Automated Non-invasive Video-Microscopy of Oyster Spat Heart Rate during Acute Temperature Change: Impact of Acclimation Temperature
Notice bibliographique
Résumé
We developed an automated, non-invasive method to detect real-time cardiac contraction in post-larval (1.1-1.7 mm length), juvenile oysters (i.e., oyster spat) via a fiber-optic trans-illumination system. The system is housed within a temperature-controlled chamber and video microscopy imaging of the heart was coupled with video edge-detection to measure cardiac contraction, inter-beat interval, and heart rate (HR). We used the method to address the hypothesis that cool acclimation (10°C vs. 22°C-Ta10 or Ta22, respectively; each n = 8) would preserve cardiac phenotype (assessed via HR variability, HRV analysis and maintained cardiac activity) during acute temperature changes. The temperature ramp (TR) protocol comprised 2°C steps (10 min/experimental temperature, Texp) from 22°C to 10°C to 22°C. HR was related to Texp in both acclimation groups. Spat became asystolic at low temperatures, particularly Ta22 spat (Ta22: 8/8 vs. Ta10: 3/8 asystolic at Texp = 10°C). The rate of HR decrease during cooling was less in Ta10 vs. Ta22 spat when asystole was included in analysis (P = 0.026). Time-domain HRV was inversely related to temperature and elevated in Ta10 vs. Ta22 spat (P < 0.001), whereas a lack of defined peaks in spectral density precluded frequency-domain analysis. Application of the method during an acute cooling challenge revealed that cool temperature acclimation preserved active cardiac contraction in oyster spat and increased time-domain HRV responses, whereas warm acclimation enhanced asystole. These physiologic changes highlight the need for studies of mechanisms, and have translational potential for oyster aquaculture practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».