O uso da tecnologia da informação em testes comportamentais da neurociência com impacto social para melhorar a qualidade de vida
Conteúdo do artigo principal
Resumo
Os testes comportamentais em modelos animais permitem estudar os efeitos de diferentes substâncias no sistema nervoso central, testar tratamentos e procedimentos para diversas condições relacionadas ao déficit de funções cognitivas que ocorrem em animais e humanos. Conseqüentemente, obtenha uma melhor compreensão dos testes, por exemplo, o processo de memória, aprendizado e seus mecanismos básicos.
Sendo uma necessidade atual a implementação de tecnologia, proporciona melhorias nos processos de coleta, análise e processamento de dados a partir do desenvolvimento de testes, tornando os ensaios mais eficientes, reduzindo o tempo de estudo ao necessário para a execução do experimento.
No presente trabalho, uma breve abordagem é exposta aos testes comportamentais realizados em alguns dos modelos animais mais utilizados na área de pesquisa biomédica e, como a tecnologia desenvolvida na área fornece ferramentas para a coleta e o estudo das informações oriundas da referida testes. através do uso de sistemas de visão artificial, análise computacional de vocalizações de animais, leitura de sinais eletrofisiológicos, entre outros.
Referências
Psicológica. Vol. 18, n° 2, pp. 141-148. [En línea]. Disponible en: http://www.scielo.org.co/pdf/sumps/v18n2/v18n2a11.pdf
[2] L. O. Aguirre López, J. L. Chávez Servia, C. C. Gómez Rodiles, J. R. Beltrán Ramírez y J. Bañuelos Pineda. (2017). “Blue Corn Tortillas: Effects on Learning and Spatial Memory in Rats”, Plant Foods for Human Nutrition. Vol. 72, n° 4, pp. 448-450. [En línea]. Disponible en:
https://www.researchgate.net/publication/321754226_Blue_corn_tortillas_Effects_on_learning_and_spatial_memory_in_rats.doi:https://doi.org/10.1007/S11130-017-0642-1
[3] A. Mora-Gallegos, y S. Salas Castillo. (2014). “Modelos animales de miedo y ansiedad: descripciones neuro-conductuales”, Actualidades en Psicología. Vol 28, n° 117, pp. 1-12. [En línea]. Disponible en: https://revistas.ucr.ac.cr/index.php/actualidades/article/
view/14595. doi:http://dx.doi.org/10.15517/ap.v28i117.14595
[4] K. Manabe. (2017). “La evolución de la caja de skinner para detectar movimiento y vocalización”, Revista Mexicana de Análisis
de la Conducta. Vol. 43, n° 2, pp. 192-211. [En línea]. Disponible en: http://www.revistas.unam.mx/index.php/rmac/article/view/62313/55040. doi:https://doi.org/10.5514/rmac.v43.i2.62313
[5] S. Singh, H. Kaur, y R. Sandhir. (2016). “Fractal dimensions: A new paradigm to assess spatial memory and learning using Morris
water maze”, Behavioural Brain Research. N° 299, pp. 141-146. [En línea]. Disponible en: http://europepmc.org/article/med/265
92165. doi:https://doi.org/10.1016/j.bbr.2015.11.023
[6] P. Vieyra Reyes, C. Jiménez Garcés, M. M. Hernández González y A. Hernández Alva. (2012). “Bioingeniería aplicada a modelos
conductuales en animales de experimentación”, Ideas en Ciencia. pp. 46-54. [En línea]. Disponible en: http://ri.uaemex.mx/handle/20.500.11799/49947
[7] B. Cedillo Ildefonso. (2017). “Generalidades de la neurobiología de la ansiedad”, Revista Electrónica de Psicología Iztacala. Vol. 20,
n° 1, pp. 239-251. [En línea]. Disponible en: http://www.medigraphic.com/pdfs/epsicologia/epi-2017/epi171m.pdf
[8] A. Sequeira Cordero y J. Fornaguera Trías. (2014). “Diferencias individuales en modelos animales: un enfoque para el estudio de factores neurobiológicos relacionados con depresión”, Actualidades en Psicología: Neurociencia y Psicología. Vol. 28, n° 117, pp. 53-66. [En línea]. Disponible en: https://www.researchgate.net/publication/277234076_Diferencias_individuales_en_modelos_animales_un_
enfoque_para_el_estudio_de_factores_neurobiologicos_relacionados_con_depresion_Individual_differences_in_animal_models_an_
approach_to_study_neurobiologi. doi:http://dx.doi.org/10.15517/ap.v28i117.14115
[9] F. E. Estévez Carrizo. (2000). Estudios de bioequivalencia: enfoque metodológico y aplicaciones prácticas en la evaluación de medicamentos genéricos. Rev Med Uruguay, 16(2), 133-143. [En línea]. Disponible en: http://www.rmu.org.uy/revista/2000v2/art5.pdf
[10] DOF. Norma Oficial Mexicana NOM-177-SSA1-2013. Ciudad de México: Diario Oficial de la Federación, 2013. [En línea]. Disponible
en: http://www.dof.gob.mx/nota_detalle.php?codigo=5314833&fecha=20/09/2013
[11] S. Hernández. (2006). “El modelo animal en las investigaciones biomédicas”, Biomedicina. Vol. 2, n° 3, pp. 252-256. [En línea]. Disponible en: http://www.um.edu.uy/docs/revistabiomedicina/2-3/A%F1o2%20N%BA3%20Dic2006.pdf#page=52
[12] V. D. Garzón Cortés, “Modelos Utilizados en Investigación Biomédica”, en Seminario de Biotecnología y Bioseguridad de OGM’s.
[En línea]. Disponible en: https://www.conacyt.gob.mx/cibiogem/images/cibiogem/Herramientas-ensenanza-investigacion/Seminarios/Docs/biomedicina-seminario250915.pdf
[13] G. Riedel, L. Robinson & B. Crouch. (2018). “Spatial learning and flexibility in 129S2/SvHsd and C57BL/6J mouse strains using
different variants of the Barnes maze”, Behavioural Pharmacology. Vol. 29, n° 8, pp. 688-700. [En línea]. Disponible en: https://abdn.pure.elsevier.com/en/publications/s p a t i a l - l e a r n i n g - a n d - f l e x i b i l i t y - i n -129s2svhsd-and-c57bl6j-mouse-. doi:https://doi.org/10.1097/FBP.0000000000000433
[14] M. W. Pitts (2018). “Barnes Maze Procedure for Spatial Learning and Memory in Mice”, Bioprotocol. Vol. 8, n° 5. [En línea]. Disponible en: https://bio-protocol.org/e2744.doi:10.21769/BioProtoc.2744
[15] C. A. Puentes Morales. (2017). “Sistema de control para mapeo, estímulos lumínicos y sonoros en el laberinto circular de Barnes”,
Visión Investigadora. N° 1. [En línea]. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=6080425
[16] B. Q. Geuther, S. P. Deats,, Fox, K. J., Murray, S. A., Braun, R. E., White, J. K., V. Kumar. (2019). “Robust mouse tracking in complex
environments using neural networks”, Communications Biology volume. Vol. 2, n° 124, pp. 1-11. [En línea]. Disponible en:
https://www.nature.com/articles/s42003-019-0362-1. doi:https://doi.org/10.1038/s42003-019-0362-1
[17] S. E. Egnor, & K. Branson. (2016). “Computational analysis of behavior. Annu”, Rev. Neurosci. Vol. 39, pp. 217-236. [En línea]. Disponible en: https://www.annualreviews.org/doi/abs/10.1146/annurev-neuro-070815-013845. doi:10.1146/annurev-neuro-070815-013845
[18] A. Rodríguez, M. Bermúdez, J. Rabuñal, & J. Puertas, “Fish tracking in vertical slot fishways using computer vision techniques”, Journal of Hydroinformatics, vol. 17, pp. 275–292, 2015.
[19] A. Rodriguez, H. Zhang, J. Klaminder, T. Brodin, P. L. Andersson & M. Andersson. (2017). “ToxTrac: A fast and robust software
for tracking organisms”, Methods in Ecology and Evolution. Vol. 9, n° 3, pp. 460-464. [En línea]. Disponible en: https://besjournals.
onlinelibrary.wiley.com/doi/pdf/10.1111/2041-210X.12874. doi: https://doi.org/10.1111/2041-210X.12874
[20] K. V. Gris, J. P. Coutu & G. Denis. (2017). “Supervised and Unsupervised Learning Technology in the Study of Rodent Behavior”,
Frontiers in Behavioral Neuroscience. Vol. 11, pp. 1-6. [En línea]. Disponible en: https://www.frontiersin.org/articles/10.3389/fnbeh.2017.00141/full. doi:10.3389/fnbeh.2017.00141