Design and Development of a High-Throughput System for Learning and Memory Research on Zebrafish
Notice bibliographique
Résumé
Background: Since 2004, zebrafish have become the state-of-the-art, in vivo model for biomedical research due to their genetic and physiological homology with humans, inexpensive high-quantity breeding, and quick development in a highly-controlled environment suitable for longitudinal studies. New Method: To fully utilize the zebrafish model, a novel, automated, high-throughput system was designed. Shoals of five zebrafish were placed in 16 tanks and automatically fed over two days for a total of 16 training sessions. Color LED lights were used as the stimulus for each shoal coinciding with the release of food for a duration of 20 seconds. This system was tested on two age groups: 6- and 11-month-old. Results: After three training sessions, the median height of the school in the tank during stimulus was significantly higher than that of the naïve fish during the first training session. All subsequent training sessions demonstrated similar behaviour. A decline in memory retention, as defined by a reduction in the median height during light stimulus (i.e. no simultaneous food delivery), was observed 8 days post training. Comparison with existing methods: The high-throughput nature of this system allows for simultaneous training of 16 tanks of fish under identical conditions without human interaction and provides a means to rapidly assess their learning and memory behaviours. Conclusion: Results provide a baseline for understanding the normal cognitive processes of learning and memory retention in zebrafish. This work paves the way for future studies on the impacts of therapeutic agents on these cognitive processes.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».