A simple semi-automated home-tank method and procedure to explore classical associative learning in adult zebrafish
Notice bibliographique
Résumé
The zebrafish is a laboratory species that gained increasing popularity the last decade in a variety of subfields of biology, including toxicology, ecology, medicine, and the neurosciences. An important phenotype often measured in these fields is behaviour. Consequently, numerous new behavioural apparati and paradigms have been developed for the zebrafish, including methods for the analysis of learning and memory in adult zebrafish. Perhaps the biggest obstacle in these methods is that zebrafish is particularly sensitive to human handling. To overcome this confound, automated learning paradigms have been developed with varying success. In this manuscript, we present a semi-automated home tank-based learning/memory test paradigm utilizing visual cues, and show that it is capable of quantifying classical associative learning performance in zebrafish. We demonstrate that in this task, zebrafish successfully acquire the association between coloured-light and food reward. The hardware and software components of the task are easy and cheap to obtain and simple to assemble and set up. The procedures of the paradigm allow the test fish to remain completely undisturbed by the experimenter for several days in their home (test) tank, eliminating human handling or human interference induced stress. We demonstrate that the development of cheap and simple automated home-tank-based learning paradigms for the zebrafish is feasible. We argue that such tasks will allow us to better characterize numerous cognitive and mnemonic features of the zebrafish, including elemental as well as configural learning and memory, which will, in turn, also enhance our ability to study neurobiological mechanisms underlying learning and memory using this model organism.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».