Summary
Een methode om te kwantificeren van de belangrijkste tijdelijke functies gezien in vliegen circadiane ritmes van locomotor wordt gepresenteerd. De kwantificering wordt bereikt door het aanbrengen van vliegen activiteit met de golfvorm van een meerdere parametrische model. De model-parameters beschrijven de vorm en de grootte van de ochtend en avond toppen van dagelijkse activiteit.
Abstract
In de meeste dieren en planten, circadiane klokken orkestreren van gedrags- en moleculaire processen en synchroniseer deze aan de dagelijkse licht-donker cyclus. Fundamentele mechanismen die ten grondslag liggen aan dit temporele controle zijn wijd bestudeerd met behulp van de fruitvlieg Drosophila melanogaster als een modelorganisme. De klok wordt in vliegen, meestal bestudeerd door het analyseren van meerdaagse locomotor opname. Een dergelijke opname toont een complexe bimodaal patroon met twee toppen van activiteit: een ochtend peak dat gebeurt rond dageraad en een hoogtepunt van de avond dat gebeurt rond de schemering. Deze twee pieken vormen samen een golfvorm die is heel anders dan sinusvormige trillingen waargenomen in klok genen, suggereren dat mechanismen naast de klok diepgaande gevolgen hebben bij het opstellen van de waargenomen patronen in de gedrags-gegevens. Hier geven we instructies over het gebruik van een onlangs ontwikkelde computationele methode die wiskundig temporele patronen vliegen activiteit beschrijft. De methode past activiteitsgegevens met de golfvorm van een model dat bestaat uit vier exponentiële termen en negen onafhankelijke parameters die de vorm en de grootte van de ochtend en avond toppen van activiteit volledig te beschrijven. De uitgepakte parameters kunnen helpen verhelderen van de kinetische mechanismen van substraten die ten grondslag liggen aan de vaak waargenomen bimodaal activiteit patronen in vliegen locomotor ritmes.
Introduction
De circadiane klok is een endogene biochemische oscillator met een periode van ongeveer 24 uur en is bijna alomtegenwoordig in dieren en planten van1,2. De klok helpt synchroniseren de interne processen en het gedrag aan de externe licht-donker cyclus van een organisme. De genetische structuur van de circadiane klok grote schaal is onderzocht sinds de jaren 1960 met de fruitvlieg, D. melanogaster. In dit insect, de kern van de circadiane klok bestaat uit vier eiwitten: periode, TIMELESS, klok en cyclus. Deze componenten van de kern samen met andere moleculen vormen een feedback-lus die bijna sinusvormige trillingen van klok genen3,4 produceert. De circadiane klok in vliegen is wijd bestudeerd met behulp van meerdaagse locomotor opnames waar vliegen activiteit wordt gedetecteerd met een enkele infraroodstraal overschrijding van het midden van een individuele buis5. Een typische vlieg opname heeft een complexe bimodaal patroon met twee goed te onderscheiden pieken: morgen piek (M), die begint aan het einde van de nacht en heeft een maximale wanneer verlichting inschakelen; en avond piek (E) die begint aan het einde van de dag en heeft een maximale wanneer verlichting6 uitschakelt. Interessant is dat is de vorm van dergelijke gedrags opname heel anders dan de eenvoudige sinusvormige trillingen waargenomen op moleculair niveau, hetgeen wijst op de actie van aanvullende regelingen bij te dragen tot de waargenomen temporele patronen. Om deze verborgen mechanismen beter te begrijpen, hebben we een computationele hulpprogramma waarmee een kwantitatieve beschrijving van de temporele patronen.
In ons werk, zijn motorische ritmes gedefinieerd in termen van een golfvorm die vliegen activiteit patroon bootst. Aangezien eenvoudige sinus golven kan niet worden gebruikt voor het model van de waargenomen ritmische veranderingen in activiteit, testten we verschillende signaal vormen selecteren de eenvoudigste die de meest opvallende kenmerken gezien in de opnames vangt. Fruitvlieg circadiane gedrag wordt bepaald door de activiteit van de neuronen van de klok die vaak exponentiële patronen van activering en deactivering7 hebben. De exponentiële dynamiek en visuele analyse van de gegevens ingegeven laten bouwen van een model met exponentiële termen dat bestaat uit vier exponenten met negen onafhankelijke parameters en vertonen de vliegen activiteit patroon8. Naast het motorische gegevens analyseren we ook haar macht spectrum. Typische vlieg activiteit spectrum toont meerdere pieken bij harmonischen T0/2, T0/3, enz, naast de verwachte fundamentele piek op de circadiane periode T0. Volgens de stelling van Fourier produceert alleen een zuivere sinus golf een één piek in vermogen spectra, terwijl de meer complexe golfvormen weergeven meerdere spectrale pieken op de harmonischen van de primaire periode (Figuur 1). Daarom, gezien de niet-sinusvormige temporele patroon in vliegen activiteit8, een multi piek macht spectrum van de gegevens is wiskundig verwacht en impliceert niet noodzakelijk de aanwezigheid van meerdere periodes van trilling. Nog belangrijker is, toont de macht spectrum van de voorgestelde model golfvorm ook pieken op alle harmonischen van de primaire periode, vergelijkbaar met de vlieg locomotor opnames, dus het onderstrepen van de high-fidelity waarmee onze model vliegen gegevens zowel in tijd als in frequentie beschrijft.
Bij resoluties van de tijd van een paar minuten of minder, vliegen activiteit weergegeven gegevens lawaaierige, waardoor het moeilijk te parameters rechtstreeks extraheren uit de ruwe gegevens. Weggooien van gegevens langer tijdsintervallen geluidsniveau kan verminderen, maar kan veranderen de gegevens op een manier die kan invloed hebben op de schatten van parameters van het model. Daarom krijgen we de parameters van macht spectra van de opnamen, gebruik een analytische expressie voor de spectra van de verwachte vermogen berekend op basis van de Fourier-transformatie van het model functie8 (zie extra bestand 1 verwijzing8). Deze benadering van het verkrijgen van de parameters van de macht-spectra levert nauwkeurige parameterwaarden zonder enige extra manipulaties, zoals weggooien of filteren, van de ruwe activiteitsgegevens. Wiskundige details van het model en de toepassingen met wild-type en mutant gegevens zijn beschreven in verwijzing8. Het protocol gepresenteerd hier richt zich op de stapsgewijze instructies voor het gebruiken van de computationele tool.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. meten van vliegen voortbewegen met behulp van Drosophila activiteit Monitor (DAM)
Opmerking: voor meer details, zie referentie 5.
- Voorbereiden individuele vlieg buizen met voedsel aan de ene kant en katoen anderzijds. Het einde met voedsel moet worden afgesloten om te voorkomen dat het voedsel uitdrogen.
- 5-6 g van vliegen voedsel in een 50 mL-bekerglas plaatsen Het voedsel in kleine stukjes gesneden zodat is het gemakkelijker om te smelten it.
- Sluit 32 afzonderlijke glazen buizen met een elastiekje.
- Smelten van het voedsel in het bekerglas door verhitting in de magnetron voor 10-15 s. Stop de magnetron elke 5 s en zorgvuldig schudden het bekerglas om ervoor te zorgen dat gelijke smelten van voedsel.
- Terwijl het eten is nog steeds vloeibaar, zetten de bereid afzonderlijke buisjes in het bekerglas met voedsel. De buizen omhoog en omlaag zodat zij even gevuld.
- Toestaan het voedsel afkoelen en stollen voor ongeveer 1 h.
- Nadat het voedsel solide is, verwijdert u de buizen met het voedsel uit het bekerglas.
- Zegel het einde met het voedsel met behulp van wax. Eerst zorgvuldig schoon een buis met behulp van een papieren handdoek, druk vervolgens op de buis tegen de wax. Visueel controleren de kwaliteit van de zegel, en herhaal indien nodig de verzegeling opnieuw.
- Sluit het andere uiteinde van de buis met katoen, katoen zal toestaan lucht te gaan door middel van vergrendelde houden een vlieg in de buis.
- Plaatst u een enkel vlieg in elke afzonderlijke buis en plaatsen van de buizen in de DAM.
- Plaats monitoren in een incubator die constante temperatuur en vochtigheid onderhoudt. Op basis van het experiment, de juiste licht/donker-voorwaarden als volgt instellen.
- Voor licht/donker experimenten de vliegen in licht/donker cyclus voor het hele experiment houden. Gebruik niet de eerste dag van de metingen in de analyse.
- Voor constante duisternis experimenten, ten eerste houden de vliegen voor twee dagen in licht/donker voorwaarden meevoeren en synchronisatie van de klokken en vervolgens overschakelt naar constante duisternis. Gebruik niet de metingen vanaf de eerste dag van de constante duisternis in de analyse.
- Ten minste vier dagen van gegevens die kunnen worden gebruikt bij de analyse verzamelen.
Opmerking: Het DAM-systeem zal de uitgang van een enkel bestand met een opname van de motoriek van alle vliegen in het weergavepaneel.
2. Data-analyse
- Split de monitor output bestand in meerdere bestanden van enkele vliegen activiteit; elk bestand moet één kolom ' .txt ' bestand met een meting van de individuele fly locomotion. Run
- ' ModelFitPS3.m ' functie in een opdrachtvenster Matlab met de volgende invoerparameters:
- voor samplingrate, stelt u het gegevens bemonstering tijdsinterval in seconden. Bijvoorbeeld, als activiteit elke minuut gemeten werd, voer 60 als de samplingrate.
- Voor bin_interval, stelt het tijdsinterval in minuten waarop gegevens zullen worden weggegooid voor betere visualisatie; het aanbevolen bin-interval is 20-30 min.
- Voor trend, Voer " 1 " als uit de gegevens basislijn trend blijkt en " 0 " anders; gegevens met trend eerst door de montage van een tweede orde polynoom en vervolgens af te trekken van het van de gegevens zal worden detrended.
- In het pop-up venster Selecteer een bestand van één vliegen activiteit.
Opmerking: Het eerste perceel is gegevens macht spectrum, en niet de plot van bekende activiteit. Uit de uitgezette macht spectrum, bepalen de primaire periode T 0: ofwel klik met de linker muisknop op de circadiane peak, of met de rechter muisknop op de tweede harmonische piek (rond T 0 / 2). - Op het perceel geopende gegevens controleren als de ochtend en avond pieken goed worden gevisualiseerd. Als dat niet het geval is, wijzig de waarde bin_interval door rechts te klikken ergens op de grafiek en het invoeren van de nieuwe waarde van het bin_interval in het dialoogvenster. Het programma zal het vernieuwen van de gegevens met de nieuwe waarde van het interval. Accepteer de bin_interval waarde, klik met de linkermuisknop overal op de grafiek.
- Het programma zal vernieuwen van de gegevens weer en Toon van de eerste vijf dagen van activiteit. Op dit perceel, klik op de eerste M piek die zal worden gebruikt in de analyse (soms is het noodzakelijk om een of twee dagen overslaan).
Opmerking: Het programma zal opnieuw tekenen van de grafiek vanaf de geplukte ochtend piek. De blauwe en rode lijnen zal tonen de benaderende positie van de piek van de E en de volgende dag M piek, respectievelijk, op basis van de periode bepaald in stap 2.4. - Op dezelfde grafiek, gegevens voor een voorlopige pasvorm van de gegevens met het model te kiezen: Klik op de volgende punten (in dit bestel; er rekening mee dat de klik-locatie wordt aangegeven met een rode ster aan de onderkant): (i) Top van M piek; (ii) ultimo het hoogtepunt M; (iii) de start van de E-piek; (iv) de top van de piek E; (v) einde van de E-piek; (vi) de top van de piek van de M voor de volgende dag.
- Er rekening mee dat het programma nu de macht spectrum presenteert.
Opmerking: De x-as wordt nu gegeven in frequentie.- In het geopende venster met de macht spectrum, kies punten die zullen worden gebruikt voor het aanbrengen van de analytische expressie voor het model macht spectrum. De periode die zijn aangetroffen in stap 2.4 is gemarkeerd met een rode lijn. Te halen montage punten, eerst ongeveer bepalen de primaire periode, vergelijkbaar met stap 2.4. Vervolgens met behulp van de schuifregelaar, fine-tunen de primaire periode waarde zodat de montage punten (weergegeven met rode cirkels, zal verschijnen nadat u de schuifregelaar verplaatst) zijn gesloten voor piekwaarden.
- Na de visuele piek selectie, klikt u op " accepteren " en het programma zal geselecteerde punten met de analytische expressie voor het berekenen van de parameters van het model passen.
- Merk op dat de parameters en de spectrale fit fout worden opgeslagen in het bestand " model_fit_parameters.txtŔ het programma bespaart bovendien 2 cijfers met vlagen van de motorische gegevens en haar macht spectrum.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
De methode die hier gepresenteerd kunt kwantificering van de belangrijkste kenmerken in vliegen motoriek patroon. De kwantificering wordt bereikt door het aanbrengen van de activiteitsgegevens met een model dat uit vier exponentiële termen bestaat:
Het model heeft negen onafhankelijke parameters die activiteit patroon beschrijven. De parameters bMDbMIJNHEER,bED,en bER definiëren de tarieven van ochtend verval (MD), ochtend opkomst (MR), avond verval (ED) en 's avonds opkomst (ER), respectievelijk. Parameter T0 definieert circadiane periode, TM en TE definiëren breedtes van M en E pieken en H-M - en HE definiëren hoogten van M en E pieken.
Waarden van de parameters worden verkregen van de niet-gefilterde gegevens in een paar stappen (Figuur 2). Ten eerste, een circadiane periode uit de activiteit macht spectrum (Protocol stap 2.4) wordt bepaald. Vervolgens, voorlopige parameters waarden worden opgehaald uit de motoriek opname door het aanbrengen van het met de F(t) (Protocol stappen 2.5-2.6). Deze waarden dienen als eerste gissing voor montage van de macht spectrum van gegevens met een analytische expressie in8 (extra bestand 1 in verwijzing8) door middel van de Fourier-transformatie van F(t) afgeleid:
waar Tn = T0/n, waar n = 1,2,3... en T0 is de circadiane periode (Protocol stappen 2.7-2.8). Met behulp van de spectrale pasvorm, worden de parameters van het model vliegen motoriek uitgepakt zonder filtreren of weggooien. Montage van de macht spectrum produceert definitieve waarden voor de parameters van het model, die vervolgens worden gebruikt voor het construeren van de uiteindelijke vorm van F(t), dat wil zeggen, het model van vliegen locomotor ritmes.
In het model kunnen b parameters negatief of positief, die weerspiegelen de kromming van de bijbehorende exponentiële termen. De parameters bMD en bER zijn positief wanneer de exponenten zijn convexe en negatief wanneer de exponenten concaaf, zijn terwijl de parameters bheer en bED positief wanneer de exponenten concaaf zijn en negatieve wanneer de exponenten zijn convex. In het algemeen, voor de exponenten met een beschrijving van de M-piek, de toename van de b-parameters geeft tragere opkomst of verval en voor de exponenten met een beschrijving van de E-piek, de toename van de b parameters geeft sneller zouden stijgen of verval.
Figuur 3 toont voorbeelden van past verkregen door dit algoritme. Spectrale pieken bij T0 en harmonischen van T0/2 op T0/10 zijn uitgerust (figuur 3A). Andere harmonischen meestal hebben hoogten lager dan significantieniveau van 0,05 en dus niet in de analyse worden gebruikt. Parameters van de spectrale pasvorm verkregen worden gebruikt voor de bouw van een model voor vliegen motoriek (figuur 3B, rood). De methode werkt zowel voor wild type vliegen (Figuur 3, top panelen) circadiane mutanten met gewijzigde periode lengtes (Figuur 3, Middenlaag en panelen). Raadpleeg voor meer voorbeelden en verbindingen tussen het model en de onderliggende biologie, Lazopulo et al.. 8 resultaten van de procedure van de montage worden opgeslagen naar een bestand in de volgende volgorde: bMDbMIJNHEER,bER,bED, T0, TM/T0, TE /T0, HM, HE (tabel 1). Het programma slaat ook op het uitvoerbestand met de fout van de montage van de spectrale fit, 'Err', die wordt berekend als de som van de kwadraten van de residuen (residuele som van kwadraten) genormaliseerd door het kwadraat van het maximum van de macht spectrum van gegevens.
Figuur 1 . Macht van de spectra van verschillende golfvormen. Volgens de stelling van Fourier toont alleen een sinusgolf een één piek in het spectrum van een macht, terwijl meer complexe golfvormen, zoals vierkante of zaagtand Golf, Toon extra pieken bij harmonischen van de primaire periode. Klik hier voor een grotere versie van dit cijfer.
Figuur 2 . Schematische weergave van het parameter-winning algoritme. Definitieve parameterwaarden worden verkregen van de montage van de macht spectrum. Aangezien de passende procedure kan gevoelig zijn voor het starten van waarden, het algoritme gebruikt voorlopige waarden berekend op basis van de gegevens van de motoriek en bijgewerkt met behulp van de macht spectrum. De definitieve parameterwaarden worden gebruikt voor het construeren van F(t) die het beste de gegevens beschrijft. Klik hier voor een grotere versie van dit cijfer.
Figuur 3 . Representatieve resultaten van de methode die kwantificeert vliegen voortbewegen met behulp van een model golfvorm. (A) Parameters van het model worden geëxtraheerd vanaf de montage van de eerste tien pieken van de macht spectrum. (B) verkregen parameters worden gebruikt voor de bouw van een model van activiteit. De methode kan worden toegepast op wild type vliegen (bovenste panelen) of mutanten met korte (middelste panelen) en lange (onderste panelen) circadiane ritmen. Klik hier voor een grotere versie van dit cijfer.
| genotype vliegen | bMD (1/min) | bMIJNHEER (1/min) | bED (1/min) | bER (1/min) | T0 (min) | TM/T0 | TE/T0 | HM | HE |
| wild type | 0.0094 | 0.2077 | -0.0383 | 0.0606 | 1438 | 0.1528 | 0.0833 | 5.2238 | 8.7185 |
| korte circadiane mutant | 0,015 |
Tabel 1. Voorbeeld van parameters geëxtraheerd uit de montage van de spectra van de macht in Figuur 3aangegeven. Het programma uitgangen de definitieve parameterwaarden naar "model_parameters.txt" bestand, zoals wordt weergegeven in de tabel.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Dit werk bevat instructies voor het gebruik van een computationele hulpprogramma waarmee een kwantitatieve beschrijving van vliegen motoriek patroon. De tool past motoriek gegevens met een wiskundig model bestaande uit vier exponentiële termen die de vorm en grootte van de pieken M en E samen te beschrijven. De laatste waarden voor de parameters van het model worden verkregen van de montage van de spectra van de macht van de gegevens, waar het gebruik van de ruwe gegevens artefactual effecten die gegevens weggooien of filter aan parameterwaarden opleggen kan kunt vermijden. De parameters van het model kunnen vervolgens worden gebruikt om verdere studie vliegen motoriek en de mechanismen die aanleiding tot de toppen van de activiteit geven.
De kwaliteit van de montage kan worden geëvalueerd op twee manieren: door de visuele waarneming van de macht spectrum passen en met behulp van de montage-fout (residuele som van kwadraten) die samen met de parameters wordt berekend. Een van de belangrijkste factoren die invloed op de kwaliteit van de fit is de bepaling van de circadiane periode T0 (Protocol stap 2.8). Deze waarde van T0 beïnvloedt de schatting van de pieken in de parameters van de macht spectrum en model. Een andere belangrijke stap die invloed op de kwaliteit van de fit is de selectie van het startpunt voor een voorlopige pasvorm van de gegevens (Protocol stap 2.7), sinds TM en TE waarden zijn gedefinieerd via deze selectie. De gebruiker kan meerdere fit resultaten door te kiezen voor verschillende dagen van activiteit voor het definiëren van TM en TEverkennen.
Ons model is gericht op het nabootsen van het gedrag goed beschreven klok gecontroleerd locomotor met twee prominente pieken van activiteit. Dit probleem wordt waargenomen in licht/donker, zowel in constante duisternis voorwaarden, waardoor de aanpak die van toepassing zijn op deze twee soorten experimenten. Echter, het model doet niet rekening houden met het licht gedreven uitbarsting van activiteit in sommige proeven licht/donker waargenomen. Een andere beperking ontstaat bij de winning van model parameters vereist de input van de gebruiker (Protocol stappen 2,7-2,9). Aangezien parameters TM, TEen T0 worden verkregen van gebruikersinvoer, moet elke vliegen activiteit handmatig worden geanalyseerd. Daarnaast is het aanbevolen om het gebruik van de methode met individuele activiteiten in plaats van met een bevolking-gemiddeld opnemen, aangezien de gemiddelde procedure vele belangrijke individuele verschillen in vliegen motoriek verbergt. Hoewel het lijkt misschien omslachtig voor groot aantal vliegen, door het analyseren van vliegen activiteiten individueel, verkrijgt de gebruiker waardevolle statistische informatie over de mate van parameter variatie binnen een groep dieren. Als u wilt vergeten deze voordelen, is het mogelijk voor het genereren van een bevolking-gemiddeld vliegen motoriek en analyseren om te verkrijgen van de gemiddelde parameterwaarden.
Het model gebruikt in dit werk is een verbeterde versie van de golfvorm van onze vorige onderzoek8. In tegenstelling tot het vorige model, zijn er afzonderlijke parameters voor M en E piekhoogten, HM en HE, respectievelijk. Het nieuwe model toont voorspelbaar beter overeenkomst met vliegen activiteitsgegevens, aangezien de ochtend en avond pieken meestal verschillende hoogtes hebben.
Deze analyse is niet beperkt tot vliegen motoriek gemeten met straal infrarood techniek. Andere methoden, zoals video-tracking, produceren vergelijkbare patronen van vliegen dagelijkse activiteit met M en E pieken exponentiële dynamiek van opkomst en verval9tonen. Het hulpprogramma dat hier besproken kan gemakkelijk worden toegepast op deze alternatieve datasets ook.
De hier besproken methode kwantificeert vliegen locomotor opnames met het doel voor het verbinden van gedrags uitvoer naar onderliggende mechanismen die regelen vliegen dagelijks gedrag en controle van het bimodaal activiteit patroon. Verscheidene recente studies gericht op identificeren neuronen en substraten die vorm M en E activiteit pieken10,11. De onderzoekers gemanipuleerd de activiteit van bepaalde neuronale groepen en hun rol in de vorming van de avond piek geanalyseerd door het observeren van de wijzigingen in de hoogte en de fase van de E-piek. In ons model, HE parameters bepaalt de hoogte van de E-piek, TE geeft de piekbreedte en parameters bER en bED de piek shape omschrijven. Zoals uiteengezet in verwijzing8, in een context van biochemische kan HE geven de maatregel van de niveaus van neuropeptides NPF en ITP, terwijl de bER en bED de tarieven van hun vrijlating en de afbraak vertegenwoordigen kunnen. Samen, dat deze parameters kunnen worden gebruikt in de toekomst studies om te beter vliegen gedrag te verbinden met neuromodulatory signalering, op weg naar een geïntegreerde beschrijving van de bimodaal patronen in vliegen locomotor ritmes.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
De auteurs hebben niets te onthullen.
Acknowledgments
We zijn dankbaar Stanislav Lazopulo voor hulp bij de video-inhoud.
Materials
| Name | Company | Catalog Number | Comments |
| Drosophila Activity Monitor | TriKinetics | DAM2, DAM5 | Measures fly locootion using single infrared beam |
| MatLab | Mathworks | Computing environment and programming language, MatLab should include Optimization and Symbolic Math toolboxes | |
| Drosophila melanogaster | per[S], per[L], iso31(wild type) | Our analysis can be performed with fly mutants of any circadian period |
References
- Pittendrigh, C. S. Circadian systems: general perspective. Biological Rhythms. II, 57-80 (1981).
- Zhang, E. E., Kay, S. A. Clocks not winding down: unravelling circadian networks. Nat Rev Mol Cell Biol. 11 (11), 764-776 (2010).
- Tataroglu, O., Emery, P. The molecular ticks of the Drosophila circadian clock. Curr Opin Insect Sci. 7, 51-57 (2015).
- Plautz, J. D., et al. Quantitative analysis of Drosophila period gene transcription in living animals. J Biol Rhythms. 12 (3), 204-217 (1997).
- Chiu, J. C., Low, K. H., Pike, D. H., Yildirim, E., Edery, I. Assaying locomotor activity to study circadian rhythms and sleep parameters in Drosophila. J Vis Exp. (43), e2157 (2010).
- Helfrich-Förster, C. Differential control of morning and evening components in the activity rhythm of Drosophila melanogaster--sex-specific differences suggest a different quality of activity. J Biol Rhythms. 15 (2), 135-154 (2000).
- Dautzenberg, F. M., Neysari, S. Irreversible binding kinetics of neuropeptide Y ligands to Y2 but not to Y1 and Y5 receptors. Pharmacology. 75 (1), 21-29 (2005).
- Lazopulo, A., Syed, S. A mathematical model provides mechanistic links to temporal patterns in Drosophila daily activity. BMC Neuroscience. 17 (1), 14 (2016).
- Donelson, N., Kim, E. Z., Slawson, J. B., Vecsey, C. G., Huber, R., Griffith, L. C. High-resolution positional tracking for long-term analysis of Drosophila sleep and locomotion using the "tracker" program. PloS ONE. 7 (5), e37250 (2012).
- Schlichting, M., et al. A Neural Network Underlying Circadian Entrainment and Photoperiodic Adjustment of Sleep and Activity in Drosophila. J Neurosci. 36 (35), 9084-9096 (2016).
- Guo, F., et al. Circadian neuron feedback controls the Drosophila sleep-activity profile. Nature. 536 (7616), 292-297 (2016).
