Protokollet här beskriver mätningen av den rumsliga organisationen av de visuella axlarna av husflyögon, kartlagda av en automatisk anordning, med användning av pseudopupilfenomenet och fotoreceptorcellernas pupilmekanism.
Detta dokument beskriver den automatiska mätningen av den rumsliga organisationen av de visuella axlarna av insektsföreningsögon, som består av flera tusentals visuella enheter som kallas ommatidia. Varje ommatidium samplar den optiska informationen från en liten fast vinkel, med en ungefärlig Gaussisk-fördelad känslighet (halvbredd i storleksordningen 1 °) centrerad kring en visuell axel. Tillsammans samlar ommatidierna den visuella informationen från ett nästan panoramiskt synfält. Den rumsliga fördelningen av de visuella axlarna bestämmer således ögats rumsliga upplösning. Kunskap om den optiska organisationen av ett sammansatt öga och dess synskärpa är avgörande för kvantitativa studier av neural bearbetning av den visuella informationen. Här presenterar vi en automatiserad procedur för att kartlägga ett sammansatt ögas visuella axlar, med hjälp av ett inneboende, in vivo optiskt fenomen, pseudopupilen och pupillmekanismen hos fotoreceptorcellerna. Vi beskriver den optomekaniska inställningen för skanning av insektsögon och använder experimentella resultat som erhållits från en husfluga, Musca domestica, för att illustrera stegen i mätproceduren.
Kompaktiteten hos insektsvisuella system och deras ägares smidighet, som visar högutvecklad visuell informationsbehandling, har fascinerat människor från både vetenskapliga och icke-vetenskapliga bakgrunder. Insektsföreningsögon har erkänts som kraftfulla optiska enheter som möjliggör akut och mångsidig visuell kapacitet 1,2. Flugor är till exempel kända för sina snabba svar på rörliga föremål, och bin är kända för att ha färgseende ochpolariseringssyn 2.
Leddjurens sammansatta ögon består av många anatomiskt liknande enheter, ommatidierna, som var och en är täckt av en fasettlins. I Diptera (flugor) närmar sig monteringen av fasettlinser, kollektivt känd som hornhinnan, ofta en halvklot. Varje ommatidium provtar infallande ljus från en liten fast vinkel med halvbredd i storleksordningen 1°. Ommatidia av de två ögonen tillsammans prov ungefär hela den fasta vinkeln, men ommatidias visuella axlar är inte jämnt fördelade. Vissa ögonområden har en hög densitet av visuella axlar, vilket skapar en region med hög rumslig skärpa, i allmänhet kallad en fovea. Den återstående delen av ögat har då en grövre rumslig upplösning 3,4,5,6,7,8,9.
En kvantitativ analys av den optiska organisationen av de sammansatta ögonen är avgörande för detaljerade studier av neural bearbetning av visuell information. Studier av de neurala nätverken i en insekts hjärna10 kräver ofta kunskap om den rumsliga fördelningen av de ommatidiella axlarna. Dessutom har sammansatta ögon inspirerat till flera tekniska innovationer. Många initiativ för att producera bioinspirerade konstgjorda ögon har byggts på befintliga kvantitativa studier av verkliga sammansatta ögon 11,12,13. Till exempel designades en halvledarbaserad sensor med hög rumslig upplösning baserat på modellen av insektsföreningsögon 11,14,15,16,17. De enheter som hittills utvecklats har emellertid inte implementerat de faktiska egenskaperna hos befintliga insektsögon. Noggranna representationer av insektsföreningsögon och deras rumsliga organisation kommer att kräva detaljerade och tillförlitliga data från naturliga ögon, vilket inte är allmänt tillgängligt.
Den främsta orsaken till bristen på data är den extrema tråkigheten hos de tillgängliga förfarandena för att kartlägga ögonens rumsliga egenskaper. Detta har motiverat försök att etablera en mer automatiserad ögonkartläggningsprocedur. I ett första försök till automatiserade analyser av insektsföreningar utvecklade Douglass och Wehling18 ett skanningsförfarande för att kartlägga fasettstorlekar i hornhinnan och visade dess genomförbarhet för några få flugarter. Här utvidgar vi deras tillvägagångssätt genom att utveckla metoder för att inte bara skanna hornhinnans fasetter utan också bedöma de visuella axlarna i ommatidia som fasetterna tillhör. Vi presenterar fallet med husflyögon för att exemplifiera de inblandade förfarandena.
Den experimentella installationen för att skanna insektsögon är: delvis optisk, dvs ett mikroskop med kamera och belysningsoptik; delvis mekaniskt, dvs ett goniometersystem för att rotera den undersökta insekten; och delvis beräkningsmässig, dvs användning av mjukvarudrivrutiner för instrument och program för att utföra mätningar och analyser. De utvecklade metoderna omfattar en rad beräkningsprocedurer, från att ta bilder, välja kamerakanaler och ställa in trösklar för bildbehandling till att känna igen enskilda fasettplatser via ljusa ljuspunkter som reflekteras från deras konvexa ytor. Fouriertransformmetoder var avgörande i bildanalysen, både för att detektera enskilda aspekter och för att analysera fasettmönstren.
Uppsatsen är uppbyggd enligt följande. Vi introducerar först den experimentella installationen och pseudopupilfenomenet – den optiska markören som används för att identifiera fotoreceptorernas visuella axlar i levande ögon 19,20,21. Därefter beskrivs algoritmerna som används i skanningsproceduren och bildanalysen.
Den rumsliga fördelningen av de visuella axlarna i husflyögon kan kartläggas med hjälp av pseudopupilfenomenet sammansatta ögon och reflektionsförändringarna orsakade av den ljusberoende pupillmekanismen. Därför monteras en undersökt fluga i ett goniometriskt system, vilket möjliggör inspektion av det lokala fasettmönstret med en mikroskopinställning utrustad med en digitalkamera, allt under datorstyrning. Bildanalys ger ögonkartor. En väsentlig svårighet som uppstår är att utan noggrann positionering …
The authors have nothing to disclose.
Denna studie stöddes ekonomiskt av Air Force Office of Scientific Research/European Office of Aerospace Research and Development AFOSR/EOARD (bidrag FA9550-15-1-0068, till D.G.S.). Vi tackar Dr. Primož Pirih för många hjälpsamma diskussioner och Kehan Satu, Hein Leertouwer och Oscar Rincón Cardeño för hjälp.
Digital Camera | PointGrey | BFLY-U3-23S6C-C | Acquision of amplified images and digital communication with PC |
High power star LED | Velleman | LH3WW | Light source for observation and imaging the compound eye |
Holder for the investigated fly | University of Groningen | Different designs were manufactured by the university workshop | |
Linear motor | ELERO | ELERO Junior 1, version C | Actuates the upper microscope up and down. (Load 300N, Stroke speed 15mm/s, nominal current 1.2A) |
Low temperature melting wax | various | The low-temperature melting point wax serves to immobilize the fly and fix it to the holder | |
Microscope | Zeiss | Any alternative microscope brand will do; the preferred objective is a 5x | |
Motor and LED Controller | University of Groningen | Z-o1 | Designed and built by the University of Groningen and based on Arduino and Adafruit technologies. |
Motorized Stage | Standa (Vilnius, Lithuania) | 8MT175-50XYZ-8MR191-28 | A 6 axis motorized stage modified to have 5 degrees of freedom. |
Optical components | LINUS | Several diagrams and lenses forming an epi-illumination system (see Stavenga, Journal of Experimental Biology 205, 1077-1085, 2002) | |
PC running MATLAB | University of Groningen | The PC is able to process the images of the PointGrey camera, control the LED intensity, and send control commants to the motor cotrollers of the system | |
Power Supply (36V, 3.34A) | Standa (Vilnius, Lithuania) | PUP120-17 | Dedicated power supply for the STANDA motor controllers |
Soldering iron | various | Used for melting the wax | |
Stepper and DC Motor Controller | Standa (Vilnius, Lithuania) | 8SMC4-USB-B9-B9 | Dedicated controllers for the STANDA motorized stage capable of communicating with MATLAB |
Finntip-61 | Finnpipette Ky, Helsinki | FINNTIP-61, 200-1000μL | PIPETTE TIPS FOR FINNPIPETTES, 400/BOX. It is used to restrain the fly |
Carving Pen Shaping/Thread Burning Tool | Max Wax | The tip of the carving pen is designed to transfer wax to the head of fly | |
MATLAB | Mathworks, Natick, MA, USA | main program plus Image Acquisition, Image Analysis, and Instrument Control toolboxes. | Programming language used to implement the algorithms |