Informations

Les mouches évitent-elles la lumière infrarouge ?

Les mouches évitent-elles la lumière infrarouge ?


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.

Si les mouches évitent la lumière infrarouge, de nombreux endroits peuvent être protégés des mouches grâce à la lumière infrarouge. Nous voyons des insectifuges dans de nombreux restaurants, mais ils ne semblent pas bien fonctionner. L'IR peut-il être une alternative sûre et efficace ?


Au cours de la dernière décennie, il a été suggéré que les longueurs d'onde IR-A du soleil pourraient être délétères pour la peau humaine et que les écrans solaires, en plus de leur effet souhaité de protection contre les UV-B et les UV-A, devraient également protéger contre les IR. -A (et peut-être même la lumière visible). Plusieurs études ont montré que le NIR peut endommager la teneur en collagène de la peau passant par une augmentation de l'activité de la MMP-1 de la même manière que celle connue pour les UVR. Malheureusement, les sources lumineuses NIR artificielles utilisées dans de telles études n'étaient pas représentatives de l'irradiance solaire.

Pourtant, peu de choses ont été dites sur l'envers de la médaille. Cet article se concentrera sur des informations clés suggérant que l'IR-A peut être plus bénéfique que délétère lorsque la peau est exposée à l'irradiance/dose appropriée de rayonnement IR-A similaire à l'exposition quotidienne au soleil reçue par les personnes dans la vie réelle.

L'IR-A pourrait même préconditionner la peau - un processus appelé photoprévention - d'un point de vue évolutif, car l'exposition aux longueurs d'onde IR-A tôt le matin à la lumière du soleil peut préparer la peau aux prochains rayons UV délétères de la mi-journée.

Par conséquent, l'IR-A semble être la solution, pas le problème. Il fait plus de bien que de mal pour la peau. C'est essentiellement une question d'intensité et de savoir comment nous pouvons apprendre du soleil.


Banque Dur ! Les mouches volent comme des avions de chasse pour échapper aux prédateurs

Attraper une mouche n'est pas facile, comme le savent tous ceux qui ont déjà essayé d'en écraser une. Pourquoi sont-ils si difficiles à attraper ? C'est peut-être parce qu'ils manœuvrent comme des avions de chasse, selon une nouvelle étude.

À l'aide de caméras vidéo à grande vitesse, une équipe de chercheurs a capturé le mouvement rapide comme l'éclair des ailes et du corps des mouches des fruits alors que les insectes effectuaient des virages rapides et inclinés pour éviter une menace imminente. L'équipe a également utilisé des mouches robotiques géantes pour comprendre comment les parasites vifs effectuaient ces acrobaties.

Les espèces de mouches des fruits à l'étude, Drosophila hydei, est connu pour son excellente capacité de vol. Les scientifiques ont parfois comparé leur vol à une "nage" dans les airs, mais la gymnastique aérienne des mouches est plus proche de celle d'un pilote de chasse, ont déclaré les chercheurs. [Voir la vidéo des mouches volant comme des avions de chasse]

"Ces mouches roulent jusqu'à 90 degrés et certaines sont presque à l'envers pour maximiser leur force et s'échapper", a déclaré le chercheur Florian Muijres, qui étudie la biomécanique du vol et de la natation à l'Université de Washington à Seattle.

Les mouches peuvent changer de cap en moins d'un centième de seconde et 50 fois plus vite qu'un clignement d'œil, selon les chercheurs.

C'est un oiseau, c'est un avion...

Muijres et son équipe ont pris des mouches des fruits, qui ont à peu près la taille d'une graine de sésame, et les ont mises dans une arène où elles étaient libres de bourdonner. Des caméras à grande vitesse filmant à 7 500 images par seconde ont été focalisées au milieu de l'arène, où deux lasers ont été installés. Les caméras nécessitent une lumière très vive pour fonctionner, mais une lumière normale aurait aveuglé les mouches. Au lieu de cela, l'équipe a inondé l'arène de lumière infrarouge (invisible pour les mouches et les humains).

Lorsqu'une mouche survolait les lasers, elle déclenchait l'apparition d'une ombre noire en expansion, ressemblant à un prédateur ou à un obstacle, ce qui incitait la mouche à prendre des mesures d'évitement.

Les mouches ont réalisé des prouesses d'agilité incroyables. À mesure que l'ombre menaçante approchait, les mouches inclinaient leur corps dans des virages hurlants dans les airs. Les insectes battent généralement des ailes 200 fois par seconde, mais pour éviter l'ombre, ils pouvaient changer de direction avec à peine plus d'un seul battement, produisant une force qui les propulsait loin du danger.

Pour exécuter ces mouvements, le cerveau de la mouche doit effectuer un calcul sophistiqué, a déclaré Muijres. "Le fait que les mouches roulent sur le côté n'est peut-être pas si surprenant", a-t-il déclaré, mais "la surprise est vraiment la combinaison précision et vitesse".

Les mouches des fruits ont un cerveau minuscule, mais elles sont capables de manœuvres de vol beaucoup plus complexes que celles de nombreux autres insectes volants. Par exemple, les papillons ont un cerveau plus gros que les mouches, mais ils plongent directement dans le sol pour éviter d'être attrapés par les chauves-souris.

De plus, le comportement de la mouche "est très rapide, et c'est complètement inné et la mouche n'a pas besoin d'apprendre à le faire", a déclaré le co-auteur principal de l'étude Michael Dickinson, biologiste à l'Université de Washington. La manière exacte dont le cerveau de la mouche exécute ces cascades est quelque chose que les chercheurs prévoient d'étudier dans de futures études.

Pour modéliser la dynamique de vol des mouches, les chercheurs ont placé une mouche robotique géante, d'une envergure de 2 pieds (0,6 mètre), dans une cuve d'huile minérale. Les scientifiques ont utilisé de telles mouches robotisées, qui portent des noms comme « RoboFly » ou « Bride of RoboFly », pendant des années pour étudier le vol de ces insectes à une échelle beaucoup plus grande.

Compte tenu de cette nouvelle connaissance du vol à la mouche, quelle est la meilleure façon d'attraper une mouche ?


Les scientifiques découvrent pourquoi les mouches sont si difficiles à écraser

(PhysOrg.com) -- Au cours des deux dernières décennies, Michael Dickinson a été interviewé par des journalistes des centaines de fois au sujet de ses recherches sur la biomécanique du vol des insectes. Une question de la presse l'a toujours hanté : pourquoi les mouches sont-elles si difficiles à écraser ?

"Maintenant, je peux enfin répondre", déclare Dickinson, professeur de bio-ingénierie Esther M. et Abe M. Zarem au California Institute of Technology (Caltech).

Utilisation de l'imagerie numérique à haute résolution et à grande vitesse des mouches des fruits (Drosophila melanogaster) face à une tapette imminente, Dickinson et l'étudiante diplômée Gwyneth Card ont déterminé le secret des manœuvres d'évitement d'une mouche. Bien avant que la mouche ne saute, son petit cerveau calcule l'emplacement de la menace imminente, élabore un plan d'évacuation et place ses jambes dans une position optimale pour s'écarter du chemin dans la direction opposée. Toute cette action a lieu environ 100 millisecondes après que la mouche ait repéré la tapette pour la première fois.

"Cela illustre à quelle vitesse le cerveau de la mouche peut traiter les informations sensorielles en une réponse motrice appropriée", explique Dickinson.

Par exemple, les vidéos ont montré que si la tapette descendante - en fait, un disque noir de 14 centimètres de diamètre, tombant à un angle de 50 degrés vers une mouche se tenant au centre d'une petite plate-forme - vient de devant le mouche, la mouche avance ses pattes médianes vers l'avant et se penche en arrière, puis lève et étend ses pattes pour pousser vers l'arrière. Lorsque la menace vient de l'arrière, cependant, la mouche (qui a un champ de vision de près de 360 ​​degrés et peut voir derrière elle) déplace légèrement ses pattes médianes vers l'arrière. Avec une menace latérale, la mouche garde ses pattes médianes immobiles, mais penche tout son corps dans la direction opposée avant de sauter.

"Nous avons également constaté que lorsque la mouche effectue des mouvements de planification avant le décollage, elle prend en compte la position de son corps au moment où elle voit la menace pour la première fois", explique Dickinson. "Lorsqu'elle remarque pour la première fois une menace qui approche, le corps d'une mouche peut être dans n'importe quelle sorte de posture en fonction de ce qu'elle faisait à ce moment-là, comme se toiletter, se nourrir, marcher ou faire la cour. Nos expériences ont montré que la mouche" sait "d'une manière ou d'une autre si il doit effectuer des changements posturaux grands ou petits pour atteindre la bonne posture de prévol. Cela signifie que la mouche doit intégrer les informations visuelles de ses yeux, qui lui indiquent d'où la menace s'approche, avec les informations mécanosensorielles de ses pattes, qui lui indiquent comment se déplacer pour atteindre la bonne pose de contrôle en amont."

Les résultats offrent un nouvel aperçu du système nerveux des mouches et suggèrent qu'il existe dans le cerveau des mouches une carte dans laquelle la position de la menace imminente "est transformée en un modèle approprié de mouvement des jambes et du corps avant le décollage", explique Dickinson. . "Il s'agit d'une transformation sensorielle-motrice plutôt sophistiquée et la recherche est en cours pour trouver l'endroit dans le cerveau où cela se produit", dit-il.

Les recherches de Dickinson suggèrent également une méthode optimale pour réellement écraser une mouche. "Il est préférable de ne pas frapper à la position de départ de la mouche, mais plutôt de viser un peu en avant pour anticiper où la mouche va sauter lorsqu'elle verra pour la première fois votre tapette", dit-il.

L'article, "Visually Mediated Motor Planning in the Escape Response of Drosophila", sera publié le 28 août dans la revue Biologie actuelle.


Pourquoi les mouches sont-elles attirées par la lumière ?

Vous n'avez pas besoin d'être un antiparasitaire professionnel pour savoir que les insectes tels que les mouches sont attirés par la lumière. Pensez à toutes ces fois où vous avez vu des papillons de nuit, des coléoptères et d'autres insectes voler frénétiquement autour des luminaires et des lampadaires lorsqu'il fait noir.

Pourtant, une meilleure compréhension de cette attirance naturelle pour la lumière pourrait aider à développer des tueurs de mouches plus efficaces (pièges lumineux à insectes) et améliorer les solutions de contrôle des mouches. La recherche sur ce sujet est d'une importance vitale pour les entreprises de l'industrie alimentaire, comme la transformation des aliments et la vente au détail de produits alimentaires, voire l'hôtellerie, les aidant à éviter les épidémies de maladies transmises par les mouches telles que Salmonellose, Dysentrie et Gastro-entérite.

Le centre technique mondial de Rentokil a des scientifiques qui étudient la physique de l'impact de la lumière sur l'attraction biologique des mouches vers un piège. Cette recherche a permis de découvrir que la technologie LED est un attractif d'insectes beaucoup plus efficace que les autres sources lumineuses conventionnelles.

Lorsque la technologie LED est combinée à une unité anti-mouches efficace, elle offre la possibilité de capturer et d'éliminer plus de mouches que les autres pièges à mouches conventionnels.

En fait, ces recherches et l'expertise de l'équipe technique ont aidé Rentokil à développer une nouvelle unité de contrôle des mouches Lumnia utilisant la technologie LED pour attirer, éliminer et encapsuler les mouches de manière efficace et hygiénique.

En quoi la lumière des LED est-elle si attrayante pour les mouches ?

La façon dont la lumière est émise par les LED est la raison pour laquelle elles sont particulièrement attrayantes pour certains insectes. Les LED produisent des UV-A sous forme de faisceaux lumineux intenses, qui pénètrent plus loin dans l'espace environnant que les lampes phosphorescentes lumineuses, par exemple. Les mouches domestiques sont particulièrement attirées par les UV-A car leurs yeux sont sensibles à la lumière à cette longueur d'onde.

Il n'y a pas d'explication scientifique unique expliquant pourquoi les mouches sont attirées par la lumière. Il existe plusieurs théories qui offrent une explication possible, comme indiqué ci-dessous :

Utiliser la lumière pour plus de sécurité

Pour certains insectes, une source de lumière vive peut être considérée comme une balise de détresse. En cas de doute, ces insectes se dirigent instinctivement vers des sources lumineuses, qui sont généralement situées sur un terrain plus élevé que l'environnement dangereux dans lequel ils se trouvent actuellement. La lumière peut pour certains insectes, agit comme un signal de sécurité familier, tout comme les bulles d'air ouvrant la voie à la la surface de l'eau pourrait aider d'autres créatures.

Utiliser la lumière pour la navigation

Une autre théorie populaire pour l'attraction de la lumière est que les insectes l'utilisent comme aide à la navigation. Un insecte volant vers le nord par exemple, est capable de juger de sa direction en gardant une source de lumière naturelle, comme le soleil ou la lune, sur sa droite. Cette méthode fonctionne bien tant que la source de lumière reste à la fois constante et à distance.

Si un insecte rencontre une lumière de porche à incandescence ronde, cependant, il devient confus par sa source. Cela explique le comportement particulier d'un papillon qui encercle continuellement une source lumineuse - il veut instinctivement garder la lumière d'un certain côté de son corps tout en naviguant sur son itinéraire.

Phototaxis – une attirance pour la lumière

La différence entre les insectes attirés par la lumière et ceux qui ne le sont pas est un phénomène appelé phototaxis. Certains insectes, comme les blattes ou les vers de terre, ont une phototaxie négative, c'est-à-dire qu'ils sont repoussés par une exposition à la lumière. Les mites, les mouches et de nombreux autres insectes volants ont une phototaxie positive et y sont naturellement attirés.

Débattre de la science

Il y a un débat dans la communauté scientifique sur les raisons pour lesquelles un insecte positivement phototactique, comme une mouche, continuera à planer autour d'une source de lumière artificielle même lorsque la lumière naturelle devient disponible. Certains pensent que l'insecte n'est pas attiré par la lumière elle-même, mais par l'obscurité qui l'entoure.

D'autres suggèrent que les yeux de l'insecte, qui contiennent souvent plusieurs lentilles, ont du mal à s'adapter de la lumière à l'obscurité, laissant l'insecte vulnérable aux prédateurs lorsqu'il est aveugle la nuit. Dans ce cas, l'insecte peut trouver plus sûr de rester dans la lumière plutôt que de s'envoler et de devenir trop aveugle pour réagir aux menaces et aux obstacles.

Tueurs de mouches et technologie LED

Les recherches de Rentokil sont en mesure de prouver l'efficacité de l'unité de contrôle des mouches Lumnia LED grâce à un test de mesure standard Half-Life. La mesure Half-Life représente le temps nécessaire pour éliminer 50% des mouches relâchées dans une chambre d'essai. Plus la mesure Half-Life est faible, plus l'unité de contrôle des mouches est efficace.

Une solution efficace de contrôle des mouches doit également prendre en compte le placement correct d'une unité anti-mouches, compte tenu de ce que nous savons sur la phototaxie.

Le placement des unités de contrôle des mouches par rapport aux sources lumineuses locales est d'une importance critique pour leur efficacité.

Cette compréhension approfondie de l'impact de la lumière sur l'attraction biologique des mouches et autres insectes vers une unité de lutte contre les mouches démontre la complexité des problèmes de lutte antiparasitaire et l'expertise, les connaissances et l'expérience nécessaires pour lutter efficacement contre les mouches dans un local commercial.


Discussion

Quiconque cherche à démêler la logique neuronale sous-jacente à un processus de navigation - qu'il s'agisse de la réponse d'une cellule à un gradient morphogène ou du vol d'un oiseau de mer guidé par le champ magnétique terrestre - est confronté à la nécessité de caractériser la stratégie d'orientation de base avant de spéculer sur son fondements moléculaires et cellulaires. PiVR est une plate-forme expérimentale polyvalente en boucle fermée conçue pour créer des réalités sensorielles virtuelles basées sur la lumière en suivant le mouvement de petits animaux non contraints soumis à un modèle prédéfini de l'environnement sensoriel (Fig. 1). Il a été créé pour aider à l'étude du comportement d'orientation et des fonctions des circuits neuronaux par des chercheurs qui n'ont peut-être pas une vaste expérience en programmation ou en instrumentation pour personnaliser les outils existants.

Une plateforme expérimentale peu coûteuse et personnalisable

Avant la commercialisation d'imprimantes 3D grand public et de micro-ordinateurs bon marché tels que le Raspberry Pi, les paradigmes de réalité virtuelle nécessitaient l'utilisation de configurations personnalisées qui coûtaient plusieurs milliers voire cent mille dollars [11,13,18,19]. PiVR est une alternative abordable (< 500 $ US) qui permet aux laboratoires sans expertise technique avancée de mener des expériences de réalité virtuelle à haut débit. La procédure pour construire PiVR est illustrée visuellement dans S7 Movie. Toutes les étapes de construction sont destinées à être traitées par pratiquement tous les utilisateurs ayant accès à une station de soudage et à une imprimante 3D. Un protocole détaillé étape par étape est disponible sur un site internet dédié (www.pivr.org).

La création de réalités virtuelles immersives réalistes dépend de manière critique de la fréquence de mise à jour et de la latence de mise à jour du système en boucle fermée. La fréquence de mise à jour maximale correspond à la fréquence d'images maximale soutenue que le système peut prendre en charge. La latence de mise à jour est la latence entre une action du sujet testé et la mise en œuvre d'un changement dans l'environnement de réalité virtuelle. Dans des conditions de travail normales, PiVR peut être utilisé avec une fréquence de mise à jour allant jusqu'à 70 Hz avec une latence inférieure à 30 millisecondes (S2 Fig). Ces caractéristiques sont similaires à celles couramment utilisées pour tester les réponses optomotrices avec un affichage visuel en continu pendant le comportement de marche chez les insectes [21], garantissant ainsi l'adéquation de PiVR pour un large éventail d'applications.

Différents outils optogénétiques nécessitent une excitation à différentes longueurs d'onde allant du bleu au rouge profond [26,51,52]. La modularité de PiVR permet à l'expérimentateur de personnaliser le système d'éclairage à n'importe quelle gamme de longueurs d'onde. De plus, différents animaux exigent des niveaux d'intensité lumineuse distincts pour assurer une pénétration adéquate de la lumière dans les tissus transparents et opaques. Bien que 5 W/mm 2 de lumière rouge aient été utilisés pour activer les neurones situés dans les segments de pattes de mouches adultes avec CsChrimson [38], 1 W/mm 2 est suffisant pour activer les OSN du semi-transparent. Drosophile larve (figure 2). Dans sa version standard, PiVR peut émettre des intensités de lumière rouge jusqu'à 2 μW/mm 2 et des intensités de lumière blanche jusqu'à 6 800 Lux, une plage suffisante pour la plupart des applications chez les animaux transparents (Figs 2 et 4). Pour les animaux avec une cuticule opaque, nous avons conçu une version plus puissante du système de rétroéclairage qui délivre des intensités jusqu'à 22 W/mm 2 (525 nm) et 50 μW/mm 2 (625 nm) (Fig 3 et Fig S1D) . Étant donné qu'un éclairage de 50 μW/mm 2 approche les limites de sécurité des yeux LED (Commission électrotechnique internationale : 62471), il est peu probable que les expérimentateurs veuillent dépasser cette plage pour des applications courantes en laboratoire.

Exploration du comportement d'orientation à travers des paradigmes de réalité virtuelle

En capitalisant sur les derniers développements de la génétique moléculaire et de la bio-ingénierie [1], des stimuli sensoriels virtuels peuvent être créés en exprimant des outils optogénétiques dans des neurones ciblés du système nerveux périphérique d'un animal. Dans la présente étude, PiVR a été utilisé pour immerger Drosophile dans des gradients chimiosensoriels virtuels (Figs 2 et 3). Dans une première application, nous avons stimulé un OSN de Drosophile larves avec CsChrimson. Le comportement de recherche attrayant suscité par une seule source d'une odeur réelle (Fig 2Di) a été reproduit dans un gradient de lumière exponentiel (Fig 2Ei). Pour révéler la précision avec laquelle les larves orientent leurs virages vers le gradient, les larves ont été testées dans un paysage d'odeur virtuelle avec une forme de volcan (Fig 2Fi).

Les mouches adultes se déplacent environ 10 fois plus vite que les larves. Nous avons établi la capacité de PiVR à immerger les mouches en mouvement libre dans un gradient virtuel de goût amer (Fig 3B). Contrairement aux réponses attrayantes suscitées par les odeurs virtuelles appétitives de la larve (chimiotaxie positive), le goût amer a produit un comportement aversif fort (S5 Movie). Une analyse corrélative des données enregistrées avec PiVR a révélé que le comportement aversif des mouches adultes est au moins en partie conditionné par une modulation de la vitesse locomotrice de l'animal : la recherche aléatoire est renforcée lors de la détection de l'amer (virtuel), tandis que la locomotion est considérablement réduite lors du soulagement sensoriel. . Comme illustré sur la figure 3, PiVR offre un cadre pour explorer l'existence d'autres mécanismes contribuant à l'orientation des mouches connaissant des gradients de goût. Cette approche s'ajoute à des études antérieures sur les effets de la stimulation optogénétique du système du goût amer sur la navigation spatiale [38] et le comportement alimentaire [53].

Le poisson zèbre se déplace à travers des combats de nage discrets. Le temps de boucle de PiVR était suffisamment court pour relever le défi de suivi posé par la nature discrète de la locomotion des poissons (Fig 4B). Un véritable comportement phototactique a été provoqué chez les larves de poisson zèbre pendant plusieurs minutes sur la base de changements temporels purs de l'intensité lumineuse dépourvus de différences binoculaires et d'une composante panoramique. En recréant synthétiquement des paysages naturalistes [45], le comportement enregistré par PiVR dans des gradients lumineux gaussiens (Fig 4) complète des études antérieures mettant en œuvre des disques lumineux discrets [46] et des stimulations asymétriques locales [54]. Une analyse corrélative de l'entrée sensorielle et de la sortie comportementale a corroboré l'idée que la phototaxie positive chez les poissons peut émerger d'une modulation du taux de virage par les changements détectés d'intensité lumineuse (Fig 4G et 4H) sans nécessairement impliquer un biais de virage vers la lumière gradient (figure 4J). Cette stratégie d'orientation partage des similitudes avec l'augmentation non directionnelle de l'activité locomotrice (« dark photokinesis ») qui suit une perte soudaine d'illumination [55,56]. Pris ensemble, nos résultats établissent que PiVR est adapté pour effectuer une analyse détaillée des règles sensorimotrices dirigeant un comportement d'orientation attractif et aversif chez les petits animaux avec des plans corporels et des propriétés locomotrices distincts.

Perspectives

Bien que cette étude se soit concentrée sur la navigation sensorielle, PiVR est également adapté pour étudier les circuits neuronaux [4] par le biais de manipulations optogénétiques. Pour déterminer la connectivité et la fonction des éléments de circuit, on effectue généralement des manipulations fonctionnelles aiguës pendant le comportement. PiVR permet la présentation en fonction du temps ou du comportement de stimuli lumineux pour produire un gain contrôlé de fonctions. L'utilisation de plusieurs configurations en parallèle est idéale pour augmenter le débit des écrans comportementaux - un budget de 2 000 USD est suffisant pour créer plus de cinq configurations. Si l'expérimentateur souhaite définir des règles de stimulation personnalisées (déclencher un flash lumineux chaque fois qu'un animal s'arrête de bouger, par exemple), cette règle peut être facilement mise en œuvre par PiVR sur des animaux uniques. Pour les schémas de stimulation lumineuse qui ne dépendent pas du comportement d'un animal - des stimulations avec une série régulière de brèves impulsions lumineuses, par exemple - des groupes d'animaux peuvent être enregistrés en même temps. Dans sa configuration standard (Fig 1A), la résolution des vidéos enregistrées avec PiVR est suffisante pour réaliser un suivi individuel du comportement de groupe grâce à une analyse hors ligne avec des algorithmes spécialisés tels que idtracker.ai [25] (S2Bi Fig). Même pour les petits animaux tels que les mouches, des vidéos d'une qualité étonnamment bonne peuvent être enregistrées en équipant la caméra à dispositif à couplage de charge (CCD) de PiVR d'une optique appropriée (S8 Movie).

Jusqu'à récemment, les neuroscientifiques des systèmes devaient concevoir et construire leur propre configuration pour examiner la fonction des circuits neuronaux, ou ils devaient adapter des systèmes existants qui étaient souvent coûteux et complexes. Heureusement, notre domaine a bénéficié de la publication d'une série d'outils personnalisables pour concevoir et réaliser des analyses comportementales. Les caractéristiques des outils les plus représentatifs sont passées en revue dans le tableau S2. L'éthoscope est une solution économique basée sur l'utilisation d'un ordinateur Raspberry Pi [23], mais il n'a pas été conçu pour créer des réalités virtuelles. Plusieurs autres packages permettent de suivre les animaux en temps réel sur une plateforme informatique externe. Par exemple, Bonsai est un cadre de programmation visuelle open source pour l'acquisition et le traitement en ligne de flux de données afin de faciliter le prototypage d'expériences comportementales intégrées [57]. FreemoVR peut produire des réalités visuelles virtuelles tridimensionnelles impressionnantes [11]. Stytra est un puissant logiciel open source conçu pour effectuer des expériences comportementales spécifiquement chez le poisson zèbre avec des capacités de suivi en temps réel [22]. Comme illustré dans les comparaisons de S2 Table, PiVR complète ces outils en proposant une solution polyvalente pour effectuer un suivi en boucle fermée avec des performances à faible latence. Une limitation de PiVR est qu'il produit des changements temporels purement homogènes de l'intensité lumineuse sans aucune composante spatiale. En raison de ses faibles coûts de production, de la simplicité de sa conception matérielle et de sa documentation détaillée, PiVR peut être facilement assemblé par n'importe quel laboratoire ou groupe de lycéens ayant accès à une imprimante 3D. Pour ces raisons, PiVR représente un outil de choix pour rendre les expériences de réalité virtuelle basées sur la lumière accessibles aux expérimentateurs qui pourraient ne pas être techniquement enclins.

Nous prévoyons que les performances (S1 Fig) et la résolution de PiVR (Méthodes) continueront de s'améliorer à l'avenir. Historiquement, une nouvelle version plus rapide de l'ordinateur Raspberry Pi est sortie tous les 2 ans. Dans un avenir proche, le temps de traitement d'image de PiVR pourrait diminuer à quelques millisecondes, poussant la fréquence bien au-dessus de 70 Hz. Suite au développement parallèle de techniques transgéniques dans des systèmes de modèles génétiques non traditionnels, il devrait être possible de capitaliser sur l'utilisation d'outils optogénétiques dans pratiquement toutes les espèces. Bien que PiVR ait été développé pour des animaux ne mesurant pas plus de quelques centimètres, il devrait être facilement évolutif pour accueillir des expériences avec des animaux plus gros tels que des souris et des rats. Avec FlyPi [58] et l'éthoscope [23], PiVR représente une technologie à faible barrière qui devrait permettre à de nombreux laboratoires de caractériser de nouveaux phénotypes comportementaux et d'étudier les fonctions des circuits neuronaux avec un investissement minimal en temps et en fonds de recherche.


MATÉRIAUX ET MÉTHODES

Mouches

Toutes les expériences ont été réalisées sur des mouches des fruits femelles accouplées de 3 jours, Drosophila melanogaster Meigen, sélectionné à partir d'une population de laboratoire descendant de 200 femelles capturées dans la nature. Les mouches ont été maintenues à 25 °C et à une humidité ambiante (20 à 40 %) sur un cycle lumière/obscurité de 16 h : 8 h. Un jour avant chaque essai expérimental, nous avons anesthésié les mouches sur une plaque froide maintenue à 4°C. Les ailes des mouches étaient coupées entre les première et deuxième nervures transversales, environ la moitié de la longueur de l'aile. Si le sens gravitationnel d'une mouche devait être altéré, cela se faisait également à ce moment-là, en immobilisant le joint entre les deuxième et troisième segments antennaires avec une colle durcie aux UV (Budick et al., 2007). Les mouches ont été autorisées à récupérer avec de la nourriture pendant la nuit, puis privées de nourriture, mais pas d'eau, 10 à 14 h avant la réalisation des expériences. Toutes les expériences ont été réalisées pendant le pic du soir dans leur cycle d'activité circadienne (Shafer et al., 2004). Les mouches ont été placées dans des flacons individuels avec une source d'eau et laissées s'acclimater aux niveaux de lumière expérimentaux pendant au moins 30 minutes avant les expériences. Chaque mouche n'a été utilisée qu'une seule fois et tous les essais consistaient en une seule mouche enregistrée pendant 10 minutes.

Arène de marche

Afin d'étudier le comportement des mouches explorant un environnement topologiquement complexe, nous avons développé une grande arène de marche libre. L'arène se composait d'un disque noir de 24,5 cm de diamètre entouré d'un panorama cylindrique rétroéclairé de 24,5 cm de hauteur composé de carrés noirs aléatoires avec une probabilité de remplissage de 50 % qui fournissait un stimulus visuel de fond (Fig. 1A). Vu du centre de l'arène, chaque carré est sous-tendu à 5 degrés. Le papier imprimé avec le panorama était rétroéclairé par un réseau circulaire de huit lampes halogènes de 35 W (Fig. 1B). Les mouches ont été maintenues dans l'arène à l'aide d'une barrière thermique, qui s'est avérée plus facile à réguler et beaucoup plus efficace qu'un fossé d'eau ou un mur recouvert de Fluon™ (A.A.R. et M.H.D., données non publiées). La plupart des mouches se sont approchées de la barrière thermique et ont refusé les rares expériences dans lesquelles des mouches se sont échappées par-dessus la barrière avant la fin de l'essai de 10 minutes ont été rejetées. Deux versions de l'arène ont été utilisées dans ces expériences simplement en raison des améliorations méthodologiques apportées au cours de l'étude. Arena 1 était équipée d'une barrière thermique chauffée à l'eau et d'un système de refroidissement passif (Fig. 1C) tandis que Arena 2 était équipée d'une barrière thermique chauffée électriquement et d'un système de refroidissement actif (Fig. 1D). Bien que les deux systèmes fonctionnent, le système électrique actif est plus facile à fabriquer et permet un contrôle plus précis de la température de surface. Tous les essais ont été effectués dans l'arène 2, sauf indication contraire. Dans tous les cas où des traitements identiques ont été effectués dans les arènes 1 et 2, nous avons vérifié que les données étaient indiscernables et les résultats ont été regroupés dans une analyse ultérieure.

Dans l'Arène 1 (Fig. 1C), la barrière thermique faisait 0,64 cm de haut autour de la plate-forme. Il se composait d'une chambre cylindrique en aluminium chauffée par 55 °C d'eau en recirculation. La surface en aluminium peint faisant face à l'aréna a été

38°C. Un ensemble de quatre ventilateurs CPU (unité de traitement informatique) soufflant de l'air ambiant sur le fond du sol de l'arène en acrylique a maintenu passivement la température du sol. Le profil de température de surface du sol de l'arène était de 24°C au centre et s'élevait progressivement jusqu'à 26°C à une distance de 2 cm de la barrière thermique, au-delà de laquelle la température s'élevait rapidement à 30°C telle que mesurée par un thermocouple.

Dispositif expérimental. (A) Vue de dessus de l'arène avec panorama rétro-éclairé. La barrière thermique est représentée en rouge. (B) Une vue latérale schématique de la configuration de visualisation de mouche. Des LED proche infrarouge (diodes électroluminescentes) montées avec la caméra au-dessus de l'arène, et deux des huit lampes halogènes disposées en un réseau circulaire sont représentées. (C) Une coupe transversale verticale schématique de Arena 1 avec refroidissement passif. L'eau chaude en recirculation chauffe la barrière thermique et quatre ventilateurs CPU refroidissent la plate-forme de marche (un seul est représenté). (D) Une coupe transversale verticale schématique de Arena 2 avec refroidissement actif. La barrière thermique est une bande d'acier galvanisé enveloppée dans une corde chauffante et isolée de la plate-forme de marche par une couche de néoprène. La plate-forme de marche est activement refroidie par un réseau contrôlé par PID de quatre modules thermoélectriques avec des dissipateurs thermiques refroidis à l'eau (un seul est représenté). (E) Les deux dispositions de cônes dans l'arène. Le sol de l'arène est représenté en gris à des fins d'illustration, seul le sol et les cônes ont tous deux été peints en noir mat. (F) La convention de code couleur utilisée pour les cônes de surface latérale égale. L'angle entre la base et la surface latérale, et la hauteur, sont notés en dessous de chaque cône.

Dispositif expérimental. (A) Vue de dessus de l'arène avec panorama rétro-éclairé. La barrière thermique est représentée en rouge. (B) Une vue latérale schématique de la configuration de visualisation de mouche. Des LED proche infrarouge (diodes électroluminescentes) montées avec la caméra au-dessus de l'arène, et deux des huit lampes halogènes disposées en un réseau circulaire sont représentées. (C) Une coupe transversale verticale schématique de Arena 1 avec refroidissement passif. L'eau chaude en recirculation chauffe la barrière thermique et quatre ventilateurs CPU refroidissent la plate-forme de marche (un seul est représenté). (D) Une coupe transversale verticale schématique de Arena 2 avec refroidissement actif. La barrière thermique est une bande d'acier galvanisé enveloppée dans une corde chauffante et isolée de la plate-forme de marche par une couche de néoprène. La plate-forme de marche est activement refroidie par un réseau contrôlé par PID de quatre modules thermoélectriques avec des dissipateurs thermiques refroidis à l'eau (un seul est représenté). (E) Les deux dispositions de cônes dans l'arène. Le sol de l'arène est représenté en gris à des fins d'illustration, seul le sol et les cônes ont tous deux été peints en noir mat. (F) La convention de code couleur utilisée pour les cônes de surface latérale égale. L'angle entre la base et la surface latérale, et la hauteur, sont notés sous chaque cône.

Dans l'arène 2 (Fig. 1D), la barrière thermique était au ras de la surface supérieure du sol de l'arène. Il se composait d'une bande d'acier galvanisé de 0,2 mm d'épaisseur et de 24 mm de large enveloppée d'un fin câble chauffant électrique (OmegaLux, Stamford, CT, USA), alimenté par un transformateur AC variable (Staco, Dayton, OH, USA) en boucle ouverte . Le sol de l'aréna était isolé de la barrière thermique par une fine bande de néoprène. Le sol de l'arène était constitué d'une plaque d'aluminium de 0,6 cm d'épaisseur avec quatre modules thermoélectriques circulaires (TE) (TE Technology, Inc., Traverse City, MI, États-Unis) boulonnés à la face inférieure, chacun avec un échangeur de température refroidi à l'eau. Une thermistance, montée au centre de la face inférieure du plancher, a fourni une entrée à un contrôleur proportionnel intégral dérivé (PID) pilotant les quatre modules TE en parallèle avec un point de consigne de 25°C. The surface temperature of the arena floor varied by less then 1°C as measured by a non-contact infrared thermometer (OmegaScope, Stamford, CT, USA).

Flies were introduced into the arena by placing them into a black vial with a neck that fitted securely into a 3 mm hole in the arena floor. Each fly was allowed to crawl up the vial and out onto the surface of the arena, thereby avoiding the effects of mechanical agitation caused by aspirating flies with a mouth pipette. After the fly entered the arena, the hole was plugged with a stopper that was flush with the arena floor. Flies that did not enter the arena within 1 min were discarded. Of the 191 individual trials attempted for this study with this loading method, only 11 flies (6%) failed to enter the arena by crawling up and out of the black vials. Thus, there is no evidence that our data are biased by inadvertently selecting against flies with weak gravitaxis behavior. In trials using flies that had their antennae manipulated (which do exhibit reduced negative-gravitactic response) we gently tapped the animals into the arena from above. The floor of the arena was washed with detergent and rinsed between each trial.

Fly visualization and tracking

Data were collected using a digital camera mounted 48 cm above the arena floor with a 720 nm high pass optical filter (R72, Hoya Huntington Beach, CA, USA Fig. 1B). The flies were visualized using near-IR (infrared) light, which reflects well off of the fly's cuticle, and the arena floor was painted matte black to maximize contrast. In Arena 1, we used a camera (Scorpion, Point Grey, Richmond, BC, Canada) with 1600×1200 pixel resolution. Image stacks were collected at 10 frames s −1 and analyzed in real time by a custom software program developed in MATLAB (Mathworks, Waltham, MA, USA). In Arena 2, we used a camera with 1280×1024 pixel resolution (A622F, Basler, Exton, PA, USA). Using this camera, images were collected at 20 frames s −1 and analyzed in real time using Motmot, open source camera software written in Python, using the FlyTrax plug-in (Straw and Dickinson, 2009). Both tracking programs determined the fly's two-dimensional (2-D) position and body orientation with 180 deg ambiguity based on background subtraction. The images of the flies in our movies are approximately ten pixels long and five pixels wide. For each frame, cropped images of a 100×100 pixel region around the fly (used for testing automated algorithms) were saved along with the 2-D coordinates of the fly, body axis angle and a time stamp. A single full resolution image of the arena was also saved. All data were collected in Arena 2 unless otherwise noted.

Empty arena

To examine the role of visual input on basic locomotor activity, 66 individual flies were tracked within an empty arena (i.e. void of the conical objects), surrounded by the random checkerboard panorama. Half the flies were tested under lit conditions (450 lux measured at the center of the arena) and half tested in complete darkness. To achieve these conditions, we replaced the translucent cylinder with an opaque black cylinder and all ambient light was eliminated from the room (measured illuminance ≤1 lux). Example trajectories and speed profiles are shown in Fig. 2A,B. We present examples that are representative of the data and have an arena crossing in the fifth minute in order to show the difference in the speed profiles of flies in light contre dark conditions.

Arena with objects

To test the effect of a more complex topology on the flies' exploratory behavior, we placed four right angle cones of equal lateral surface area but of differing heights and slopes in the arena. The geometric dimensions of these cones and the color code that will be used throughout the paper to identify cone type are shown in Fig. 1F. Under these conditions, we performed 45 trials (20 in Arena 1 and 25 in Arena 2). Each object (painted black to match the floor and allow visualization of the flies while they were on the object) was placed in one of four fixed locations, making a square within the arena, but the relative order was randomized between trials (Fig. 1E). The objects were washed with detergent and rinsed between trials. To test whether the assessment of the objects by the flies was absolute or relative, in one set of experiments we removed the tallest, steepest object and arranged the cones in the same grid leaving one spot empty (Fig. 1E) in 24 trials. To test the role of visual input on object exploration we performed another 45 trials in complete darkness (20 in Arena 1 arena and 25 in Arena 2). Example trajectories and speed profiles are shown in Fig. 2C,D. To test the role of gravitational sensation on object exploration we performed 40 trials with flies whose antennae were immobilized at the joint between the second and third segments. Finally, to test the combined effect of the sensory manipulations, we performed 40 trials using flies with immobilized antennae in complete darkness.

Example trajectories and corresponding velocity plots. Each 10 min trajectory is plotted in gray with the fifth minute plotted in black. The speed profile for that same period is plotted on the right. Trials run in darkness are shown with a gray background. In trajectories with cones present, the footprint of each cone is indicated according the color scheme in Fig. 1F. Representative traces where chosen for the following cases: (A) empty arena with lights on, (B) empty arena in darkness, (C) four cones with lights on, and (D) four cones in darkness.

Example trajectories and corresponding velocity plots. Each 10 min trajectory is plotted in gray with the fifth minute plotted in black. The speed profile for that same period is plotted on the right. Trials run in darkness are shown with a gray background. In trajectories with cones present, the footprint of each cone is indicated according the color scheme in Fig. 1F. Representative traces where chosen for the following cases: (A) empty arena with lights on, (B) empty arena in darkness, (C) four cones with lights on, and (D) four cones in darkness.

L'analyse des données

The positional and orientation data were recorded in real time but were post-processed using custom software written in Python (www.python.org) and MATLAB (Mathworks, Waltham, MA, USA). All trials were reviewed by examining the stored video record with the tracking data superimposed. Any trials with gross tracking errors (e.g. fly position was lost) were discarded and not included in the enumeration of trial numbers used for analysis. Of 266 trials recorded for this study, only six were discarded for tracking errors.

For each trial with cones present, the locations of the cones were digitized and used to determine the periods of the trial in which a fly was exploring each cone. Because of the cone steepness and the central position of the camera, flies exploring the far side of a cone could have been incorrectly classified as ‘off cone’ with the use of a simple digitization based on the footprint of the cone. To prevent this, the digitized footprint was expanded such that a fly whose center did not appear to be within the footprint of the cone, but was indeed on the cone was correctly classified as ‘on cone’. The assignment of ‘on’ or ‘off’ cone was manually checked against the saved video for each trial.

In trials without cones present or ‘off’ cone, the 2-D position of the fly was smoothed with a Kalman smoother (Kevin Murphy's Kalman filter MATLAB toolbox) and used to calculate translational speed and total distance traveled. For trials with cones present, we calculated the 3-D position of the fly on the cones using the tracked 2-D positions, a model of the 3-D structure of the arena, and a standard pinhole camera model. The 3-D model of the arena was created from the known geometry of the arena and cones and hand digitization of the cone positions in each trial. The surface of this model was extruded by 1 mm as an approximation for flies' own height above the floor. Through each 2-D fly position on the calibrated image plane of the camera, we projected a ray (from the 3-D location of the pinhole camera model center) and intersected it with the extruded 3-D model of the arena to find the estimated 3-D position of the fly. We calculated the 3-D positions for a second time with a fly height of 2 mm and used the magnitude of the difference between the two z-position data sets as an estimate of the error in the 3-D positions. The 3-D position of the fly was smoothed with a Kalman smoother using the error estimate to assign the uncertainty in the observation data. We evaluated the quality of the 3-D position estimates on the tallest, steepest cone (and the stop–walk assignment described below) by recording simultaneously with a second camera mounted directly over this cone, and found that both the 3-D estimate and stop–walk assignment were accurately determined.

The temporal structure of the flies' locomotor activity can be coarsely modeled as discrete bouts of walking and stopping (Martin, 2004). We manually assigned walks and stops in a subset of data (both ‘on’ and ‘off’ cone) based on the small format images. Using these classifications as ground truth, we defined stops and walks based on velocity (3-D velocity when ‘on’ cone) using a dual threshold: when the velocity was above the high threshold (2.5 mm s −1 ) the fly was classified as walking and when the velocity was below the low threshold (1 mm s −1 ) the fly was classified as stopped. When the velocity was between the two thresholds it maintained its previous classification until the second threshold is crossed. This Schmitt trigger avoids rapid changes in classification caused by a single threshold based definition. We also defined the minimum walk duration to be 0.1 s (two frames at 20 frames s −1 ) to avoid misclassifying as walks the transient center of mass movements associated with grooming. We defined the minimum stop duration to be 0.1 s to avoid incorrectly assigning as stops the brief decrease in translational speed associated with sharp turns and pauses. Using these criteria, we determined the percentage of time each fly spent walking or stopped and the duration of each walk and stop bout, as well as the mean and maximum translational speeds during each walk bout. We set a maximum walking speed threshold of 50 mm s −1 to filter out rare events in which the wing-clipped flies jumped within the arena. ‘On’ cone locomotor activity statistics were only calculated for trials performed in Arena 2, in which we estimated 3-D velocity. Additionally, we used the estimated fly z-positions to determine the height at which each stop was performed when the flies were ‘on’ cone.

The body orientation ambiguity was resolved using a variation of the Viterbi algorithm in which orientation flips and walking rapidly backwards were penalized (Branson et al., 2009), and we then calculated mean angular speed during walking periods. Using a method for estimating position and orientation error based on trajectory segments of constant velocity (Branson et al., 2009), we found the orientation tracking error to be 1.5 degrees for the ‘off’ cone data. As can be seen in supplementary material Movies 1 and 2, the orientation tracking is highly accurate and it is unlikely an expert human could do better.

Statistiques

Much of our data were not normally distributed (nor transformable to normal distribution) therefore, throughout the paper we present the distribution of results using box-and-whisker plots in which the central line (colored magenta when on a colored background) indicates the median, the box outlines the interquartile range of the data, and the whiskers encompass the range from minimum to maximum value, excluding any outliers. Outliers (indicated by a small cross) are values that are more than 1.5 times the interquartile range below or above the 25th or 75th percentiles, respectively.

We used various statistical tests in the analysis of our data depending upon the assumptions of the tests met by the data, we always used the most powerful test possible. If the data were independent and normal, we used a heteroscedastic t-test. If the data were independent but any of the sets being compared were not normal, then we used a Mann–Whitney U-test. In some cases our data were not independent because a fly can only be in one location of the arena at a time. If the data were not independent we used a Wilcoxon signed rank test, and finally if the data had a large number of tied scores we used a Kolmogorov–Smirnov test. Neither the Wilcoxon or Kolmogorov–Smirnov tests require that the data be normal. In all cases where data were being compared multiple times we used a Bonferroni correction for multiple comparisons to adjust the P-value appropriately. All statistical analysis was performed using SPSS (SPSS Inc, Chicago, IL, USA).

To report the results of our significant tests we use a letter code where the groups labeled with the same letter are not significantly different. A group can have more than one label which indicates that it is not significantly different from any of the groups also labeled with any of those letters. For experiments with cones present, we compared the results of the experiments within a trial type, comparing effect of cone type in a given trial condition. Throughout the paper we indicate the results of dans trial type hypothesis testing with black minuscule letters. For example, the results of comparing the encounter rates in Fig. 5B are indicated with lowercase letters showing that the blue, green and yellow cones are not significantly different, nor are the yellow and orange cones, e.g. the blue and green cones are significantly different than the orange cone. When multiple trial conditions were tested (such as different sensory manipulations) we also compared the results across trial type, comparing effects of trial conditions on the response to each cone type. We denote the results of de l'autre côté trial type hypothesis testing with uppercase letters (colored to highlight which cone type is being compared). We only compare the same cone type across different trial conditions. For example, the results of comparing the percentage of time spent on the blue cone across trials with different sensory manipulations in Fig. 7 are indicated with uppercase blue letters showing that panels A, B and D are significantly different, but panel C is not significantly different from panel A or B.


ELI5: How are there not billions of fruit flies all over the grocery store?

I bring home a couple peppers and an onion, now a couple weeks later I have tons of fruit flies in my house. What does the grocery store do to keep them from infesting?

Fruit flies generally go after rotten fruit, not regular fruit, because then they can get through its peel or rind to lay and hatch eggs on the nutritious sugary part. The rents and tear in rotting fruit allow the insides to gives off gasses and esters that strongly attract them. Then their eggs hatch and they breed very quickly, taking only a few days to mature into flies that buzz around the area.

Supermarkets do their best to remove damaged or rotten fruit as quickly as possible, and they usually have a very high turnover of produce so nothing sits around and goes bad like the apple that fell behind the bowl out of site (Edit: sight sheesh!) or the pepper that was mishandled and cracked open on the wall-facing side of the counter.

Traffic is also very high unlike areas of our house. The minute the produce section guy spots a few fruit flies buzzing around something, they get rid of it to avoid disgusting their customers. The produce department is not left unattended for the hot part of a full day, unlike our kitchens or larders when we're at work.


Recommended Cluster Fly Control Products

Insecticide Concentrates

  • LambdaStar UltraCap 9.7 is a long term residual and does not break down easily outside on wall surfaces.
  • It is odorless and does not leave a stain.
  • LambdaStar UltraCap 9.7 can be used as a perimeter treatment.
  • Other encapsulated products that are long term and low odor are, D-Fense SC and Cyzmic CS
  • Cyper WSP or Demon WP with Cypermethrin are orderless products, but will leave a visible residue seen against dark surfaces.
  • Cyper WSP is not labeled for ground, broadcast spraying.

Insecticide Dusts

You can also use a dust D-Fense Dust. Dust this into all cracks and crevices. The dust will flow into the void areas. Pay attention to the west and south walls and caulk any openings.

Insecticide Aerosols

Use aerosols with pyrethrins such as: CB-80 or PT 565, These are pyrethrum contact aerosols that can be used as space sprays to kill on contact. Spray lightly and repeat spray as needed.

Identifying the Cluster Fly (Pollenia rudis)

The cluster fly averages between 1/4 to 3/8 inch long. They are dark gray, never metallic blue or green. When crushed, they give off an odor like buckwheat honey. Cluster flies closely resemble house flies, but they are usually larger and have a yellowish sheen on the thorax. They move slowly. They gather in cluster or large numbers, particulary around windows.

Biology and Habits of Cluster Flies

The cluster fly is a parasite of earthworms and breeds outdoors in lawns and fields during the spring and summer. You can find cluster flies almost everywhere in the United States and Canada, except for the Southern states bordering the Gulf of Mexico. They do not cause a health concern, because they do not lay their eggs in human food.

Female Cluster Flies lay their eggs in cracks in the soil, which hatch in three days. The larvae use earthworms as a food source. The larvae feed for about 22 days. After that, they go into the pupae stage, which lasts 11-14 days before emerging as adults. Adult flies feed on flowers. There are about four generations hatched per summer.

When fall approaches, the cluster flies begin to enter structures in large numbers. Problems with cluster flies begin in late August as they move to winter quarters to over-winter. The cluster fly is seeking warm sites with protective cracks for shelter, crawling back as far as they can get. It is important to consider treatment before this happens.

Cluster flies have been known to squeeze around the edges of windows that are weather-proofed. As the number of cluster flies attracted to the building increases, large clusters of flies huddle inside wall voids, attics, and false ceilings. Most infestations occur in the upper regions of buildings, such as the attics of homes. In multi-story buildings, the cluster flies can be found in the upper two or three floors, and almost always of the south and west sides of the buildings.

If you have unseasonably warm weather in the late fall or winter, the cluster fly may emerge thinking it is spring, going for the warmer air outside. Cluster flies fly very slowly when they just wake up. They are strongly attracted to light, so they are usually found around windows. At night, they are attracted to lamps.

Cluster Fly Inspection

Check around windows for live or dead flies. If you can find the voids in which they are over-wintering, you can treat the voids with a dust or aerosol, but that is not an easy task. In most cases, the voids can't be located.

To locate the voids, start with an inspection of cracks and crevices on the southern and western exterior walls. Usually the only accessible voids are the attics, crawls paces and false ceilings.


Rédaction

CORVALLIS, Ore. – Prolonged exposure to blue light, such as that which emanates from your phone, computer and household fixtures, could be affecting your longevity, even if it’s not shining in your eyes.

New research at Oregon State University suggests that the blue wavelengths produced by light-emitting diodes damage cells in the brain as well as retinas.

The study, published today in Aging and Mechanisms of Disease, involved a widely used organism, Drosophila melanogaster, the common fruit fly, an important model organism because of the cellular and developmental mechanisms it shares with other animals and humans.

Jaga Giebultowicz, a researcher in the OSU College of Science who studies biological clocks, led a research collaboration that examined how flies responded to daily 12-hour exposures to blue LED light – similar to the prevalent blue wavelength in devices like phones and tablets – and found that the light accelerated aging.

Flies subjected to daily cycles of 12 hours in light and 12 hours in darkness had shorter lives compared to flies kept in total darkness or those kept in light with the blue wavelengths filtered out. The flies exposed to blue light showed damage to their retinal cells and brain neurons and had impaired locomotion – the flies’ ability to climb the walls of their enclosures, a common behavior, was diminished.

Some of the flies in the experiment were mutants that do not develop eyes, and even those eyeless flies displayed brain damage and locomotion impairments, suggesting flies didn’t have to see the light to be harmed by it.

“The fact that the light was accelerating aging in the flies was very surprising to us at first,” said Giebultowicz, a professor of integrative biology. “We’d measured expression of some genes in old flies, and found that stress-response, protective genes were expressed if flies were kept in light. We hypothesized that light was regulating those genes. Then we started asking, what is it in the light that is harmful to them, and we looked at the spectrum of light. It was very clear cut that although light without blue slightly shortened their lifespan, just blue light alone shortened their lifespan very dramatically.”

Natural light, Giebultowicz notes, is crucial for the body’s circadian rhythm – the 24-hour cycle of physiological processes such as brain wave activity, hormone production and cell regeneration that are important factors in feeding and sleeping patterns.

“But there is evidence suggesting that increased exposure to artificial light is a risk factor for sleep and circadian disorders,” she said. “And with the prevalent use of LED lighting and device displays, humans are subjected to increasing amounts of light in the blue spectrum since commonly used LEDs emit a high fraction of blue light. But this technology, LED lighting, even in most developed countries, has not been used long enough to know its effects across the human lifespan.”

Giebultowicz says that the flies, if given a choice, avoid blue light.

“We’re going to test if the same signaling that causes them to escape blue light is involved in longevity,” she said.

Eileen Chow, faculty research assistant in Giebultowicz’s lab and co-first author of the study, notes that advances in technology and medicine could work together to address the damaging effects of light if this research eventually proves applicable to humans.

“Human lifespan has increased dramatically over the past century as we’ve found ways to treat diseases, and at the same time we have been spending more and more time with artificial light,” she said. “As science looks for ways to help people be healthier as they live longer, designing a healthier spectrum of light might be a possibility, not just in terms of sleeping better but in terms of overall health.”

In the meantime, there are a few things people can do to help themselves that don’t involve sitting for hours in darkness, the researchers say. Eyeglasses with amber lenses will filter out the blue light and protect your retinas. And phones, laptops and other devices can be set to block blue emissions.

“In the future, there may be phones that auto-adjust their display based on the length of usage the phone perceives,” said lead author Trevor Nash, a 2019 OSU Honors College graduate who was a first-year undergraduate when the research began. “That kind of phone might be difficult to make, but it would probably have a big impact on health.”


Voir la vidéo: Quest ce que la lumière infrarouge LYNRED (Février 2023).