Informácie

11.1: Komunikácia včiel - biológia

11.1: Komunikácia včiel - biológia


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Včela domáca, Apis mellifera, je koloniálny hmyz žijúci v úľoch obsahujúcich jednu kráľovnú – plodnú samičku, niekoľko trúdov (samcov) a tisíce robotníc (neplodné samice). Robotníci sú zodpovední za udržiavanie čistoty úľa, stavbu voskových plástov úľa, starostlivosť o mláďatá a keď zostarnú (a keď ich pre gén sa zapne) a hľadanie potravy na potravu – nektár a peľ.

asi 5–25 % robotníc v úli je skautov. Ich úlohou je hľadať nové zdroje potravy pre ostatných pracovníkov, tzv kŕmiči, zozbierať. Zatiaľ čo skauti aj hľadači vyzerajú rovnako, nedávny výskum naznačuje, že predstavujú stabilné subpopulácie s výraznými vzormi génovej expresie v ich mozgu. (Pozri Liang, Z.S., a kol., vo vydaní z 9. marca 2012 Veda.)

Keď skauti objavia jedlo, vrátia sa do úľa. Krátko po návrate mnoho kŕmidiel opúšťa úľ a letí priamo za potravou. Pozoruhodné na tom je, že hľadači nenasledujú skautov späť. Skauti môžu zostať v úli celé hodiny a tí, ktorí odídu, pokračujú v hľadaní nových zdrojov potravy, aj keď hľadači naďalej prinášajú dostatočné zásoby jedla z miest, ktoré skauti predtým objavili. Takže skautské včely oznámili hľadačom potrebné informácie, aby si potravu našli sami.

Ukazuje sa, že skauti môžu sprostredkovať hľadačom informácie o

  • vôňa jedla
  • jeho smer od úľa
  • jeho vzdialenosť od úľa

Vzdialenosť

Keď je jedlo vo vzdialenosti 50 – 75 metrov od úľa, skauti tancujú "okrúhly tanec" na povrchu hrebeňa (vľavo). Ale keď je jedlo ďalej ako 75 metrov od úľa, skauti tancujú "kývavý tanec" (správny). Kývavý tanec má dve zložky: (1) priamy beh – ktorého smer sprostredkúva informácie o smer jedla a (2) rýchlosť, akou sa tanec opakuje, čo udáva, ako ďaleko je jedlo.

Graf ukazuje vzťah medzi rýchlosťou tanca a vzdialenosťou od jedla. Vychádza z údajov, ktoré zozbieral nemecký etológ Karl von Frisch. Bol to on, kto objavil veľa z toho, čo dnes vieme o komunikácii včiel medonosných (a bol poctený Nobelovou cenou v roku 1973).

Ako včely vypočítajú vzdialenosť? von Frisch si myslel, že merali vzdialenosť odhadnutím množstva energie, ktorú potrebovali na to, aby sa tam dostali. Mechanizmus sa však ukazuje byť úplne odlišný. Včely merajú vzdialenosť pohybom obrázkov, ktoré prijímajú ich oči počas letu.

Efekt blikania

Včely medonosné, ako každý hmyz, majú zložené oči. Tieto poskytujú málo informácií o hĺbke, ale sú veľmi citlivé na "efekt blikania". Včelári už dlho vedia, že včely lepšie reagujú na kvety

  • pohybujúce sa vo vánku
  • so zložitými okvetnými lístkami

Dôležitosť efektu blikania môže byť demonštrovaná tréningom včiel, aby navštívili jedlo umiestnené na kartách so vzormi. Napríklad včely dokážu rozlíšiť ľubovoľnú postavu v hornom rade od ktorejkoľvek postavy v dolnom rade ľahšie, než dokážu rozlíšiť ktorúkoľvek postavu v ktoromkoľvek rade.

Doklad o meraní vzdialenosti

Pri práci na University of Notre Dame (Indiana) Esch a Burns zistili, že keď boli úľ a jedlo umiestnené na vrchole vysokých (50 m) budov, rýchlosť kývavého tanca naznačovala vzdialenosť iba polovicu vzdialenosti, ktorú udávajú včely. na rovnakej vzdialenosti (230 m) na úrovni terénu. Charakteristiky scenérie prechádzajú sietnicou rýchlejšie, keď je blízko, ako keď je ďaleko (porovnajte zmeny vo vašom pohľade z lietadla v cestovnej výške a pri približovaní sa k pristávacej dráhe).

Testy vyhľadávacieho správania

V práci na Austrálskej národnej univerzite Srinivasan a jeho kolegovia postavili tunely, ktoré zdobili vnútorné steny vzormi, aby vytvorili blikanie. V týchto troch experimentoch boli včely najskôr kŕmené v strede tunela štandardného priemeru. Potom bolo jedlo odstránené.

  1. Pomocou toho istého tunela prišli zberači na rovnaké miesto v tuneli.
  2. Pomocou užšieho tunela začali hľadači hľadať potravu v blízkosti jeho vchodu. Obrázky boli nútené priletieť bližšie k zvislým pruhom a posúvali sa rýchlejšie.
  3. Hnači hľadali potravu tunelom s väčším priemerom na jeho vzdialenom konci. Obrázky lietali ďalej od pruhov a pohybovali sa pomalšie.

Testy tanečného správania

Všetky tunely boli 6 metrov dlhé a nachádzali sa 35 metrov od úľa – teda vo vzdialenosti (50 – 75 m), ktorá bežne vyvoláva okrúhly tanec.

  1. Pri vchode sa kŕmili včely. Späť v úli tancovali okrúhly tancujte, ako by ste očakávali.
  2. Včely kŕmené na konci tunela. Späť v úli tancovali kývať sa tanec. Aj keď celková vzdialenosť od úľa (41 m) bola stále v rámci „okrúhleho“ rozsahu, zložitosť scenérie prešla v posledných 6 m, vyvolala vrtivý tanec.
  3. Včely kŕmené na konci tunela zdobeného vodorovnými pruhmi. Tieto nevytvárali žiadne blikanie, keď včely lietali a pri návrate do úľa tancovali okrúhly tanec.

O tomto druhom súbore experimentov si môžete prečítať v Srinivasan, et. spol., Veda, 4. februára 2000.

Rekruti reagujú na dezinformácie poskytnuté vracajúcimi sa skautmi

Nedávno sa skupiny Esch a Srinivasan spojili, aby ukázali, že naivní hľadači sú oklamaní dezinformáciami, ktoré im poskytujú vracajúci sa skauti. Keď boli skauti nakŕmení len 11 m od úľa, ale na druhom konci pruhovaného tunela, tancovali kývavý tanec späť na úli, ako keby jedlo bolo 70 m ďaleko. Väčšina pracovníkov, ktorých naverbovali, odletela (obišla tunel) 70 m a hľadala jedlo. O týchto experimentoch si môžete prečítať v Ungless, et. spol., Príroda, 31. mája 2001.

Smer

Samotné vedomie, že jedlo je vzdialené 6 kilometrov (3,7 míle), nie je príliš užitočné. Ale von Frisch tiež poznamenal, že smer priamej časti vrtiaceho sa tanca sa menil so smerom zdroja potravy z úľa a dennou dobou.

  • V každom okamihu sa smer mení s umiestnením jedla.
  • S pevným zdrojom potravy sa pri prechode oblohou mení smer o rovnaký uhol ako slnko.

ale

  • V úli nie je vidieť slnko.
  • Skauti tancujú na vertikálne povrch hrebeňov.

Ako teda prekladajú uhly letu v zatemnenom úli?

Obrázok ukazuje vzťah medzi uhlom tanca na vertikálnom hrebeni a smerovaním slnka vzhľadom na umiestnenie potravy. Keď sú jedlo a slnko v rovnakom smere, rovná časť kývavého tanca smeruje nahor. Keď je potrava v určitom uhle vpravo (modrá) alebo vľavo (červená) od slnka, včela orientuje rovnú časť svojho tanca pod rovnakým uhlom vpravo alebo vľavo od vertikály.

Pomocou radaru na sledovanie jednotlivých včiel naverbovaných kývavým tancom Riley, J. R., a kol., (Príroda, 12. mája 2005) ukázali, že regrúti lietajú uvedeným smerom. Dokonca upravujú svoju dráhu letu, aby kompenzovali to, že ich vietor vychýlil z kurzu. Ich priebeh je však len málokedy taký presný, že potravu dokážu nájsť bez pomoci zraku a/alebo čuchu, keď sa k nej priblížia.

Ďalšie funkcie

Časový zmysel

Keď skauti zostanú v úli dlhší čas, s pribúdajúcim dňom (a posúvaním smeru slnka) posúvajú smer rovnej časti kývavého tanca. V zatemnenom úli však slnko nevidia. Evidentne si „uvedomujú“ plynúci čas a robia potrebné korekcie.

Časový zmysel včiel je už dlho známy ľuďom, ktorí si každý deň doprajú sladké občerstvenie vo svojej záhrade v stanovenom čase. Behom niekoľkých minút pravidelného času si včely, ktoré hľadajú potravu, priletia po svoj podiel na džeme. Zdá sa, že rýchlosť včelích hodín súvisí s rýchlosťou jej metabolizmu. Ak sú normálne presné včely ochladené (aby sa znížila rýchlosť ich metabolizmu) alebo vystavené anestetickej koncentrácii oxidu uhličitého, dorazia k piknikovému stolu neskoro (graf vyššie).

Polarizované svetlo

von Frisch tiež zistil, že skauti (a hľadači) v skutočnosti nemusia vidieť slnko, aby mohli navigovať. Pokiaľ vidia malý kúsok jasne modrej oblohy, vychádzajú spolu dobre. Je to preto, že svetlo na oblohe je čiastočne polarizované a rovina polarizácie v ktorejkoľvek časti oblohy je určená umiestnením slnka. Vyskúšajte to otočením slnečných okuliarov polaroid®!

Rojenie

Predtým, ako sa objaví nová kráľovná, stará kráľovná opustí úľ a vezme so sebou veľa robotníc. Roj sa zvyčajne niekde usadí, napríklad na konári stromu, zatiaľ čo skauti hľadajú nový domov. Každý skaut, ktorý nájde sľubné miesto, sa vráti do roja a tancuje na ňom, ako keby našiel potravu. Nakoniec sa roj vydá na najenergickejšie propagované miesto. Akonáhle je nový úľ založený, mnohí zo skautov, ktorí našli miesto, sa stanú prieskumníkmi jedla.

Starostlivosť

Pracovníčky majú iný typ tanca – rýchle vibrovanie zo strany na stranu – ktorý hovorí ostatným pracovníčkam, že potrebuje pomoc pri odstraňovaní prachu, peľu atď. z ťažko dostupných miest na tele.


Komunikácia (Základná biológia včiel pre včelárov)

Spoločnosť včiel nemôže fungovať bez efektívnej komunikácie. Väčšina komunikácie včiel sa uskutočňuje čuchom a chuťou. Zložitý systém chemických poslov sa nazýva hormóny a feromóny. Feromón je chemikália, ktorú jednotlivec vylučuje vonku a ktorá po prijatí iným jednotlivcom rovnakého druhu vedie k špecifickej reakcii, ako je správanie. Feromón sa líši od hormónu tým, že prechádza z jedného jedinca na druhého.


Poznámky o včele medonosnej (s diagramom)

Sociálna organizácia včiel je daná životom všetkých jedincov v kolónii a prejavujú vzájomnú spoluprácu medzi členmi kolónie a vykazujú prekrývajúce sa rody.

Prinajmenšom existuje deľba práce medzi rôznymi druhmi včiel medonosných v kolónii alebo úli. V kolónii žijú rôzne formy alebo typy hmyzu, ktoré majú konkrétnu funkciu, nazývané kasty.

Kastový systém:

Tisíce včiel (50 000 až 1 00 000 alebo viac), ktoré žijú v úli, majú tri rôzne formy:

(1) Robotnice (neodsudzujúce a plaché ženy),

(3) Kráľovné (plodné samice) (obr. 18.74A).

Fenomén existencie niekoľkých morfologických foriem s oddelenými funkciami v druhu je známy ako polymorfizmus. Včely sú teda dobre známe ako spoločenský a polymorfný hmyz.

Skutočná sociálna organizácia (eusocialita) včiel medonosných je dobre pochopená pri štúdiu Apis mellifera. Žijú v kolóniách v úľoch a každé včelstvo zahŕňa niekoľko tisíc včiel, ktoré pozostávajú z jednej kráľovnej, niekoľkých stoviek trúdov a desiatok tisíc včiel robotníc (50 000-80 000 alebo viac).

Kráľovná aj robotnice sú ženy a diploidné. Drony sú muži a haploidní. Silná alebo zdravá kolónia sa nazýva, keď sa v kolónii nájde maximálny počet robotníc.

Vo všeobecnosti je v každom úli prítomná jedna zrelá kráľovná. Veľkosť kráľovnej je takmer 2,5-krát dlhšia ako veľkosť včelej robotnice. Ak sa vyznačuje dlhým zužujúcim sa bruchom, proporčným telom, krátkymi a zlatistými krídlami a farbou nôh. Sú 2,8-krát ťažšie ako robotnice.

Kráľovná má zakrivené žihadlo na špičke brucha, ktoré je známe ako ovipositor. Funkciou kráľovnej je reprodukcia a každý deň nakladie asi 1000 – 2000 vajíčok v závislosti od morských variácií a sezónnych faktorov. Vajíčka môžu byť oplodnené alebo neoplodnené.

V závislosti od druhu potravy, ktorú dojčiace pracovníčky dodávajú novo vyvinutým larvám, sa z vajíčok môže vyvinúť buď kráľovná, alebo robotnice. Trubce alebo samce sú produkované znášaním neoplodnených vajíčok (t.j. partenogeneticky). Kráľovná vloží každé vajíčko do bunky pripravenej včelími robotnicami (obr. 18.80).

Po troch dňoch sa z vajíčok vyliahnu malé larvy. Larva, ktorá je kŕmená špeciálnym krmivom s názvom ‘royal jelly‘, sa vyvinie na kráľovnú. Materská kašička je látka s vysokým obsahom bielkovín produkovaná hypofaryngeálnymi žľazami robotníc.

Larva, ktorá sa vyberie, aby sa stala kráľovnou, sa odoberie pred tretím dňom vývoja v špeciálnej komore nazývanej queen’s chamber. Kráľovná žije v priemere päť až osem rokov a jej plodnosť sa s pribúdajúcim vekom znižuje. Žihadlo kráľovnej slúži ako kladač vajec na kladenie vajec a používa sa aj na obranu. Žihadlo sa používa iba vtedy, keď sa stretne s inou súperkou.

Kráľovná vylučuje z mandibulárnych žliaz akúsi chemickú látku s hormonálnymi vlastnosťami, nazývanú feromón alebo materská látka, ktorá inhibuje rast vaječníkov robotníc a kontroluje aktivitu všetkých včiel v úli. Dokáže prilákať robotnice smerom ku kráľovnej a stimuluje ich, aby stavali voskové bunky pre včely robotnice a trúdy, ale bráni v budovaní buniek kráľovnej.

Holandský prírodovedec Swammerdam (1673) poznamenal, že kráľovná je matkou celej kolónie a nemá žiadne orgány na zber potravy. Johann Dzierzan, nemecký vedecký pracovník, v roku 1980 uviedol, že včelia kráľovná je centrom včelej rodiny a matkou všetkých mladých včiel.

Keď kráľovná dospeje, opustí úľ s niekoľkými trúdmi a podnikne niekoľko svadobných letov a spári sa s trúdom. Po kopulácii drone čoskoro zomrie a kráľovná uloží dostatok spermií v spermatéke, aby jej vydržali celý život. Kráľovná sa po kopulácii vracia do svojho starého úľa a starajú sa o ňu ošetrovateľky, známe ako jej družina.

S pribúdajúcim vekom stráca schopnosť matky znášať vajíčka, robotnice si vyberú trojdňové vajíčko. Toto vajíčko je po vyliahnutí larvy kŕmené materskou kašičkou a asi za 16 dní sa z neho vyvinie nová kráľovná. V tom čase stará kráľovná opúšťa úľ spolu s niekoľkými robotnicami, aby založili novú kolóniu.

Trubce sú samčie mem­bery včelstva a každý z nich je geneticky haploidný. Trubcom trvá 24 dní, kým sa vyvinú z vajíčka do dospelého. Nemajú potravu (peľ a nektár), ktoré zbierajú orgány. Takže drony sú v potrave úplne závislé od včiel robotníc. Živia sa medom počas jarných a letných mesiacov, ktorý im poskytujú včely robotnice, a na jeseň sú vyháňané z úľa.

Hlavnou funkciou je oplodnenie kráľovien. Pomáhajú tiež udržiavať teplo v úli, ktoré je potrebné na vyliahnutie vajíčok.

Veľkosť včiel robotníc je malá, ale tvoria väčšinu v úli. Produkujú ich oplodnené vajíčka, ktoré znesie kráľovná. Od vajíčka k dospelému trvá 20 dní a dĺžka života je asi 6 týždňov.

Celý čas svojho života venujú údržbe úľov a starostlivosti o ich členov. Robotníci sa venujú stavbe úľa, čistia bunky úľov, zbierajú nektár, peľ a vodu a správne ukladajú do bunky. Voda je potrebná na prípravu materskej kašičky z peľu na jedlo a na rozpúšťanie crys­talline medu.

Opravujú praskliny v stenách hrebeňa a leštia steny propolisom. Robotnice tiež udržiavajú optimálnu teplotu vo vnútri úľa vetraním počas leta a pri silnom poklese teploty sa zhromažďujú mimo úľa a znižujú stratu teploty povrchu úľa.

Predpokladá sa, že robotníci sú vždy zaneprázdnení svojimi povinnosťami, ale americký vedec A. I. Root počas svojich prednášok často poznamenal, že robotníci spali v noci ťažko a nesmelo ako cez deň. Ak sa stane, že do úľa vletí včela votrelca, robotnice votrelca nielen zabijú, ale na varovanie ostatných vytlačia telo von z úľa.

Rojenie a formovanie novej kolónie:

Počas začiatku leta sa rojenie hap­pens, aby sa zabránilo preplneniu v starom úli. Stará kráľovná, niekoľko tisíc robotníkov a stovky trúdov vychádzajú zo starého úľa a lietajú spolu pri hľadaní vhodného miesta na vytvorenie nových včelstiev, v nových úľoch žijú spolu rôzne kasty, v ktorých je deľba práce dobre vyslovené.

Svadobný let a kopulácia:

Asi týždeň po vynorení zo svojej komnaty lieta nová kráľovná vo vzduchu s mnohými dronmi. Kopulácia prebieha vo vzduchu s dronom a kráľovná dostáva spermatofory z drona. Po copu­lation sú genitálne časti drona vytlačené a dron okamžite zomrie.

Verilo sa, že kráľovná kopuluje iba raz v živote, ale nedávne pozorovania ukázali, že sa môžu páriť viac ako dvakrát za život. Let jednej kráľovnej s niekoľkými dronmi vo vzduchu na kopuláciu sa nazýva svadobný let.

Včelia rodina je vynikajúcim príkladom spoločenského života. Rôzne kasty závisia jedna od druhej, pokiaľ ide o prežitie, ako aj spoluprácu s vyvíjajúcimi sa mláďatami v úli.

Úľ alebo hrebeň:

Včely robotnice stavajú úľ pomocou vosku vylučovaného z brušných žliaz vylučujúcich vosk. Praskliny na stenách úľa opravujú propolisom (živicová látka, ktorú včely zbierajú z rôznych častí rastlín na použitie ako lepidlo) a balzamom zozbieraným z rastlín a používa sa pri stavbe plástu.

Propolis sa používa ako lepidlo na spájanie zlomených častí a balzam sa používa na leštenie vnútorných stien. Každý včelí úľ obsahuje tisíce šesťhranných buniek usporiadaných v dvoch zvislých radoch.

Tieto bunky sú 5 typov:

Tých je v úli veľmi málo. Sú väčšie ako ostatné bunky a majú tvar vázy a nachádzajú sa na okraji hrebeňa. Tieto bunky sa používajú na odchov matky.

V každom úli je asi 200 buniek trúdov a sú menšie ako bunky kráľovnej. V týchto bunkách sa chovajú drony.

Väčšina buniek sú robotnícke bunky a každá bunka má priemer asi 5 mm. Robotníci sú vychovávaní v týchto celách.

V týchto bunkách sa chovajú larvy včely medonosnej.

Tieto bunky sú určené na skladovanie medu a peľu.

Úloha hormónu pre spoločenskú organizáciu:

Mandibulárne žľazy kráľovien sa nachádzajú v hlave a otvárajú sa na spodnej časti dolnej čeľuste. Kráľovná vylučuje akúsi chemickú látku, ktorá inhibuje vývoj vaječníkov včiel robotníc.

Britský výskumník C. G. Butler zistil, že povahou inhibujúcej látky je kyselina oxy-dekonová, látka s hormonálnymi vlastnosťami, ktorá riadi činnosť všetkých včiel v úli. Včelia kráľovná vylučuje feromón mandibulárnou žľazou a priťahuje trúdy.

Jazyk včely medonosnej:

Je známe, že včely majú medzi sebou určitý spôsob komunikácie.

Karl Von Frisch, vedec narodený vo Viedni a veľký experimentátor so správaním včiel medonosných, objavil komunikačný mechanizmus a dekódoval ‘jazyk včiel’ v roku 1946. V roku 1973 sa stal nositeľom Nobelovej ceny. Len čo jedna včela nájde zdroj nektáru, okamžite sprostredkuje zdroj a smer zdroja iným včelám z toho istého spoločenstva.

Vykonávajú určité rytmické pohyby a vydávajú pachy, ktoré ostatné včely ľahko prijímajú. Keď je zdroj bližšie k úľu (do 100 metrov), včela reportérka alebo kŕmička alebo robotnica predvedú kruhový tanec (obr. 18.75A), otáčajúc sa v kruhu, raz doľava, potom doprava a opakujú rovnaký pohyb 1,5 minúty. na jednom mieste.

Kruhový tanec informuje o vzdialenosti zdroja potravy, ktorá je menšia ako 100 metrov, ale nemôže naznačiť smer.

Ak je zdroj ďalej, včela reportérka predvedie tanec vrtenia chvostom (obr. 18.75B). Beží v smere rovno na krátku vzdialenosť, vrtí bruchom, otáča sa o 360° doľava, opäť beží vpred a odbočuje doprava. Toto sa niekoľkokrát opakuje.

Tieto tance sú pozorne sledované inými včelami v úli a potom okamžite vyjdú hľadať zdroj. Vŕzgavý tanec informuje ich sestry o smere a vzdialenosti úľa o zdroji potravy (nektár alebo peľ), ktorý objavili včely robotnice, a považuje sa za reč včiel. Smer priameho behu udáva smer zdroja potravy a tempo tanca tiež udáva vzdialenosť.

Vône zohrávajú dôležitú úlohu v ich komunikácii. Náhly úhyn včelej kráľovnej sa prenesie na 60 000 alebo viac včiel v úli za menej ako hodinu. Zdravá kráľovná vylučuje aromatickú látku zvanú ‘látka kráľovnej’, ktorú olizujú jej včely pestúnky.

Keď kráľovná zomrie, sekrécia sa zastaví a neprítomnosť látky kráľovnej je okamžite oznámená všetkým členom kolónie. Správa, ktorá bola odovzdaná všetkým členom kolónie, sa okamžite pustili do životnej úlohy vychovať novú kráľovnú.


De novo návrh medzibunkového signalizačného súboru nástrojov pre viackanálovú komunikáciu bunka-bunka a biologické výpočty

Medzibunková signalizácia je nevyhnutná pre jednotlivé bunky na vytvorenie zložitých biologických štruktúr, ako sú biofilmy, tkanivá a orgány. Genetické nástroje dostupné na inžinierstvo medzibunkovej signalizácie sú však dosť obmedzené. Tu využívame chemickú diverzitu biologických malých molekúl na de novo navrhnutie genetického súboru nástrojov pre vysokovýkonnú, viackanálovú komunikáciu bunka-bunka a biologické výpočty. Návrhom biosyntetickej dráhy pre signálne molekuly, racionálnym inžinierstvom snímacích promótorov a riadeným vývojom snímacích transkripčných faktorov získame šesť signálnych kanálov bunka-bunka v baktériách s ortogonalitou ďaleko presahujúcou konvenčné systémy snímania kvóra a úspešne prenesieme niektoré z nich do kvasiniek a ľudí. bunky. Na demonštráciu sa používajú v bunkových konzorciách na generovanie vzorov bakteriálnych kolónií pomocou až štyroch signálnych kanálov súčasne a na implementáciu distribuovaného bio-výpočtu obsahujúceho sedem rôznych kmeňov ako základných jednotiek. Tento súbor nástrojov na medzibunkovú signalizáciu pripravuje pôdu pre vytvorenie komplexnej mnohobunkovosti vrátane umelých ekosystémov a inteligentných tkanív.

Vyhlásenie o konflikte záujmov

Autori nedeklarujú žiadne konkurenčné záujmy.

Figúrky

Obr. 1. Návrhové schémy génových kaziet…

Obr. 1. Návrhové schémy génových kaziet na syntézu signálnych molekúl.

Obr. 2. Charakterizácia a optimalizácia bunka-bunka…

Obr. 2. Charakterizácia a optimalizácia komunikačných kanálov bunka-bunka.

Obr. 3. Ortogonalita signálu a promótora medzi…

Obr. 3. Ortogonalita signálu a promótora medzi komunikačnými kanálmi bunka-bunka.

Obr. 4. Jednoduché viackanálové komunikačné obvody na…

Obr. 4. Jednoduché viackanálové komunikačné obvody na vytváranie priestorových vzorov.

Obr. 5. Distribuovaný biopočítačový obvod zostavený…

Obr. 5. Distribuovaný biopočítačový obvod zostavený s multiplexovanými signálmi.


Včely medonosné sú hmyz a majú päť vlastností, ktoré sú spoločné pre väčšinu hmyzu.

  • Majú tvrdý vonkajší obal nazývaný an exoskeleton.
  • Oni majú tri hlavné časti tela: hlava, hrudník, brucho.
  • Majú a pár antén ktoré sú pripevnené k ich hlave.
  • Oni majú tri páry nôh používané na chôdzu.
  • Oni majú dva páry krídel.

Pomocou ilustrácií nižšie môžete preskúmať anatómiu včely medonosnej, čo môžete vidieť zvonku, ako aj časti včely, ktoré sa nachádzajú vo vnútri.

Označená ilustrácia vonkajšej anatómie včely medonosnej. Klikni na zväčšenie.


Závery

Kolónie sociálneho hmyzu sa často nazývajú „superorganizmy“, pretože niektoré úlohy sú rozdelené medzi členov kolónií, čo pripomína rôzne funkcie buniek a orgánov v mnohobunkových organizmoch. Pochopenie toho, ako sa takáto koordinácia dosahuje a ako výber formoval behaviorálne reakcie jednotlivých členov skupiny, je fascinujúca a zložitá otázka. Tu prispievame do tejto oblasti výskumu kombináciou experimentálnej práce a nového výpočtového prístupu, aby sme lepšie pochopili kolektívne obranné správanie včiel. Zamerali sme sa najmä na schopnosť reagovať na feromón poplachu bodnutím, pretože tento signalizačný mechanizmus je jadrom komunikácie včiel počas obrannej akcie. Najprv experimentálne ukážeme, že pravdepodobnosť bodnutia jednotlivých včiel sa líši v závislosti od koncentrácie SAP v atmosfére. Tento vzorec odozvy vykazuje aspoň dve fázy: počiatočnú fázu nábehu z nízkej na strednú koncentráciu feromónu, po ktorej nasleduje pokles pri vysokých koncentráciách. Na interpretáciu týchto výsledkov sme vytvorili relatívne jednoduchý model obranného správania včiel na báze agentov. Novinkou nášho prístupu je prispôsobenie projektívnej simulácie skupine agentov so spoločným cieľom (a teda spoločným systémom odmeňovania). Pridali sme aj obmedzenie, že všetci agenti zdedia rovnaký rozhodovací proces, pretože to lepšie reprezentuje dedičnosť agresívnych vlastností naprieč generáciami. Tento model agenta nám umožnil preskúmať vplyv rôznych evolučných tlakov na individuálnu odozvu na poplachový feromón. Z týchto poznatkov predpokladáme, že existencia prvej fázy (ramp-up) v reakcii SAP je výsledkom kompromisu medzi vyhýbaním sa falošným poplachom a rýchlym náborom hniezdičov v prítomnosti skutočných predátorov. Intenzita SAP, pri ktorej vrcholí pravdepodobnosť bodnutia, závisí od najodolnejšieho predátora v danom prostredí. Nakoniec, zníženie pravdepodobnosti bodnutia pri vysokých koncentráciách SAP by mohlo byť spôsobené samoobmedzujúcim mechanizmom, aby sa predišlo zbytočným bodnutiam, alebo jednoducho dôsledkom návratu na základnú úroveň, pretože takéto vysoké koncentrácie sa vo voľnej prírode nikdy nestretnú, a teda žiadna špecifická reakcia. mal šancu sa rozvíjať. Celkovo naša práca poskytuje nové poznatky o obrannom správaní včiel medonosných a stanovuje PS ako sľubný nástroj na preskúmanie toho, ako výber na základe kolektívneho výsledku riadi vývoj individuálnych reakcií.


Včely medonosné: Druhy a význam včiel medonosných

Chov včiel na získavanie medu a včelieho vosku sa nazýva včelárstvo.

Kasty včiel medonosných:

Včely si na stromoch stavajú svoje hniezdne plásty. Ide o vysoko koloniálny, spoločenský a polymorfný hmyz. Včely medonosné majú najlepšie rozvinutý spoločenský život.

V kolónii včiel medonosných sa nachádzajú tri druhy jedincov (kasty).

i) Kráľovná je plodná samica, ktorá znáša vajíčka. Bežne sa v jednom hniezde nachádza jedna kráľovná.

(ii) Trubce sú samce, ktoré sa pária s kráľovnou. Ich počet v kolónii nie je veľký. Drony vznikajú partenogenézou.

(iii) Robotnice sú sterilné ženy a vykonávajú rôzne úlohy kolónie. Kráľovné a trúdy sú kŕmené robotníkmi. Včely robotnice sú najmenšími členmi kolónie. Majú žuvacie a lapovacie časti úst, upravené na zber nektáru a peľu kvetov. Brucho obsahuje voskové žľazy a bodnutie.

Včely robotnice sú troch typov:

Ernest Spytzner (1788) ako prvý upozornil na skutočnosť, že včely komunikujú prostredníctvom určitých pohybov, ktoré sa dnes nazývajú „včelie tance“. Profesor Karl Von Frisch dekódoval jazyk „včelích tancov“ a v roku 1973 zaň dostal „Nobelovu cenu“ za medicínu alebo fyziológiu. Zistil, že skautské včely predvádzajú dva druhy tancov na komunikáciu,

i) Kruhový tanec sa vykonáva, keď je novoobjavený zdroj potravy blízko (menej ako 75 metrov) od úľa

(ii) Tanec vrtenia chvostom sa vykonáva pre zdroje na veľké vzdialenosti.

Z vajíčok kráľovnej sa vyliahnu biele beznohé larvy, ktoré okolo seba točia jemné hodvábne zámotky a menia sa na kukly. Každá kukla sa vyvinie v dospelého jedinca. Dospelý jedinec vychádza najprv prerezaním steny kukly a potom rozbitím voskového uzáveru bunky.

Počas prvých 2 až 3 dní sú všetky larvy včiel kŕmené špeciálnou bielkovinovou potravou nazývanou „Royal jelly“ alebo včelie mlieko, ktoré je vylučované hypofaryngeálnymi žľazami mladých robotníc. Po tomto hrubšom krmive sa dáva „Včelí chlieb“, ktorý je zmesou medu a peľového zrna. Larvy tvoriace kráľovnú sú však kŕmené materskou kašičkou počas celého života lariev a tieto larvy sa tiež odoberajú na ďalší vývoj do špeciálnej komory nazývanej kráľovná komôrka alebo bunka.

Druhy včiel medonosných:

Existujú štyri dôležité druhy včiel medonosných

i) Apis mellifera (talianska včela),

iv) A. florea (včela). Všetky sa v prírode vyskytujú ako voľne žijúci hmyz. Avšak kvôli ich vysokému ekonomickému významu sú včely medonosné, najmä A. mellifera, domestikované a kultivované, teda chované a chované v umelých úľoch. Z nich je najbežnejším druhom vo voľnej prírode Apis indica, zatiaľ čo v domácom stave je Apis mellifera.

Význam včiel medonosných:

Včely medonosné majú nasledujúci význam.

(i) Med:

Med je neutrálne, prírodné hodnotné tonikum pre ľudské telo. Med je sladká, viskózna jedlá tekutina. Chemické zloženie medu je (i) popol 1,00 %, (ii) minerálne látky (0,22 až 0,3 %), napr. vápnik, železo, fosforečnan a mangán, (iii) vitamíny (0,2 až 0,5 %), napr. kyselina pantoténová, biotín, pyridoxín, cholín, kyselina askorbová, tiamín, riboflavín a niacín, (iv) cukry (20 až 40 percent), napr. levulóza (38,90 %), dextróza (21,28 %), maltóza (8,81 %) a sacharóza (1,9 %), (v) Voda (60 – 80 %), (vi) Aminokyseliny, enzýmy. Med obsahuje aj peľ.

Farba, chuť a vôňa medu závisia od kvetov, z ktorých sa nektár zbiera. Je to energeticky bohatá potravina. Jeden kilogram medu obsahuje 3200 kalórií. S medom sa užíva množstvo ajurvédskych liekov.

Ii) Včelí vosk:

Včelí vosk je vyrobený z výlučku brušných žliaz včiel robotníc. Je to produkt priemyselného významu. Používa sa pri výrobe mnohých predmetov vrátane kozmetiky, krémov na holenie, krémov na tvár, mastí, náplastí, uhlíkových papierov, ceruziek, elektrospotrebičov, zubných pást, pleťových vôd, leštidiel na nábytok, leštidiel na topánky, ochranných náterov, atramentových farieb a sviečok. Používa sa tiež pri výrobe modelov a foriem a v polygrafickom priemysle. Používa sa aj v laboratóriu na mikrotómiu s bežným voskom na blokovú preparáciu tkanív.

(iii) Opeľovanie:

Včely medonosné sú opeľovačmi mnohých druhov plodín, ako sú slnečnica, Brassica, jabloň a hruška.

(iv) Liečivá hodnota:

Droga, pripravená z tiel včiel medonosných, sa používa pri liečbe záškrtu a niektorých ďalších nebezpečných chorôb. Jed z žihadiel včiel medonosných sa používa pri liečbe reumatoidnej artritídy a hadieho uhryznutia.

Chov včiel medonosných:

Včely sú chované v drevených boxoch s veľkou plodovou komorou umiestnenou na drevenej plošine s otvorom pre vstup a výstup do včiel na dne. V komore je vertikálne pomocou drôtov umiestnených niekoľko rámov potiahnutých voskovými plátmi so šesťhrannými odtlačkami.

Včely začnú vytvárať bunky pozdĺž okrajov šesťhranných odtlačkov. Každý voskový plát, známy ako základ hrebeňa, poskytuje včelám základný oblúk na stavbu plástov na oboch stranách. Nad plodovou komorou je umiestnená komora nazývaná super, ktorá má ďalšie podobné rámy pre viac hrebeňových základov určených na rozšírenie úľa.

Na spustenie kolónie v umelom úli sa do plodovej komory zavedie gravidná (oplodnená) matka. Umelé úle sú umiestnené v záhradách, sadoch a poliach s kvitnúcimi rastlinami, ktoré poskytujú peľ a nektár.

Po uskladnení dostatočného množstva medu sa plásty vyberú z rámikov a potom sa odstredia, aby sa med extrahoval. The same comb can be used again. The appliances used for the extraction of honey are a pair of gloves, a knife, a brush to remove the bees from taken out combs and a centrifuge.

How is nectar changed into honey?

Nectar is a sweet viscous secretion secreted by flowers of plants by attracting the insects it helps in pollination. When the bee sucks the nectar from the flowers, it passes this nectar to its honey sac where it gets mixed with some acid secretion. In honey sac, sucrose (sugar) of the nectar is converted into dextrose and laevulose by the action of invertase enzyme. After regurgitation the treated nectar finally changes into honey which is stored in special cells of hive for future use.

Bee Enemies:

These include the wax moths (e.g., Galleria mellonella), wasp (e,g., Vespa), black ants (e.g., Camponotus compressus) and bee eaters (e.g., Merops orientalis and king crow, Dicrurus macrocerus). Man is the last but worst enemy of honey bees.

Bee Diseases:

Honey bees suffer from Nosema disease caused by a sporozoan Nosema apis, paralysis dysentery and acarine disease caused by a parasitic mite, Acarapis woodi.


Smer

  • At any one time, the direction changes with the location of the food.
  • With a fixed source of food, the direction changes by the same angle as the sun during its passage through the sky.
  • The sun is not visible within the hive.
  • The scouts dance on the vertikálne surface of the combs.

When the food and sun are in the same direction, the straight portion of the waggle dance is directed upward.

When the food is at some angle to the right (blue) or left (red) of the sun, the bee orients the straight portion of her dance at the same angle to the right or left of the vertical.

Using radar to track individual bees recruited by the waggle dance, Riley, J. R., a kol., (Príroda, 12 May 2005) have shown that the recruits do fly in the indicated direction. They even adjust their flight path to compensate for being blown off course by the wind. However, their course is seldom so precise that they can find the food without the aid of vision and/or smell as they neared it.


Innovation by critical thinkers: Einstein and von Frisch

As science and technology advance, so too does the specialization at their frontiers. This specialization can have the unfortunate consequence of isolating thinkers and breaking apart research disciplines. Reacting against this development is transdisciplinary fields bringing together experts from different disciplines to solve common problems. Such barriers between disciplines often did not exist until fairly recently, and where they did exist, they were porous to the great minds of their time.

Albert Einstein (Fig. 1a) is widely recognized as one of the greatest thinkers of the twentieth century. His imagination and insight still inspire us today. Einstein’s work on quantum mechanics directly led to the transistor revolution and the information age, while his theory of general relativity governs the large-scale structure of the universe and provides the necessary corrections for location determination by the Global Positioning System (GPS). Nevertheless, it might be easy to pigeonhole Einstein as a mathematician and theoretical physicist, concerning himself solely with an abstract world of numbers and equations. That Einstein was also concerned with practicalities and had a broad interest in research and humanity is well discussed in Galison’s book “Einstein’s clocks, Poincare’s maps: empires of time” (2003).

Key thinkers about physics and nature. a Professor Albert Einstein in 1947. From Wikimedia Commons, the free media repository. b Professor Karl von Frisch observing bees. From Wikipedia By Source (WP:NFCC#4), Fair use, https://en.wikipedia.org/w/index.php?curid=50796040

Karl von Frisch (Fig. 1b) founded the present journal together with Alfred Kühn in 1924. By employing innovative experimental techniques to understand how bee behaviour worked (von Frisch 1915, 1923, 1949, 1965, 1967, 1973, 1974), von Frisch inspired generations of researchers in the pursuit of unveiling a variety of sensory capacities in the animal world (Hölldobler and Lindauer 1985 Dyer and Arikawa 2014). The subsequent use of transdisciplinary research approaches to understand sensory perception also resulted in insights into how physics principles are used by biological organisms to enable solutions to complex problems (Hölldobler and Lindauer 1985 Barth et al. 2012 Galizia et al. 2012). In early 1949, whilst still at the University of Graz in Austria before returning to Munich in Germany, von Frisch had published one of his most important findings that honeybees could communicate the location of rewarding flowers with conspecifics via a symbolic dance language (von Frisch 1949). The bee dance language represents the vector direction and distance of a patch of flowers from the hive, and uses as a key reference the position of the sun or the inferred position via the degree of polarization of the sky if the sun is obscured by clouds. The discovery of the symbolic bee dance language by von Frisch generated immense interest amongst biologists, and Professor WH Thorpe of Cambridge University in England had visited von Frisch in Austria during September 1948 and repeated the experiments, which were published (Thorpe 1949) as a confirmation study in Nature on the 2nd of July 1949. Years later in 1973, together with Konrad Lorenz and Nikolaas Tinbergen, von Frisch was awarded the Nobel Prize in Physiology or Medicine. In the written acceptance speech for receiving the Nobel Prize, which was delivered by his son Otto von Frisch due to poor health of Karl von Frisch at the time, he prominently discusses the importance of the seminal bee dance language studies published in 1949 (von Frisch 1973).


Referencie

Yuste R: Fluorescence microscopy today. Metódy Nat. 2005, 2: 902-904. 10.1038/nmeth1205-902.

Megason SG, Fraser SE: Imaging in systems biology. Bunka. 2007, 130: 784-795. 10.1016/j.cell.2007.08.031.

Conchello J, Lichtman JW: Optical sectioning microscopy. Metódy Nat. 2005, 2: 920-931. 10.1038/nmeth815.

Sung M-H, McNally JG: Live cell imaging and systems biology. Wiley Interdiscip Rev Syst Biol Med. 2010, 3: 167-182.

Planchon TA, Gao L, Milkie DE, Davidson MW, Galbraith JA, Galbraith CG, Betzig E: Rapid three-dimensional isotropic imaging of living cells using Bessel beam plane illumination. Metódy Nat. 2011, 8: 417-423. 10.1038/nmeth.1586.

Weber M, Huisken J: Light sheet microscopy for real-time developmental biology. Curr Opin Genet Dev. 2011, 21: 566-572. 10.1016/j.gde.2011.09.009.

Gao L, Shao L, Higgins CD, Poulton JS, Peifer M, Davidson MW, Wu X, Goldstein B, Betzig E: Noninvasive Imaging beyond the Diffraction Limit of 3D Dynamics in Thickly Fluorescent Specimens. Bunka. 2012, 151: 1370-1385. 10.1016/j.cell.2012.10.008.

Wicker K, Heintzmann R: Interferometric resolution improvement for confocal microscopes. Opt Express. 2007, 15: 12206-12216. 10.1364/OE.15.012206.

Abrahamsson S, Chen J, Hajj B, Stallinga S, Katsov AY, Wisniewski J, Mizuguchi G, Soule P, Mueller F, Darzacq CD, Darzacq X, Wu C, Bargmann CI, Agard DA, Dahan M, Gustafsson MGL: Fast multicolor 3D imaging using aberration-corrected multifocus microscopy. Metódy Nat. 2013, 10: 60-63.

Wiedenmann J, Oswald F, Nienhaus GU: Fluorescent proteins for live cell imaging: opportunities, limitations, and challenges. IUBMB Life. 2009, 61: 1029-1042. 10.1002/iub.256.

Day RN, Davidson MW: The fluorescent protein palette: tools for cellular imaging. Chem Soc Rev. 2009, 38: 2887-2921. 10.1039/b901966a.

Shcherbo D, Shemiakina II, Ryabova AV, Luker KE, Schmidt BT, Souslova EA, Gorodnicheva TV, Strukova L, Shidlovskiy KM, Britanova OV, Zaraisky AG, Lukyanov KA, Loschenov VB, Luker GD, Chudakov DM: Near-infrared fluorescent proteins. Metódy Nat. 2010, 7: 827-829. 10.1038/nmeth.1501.

Jaiswal JK, Goldman ER, Mattoussi H, Simon SM: Use of quantum dots for live cell imaging. Metódy Nat. 2004, 1: 73-78. 10.1038/nmeth1004-73.

Thompson MA, Lew MD, Moerner WE: Extending microscopic resolution with single-molecule imaging and active control. Annu Rev Biophys. 2012, 41: 321-342. 10.1146/annurev-biophys-050511-102250.

Wysocki LM, Lavis LD: Advances in the chemistry of small molecule fluorescent probes. Curr Opin Chem Biol. 2011, 15: 752-759. 10.1016/j.cbpa.2011.10.013.

Lukinavičius G, Johnsson K: Switchable fluorophores for protein labeling in living cells. Curr Opin Chem Biol. 2011, 15: 768-774. 10.1016/j.cbpa.2011.10.015.

Du W, Wang Y, Luo Q, Liu B-F: Optical molecular imaging for systems biology: from molecule to organism. Anal Bioanal Chem. 2006, 386: 444-457. 10.1007/s00216-006-0541-z.

Yasuda R, Noji H, Kinosita K, Yoshida M: F1-ATPase is a highly efficient molecular motor that rotates with discrete 120 degree steps. Bunka. 1998, 93: 1117-1124. 10.1016/S0092-8674(00)81456-7.

Ueno H, Nishikawa S, Iino R, Tabata KV, Sakakihara S, Yanagida T, Noji H: Simple dark-field microscopy with nanometer spatial precision and microsecond temporal resolution. Biophys J. 2010, 98: 2014-2023. 10.1016/j.bpj.2010.01.011.

Okuno D, Iino R, Noji H: Rotation and structure of FoF1-ATP synthase. J Biochem. 2011, 149: 655-664. 10.1093/jb/mvr049.

Sengupta P, Van Engelenburg S, Lippincott-Schwartz J: Visualizing cell structure and function with point-localization superresolution imaging. Dev Cell. 2012, 23: 1092-1102. 10.1016/j.devcel.2012.09.022.

Lubeck E, Cai L: Single-cell systems biology by super-resolution imaging and combinatorial labeling. Metódy Nat. 2012, 9: 743-748. 10.1038/nmeth.2069.

Antony PMA, Balling R, Vlassis N: From systems biology to systems biomedicine. Curr Opin Biotechnol. 2012, 23: 604-608. 10.1016/j.copbio.2011.11.009.

Cirillo C, Tack J, Vanden Berghe P: Nerve activity recordings in routine human intestinal biopsies. Gut. 2012, 65: 227-235.

Berning S, Willig KI, Steffens H, Dibaj P, Hell SW: Nanoscopy in a living mouse brain. Veda. 2012, 335: 551-10.1126/science.1215369.

Perron A, Akemann W, Mutoh H, Knöpfel T: Genetically encoded probes for optical imaging of brain electrical activity. Prog Brain Res. 2012, 196: 63-77.

Akemann W, Mutoh H, Perron A, Rossier J, Knöpfel T: Imaging brain electric signals with genetically targeted voltage-sensitive fluorescent proteins. Metódy Nat. 2010, 7: 643-649. 10.1038/nmeth.1479.

Buchser W: Assay development guidelines for image-based high content screening, high content analysis and high content imaging. Assay Guidance Manual. 2012, Bethesda, MD: National Center for Advancing Translational Sciences (NCATS), 1-69.

Conrad C, Gerlich DW: Automated microscopy for high-content RNAi screening. J Cell Biol. 2010, 188: 453-461. 10.1083/jcb.200910105.

Shen F, Hodgson L, Hahn K: Digital autofocus methods for automated microscopy. Methods Enzymol. 2006, 414: 620-632.

Ankers JM, Spiller DG, White MR, Harper CV: Spatio-temporal protein dynamics in single living cells. Curr Opin Biotechnol. 2008, 19: 375-380. 10.1016/j.copbio.2008.07.001.

Fuchs F, Pau G, Kranz D, Sklyar O, Budjan C, Steinbrink S, Horn T, Pedal A, Huber W, Boutros M: Clustering phenotype populations by genome-wide RNAi and multiparametric imaging. Mol Syst Biol. 2010, 6: 370-

Held M, Schmitz MHA, Fischer B, Walter T, Neumann B, Olma MH, Peter M, Ellenberg J, Gerlich DW: Cell Cognition: time-resolved phenotype annotation in high-throughput live cell imaging. Metódy Nat. 2010, 7: 747-754. 10.1038/nmeth.1486.

Wählby C, Kamentsky L, Liu ZH, Riklin-Raviv T, Conery AL, O’Rourke EJ, Sokolnicki KL, Visvikis O, Ljosa V, Irazoqui JE, Golland P, Ruvkun G, Ausubel FM, Carpenter AE: An image analysis toolbox for high-throughput C. elegans assays. Nat methods. 2012, 9: 714-716. 10.1038/nmeth.1984.

Long F, Peng H, Liu X, Kim SK, Myers E: A 3D digital atlas of C. elegans and its application to single-cell analyses. Metódy Nat. 2009, 6: 667-672. 10.1038/nmeth.1366.

Ronneberger O, Liu K, Rath M, Rueβ D, Mueller T, Skibbe H, Drayer B, Schmidt T, Filippi A, Nitschke R, Brox T, Burkhardt H, Driever W: ViBE-Z: a framework for 3D virtual colocalization analysis in zebrafish larval brains. Metódy Nat. 2012, 9: 735-742. 10.1038/nmeth.2076.

Ghosh KK, Burns LD, Cocker ED, Nimmerjahn A, Ziv Y, Gamal AE, Schnitzer MJ: Miniaturized integration of a fluorescence microscope. Metódy Nat. 2011, 8: 871-878. 10.1038/nmeth.1694.

Savidge TC, Newman P, Pothoulakis C, Ruhl A, Neunlist M, Bourreille A, Hurst R, Sofroniew MV: Enteric glia regulate intestinal barrier function and inflammation via release of S-nitrosoglutathione. Gastroenterológia. 2007, 132: 1344-1358. 10.1053/j.gastro.2007.01.051.

Chao JA, Yoon YJ, Singer RH: Imaging Translation in Single Cells Using Fluorescent Microscopy. Cold Spring Harb Perspect Biol. 2012, 4: 1-2.

Loo L-H, Lin H-J, Singh DK, Lyons KM, Altschuler SJ, Wu LF: Heterogeneity in the physiological states and pharmacological responses of differentiating 3 T3-L1 preadipocytes. J Cell Biol. 2009, 187: 375-384. 10.1083/jcb.200904140.

Zaretsky I, Polonsky M, Shifrut E, Reich-Zeliger S, Antebi Y, Aidelberg G, Waysbort N, Friedman N: Monitoring the dynamics of primary T cell activation and differentiation using long term live cell imaging in microwell arrays. Lab Chip. 2012, 12: 5007-5015. 10.1039/c2lc40808b.

Watmuff B, Pouton CW, Haynes JM: In vitro maturation of dopaminergic neurons derived from mouse embryonic stem cells: implications for transplantation. PLoS One. 2012, 7: e31999-10.1371/journal.pone.0031999.

Tay S, Hughey JJ, Lee TK, Lipniacki T, Quake SR, Covert MW: Single-cell NF-kappaB dynamics reveal digital activation and analogue information processing. Príroda. 2010, 466: 267-271. 10.1038/nature09145.

Lee TK, Covert MW: High-throughput, single-cell NF-κB dynamics. Curr Opin Genet Dev. 2010, 20: 677-683. 10.1016/j.gde.2010.08.005.

Padilla-Parra S, Tramier M: FRET microscopy in the living cell: different approaches, strengths and weaknesses. Bioeseje. 2012, 34: 369-376. 10.1002/bies.201100086.

Gilbert PM, Havenstrite KL, Magnusson KEG, Sacco A, Leonardi NA, Kraft P, Nguyen NK, Thrun S, Lutolf MP, Blau HM: Substrate elasticity regulates skeletal muscle stem cell self-renewal in culture. Veda. 2010, 329: 1078-1081. 10.1126/science.1191035.

Magnusson K, Jaldén J: A batch algorithm using iterative application of the Viterbi algorithm to track cells and construct cell lineages. Biomed Imaging (ISBI). 2012, 2012: 382-385.

Walter T, Held M, Neumann B, Hériché J-K, Conrad C, Pepperkok R, Ellenberg J: Automatic identification and clustering of chromosome phenotypes in a genome wide RNAi screen by time-lapse imaging. J Struct Biol. 2010, 170: 1-9. 10.1016/j.jsb.2009.10.004.

Neumann B, Walter T, Hériché J, Bulkescher J, Erfle H, Conrad C, Rogers P, Poser I, Held M, Liebel U, Cetin C, Sieckmann F, Pau G, Kabbe R, Wünsche A, Satagopam V, Schmitz MHA, Chapuis C, Gerlich DW, Schneider R, Eils R, Huber W, Peters J, Hyman AA, Durbin R, Pepperkok R, Ellenberg J: Phenotypic profiling of the human genome by time-lapse microscopy reveals cell division genes. Príroda. 2010, 464: 721-727. 10.1038/nature08869.

Conrad C, Wünsche A, Tan TH, Bulkescher J, Sieckmann F, Verissimo F, Edelstein A, Walter T, Liebel U, Pepperkok R, Ellenberg J: Micropilot: automation of fluorescence microscopy-based imaging for systems biology. Metódy Nat. 2011, 8: 246-249. 10.1038/nmeth.1558.

Giaever G, Chu AM, Ni L, Connelly C, Riles L, Véronneau S, Dow S, Lucau-Danila A, Anderson K, André B, Arkin AP, Astromoff A, El-Bakkoury M, Bangham R, Benito R, Brachat S, Campanaro S, Curtiss M, Davis K, Deutschbauer A, Entian K-D, Flaherty P, Foury F, Garfinkel DJ, Gerstein M, Gotte D, Güldener U, Hegemann JH, Hempel S, Herman Z: Functional profiling of the Saccharomyces cerevisiae genome. Príroda. 2002, 418: 387-391. 10.1038/nature00935.

Ni L, Snyder M: A genomic study of the bipolar bud site selection pattern in Saccharomyces cerevisiae. Mol Biol Cell. 2001, 12: 2147-2170.

Yang Yu B, Elbuken C, Ren CL, Huissoon JP: Image processing and classification algorithm for yeast cell morphology in a microfluidic chip. J Biomedical Optics. 2011, 16: 1-9.

Mortimer RK, JOHNSTON JR: Life span of individual yeast cells. Príroda. 1959, 183: 1751-1752. 10.1038/1831751a0.

Steffen KK, Kennedy BK, Kaeberlein M: Measuring replicative life span in the budding yeast. J Vis Exp. 2009, 1-5.

Lee SS, Avalos Vizcarra I, Huberts DHEW, Lee LP, Heinemann M: Whole lifespan microscopic observation of budding yeast aging through a microfluidic dissection platform. Proc Natl Acad Sci U S A. 2012, 109: 4916-4920. 10.1073/pnas.1113505109.

Gordon A, Colman-Lerner A, Chin TE, Benjamin KR, Yu RC, Brent R: Single-cell quantification of molecules and rates using open-source microscope-based cytometry. Metódy Nat. 2007, 4: 175-181. 10.1038/nmeth1008.

Ohya Y, Sese J, Yukawa M, Sano F, Nakatani Y, Saito TL, Saka A, Fukuda T, Ishihara S, Oka S, Suzuki G, Watanabe M, Hirata A, Ohtani M, Sawai H, Fraysse N, Latgé J-P, François JM, Aebi M, Tanaka S, Muramatsu S, Araki H, Sonoike K, Nogami S, Morishita S: High-dimensional and large-scale phenotyping of yeast mutants. Proc Natl Acad Sci U S A. 2005, 102: 19015-19020. 10.1073/pnas.0509436102.

Ohtani M, Saka A, Sano F, Ohya Y, Morishita S: Development of image processing program for yeast cell morphology. J Bioinform Comput Biol. 2004, 1: 695-709. 10.1142/S0219720004000363.

Saito TL, Ohtani M, Sawai H, Sano F, Saka A, Watanabe D, Yukawa M, Ohya Y, Morishita S: SCMD: Saccharomyces cerevisiae Morphological Database. Nucleic Acids Res. 2004, 32: D319-D322. 10.1093/nar/gkh113.

Ohnuki S, Oka S, Nogami S, Ohya Y: High-content, image-based screening for drug targets in yeast. PLoS One. 2010, 5: e10177-10.1371/journal.pone.0010177.

Artal-Sanz M, De Jong L, Tavernarakis N: Caenorhabditis elegans: a versatile platform for drug discovery. Biotechnol J. 2006, 1: 1405-1418. 10.1002/biot.200600176.

Silverman GA, Luke CJ, Bhatia SR, Long OS, Vetica AC, Perlmutter DH, Pak SC: Modeling molecular and cellular aspects of human disease using the nematode Caenorhabditis elegans. Pediatr Res. 2009, 65: 10-18. 10.1203/PDR.0b013e31819009b0.

Rankin CH: From gene to identified neuron to behaviour in Caenorhabditis elegans. Nat Rev Genet. 2002, 3: 622-630.

Jorgensen EM, Mango SE: The art and design of genetic screens: caenorhabditis elegans. Nat Rev Genet. 2002, 3: 356-369. 10.1038/nrg794.

Gosai SJ, Kwak JH, Luke CJ, Long OS, King DE, Kovatch KJ, Johnston PA, Shun TY, Lazo JS, Perlmutter DH, Silverman GA, Pak SC: Automated high-content live animal drug screening using C. elegans expressing the aggregation prone serpin α1-antitrypsin Z. PloS one. 2010, 5: e15460-10.1371/journal.pone.0015460.

Brignull HR, Morley JF, Morimoto RI: The stress of misfolded proteins: C. elegans models for neurodegenerative disease and aging. Adv Exp Med Biol. 2007, 594: 167-189. 10.1007/978-0-387-39975-1_15.

Crane MM, Stirman JN, Ou C-Y, Kurshan PT, Rehg JM, Shen K, Lu H: Autonomous screening of C. elegans identifies genes implicated in synaptogenesis. Metódy Nat. 2012, 9: 977-980. 10.1038/nmeth.2141.

Baek J-H, Cosman P, Feng Z, Silver J, Schafer WR: Using machine vision to analyze and classify Caenorhabditis elegans behavioral phenotypes quantitatively. J Neurosci Methods. 2002, 118: 9-21. 10.1016/S0165-0270(02)00117-6.

Cronin CJ, Mendel JE, Mukhtar S, Kim Y-M, Stirbl RC, Bruck J, Sternberg PW: An automated system for measuring parameters of nematode sinusoidal movement. BMC Genet. 2005, 6: 5-

Feng Z, Cronin CJ, Wittig JH, Sternberg PW, Schafer WR: An imaging system for standardized quantitative analysis of C. elegans behavior. BMC bioinformatika. 2004, 5: 115-10.1186/1471-2105-5-115.

Geng W, Cosman P, Berry CC, Feng Z, Schafer WR: Automatic tracking, feature extraction and classification of C elegans phenotypes. IEEE Trans Biomed Eng. 2004, 51: 1811-1820. 10.1109/TBME.2004.831532.

Huang K-M, Cosman P, Schafer WR: Machine vision based detection of omega bends and reversals in C. elegans. J Neurosci Methods. 2006, 158: 323-336. 10.1016/j.jneumeth.2006.06.007.

Huang K-M, Cosman P, Schafer WR: Automated detection and analysis of foraging behavior in Caenorhabditis elegans. J Neurosci Methods. 2008, 171: 153-164. 10.1016/j.jneumeth.2008.01.027.

Ramot D, Johnson BE, Berry TL, Carnell L, Goodman MB: The Parallel Worm Tracker: a platform for measuring average speed and drug-induced paralysis in nematodes. PLoS One. 2008, 3: e2208-10.1371/journal.pone.0002208.

Buckingham SD, Sattelle DB: Strategies for automated analysis of C. elegans locomotion. Invert Neurosci. 2008, 8: 121-131. 10.1007/s10158-008-0077-3.

Hoshi K, Shingai R: Computer-driven automatic identification of locomotion states in Caenorhabditis elegans. J Neurosci Methods. 2006, 157: 355-363. 10.1016/j.jneumeth.2006.05.002.

Tsibidis GD, Tavernarakis N: Nemo: a computational tool for analyzing nematode locomotion. BMC Neurosci. 2007, 8: 86-10.1186/1471-2202-8-86.

Buckingham SD, Sattelle DB: Fast, automated measurement of nematode swimming (thrashing) without morphometry. BMC Neurosci. 2009, 10: 84-10.1186/1471-2202-10-84.

Tsechpenakis G, Bianchi L, Metaxas D, Driscoll M: A novel computational approach for simultaneous tracking and feature extraction of C. elegans populations in fluid environments. IEEE Trans Biomed Eng. 2008, 55: 1539-1549.

Sznitman R, Gupta M, Hager GD, Arratia PE, Sznitman J: Multi-environment model estimation for motility analysis of Caenorhabditis elegans. PLoS One. 2010, 5: e11631-10.1371/journal.pone.0011631.

Green RA, Kao H-L, Audhya A, Arur S, Mayers JR, Fridolfsson HN, Schulman M, Schloissnig S, Niessen S, Laband K, Wang S, Starr DA, Hyman AA, Schedl T, Desai A, Piano F, Gunsalus KC, Oegema K: A high-resolution C. elegans essential gene network based on phenotypic profiling of a complex tissue. Bunka. 2011, 145: 470-482. 10.1016/j.cell.2011.03.037.

Peng H, Long F, Liu X, Kim SK, Myers EW: Straightening Caenorhabditis elegans images. Bioinformatika. 2008, 24: 234-242. 10.1093/bioinformatics/btm569.

Olarte OE, Licea-Rodriguez J, Palero JA, Gualda EJ, Artigas D, Mayer J, Swoger J, Sharpe J, Rocha-Mendoza I, Rangel-Rojo R, Loza-Alvarez P: Image formation by linear and nonlinear digital scanned light-sheet fluorescence microscopy with Gaussian and Bessel beam profiles. Biomed Opt express. 2012, 3: 1492-1505. 10.1364/BOE.3.001492.

Patton EE, Zon LI: The art and design of genetic screens: zebrafish. Nat Rev Genet. 2001, 2: 956-966. 10.1038/35103567.

Zon LI, Peterson RT: In vivo drug discovery in the zebrafish. Nat Rev Drug Discov. 2005, 4: 35-44. 10.1038/nrd1606.

Pardo-Martin C, Chang T-Y, Koo BK, Gilleland CL, Wasserman SC, Yanik MF: High-throughput in vivo vertebrate screening. Metódy Nat. 2010, 7: 634-636. 10.1038/nmeth.1481.

Taylor KL, Grant NJ, Temperley ND, Patton EE: Small molecule screening in zebrafish: an in vivo approach to identifying new chemical tools and drug leads. Cell Commun signal. 2010, 8: 11-10.1186/1478-811X-8-11.

Kimmel CB, Ballard WW, Kimmel SR, Ullmann B, Schilling TF: Stages of embryonic development of the zebrafish. Dev Dyn. 1995, 203: 253-310. 10.1002/aja.1002030302.

Peravali R, Gehrig J, Giselbrecht S, Lütjohann DS, Hadzhiev Y, Müller F, Liebel U: Automated feature detection and imaging for high-resolution screening of zebrafish embryos. Biotechnika. 2011, 50: 319-324.

Eguíluz C, Viguera E, Millán L, Pérez J: Multitissue array review: a chronological description of tissue array techniques, applications and procedures. Pathol Res Pract. 2006, 202: 561-568. 10.1016/j.prp.2006.04.003.

Wang C-W, Fennell D, Paul I, Savage K, Hamilton P: Robust automated tumour segmentation on histological and immunohistochemical tissue images. PLoS One. 2011, 6: e15818-10.1371/journal.pone.0015818.

Sommer C, Straehle C, Kothe U, Hamprecht FA: Ilastik: Interactive learning and segmentation toolkit. IEEE Int Symp Biomed Imaging. 2011, 2011: 230-233.

Kovar JL, Simpson MA, Schutz-Geschwender A, Olive DM: A systematic approach to the development of fluorescent contrast agents for optical imaging of mouse cancer models. Anal Biochem. 2007, 367: 1-12. 10.1016/j.ab.2007.04.011.

Baker M: Animal models: inside the minds of mice and men. Príroda. 2011, 475: 123-128. 10.1038/475123a.

De Chaumont F, Coura RD-S, Serreau P, Cressant A, Chabout J, Granon S, Olivo-Marin J-C: Computerized video analysis of social interactions in mice. Metódy Nat. 2012, 9: 410-417. 10.1038/nmeth.1924.

Nägerl UV, Willig KI, Hein B, Hell SW, Bonhoeffer T: Live-cell imaging of dendritic spines by STED microscopy. Proc Natl Acad Sci U S A. 2008, 105: 18982-18987. 10.1073/pnas.0810028105.

Urban NT, Willig KI, Hell SW, Nägerl UV: STED nanoscopy of actin dynamics in synapses deep inside living brain slices. Biophys J. 2011, 101: 1277-1284. 10.1016/j.bpj.2011.07.027.

Masedunskas A, Milberg O, Porat-Shliom N, Sramkova M, Wigand T, Amornphimoltham P, Weigert R: Intravital microscopy: A practical guide on imaging intracellular structures in live animals. Bioarchitecture. 2012, 2: 143-157. 10.4161/bioa.21758.

Gavins FN: Intravital microscopy: new insights into cellular interactions. Curr Opin Pharmacol. 2012, 12: 601-607. 10.1016/j.coph.2012.08.006.

Farrar MJ, Bernstein IM, Schlafer DH, Cleland TA, Fetcho JR, Schaffer CB: Chronic in vivo imaging in the mouse spinal cord using an implanted chamber. Metódy Nat. 2012, 9: 297-302. 10.1038/nmeth.1856.

Barretto RPJ, Schnitzer MJ: In vivo microendoscopy of the hippocampus. Cold Spring Harb Protoc. 2012, 2012: 1092-1099.

Barretto RPJ, Schnitzer MJ: In Vivo Optical Microendoscopy for Imaging Cells Lying Deep within Live Tissue. Cold Spring Harb Protoc. 2012, 2012: 1029-1034.

Lecoq J, Schnitzer MJ: An infrared fluorescent protein for deeper imaging. Nat Biotechnol. 2011, 29: 715-716. 10.1038/nbt.1941.

Barretto RPJ, Ko TH, Jung JC, Wang TJ, Capps G, Waters AC, Ziv Y, Attardo A, Recht L, Schnitzer MJ: Time-lapse imaging of disease progression in deep brain areas using fluorescence microendoscopy. Nat Med. 2011, 17: 223-228. 10.1038/nm.2292.

Piyawattanametha W, Cocker ED, Burns LD, Barretto RP, Jung JC, Ra H, Solgaard O, Schnitzer MJ: In vivo brain imaging using a portable 2.9 g two-photon microscope based on a microelectromechanical systems scanning mirror. Opt Lett. 2009, 34: 2309-2311. 10.1364/OL.34.002309.

Barretto RPJ, Messerschmidt B, Schnitzer MJ: In vivo fluorescence imaging with high-resolution microlenses. Metódy Nat. 2009, 6: 511-512. 10.1038/nmeth.1339.

Flusberg BA, Nimmerjahn A, Cocker ED, Mukamel EA, Barretto RPJ, Ko TH, Burns LD, Jung JC, Schnitzer MJ: High-speed, miniaturized fluorescence microscopy in freely moving mice. Metódy Nat. 2008, 5: 935-938. 10.1038/nmeth.1256.

Myers G: Why bioimage informatics matters. Metódy Nat. 2012, 9: 659-660. 10.1038/nmeth.2024.

Swedlow JR, Eliceiri KW: Open source bioimage informatics for cell biology. Trends Cell Biol. 2009, 19: 656-660. 10.1016/j.tcb.2009.08.007.

Peng H: Bioimage informatics: a new area of engineering biology. Bioinformatika. 2008, 24: 1827-1836. 10.1093/bioinformatics/btn346.

Eliceiri KW, Berthold MR, Goldberg IG, Ibáñez L, Manjunath BS, Martone ME, Murphy RF, Peng H, Plant AL, Roysam B, Stuurmann N, Swedlow JR, Tomancak P, Carpenter AE: Biological imaging software tools. Metódy Nat. 2012, 9: 697-710. 10.1038/nmeth.2084.

Davies ER: Computer and Machine Vision: Theory, Algorithms, Practicalities. 2012, New York, NY: Academic Press, 1-912.

Walter T, Shattuck DW, Baldock R, Bastin ME, Carpenter AE, Duce S, Ellenberg J, Fraser A, Hamilton N, Pieper S, Ragan MA, Schneider JE, Tomancak P, Hériché J-K: Visualization of image data from cells to organisms. Nat methods. 2010, 7: S26-S41. 10.1038/nmeth.1431.

Zwolinski L, Kozak M, Kozak K: 1Click1View: Interactive Visualization Methodology for RNAi Cell-Based Microscopic Screening. BioMed Res Int. 2013, 2013: 1-11.

Schmid B, Schindelin J, Cardona A, Longair M, Heisenberg M: A high-level 3D visualization API for Java and ImageJ. BMC Bioinformatics. 2010, 11: 274-10.1186/1471-2105-11-274.

Mosaliganti KR, Noche RR, Xiong F, Swinburne IA, Megason SG: ACME: Automated Cell Morphology Extractor for Comprehensive Reconstruction of Cell Membranes. PLoS Comput Biol. 2012, 8: e1002780-10.1371/journal.pcbi.1002780.

Horvath P, Wild T, Kutay U, Csucs G: Machine Learning Improves the Precision and Robustness of High-Content Screens: Using Nonlinear Multiparametric Methods to Analyze Screening Results. J Biomol Screen. 2011, 16: 1059-1067. 10.1177/1087057111414878.

Kvilekval K, Fedorov D, Obara B, Singh A, Manjunath BS: B: A platform for bioimage analysis and management. Bioinformatika (Oxford, Anglicko). 2010, 26: 544-552. 10.1093/bioinformatics/btp699.

Goff SA, Vaughn M, McKay S, Lyons E, Stapleton AE, Gessler D, Matasci N, Wang L, Hanlon M, Lenards A, Muir A, Merchant N, Lowry S, Mock S, Helmke M, Kubach A, Narro M, Hopkins N, Micklos D, Hilgert U, Gonzales M, Jordan C, Skidmore E, Dooley R, Cazes J, McLay R, Lu Z, Pasternak S, Koesterke L, Piel WH: The iPlant Collaborative: Cyberinfrastructure for Plant Biology. Front plant sci. 2011, 2: 34-

Linkert M, Rueden CT, Allan C, Burel J-M, Moore W, Patterson A, Loranger B, Moore J, Neves C, Macdonald D, Tarkowska A, Sticco C, Hill E, Rossner M, Eliceiri KW, Swedlow JR: Metadata matters: access to image data in the real world. J Cell Biol. 2010, 189: 777-782. 10.1083/jcb.201004104.

Kankaanpää P, Paavolainen L, Tiitta S, Karjalainen M, Päivärinne J, Nieminen J, Marjomäki V, Heino J, White DJ: BioImageXD: an open, general-purpose and high-throughput image-processing platform. Metódy Nat. 2012, 9: 683-689. 10.1038/nmeth.2047.

Rämö P, Sacher R, Snijder B, Begemann B, Pelkmans L: CellClassifier: supervised learning of cellular phenotypes. Bioinformatika. 2009, 25: 3028-3030. 10.1093/bioinformatics/btp524.

Boutros M, Brás LP, Huber W: Analysis of cell-based RNAi screens. Genome Biol. 2006, 7: R66-10.1186/gb-2006-7-7-r66.

Carpenter AE, Jones TR, Lamprecht MR, Clarke C, Kang IH, Friman O, Guertin DA, Chang JH, Lindquist RA, Moffat J, Golland P, Sabatini DM: CellProfiler: image analysis software for identifying and quantifying cell phenotypes. Genómová biológia. 2006, 7: R100-10.1186/gb-2006-7-10-r100.

Kamentsky L, Jones TR, Fraser A, Bray M-A, Logan DJ, Madden KL, Ljosa V, Rueden C, Eliceiri KW, Carpenter AE: Improved structure, function and compatibility for CellProfiler: modular high-throughput image analysis software. Bioinformatics . 2011, 27: 1179-1180. 10.1093/bioinformatics/btr095.

Jones TR, Carpenter AE, Lamprecht MR, Moffat J, Silver SJ, Grenier JK, Castoreno AB, Eggert US, Root DE, Golland P, Sabatini DM: Scoring diverse cellular morphologies in image-based screens with iterative feedback and machine learning. Proc Natl Acad Sci U S A. 2009, 106: 1826-1831. 10.1073/pnas.0808843106.

Jones TR, Kang IH, Wheeler DB, Lindquist RA, Papallo A, Sabatini DM, Golland P, Carpenter AE: CellProfiler Analyst: data exploration and analysis software for complex image-based screens. BMC bioinformatika. 2008, 9: 482-10.1186/1471-2105-9-482.

Pau G, Fuchs F, Sklyar O, Boutros M, Huber W: EBImage--an R package for image processing with applications to cellular phenotypes. Bioinformatika. 2010, 26: 979-981. 10.1093/bioinformatics/btq046.

Bjornsson CS, Lin G, Al-Kofahi Y, Narayanaswamy A, Smith KL, Shain W, Roysam B: Associative image analysis: a method for automated quantification of 3D multi-parameter images of brain tissue. J Neurosci Methods. 2008, 170: 165-178. 10.1016/j.jneumeth.2007.12.024.

Schindelin J, Arganda-Carreras I, Frise E, Kaynig V, Longair M, Pietzsch T, Preibisch S, Rueden C, Saalfeld S, Schmid B, Tinevez J-Y, White DJ, Hartenstein V, Eliceiri K, Tomancak P, Cardona A: Fiji: an open-source platform for biological-image analysis. Metódy Nat. 2012, 9: 676-682. 10.1038/nmeth.2019.

Hamilton NA, Teasdale RD: Visualizing and clustering high throughput sub-cellular localization imaging. BMC Bioinformatics. 2008, 9: 81-10.1186/1471-2105-9-81.

Hamilton NA, Wang JTH, Kerr MC, Teasdale RD: Statistical and visual differentiation of subcellular imaging. BMC Bioinformatics. 2009, 10: 94-10.1186/1471-2105-10-94.

De Chaumont F, Dallongeville S, Olivo-Marin J-C ICY: A new open-source community image processing software. 2011 IEEE International Symposium on Biomedical Imaging: From Nano to Macro. 2011, Chicago, IL: IEEE, 234-237.

De Chaumont F, Dallongeville S, Chenouard N, Hervé N, Pop S, Provoost T, Meas-Yedid V, Pankajakshan P, Lecomte T, Le Montagner Y, Lagache T, Dufour A, Olivo-Marin J-C: Icy: an open bioimage informatics platform for extended reproducible research. Metódy Nat. 2012, 9: 690-696. 10.1038/nmeth.2075.

Kreshuk A, Straehle CN, Sommer C, Koethe U, Cantoni M, Knott G, Hamprecht FA: Automated detection and segmentation of synaptic contacts in nearly isotropic serial electron microscopy images. PLoS One. 2011, 6: e24899-10.1371/journal.pone.0024899.

Abràmoff MD, Hospitals I, Magalhães PJ, Abràmoff M: Image Processing with ImageJ. Biophotonics Int. 2004, 11: 36-42.

Schneider CA, Rasband WS, Eliceiri KW: NIH Image to ImageJ: 25 years of image analysis. Metódy Nat. 2012, 9: 671-675. 10.1038/nmeth.2089.

Collins T: ImageJ for microscopy. BioTechniques. 2007, 43: S25-S30.

Pietzsch T, Preibisch S, Tomancák P, Saalfeld S: ImgLib2--generic image processing in Java. Bioinformatika. 2012, 28: 3009-3011. 10.1093/bioinformatics/bts543.

Schroeder W: The ITK Software Guide Second Edition Updated for ITK version 2. 4. 2005

Berthold MR, Cebron N, Dill F, Gabriel TR, Kötter T, Meinl T, Ohl P, Thiel K, Wiswedel B: KNIME - the Konstanz information miner. ACM SIGKDD Explorations Newsletter. 2009, 11: 26-10.1145/1656274.1656280.

Peng H, Long F, Ding C: Feature selection based on mutual information: criteria of max-dependency, max-relevance, and min-redundancy. IEEE Trans Pattern Anal Mach Intell. 2005, 27: 1226-1238.

Goldberg IG, Allan C, Burel J-M, Creager D, Falconi A, Hochheiser H, Johnston J, Mellen J, Sorger PK, Swedlow JR: The Open Microscopy Environment (OME) Data Model and XML file: open tools for informatics and quantitative analysis in biological imaging. Genome Biol. 2005, 6: R47-10.1186/gb-2005-6-5-r47.

Swedlow JR, Goldberg IG, Eliceiri KW: Bioimage informatics for experimental biology. Annu Rev Biophys. 2009, 38: 327-346. 10.1146/annurev.biophys.050708.133641.

Allan C, Burel J, Moore J, Blackburn C, Linkert M, Loynton S, Macdonald D, Moore WJ, Neves C, Patterson A, Porter M, Tarkowska A, Loranger B, Avondo J, Lagerstedt I, Lianas L, Leo S, Hands K, Hay RT, Patwardhan A, Best C, Kleywegt GJ, Zanetti G, Swedlow JR: OMERO: flexible, model-driven data management for experimental biology. Metódy Nat. 2012, 9: 245-253. 10.1038/nmeth.1896.

Moore J, Allan C, Burel J-M, Loranger B, MacDonald D, Monk J, Swedlow JR: Open tools for storage and management of quantitative image data. Methods Cell Biol. 2008, 85: 555-570.

Cho BH, Cao-Berg I, Bakal JA, Murphy RF: OMERO.searcher: content-based image search for microscope images. Metódy Nat. 2012, 9: 633-634. 10.1038/nmeth.2086.

Bauch A, Adamczyk I, Buczek P, Elmer F-J, Enimanev K, Glyzewski P, Kohler M, Pylak T, Quandt A, Ramakrishnan C, Beisel C, Malmström L, Aebersold R, Rinn B: openBIS: a flexible framework for managing and analyzing complex data in biology research. BMC Bioinformatics. 2011, 12: 468-10.1186/1471-2105-12-468.

Vaccarella A, Enquobahrie A, Ferrigno G, De ME: Modular multiple sensors information management for computer-integrated surgery. Int J Med Robot. 2012, 8: 253-260. 10.1002/rcs.1412.

Zhao T, Velliste M, Boland MV, Murphy RF: Object type recognition for automated analysis of protein subcellular location. IEEE Trans Image Process. 2005, 14: 1351-1359.

Peng T, Bonamy GMC, Glory-Afshar E, Rines DR, Chanda SK, Murphy RF: Determining the distribution of probes between different subcellular locations through automated unmixing of subcellular patterns. Proc Natl Acad Sci U S A. 2010, 107: 2944-2949. 10.1073/pnas.0912090107.

Rajaram S, Pavie B, Wu LF, Altschuler SJ: PhenoRipper: software for rapidly profiling microscopy images. Metódy Nat. 2012, 9: 635-637. 10.1038/nmeth.2097.

Peng H, Ruan Z, Long F, Simpson JH, Myers EW: V3D enables real-time 3D visualization and quantitative analysis of large-scale biological image data sets. Nat Biotechnol. 2010, 28: 348-353. 10.1038/nbt.1612.

Peng H, Long F, Myers EW: VANO: a volume-object image annotation system. Bioinformatika. 2009, 25: 695-697. 10.1093/bioinformatics/btp046.

Rueden C, Eliceiri KW, White JG: VisBio: a computational tool for visualization of multidimensional biological image data. Doprava. 2004, 5: 411-417. 10.1111/j.1600-0854.2004.00189.x.

Schroeder W, Martin KW, LORENSEN B: The Visualization Toolkit An Object-Oriented Approach to 3-D Graphics. 1996, N.J.: Prentice Hall PTR - Upper Saddle River, 1-826.

Engel K, Bauer M, Greiner G, Ertl T, Group CG, Group IS: Interactive Volume Rendering on Standard PC Graphics Hardware Using Multi-Textures and Multi-Stage Rasterization. ACM SIGGRAPH/Eurographics Workshop on Graphics Hardware. 2001, 2000: 109-118.

Orlov N, Shamir L, Macura T, Johnston J, Eckley DM, Goldberg IG: WND-CHARM: Multi-purpose image classification using compound image transforms. Pattern Recognit Lett. 2008, 29: 1684-1693. 10.1016/j.patrec.2008.04.013.

Gustafsson MGL: Nonlinear structured-illumination microscopy: wide-field fluorescence imaging with theoretically unlimited resolution. Proc Natl Acad Sci U S A. 2005, 102: 13081-13086. 10.1073/pnas.0406877102.

Huang B, Wang W, Bates M, Zhuang X: Three-dimensional super-resolution imaging by stochastic optical reconstruction microscopy. Veda. 2008, 319: 810-813. 10.1126/science.1153529.

Hess ST, Girirajan TPK, Mason MD: Ultra-high resolution imaging by fluorescence photoactivation localization microscopy. Biophys J. 2006, 91: 4258-4272. 10.1529/biophysj.106.091116.

Jones SA, Shim S-H, He J, Zhuang X: Fast, three-dimensional super-resolution imaging of live cells. Metódy Nat. 2011, 8: 499-508. 10.1038/nmeth.1605.

Keller PJ, Schmidt AD, Wittbrodt J, Stelzer EHK: Digital scanned laser light-sheet fluorescence microscopy (DSLM) of zebrafish and Drosophila embryonic development. Cold Spring Harb Protoc. 2011, 2011: 1235-1243.

Bria A, Iannello G: TeraStitcher - A Tool for Fast Automatic 3D-Stitching of Teravoxel-Sized Microscopy Images. BMC Bioinformatics. 2012, 13: 316-10.1186/1471-2105-13-316.

Cardona A, Tomancak P: Current challenges in open-source bioimage informatics. Metódy Nat. 2012, 9: 661-665. 10.1038/nmeth.2082.

Carpenter AE, Kamentsky L, Eliceiri KW: A call for bioimaging software usability. Metódy Nat. 2012, 9: 666-670. 10.1038/nmeth.2073.

Edelstein A, Amodaj N, Hoover K, Vale R, Stuurman N: Computer control of microscopes using μManager. Súčasné protokoly v molekulárnej biológii. Edited by: Ausubel FM. 2010, Chapter 14:Unit14.20

Shamir L, Delaney JD, Orlov N, Eckley DM, Goldberg IG: Pattern recognition software and techniques for biological image analysis. PLoS Comput Biol. 2010, 6: e1000974-10.1371/journal.pcbi.1000974.

Loo L-H, Wu LF, Altschuler SJ: Image-based multivariate profiling of drug responses from single cells. Metódy Nat. 2007, 4: 445-453.

Johnston J, Iser WB, Chow DK, Goldberg IG, Wolkow CA: Quantitative image analysis reveals distinct structural transitions during aging in Caenorhabditis elegans tissues. PLoS One. 2008, 3: e2821-10.1371/journal.pone.0002821.

Perlman ZE, Slack MD, Feng Y, Mitchison TJ, Wu LF, Altschuler SJ: Multidimensional drug profiling by automated microscopy. Veda. 2004, 306: 1194-1198. 10.1126/science.1100709.

Cornelissen F, Cik M, Gustin E: Phaedra, a protocol-driven system for analysis and validation of high-content imaging and flow cytometry. J Biomol Screen. 2012, 17: 496-506. 10.1177/1087057111432885.


Pozri si video: 2. Prehliadka včiel - vyrojené včelstvo (Jún 2022).