Автоматизированная Крыса Одно-Пелле Достижение с 3-мерной реконструкции лапы и Digit траектории
Summary
Грызун квалифицированных достижения обычно используется для изучения ловких навыков, но требует значительного времени и усилий для реализации задачи и анализа поведения. Мы описываем автоматизированную версию квалифицированного достижения с отслеживанием движения и трехмерной реконструкцией траекторий охвата.
Abstract
Грызун квалифицированных достижения обычно используется для изучения ловких навыков, но требует значительного времени и усилий для реализации задачи и анализа поведения. Недавно было разработано несколько автоматизированных версий квалифицированного охвата. Здесь мы описываем версию, которая автоматически представляет гранулы крысам при записи видео высокой четкости с разных углов при высокой частоте кадров (300 кадров в секунду). Лапа и отдельные цифры отслеживаются с помощью DeepLabCut, алгоритма машинного обучения для оценки бесмаркерной позы. Эта система также может быть синхронизирована с физиологическими записями или использоваться для запуска физиологических вмешательств (например, электрической или оптической стимуляции).
Introduction
Люди сильно зависят от ловкого умения, определяемого как движения, требующие точно скоординированных многосовместных и цифровых движений. На эти навыки влияет целый ряд общих патологий центральной нервной системы, включая структурные поражения (например, инсульт, опухоль, демиелинизирующие поражения), нейродегенеративные заболевания (например, болезнь Паркинсона) и функциональные аномалии двигательных заболеваний схемы (например, дистония). Понимание того, как ловкие навыки изучаются и реализуются центральными автотранспортными схемами, поэтому имеет потенциал для улучшения качества жизни для большого населения. Кроме того, такое понимание, вероятно, улучшит двигательные показатели у здоровых людей за счет оптимизации стратегий обучения и реабилитации.
Вскрытие нейронных цепей, лежащих в основе ловких навыков в организме человека, ограничено технологическими и этическими соображениями, что требует использования моделей животных. Нечеловеческие приматы обычно используются для изучения ловких движений конечностей, учитывая сходство их двигательных систем и поведенческого репертуара с людьми1. Тем не менее, нечеловеческие приматы стоят дорого с длинным временем генерации, ограничивая количество испытуемых и генетических вмешательств. Кроме того, в то время как нейронаучный инструментарий, применимый к нечеловеческим приматам, больше, чем для людей, многие последние технологические достижения либо недоступны, либо значительно ограничены у приматов.
Родоводский охват является дополнительным подходом к изучению ловкого управления двигателем. Крысы и мыши могут быть обучены, чтобы достичь, понять, и получить сахарные гранулы в стереотипной последовательности движений гомологичным для человека достижения моделей2. Из-за их относительно короткого времени генерации и более низких расходов на жилье, а также их способности приобретать квалифицированных достижения в течение нескольких дней до нескольких недель, можно изучать большое количество предметов в течение обучения и навыков консолидации фаз. Использование грызунов, особенно мышей, также облегчает использование мощных современных нейронаучных инструментов (например, оптогенетика, изображения кальция, генетические модели болезни) для изучения ловких навыков.
Грызун квалифицированных достижения была использована в течение десятилетий для изучения нормального управления двигателем и как она зависит от конкретных патологий, как инсульт и болезнь Паркинсона3. Тем не менее, большинство версий этой задачи являются трудоемкими и трудоемкими, смягчая преимущества изучения грызунов. Типичные реализации включают размещение грызунов в камере достижения с полкой перед узким слотом, через который должен попасть грызун. Исследователь вручную помещает сахарные гранулы на полку, ждет, пока животное достигнет, а затем помещает еще один. Достижения забиваются как успехи или неудачи либо в режиме реального времени или видео-обзор4. Тем не менее, просто забил достигает, как успехи или неудачи игнорирует богатые кинематические данные, которые могут обеспечить понимание того, как (в отличие от просто ли) достижения нарушается. Эта проблема была решена путем осуществления подробного обзора достижения видео для выявления и полуколичественно оценка достичь submovements5. Хотя это добавило некоторые данные относительно достичь кинематики, это также значительно увеличило время и усилия экспериментаторов. Кроме того, высокий уровень вовлеченности экспериментаторов может привести к несоответствиям в методологии и анализе данных, даже в рамках одной лаборатории.
В последнее время было разработано несколько автоматизированных версий квалифицированного охвата. Некоторые прикрепляютсяк домашней клетке 6,7,устраняя необходимость переноса животных. Это как снижает нагрузку на животных и устраняет необходимость акклиматизации их в специализированной камере достижения. Другие версии позволяют отслеживать лапы, так чтокинематические изменения при конкретных вмешательствах могут быть изучены 8,9,10,или иметь механизмы, чтобы автоматически определить, если гранулы были сбиты с полки11. Автоматизированные квалифицированные задачи достижения особенно полезны для высокоинтенсивных тренировок, так как может потребоваться для реабилитации после травмы12. Автоматизированные системы позволяют животным выполнять большое количество достигает в течение длительных периодов времени, не требуя интенсивного участия исследователя. Кроме того, системы, позволяющие отслеживать лапы и автоматизированный подсчет результатов, сокращают время, затрачиваемые исследователем на проведение анализа данных.
Мы разработали автоматизированную систему квалифицированного охвата крыс с несколькими специализированными функциями. Во-первых, с помощью подвижного пьедестала довести гранулы в “достижение позиции” снизу, мы получаем почти беспрепятственный вид передних конечностей. Во-вторых, система зеркал позволяет несколько одновременных видов досягаемости с одной камерой, что позволяет трехмерной (3-D) реконструкции траекторий досягаемости с помощью высокой скорости (300 кадров в секунду) камеры. С недавней разработкой надежных алгоритмов машинного обучения для отслеживания маркеровдвижения 13, мы теперь отслеживаем не только лапу, но и отдельные костяшки пальцев, чтобы извлечь подробный охват и понять кинематику. В-третьих, захват кадра, выполняющий простую обработку видео, позволяет в режиме реального времени идентифицировать различные фазы достижения. Эта информация используется для запуска видео приобретения (непрерывное приобретение видео не практично из-за размера файла), а также может быть использован для запуска вмешательства (например, оптогенетика) в точные моменты. Наконец, отдельные видеокадры запускаются импульсами транзисторно-транзисторной логики (TTL), что позволяет точно синхронизировать видео с нейронными записями (например, электрофизиологией или фотометрией). Здесь мы описываем, как построить эту систему, обучить крыс выполнять задачу, синхронизировать аппарат с внешними системами и реконструировать трехмерные траектории охвата.
Protocol
Representative Results
Discussion
Родоводство опытное достижение стало стандартным инструментом для изучения физиологии двигательной системы и патофизиологии. Мы описали, как реализовать автоматизированную крысу квалифицированных достижения задача, которая позволяет: обучение и тестирование с минимальным наблюде?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Авторы хотели бы поблагодарить Карунеша Гангули и его лабораторию за советы по квалифицированной задаче достижения, и Александра и Маккензи Матис за их помощь в адаптации DeepLabCut. Эта работа была поддержана Национальным институтом неврологических заболеваний и инсульта (грант номер K08-NS072183) и Мичиганского университета.
Materials
| clear polycarbonate panels | TAP Plastics | cut to order (see box design) | |
| infrared source/detector | Med Associates | ENV-253SD | 30" range |
| camera | Basler | acA2000-340kc | 2046 x 1086 CMV2000 340 fps Color Camera Link |
| camera lens | Megapixel (computar) | M0814-MP2 | 2/3" 8mm f1.4 w/ locking Iris & Focus |
| camera cables | Basler | #2000031083 | Cable PoCL Camera Link SDR/MDR Full, 5 m – Data Cables |
| mirrors | Amazon | ||
| linear actuator | Concentrics | LACT6P | Linear Actuator 6" Stroke (nominal), 110 Lb Force, 12 VDC, with Potentiometer |
| pellet reservoir/funnel | Amico (Amazon) | a12073000ux0890 | 6" funnel |
| guide tube | ePlastics | ACREXT.500X.250 | 1/2" OD x 1/4" ID Clear. Extruded Plexiglass Acrylic Tube x 6ft long |
| pellet delivery rod | ePlastics | ACRCAR.250 | 0.250" DIA. Cast Acrylic Rod (2' length) |
| plastic T connector | United States Plastic Corp | #62065 | 3/8" x 3/8" x 3/8" Hose ID Black HDPE Tee |
| LED lights | Lighting EVER | 4100066-DW-F | 12V Flexible Waterproof LED Light Strip, LED Tape, Daylight White, Super Bright 300 Units 5050 LEDS, 16.4Ft 5 M Spool |
| Light backing | ePlastics | ACTLNAT0.125X12X36 | 0.125" x 12" x 36" Natural Acetal Sheet |
| Light diffuser films | inventables | 23114-01 | .007×8.5×11", matte two sides |
| cabinet and custom frame materials | various (Home Depot, etc.) | 3/4" fiber board (see protocol for dimensions of each structure) | |
| acoustic foam | Acoustic First | FireFlex Wedge Acoustical Foam (2" Thick) | |
| ventilation fans | Cooler Master (Amazon) | B002R9RBO0 | Rifle Bearing 80mm Silent Cooling Fan for Computer Cases and CPU Coolers |
| cabinet door hinges | Everbilt (Home Depot | #14609 | continuous steel hinge (1.4" x 48") |
| cabinet wheels | Everbilt (Home Depot | #49509 | Soft rubber swivel plate caster with 90 lb. load rating and side brake |
| cabinet door handle | Everbilt (Home Depot | #15094 | White light duty door pull (4.5") |
| computer | Hewlett Packard | Z620 | HP Z620 Desktop Workstation |
| Camera Link Frame Grabber | National Instruments | #781585-01 | PCIe-1473 Virtex-5 LX50 Camera Link – Full |
| Multifunction RIO Board | National Instruments | #781100-01 | PCIe-17841R |
| Analog RIO Board Cable | National Instruments | SCH68M-68F-RMIO | Multifunction Cable |
| Digital RIO Board Cable | National Instruments | #191667-01 | SHC68-68-RDIO Digital Cable for R Series |
| Analog Terminal Block | National Instruments | #782536-01 | SCB-68A Noise Rejecting, Shielded I/O Connector Block |
| Digital Terminal Block | National Instruments | #782536-01 | SCB-68A Noise Rejecting, Shielded I/O Connector Block |
| 24 position relay rack | Measurement Computing Corp. | SSR-RACK24 | Solid state relay backplane (Gordos/OPTO-22 type relays), 24-channel |
| DC switch | Measurement Computing Corp. | SSR-ODC-05 | Solid state relay module, single, DC switch, 3 to 60 VDC @ 3.5 A |
| DC Sense | Measurement Computing Corp. | SSR-IDC-05 | solid state relay module, single, DC sense, 3 to 32 VDC |
| DC Power Supply | BK Precision | 1671A | Triple-Output 30V, 5A Digital Display DC Power Supply |
| sugar pellets | Bio Serv | F0023 | Dustless Precision Pellets, 45 mg, Sucrose (Unflavored) |
| LabVIEW | National Instruments | LabVIEW 2014 SP1, 64 and 32-bit versions | 64-bit LabVIEW is required to access enough memory to stream videos, but FPGA coding must be performed in 32-bit LabVIEW |
| MATLAB | Mathworks | Matlab R2019a | box calibration and trajectory reconstruction software is written in Matlab and requires the Computer Vision toolbox |
References
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. , (2018).
- Sacrey, L. A. R. A., Alaverdashvili, M., Whishaw, I. Q. Similar hand shaping in reaching-for-food (skilled reaching) in rats and humans provides evidence of homology in release, collection, and manipulation movements. Behavioural Brain Research. 204, 153-161 (2009).
- Whishaw, I. Q., Kolb, B. Decortication abolishes place but not cue learning in rats. Behavioural Brain Research. 11, 123-134 (1984).
- Klein, A., Dunnett, S. B. Analysis of Skilled Forelimb Movement in Rats: The Single Pellet Reaching Test and Staircase Test. Current Protocols in Neuroscience. 58, 8.28.1-8.28.15 (2012).
- Whishaw, I. Q., Pellis, S. M. The structure of skilled forelimb reaching in the rat: a proximally driven movement with a single distal rotatory component. Behavioural Brain Research. 41, 49-59 (1990).
- Zeiler, S. R., et al. Medial premotor cortex shows a reduction in inhibitory markers and mediates recovery in a mouse model of focal stroke. Stroke. 44, 483-489 (2013).
- Fenrich, K. K., et al. Improved single pellet grasping using automated ad libitum full-time training robot. Behavioural Brain Research. 281, 137-148 (2015).
- Azim, E., Jiang, J., Alstermark, B., Jessell, T. M. Skilled reaching relies on a V2a propriospinal internal copy circuit. Nature. , (2014).
- Guo, J. Z. Z., et al. Cortex commands the performance of skilled movement. Elife. 4, e10774 (2015).
- Nica, I., Deprez, M., Nuttin, B., Aerts, J. M. Automated Assessment of Endpoint and Kinematic Features of Skilled Reaching in Rats. Frontiers in Behavioral Neuroscience. 11, 255 (2017).
- Wong, C. C., Ramanathan, D. S., Gulati, T., Won, S. J., Ganguly, K. An automated behavioral box to assess forelimb function in rats. Journal of Neuroscience Methods. 246, 30-37 (2015).
- Torres-Espín, A., Forero, J., Schmidt, E. K. A., Fouad, K., Fenrich, K. K. A motorized pellet dispenser to deliver high intensity training of the single pellet reaching and grasping task in rats. Behavioural Brain Research. 336, 67-76 (2018).
- Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21, 1281-1289 (2018).
- Ellens, D. J., et al. An automated rat single pellet reaching system with high-speed video capture. Journal of Neuroscience Methods. 271, 119-127 (2016).
