A EAG é modelada por uma cascata não-linear 27, que consiste em uma não-linearidade estática seguido de um filtro passa-baixa de 1 ª ordem com função impulso exponencial <img alt="Equação 21" fo:content-width=".2in" src="/files/ftp_upload/51704/51704eq21.jpg" /> . A saída EAG é dada pela integral da convolução com <img alt="Equação 22" fo:content-width="2in" src="/files/ftp_upload/51704/51704eq22.jpg" /> . B) abordagem de Engenharia. O filt deconvolutioner escreve <img alt="Equação 23" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq23.jpg" /> e <img alt="Equação 24" fo:content-width="1in" src="/files/ftp_upload/51704/51704eq24.jpg" /> , Veja o texto para mais detalhes. Encontros Odor (acessos) são detectados sempre <img alt="Equação 12" src="/files/ftp_upload/51704/51704eq12.jpg" /> exceder um limite pré-definido C) abordagem inspirou-Bio.. Um modelo de neurónio tipo de Hodgkin-Huxley com cinco correntes internas (vazamento, K +, Na +, Ca 2 + e SK) é usado para reproduzir o padrão de disparos observado de excitação-inibição (EI) observada experimentalmente 13. Para a detecção do sinal, o sinal de EAG é utilizado como corrente de entrada e de acessos são detectados, sempre que uma rajada de excitação é seguido pela inibição da actividade de tiro. <img alt="Figura 4" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig4highres.jpg" width="500" /> &lt;<html> br /&gt; tempo de resposta Figura 4. EAG. A) gravações EAG em resposta a 20 pulsos feromônio ms (dose de 1 ug e 10 mg) entregues em taxas diferentes (1, 2, 4, 6, 8 e 10 pulsos / seg). O espectro de potência EAG normalizado é mostrado para um estímulo pulsado a 10 Hz e 1 (dose de 1 ug e 10 ug). A EAG resolve pulsos individuais de até 10 Hz. B) Gravações de sensor de gás TGS2620 em resposta a etanol (flutuação de concentração). As curvas tracejadas e deslizamento estão a resposta do sensor, com e sem a tampa, respectivamente. O sensor com a tampa tem um tempo de resposta de dezenas de segundos e, assim, não pode seguir as variações na concentração de gás. O TGS2620 sem tampa resolve flutuações individuais até 1 Hz. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig4highres.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a> sempre &quot;&gt; <img alt="Figura 5" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig5highres.jpg" width="500" /> Estabilidade EAG Figura 5. (Todo inseto preparação vs antena excisadas). A EAG foi registrada a cada hora durante 8 horas para a preparação de todo o inseto (n = 12 mariposas) e a cada 20 minutos durante 3,2 h para antenas excisada (n = 7 antenas). A figura mostra EAG relativas (as percentagens de valor inicial obtidos no tempo t = 0). A dependência do tempo para antenas excisada é bem ajustado por um decaimento exponencial, com um tempo de vida de 2 horas (meia-vida de 1,5 horas). <img alt="Figura 6" fo:content-width="5in" src="/files/ftp_upload/51704/51704fig6highres.jpg" width="500" /> Figura 6. Experimentos robóticos. A) A estratégia de fundição onda combina onda contra o vento nopresença do odor com fundição em espiral na sua ausência 28. B) EAG típica registada durante a pesquisa, enquanto o robô está em movimento (com e sem odor). C) trajectórias Robot com odor (n = 44 ensaios), e sem cheiro (n = 26 ensaios). A linha pontilhada vermelha representa o contorno pluma, onde 90% de todas as detecções ocorreu durante os ensaios. As condições experimentais: espaço de busca = 4 mx 2,5 m, a velocidade do robô = 5,6 cm / s, target = 10 mg de feromônio depositado sobre um filtro de papel e substituído a cada 2 ensaios, robô localização inicial = 2 m do alvo, velocidade do vento = 0,9 ± 0,2 m / s no local de destino. <a href="https://www.jove.com/files/ftp_upload/51704/51704fig6highres.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>

Watch this Scientific Journal Video about Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches at JoVE.com

Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches

We describe a protocol for using insect antennae in the form of electroantennograms (EAGs) on autonomous robots. Our experimental design allows stable recordings within a day and resolves individual odor patches up to 10 Hz. The efficiency of EAG sensors for olfactory searches is demonstrated in driving a robot toward an odor source.

Usando insetos eletroantenogramas Sensores em robôs autônomos para Pesquisas olfativas

Robots designed to track chemical leaks in hazardous industrial facilities1 or explosive traces in landmine fields2 face the same problem as insects ...

using-insect-electroantennogram-sensors-on-autonomous-robots-for

Research

JoVE Journal

Neuroscience

22.9K visualizações.  Centre National de la Recherche Scientifique (CNRS). We describe a protocol for using insect antennae in the form of electroantennograms (EAGs) on autonomous robots. Our experimental design allows stable recordings within a day and resolves individual odor patches up to 10 Hz. The efficiency of EAG sensors for olfactory searches is demonstrated in driving a robot toward an odor source.

Vídeo: Using Insect Electroantennogram Sensors on Autonomous Robots for Olfactory Searches

Electrophysiological Measurements from a Moth Olfactory System

Insect olfactory systems provide unique opportunities for recording odorant-induced responses in the forms of electroantennograms (EAG) and single sensillum recordings (SSR), which are summed responses from all odorant receptor neurons (ORNs) located on the antenna and from those housed in individual sensilla, respectively. These approaches have been exploited for getting a better understanding of insect chemical communication. The identified stimuli can then be used as either attractants or repellents in management strategies for insect pests.

Insect olfactory systems provide unique opportunities for recording odorant-induced responses in the forms of electroantennograms (EAG) and single sensillum recordings (SSR), which are summed responses from all odorant receptor neurons (ORNs) located on the antenna and from those housed in individual sensilla, respectively.

Medidas eletrofisiológicas partir de um sistema olfativo Traça

Insect olfactory systems provide unique opportunities for recording odorant-induced responses in the forms of electroantennograms (EAG) and single ...

Neurociência

Flying Insect Detection and Classification with Inexpensive Sensors

An inexpensive, noninvasive system that could accurately classify flying insects would have important implications for entomological research, and allow for the development of many useful applications in vector and pest control for both medical and agricultural entomology. Given this, the last sixty years have seen many research efforts devoted to this task. To date, however, none of this research has had a lasting impact. In this work, we show that pseudo-acoustic optical sensors can produce superior data; that additional features, both intrinsic and extrinsic to the insect&#8217;s flight behavior, can be exploited to improve insect classification; that a Bayesian classification approach allows to efficiently learn classification models that are very robust to over-fitting, and a general classification framework allows to easily incorporate arbitrary number of features. We demonstrate the findings with large-scale experiments that dwarf all previous works combined, as measured by the number of insects and the number of species considered.

We proposed a system that uses inexpensive, noninvasive pseudo-acoustic optical sensors to automatically and accurately detect, count, and classify flying insects based on their flying sound.

Vôo Detecção e Classificação Insect com sensores baratos

An inexpensive, noninvasive system that could accurately classify flying insects would have important implications for entomological research, and allow ...

Bioengenharia

Identification of Olfactory Volatiles using Gas Chromatography-Multi-unit Recordings (GCMR) in the Insect Antennal Lobe

All organisms inhabit a world full of sensory stimuli that determine their behavioral and physiological response to their environment. Olfaction is especially important in insects, which use their olfactory systems to respond to, and discriminate amongst, complex odor stimuli. These odors elicit behaviors that mediate processes such as reproduction and habitat selection1-3. Additionally, chemical sensing by insects mediates behaviors that are highly significant for agriculture and human health, including pollination4-6, herbivory of food crops7, and transmission of disease8,9. Identification of olfactory signals and their role in insect behavior is thus important for understanding both ecological processes and human food resources and well-being.
	To date, the identification of volatiles that drive insect behavior has been difficult and often tedious. Current techniques include gas chromatography-coupled electroantennogram recording (GC-EAG), and gas chromatography-coupled single sensillum recordings (GC-SSR)10-12. These techniques proved to be vital in the identification of bioactive compounds. We have developed a method that uses gas chromatography coupled to multi-channel electrophysiological recordings (termed 'GCMR') from neurons in the antennal lobe (AL; the insect's primary olfactory center)13,14. This state-of-the-art technique allows us to probe how odor information is represented in the insect brain. Moreover, because neural responses to odors at this level of olfactory processing are highly sensitive owing to the degree of convergence of the antenna's receptor neurons into AL neurons, AL recordings will allow the detection of active constituents of natural odors efficiently and with high sensitivity. Here we describe GCMR and give an example of its use.
	Several general steps are involved in the detection of bioactive volatiles and insect response. Volatiles first need to be collected from sources of interest (in this example we use flowers from the genus Mimulus (Phyrmaceae)) and characterized as needed using standard GC-MS techniques14-16. Insects are prepared for study using minimal dissection, after which a recording electrode is inserted into the antennal lobe and multi-channel neural recording begins. Post-processing of the neural data then reveals which particular odorants cause significant neural responses by the insect nervous system.
	Although the example we present here is specific to pollination studies, GCMR can be expanded to a wide range of study organisms and volatile sources. For instance, this method can be used in the identification of odorants attracting or repelling vector insects and crop pests. Moreover, GCMR can also be used to identify attractants for beneficial insects, such as pollinators. The technique may be expanded to non-insect subjects as well.

Identification of Olfactory Volatiles using Gas Chromatography-Multi-unit Recordings GCMR in the Insect Antennal Lobe

Olfactory cues mediate many different behaviors in insects, and are often complex mixtures comprised of tens to hundreds of volatile compounds. Using gas chromatography with multi-channel recording in the insect antennal lobe, we describe a method for the identification of bioactive compounds.

Identificação de voláteis olfativas utilizando cromatografia gasosa-Multi-unidade Gravações (GCMR) no lobo antenal Inseto

All  organisms inhabit a world full of sensory stimuli that determine their  behavioral and physiological response to their environment. Olfaction is ...

Multi-unit Recording Methods to Characterize Neural Activity in the Locust (Schistocerca Americana) Olfactory Circuits

Detection and interpretation of olfactory cues are critical for the survival of many organisms. Remarkably, species across phyla have strikingly similar olfactory systems suggesting that the biological approach to chemical sensing has been optimized over evolutionary time1. In the insect olfactory system, odorants are transduced by olfactory receptor neurons (ORN) in the antenna, which convert chemical stimuli into trains of action potentials. Sensory input from the ORNs is then relayed to the antennal lobe (AL; a structure analogous to the vertebrate olfactory bulb). In the AL, neural representations for odors take the form of spatiotemporal firing patterns distributed across ensembles of principal neurons (PNs; also referred to as projection neurons)2,3. The AL output is subsequently processed by Kenyon cells (KCs) in the downstream mushroom body (MB), a structure associated with olfactory memory and learning4,5. Here, we present electrophysiological recording techniques to monitor odor-evoked neural responses in these olfactory circuits.
First, we present a single sensillum recording method to study odor-evoked responses at the level of populations of ORNs6,7. We discuss the use of saline filled sharpened glass pipettes as electrodes to extracellularly monitor ORN responses. Next, we present a method to extracellularly monitor PN responses using a commercial 16-channel electrode3. A similar approach using a custom-made 8-channel twisted wire tetrode is demonstrated for Kenyon cell recordings8. We provide details of our experimental setup and present representative recording traces for each of these techniques.

Multi-unit Recording Methods to Characterize Neural Activity in the Locust Schistocerca Americana Olfactory Circuits

We demonstrate variations of the extracellular multi-unit recording technique to characterize odor-evoked responses in the first three stages of the invertebrate olfactory pathway. These techniques can easily be adapted to examine ensemble activity in other neural systems as well.

Multi-unidade Métodos de gravação para caracterizar a atividade neural no Locust (<em&gt; Schistocerca Americana</em&gt;) Circuitos olfatórias

Detection and interpretation of olfactory cues are critical for the survival  of many organisms. Remarkably, species across phyla have strikingly similar ...

Electroantennography-based Bio-hybrid Odor-detecting Drone using Silkmoth Antennae for Odor Source Localization

Small drones with chemical or biosensor devices that can detect airborne odorant molecules have attracted considerable attention owing to their applicability in environmental and security monitoring and search-and-rescue operations. Small drones with commercial metal-oxide-semiconductor (MOX) gas sensors have been developed for odor source localization; however, their real-time-odor-detection performance has proven inadequate. However, biosensing technologies based on insect olfactory systems exhibit relatively high sensitivity, selectivity, and real-time response with respect to odorant molecules compared to commercial MOX gas sensors. In such devices, excised insect antennae function as portable odorant biosensor elements and have been found to deliver excellent sensing performance. This study presents experimental protocols for odorant-molecule detection in the air using a small autonomous bio-hybrid drone based on a mountable electroantennography (EAG) device incorporating silkmoth antennae.
We developed a mountable EAG device including sensing/processing parts with a Wi-Fi module. The device was equipped with a simple sensor enclosure to enhance the sensor directivity. Thus, odor source localization was conducted using the spiral-surge algorithm, which does not assume an upwind direction. The experimental bio-hybrid odor-detecting drone identified real-time odorant-concentration differences in a pseudo-open environment (outside a wind tunnel) and localized the source. The developed drone and associated system can serve as an efficient odorant molecule-detection tool and a suitable flight platform for developing odor source localization algorithms owing to its high programmability.

This study introduces experimental protocols for a bio-hybrid odor-detecting drone based on silkmoth antennae. The operation of an experimental electroantennogram device with silkmoth antennae is presented, in addition to the structure of a bio-hybrid drone designed for odor source localization using the spiral-surge algorithm.

Drone bio-híbrido de detecção de odor baseado em eletroantennografia usando antenas de seda para localização de fonte de odor

Small drones with chemical or biosensor devices that can detect airborne odorant molecules have attracted considerable attention owing to their ...

Engenharia

Using Single Sensillum Recording to Detect Olfactory Neuron Responses of Bed Bugs to Semiochemicals

The insect olfactory system plays an important role in detecting semiochemicals in the environment. In particular, the antennal sensilla which house single or multiple neurons inside, are considered to make the major contribution in responding to the chemical stimuli. By directly recording action potential in the olfactory sensillum after exposure to stimuli, single sensillum recording (SSR) technique provides a powerful approach for investigating the neural responses of insects to chemical stimuli. For the bed bug, which is a notorious human parasite, multiple types of olfactory sensillum have been characterized. In this study, we demonstrated neural responses of bed bug olfactory sensilla to two chemical stimuli and the dose-dependent responses to one of them using the SSR method. This approach enables researchers to conduct early screening for individual chemical stimuli on the bed bug olfactory sensilla, which would provide valuable information for the development of new bed bug attractants or repellents and benefits the bed bug control efforts.

Bed bugs rely on olfactory receptor neurons housed in their antennal olfactory sensilla to detect semiochemicals in the environment. Utilizing single sensillum recording, we demonstrate a method to evaluate bed bug response to semiochemicals and explore the coding process involved.

Usando Individual Sensillum Gravação para detectar respostas Olfativo Neurônio de percevejos para Semioquímicos

The insect olfactory system plays an important role in detecting semiochemicals in the environment. In particular, the antennal sensilla which house ...

Insect-controlled Robot: A Mobile Robot Platform to Evaluate the Odor-tracking Capability of an Insect

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor sources is an essential task for organism survival. Insects are well-studied organisms with regard to odor tracking, and their behavioral strategies have been applied to mobile robots for evaluation. This "bottom-up" approach is a fundamental way to develop biomimetic robots; however, the biological analyses and the modeling of behavioral mechanisms are still ongoing. Therefore, it is still unknown how such a biological system actually works as the controller of a robotic platform. To answer this question, we have developed an insect-controlled robot in which a male adult silkmoth (Bombyx mori) drives a robot car in response to odor stimuli; this can be regarded as a prototype of a future insect-mimetic robot. In the cockpit of the robot, a tethered silkmoth walked on an air-supported ball and an optical sensor measured the ball rotations. These rotations were translated into the movement of the two-wheeled robot. The advantage of this "hybrid" approach is that experimenters can manipulate any parameter of the robot, which enables the evaluation of the odor-tracking capability of insects and provides useful suggestions for robotic odor-tracking. Furthermore, these manipulations are non-invasive ways to alter the sensory-motor relationship of a pilot insect and will be a useful technique for understanding adaptive behaviors.

The capability to localize an odor source is necessary for insect survival and is expected to be applicable to artificial odor-tracking. The insect-controlled robot is driven by an actual silkmoth and enables us to evaluate the odor-tracking capability of insects through a robotic platform.

Robô controlado por insetos: uma plataforma móvel Robot avaliar a capacidade Odor-tracking de um inseto

Robotic odor source localization has been a challenging area and one to which biological knowledge has been expected to contribute, as finding odor ...

Localization of Odorant Receptor Genes in Locust Antennae by RNA In Situ Hybridization

Insects have evolved sophisticated olfactory reception systems to sense exogenous chemical signals. These chemical signals are transduced by Olfactory Receptor Neurons (ORNs) housed in hair-like structures, called chemosensilla, of the antennae. On the ORNs&#39; membranes, Odorant Receptors (ORs) are believed to be involved in odor coding. Thus, being able to identify genes localized to the ORNs is necessary to recognize OR genes, and provides a fundamental basis for further functional in situ studies. The RNA expression levels of specific ORs in insect antennae are very low, and preserving insect tissue for histology is challenging. Thus, it is difficult to localize an OR to a specific type of sensilla using RNA in situ hybridization. In this paper, a detailed and highly effective RNA in situ hybridization protocol particularly for lowly expressed OR genes of insects, is introduced. In addition, a specific OR gene was identified by conducting double-color fluorescent in situ hybridization experiments using a co-expressing receptor gene, Orco, as a marker.

Localization of Odorant Receptor Genes in Locust Antennae by RNA In Situ Hybridization

This paper describes a detailed and highly effective RNA in situ hybridization protocol particularly for low-level expressed Odorant Receptor (OR) genes, as well as other genes, in insect antennae using digoxigenin (DIG)-labeled or biotin-labeled probes.

Localização de Genes de Receptor de Odorantes em Antenas de Locustídeo por RNA<em&gt; In Situ</em&gt; Hibridação

Insects have evolved sophisticated olfactory reception systems to sense exogenous chemical signals. These chemical signals are transduced by Olfactory ...

Electrophysiological Recording from Drosophila Trichoid Sensilla in Response to Odorants of Low Volatility

Insects rely on their sense of smell to guide a wide range of behaviors that are critical for their survival, such as food-seeking, predator avoidance, oviposition, and mating. Myriad chemicals of varying volatilities have been identified as natural odorants that activate insect Olfactory Receptor Neurons (ORNs). However, studying the olfactory responses to low-volatility odorants has been hampered by an inability to effectively present such stimuli using conventional odor-delivery methods. Here, we describe a procedure that permits the effective presentation of low-volatility odorants for in vivo Single-Sensillum Recording (SSR). By minimizing the distance between the odor source and the target tissue, this method allows for the application of biologically salient but hitherto inaccessible odorants, including palmitoleic acid, a stimulatory pheromone with a demonstrated effect on ORNs involved in courtship and mating behavior1. Our procedure thus affords a new avenue to assay a host of low-volatility odorants for the study of insect olfaction and pheromone communication.

Electrophysiological Recording from Drosophila Trichoid Sensilla in Response to Odorants of Low Volatility

The overall goal of this protocol is to demonstrate how to present odorants of low volatility for single-sensillum recording from Drosophila olfactory receptor neurons that respond to long-chain cuticular pheromones.

Gravação eletrofisiológica de<em&gt; Drosophila</em&gt; Sensilla Tricoide em resposta aos odorantes de baixa volatilidade

Insects rely on their sense of smell to guide a wide range of behaviors that are critical for their survival, such as food-seeking, predator avoidance, ...

SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware

Many scientifically and agriculturally important insects use antennae to detect the presence of volatile chemical compounds and extend their proboscis during feeding. The ability to rapidly obtain high-resolution measurements of natural antenna and proboscis movements and assess how they change in response to chemical, developmental, and genetic manipulations can aid the understanding of insect behavior. By extending our previous work on assessing aggregate insect swarm or animal group movements from natural and laboratory videos using the video analysis software SwarmSight, we developed a novel, free, and open-source software module, SwarmSight Appendage Tracking (SwarmSight.org) for frame-by-frame tracking of insect antenna and proboscis positions from conventional web camera videos using conventional computers. The software processes frames about 120 times faster than humans, performs at better than human accuracy, and, using 30 frames per second (fps) videos, can capture antennal dynamics up to 15 Hz. The software was used to track the antennal response of honey bees to two odors and found significant mean antennal retractions away from the odor source about 1 s after odor presentation. We observed antenna position density heat map cluster formation and cluster and mean angle dependence on odor concentration.

This protocol describes steps for using the novel software, SwarmSight, for frame-by-frame tracking of insect antenna and proboscis positions from conventional web camera videos using conventional computers. The free, open-source software processes frames about 120 times faster than humans and performs at better than human accuracy.

SwarmSight: Acompanhamento em tempo real dos movimentos de antena do inseto e reflexo de extensão Proboscis usando uma preparação comum e Hardware convencional

Many scientifically and agriculturally important insects use antennae to detect the presence of volatile chemical compounds and extend their proboscis ...

Usando insetos eletroantenogramas Sensores em robôs autônomos para Pesquisas olfativas

Resumo

Explore mais vídeos

Capítulos neste vídeo