本稿では、ラットの外を定量化する半自動化されたタスクについて説明します。ラットに到達、把握、および球状マニピュ ランダムを回外さ。ラットは、回転角度が設定した基準を超えた場合、ペレットで報われます。このタスクは、スループット、傷害、および従来作業に比べて客観性に対する感度を向上します。
動物モデルでの器用さを正確に測定するタスクは、重要な手の機能を理解します。器用さを大きく測定する現在のラット行動タスクに到達または食品の操作のビデオ分析を使用します。これらのタスクは、簡単に実装できる、疾患モデル間で堅牢なが、主観と実験者に骨の折れるです。伝統的なタスクの自動化や新しい自動化されたタスクの作成より効率的・客観的・定量的なタスクを行うことができます。ラットが少ないので霊長類、外は非常に神経系 (CNS) 損傷生成器用さでより多くの微妙な赤字しかし、中央より器用な影響を齧歯動物で重要な手に霊長類の機能。したがって、我々 はラットの前肢の回外を測定する半自動化されたタスクを設計されています。ラットに達するとノブ形マニピュ ランダムを把握し報酬を受け取るため外にマニピュ訓練されます。ラットは、5 日間 20 ± スキルを取得できます。トレーニングの初めの部分を監修高中訓練の多くは直接監督することがなく行われます。タスクは、損傷後微妙な赤字をキャプチャ確実かつ再現性をもって、臨床的回復曲線を正確に反映して機能回復を示しています。データの解析は、直感的に設計されたグラフィカル ユーザー インターフェイスを通じて専門的なソフトウェアによって実行されます。我々 はまた、トレーニング、および訓練の早い段階での動作に若干の修正が回外の信頼性の高い買収を作り出すショー中に生じる一般的な問題にソリューションを与えます。したがって、ノブ外作業は、ラットの器用さの重大な動きの効率的かつ定量的な評価を提供します。
独立性と影響を受ける個人1,2,3,4の生活の質が著しく低下神経系の傷害や病気後の器用さの損失。したがって、器用さは神経修復の動きと運動学習の神経支配の基盤もとしてリハビリテーション科学を理解するための重要な指標です。伝統的に、単一のペレットに到達、パスタ操作やアーバイン、Beatties、ブレスナハン (IBB) 前肢スケールなど手作業は、動物、特に齧歯動物56、7の器用さを評価する使用されています。これらのタスクは、最低の仕事の取得時間により大衆化が。しかし、自然の中で、実験者および、微妙な赤字5,7,8,9外傷後の機能障害に鈍感、時に骨の折れる定性的です。従来の作業のこれらの制限が具体的には、動物では、運動機能の詳細の定量的な対策の開発が拍車をかけている前肢に到達します。
すなわち客観性、スループットの増加と減少の分析時間のタスクを自動化するいくつかの利点があります。新しい自動化されたタスクは、従来のタスク8,10より傷害後の器用さの評価のより敏感な測定を提供します。さらに、彼らは適応学習と訓練を仕立て、テスト及び動物のパフォーマンスに難易度をテストできます。最後に、自動化されたタスクは、大量のデータは、2 つの利点を提供するを生成します。まず、裁判内で両方のデータと試験の数の増加は、研究の統計力を高めます。第二に、それは神経科学者運動学習、トレーニング、および速度論的および運動学的情報11の分析を通してより確実補償を検討してより大きなデータ セットを与えます。
いくつかのグループは、伝統的なタスクを自動化しようとしています。高速度カメラは、タスク12に達する単一のペレットなどのタスクから運動学的データを収集するために使用できます。Alaverdashvili、エジンバラは、到達運動をキャプチャし、フレームでモーション測定ソフトウェア ピーク Motus 13を使用して数字の動きを分析する高速カメラを使用しています。ただし、このソフトウェアは、コンピュータ ビジョンを使用しての数字を識別しませんが、代わりにカーソルで移動ポイントをデジタイズに実験者が必要です。さらに、いくつかのタスクは、トレーニング プロセス14,15,16を自動化するフィーダーやケージと組み合わせて使用されています。
他のグループは、空間的調整を評価し、他はより複雑な動きの17をキャプチャするタスクを設計している間にパスタ操作を使用してに到達熟練した前肢で強制的に力センサーと高速度カメラを使用しています。このようなの 1 つのタスク 3 自由度ロボット デバイスを使用してラット前肢運動18の平面と回転の動きをキャプチャするに達するとプル タスクです。これはの複雑さとコストの増加が運動の動態を測定することができるという利点があります。
ここでは、ラット8回外を測定する半自動前肢タスクを示します。前肢の回外は手のひらまでの手のひらから手の回転です。回外は皮質脊髄路の機能の優れたマーカーと日常生活活動8,,1920に必要な人間で臨床的に関連する動き。さらに、外が損傷し、不活化、高感度8に達する単一のペレットと比べると。外作業をバーク医学研究所とダラス、水平面8,10措置回転運動、テキサス大学が共同で開発。ラット行動ボックス (図 1 a) に配置され、3 つの動き (図 1 b) を行うために訓練される: 長方形の開口部を介して到達球状マニピュ ランダム; を把握します。指定した角度に回外さ。
行動のタスクは、PC ソフトウェア (図 1) によって制御されます。制御ソフトウェアは、自動位置決め、光学式エンコーダー、スピーカー、および送り装置に接続されているマイコンに指示を送信します。マイコンとその周辺機器の接続は、マイクロ コント ローラー ボックスと呼ばれます。情報、コンピューター、マイクロ コント ローラー、光学式エンコーダーから流れる、マイクロ コント ローラーに戻ります。制御ソフトウェアがマイコンにシグナル状態に裁判が盛況、マイクロ コント ローラーは、ペレットを分配するフィーダーをトリガーします。各セッションの始めには、制御ソフトウェアは開口部からステージの定義された距離でノブの位置に自動ポジショナーを指示するマイクロ コント ローラーにステージ情報を中継します。自動ポジショナーは、自動位置決めに位置する矢印キーを使用して手動で操作できます。光学式エンコーダーは、角度で 100 Hz と措置の変更でデータを記録します。すべてのデータは、バイナリ形式で格納されます。
実験者は、あらかじめ決められた角度と成功率で supinating に慣れからラットを訓練するのにソフトウェア内で逐次的に訓練段階を使用します。慣れ、中にノブ マニピュ ランダムは任意の均衡なし絞りウィンドウ内に配置します。高いチャイルド トレーニングの週後に、ラットは報酬でノブを関連付け、独立してノブを回すことを開始します。ラットが個別に有効にすることと、ノブが 1.25 cm 0.25 cm 刻み、ラットが回すことができる単独で 1.25 cm。 カウンターウェイトまでは撤回されます 6 g. 自動訓練段階車ノブを回外さ動物に 3 g から 1 g 単位で追加6 g で 75 度まで。トレーニングのこの段階は主として教師;ラットでは、タスクを採用 (後述) 適切な形態と、一度彼らは正しく supinate 続けます。ラット supinate 75 8の成功率 (命中率) で 75 度トレーニングは完了します。ここでは、一般的なトレーニングのプロトコルと我々 が発生した一般的な問題の解決策を提示について述べる。トレーニングのプロトコルを通じて代表的な成功と失敗のラットの進行から、微妙なあるいはより深刻な赤字と機能障害を示す、タスクを変更できることを示します。
ノブの外作業は、定量的または半自動的な方法を用いて、ラットの前肢の回外を評価します。ノブの配置、マニピュ ランダム デザイン、およびトレーニング条件を含めて、仕事のために設計パラメーターの多くは、これらのエンドポイントを達成するために数年にわたって繰り返されたら。ノブの配置、我々 は絞りに関してノブの 3 つの異なる線形を試しました: ノブを絞り、中心し、ノブの右側に揃えて配置の右側にある開口部の左側に揃えられますノブの左側は、perture。左の足からの干渉を最短の時間で訓練を受けていたし、人は具体的には、最小限の代償機構とバーカールこの作り出されたラットとして開口部の右側に揃えて配置されてノブの右側に落ち着いた。
マニピュ ランダム デザイン我々 は前肢旋を最大化し、身体の使用を最小限に抑えるためのいくつかのデザイン機能を変更しました。さらに、予測の赤字の重大度にタスクの難易度をスケーリングされます。Pyramidotomy 後、外は最も強く影響を受ける動きが減損はまだ比較的微妙です。したがって、受傷後に巨額の財政赤字を遵守した高いベースライン基準 (75 °) をラットを訓練しました。詳細を損なうことは、大脳皮質の病変で 7.5 g 60 度しきい値傷害後大幅な赤字で示す十分でした。トライアル アンド エラーによる最適化された追加のパラメーターは、口径サイズ、絞り値、および試験が成功を達成するために時間帯からノブの距離に含まれます。
トレーニングのプロトコルを通じて注意深い監督を必要とするいくつかの重要なポイントがあります。ベースラインにトレーニングをするとき、75 ° 10ラットを訓練する適応しきい値選定法を正常に使用されています。ただし、ラットがピークで高原角度 75 ° 未満;4-5 セッションの後のパフォーマンスは同じです。パフォーマンスを向上させる静的しきい値を用いることができます。静的しきい値は、最近のパフォーマンスに基づいて変化適応しきい値ではなく、ラットのパフォーマンスの設定程度で残りのしきい値を指します。ラットは、適応訓練中高原、実験者は静的しきい値を変更ください。70 度 10 ° 刻みで 20 から静的な学習段階の範囲です。(K28 – K33 段階)。以前の 2 セッションでネズミの平均ピーク角度に基づいて静的なステージを選択します。たとえば、ラット 45 ° の平均は場合、は、50 度 (K31) の静的なステージを選択します。すべての静的な段階設定「初期化。脱穀。「5 °。訓練中にラットは、モチベーションを失う場合手動でフィード ラットそれ supinates に近いが、しきい値を超えていない場合。
さらに、ベースライン評価中にラットの約 5% 退行の回外の角度に 5 ~ 10 ° とセッション間の成功率 5-10%。これが起こるし、ラット 3-4 セッション後平均ピーク角度 75 ° は復元されません、ステップ 3.5 に戻る前にラットの現在の平均角度を 10 度以内に静的な段階が低下します。静的トレーニング ステージ上に配置されているかつてない適応の段階にラットを再導入することが重要です。
タスクにいくつかの制限があります。間違った把握の位置を確立すると、(図 2) の把持動作の変更は難しくなります。したがって、早期発見と補正は重要です。水平方向と垂直方向に開口部の大きさを狭くすることによってラットの把握を修正するに絞り値を変更できます。通常は、調整を必要とする開口部の端にスライド ガラスをテープします。ほとんどのラットのマニピュを特定の方法で把握するそれらを強制するために、把握形式が向上します。これは、ターンでは、正しく supinate する能力が向上します。
このような課題に加え、ラットは supinate に代償機構を開発できます。回外; で前肢を支援するためにヘッドの使用が含まれますノブ; に肘と肩関節を下げる左の足を使用して、ノブや到達の前足をプッシュ ダウンを助けます。すべてのこれらの動作は、正常にタスクを完了する使用できます。前述のように、行動把握に関しては絞りを操作することによって修正できます。代償的なメカニズムの理解の外しかし、ない代償行動に報酬を与える実験者の積極的な参加が必要です。損傷後我々 は supinating する前に適切な位置に足を配置するいくつかの試験を取ってラットを観察しました。タスクのコンポーネント外の損失に貢献するかもしれない我々 の分析がない、これら正確なグリップの損失を含めることができます、多くの可能性の間での力の調節を障害者します。
半自動外作業の平均所要時間、20 ± 5 日基準、ラットを訓練し、動物の 25% はタスクに関するトレーニングを受けることができません。トレーニング時間に貢献しては、実際に我々 は当然右好みラットを選択していないが、代わりに彼らの右の足を使用するすべての動物を強制的ほとんど到達アッセイでは一般的のようです。我々 は左好みラットを用いて試していませんが、まず足の好みを識別し、支配的な手を訓練する興味深い探索的研究ででしょう。これに合わせて、我々 は開口部が逆になっているので、ドアの方向を反転する必要があります。これを行うことが簡単にできます。
IBB や単一のペレットに達するような伝統的な作業と比べると、回外タスク定量的かつ客観的に測定前肢に到達します。それは重傷 (皮質病変) や微妙な傷害 (pyramidotomy) への感受性を示し、訓練のプロシージャは損傷モデルの重大度に応じて変更できます。半自動化されたので、タスクは、トレーニングの段階によって、同時に複数のラットを訓練する実験者をできます。実験者の生産性およびラットのスループットが大幅に向上します。タスクは、信頼性と再現性のあるラットの間です。トレーニング プロトコル間を参照する実験者のためのトラブルシューティング ガイド (図 2) を作成すると、それらの解決策と同様に、いくつかの不適切な行動が標準化されています。最後に、タスクは、大量のデータを分析するための直感的な手段を提供しています、実験者の外論に深く掘り下げて調査する能力を与えます。
将来は、我々 使用する半自動外作業プラットフォームとしての種類、用量、およびリハビリテーションのタイミングを評価します。私たちの研究室は、外傷後の機能改善に対する刺激効果に関心があります。また、神経を刺激する治療の修復または神経伝導を向上に興味があるし、通信することができます再生に影響を与えます。我々 も運動学習を学ぶことができますので、電気生理学に対応するタスクを変更するのに興味を持ってください。頭のラットキャップは定期的にタスクを実行し、記録または刺激の整流子を追加することは簡単でしょう。タスク、前述のようは、ラットしますが、タスクにマウスを使って実験するラボもあります。一般に、さまざまな損傷モデルと病気の状態で齧歯動物の前肢の機能を評価するため、ターンでは、リハビリの戦略を評価するため、このタスクを使用できます。今後、不適切な動作を軽減やタスクの取得率とトレーニング時間を短縮するための改良と、作業を改善するためにいきます。
The authors have nothing to disclose.
この研究は、NIH NINDS R03 NS091737 によって賄われています。
Base Cage – Rat Model | Vulintus | MotoTrak Rat System | N/A |
Controller | Vulintus | MotoTrak Rat System | N/A |
Behavior Module | Vulintus | MotoTrak Rat System | Supination Task, Methacrylate Dual Stop Knobs |
Pellet Dispenser – 45mg | Vulintus | MotoTrak Rat System | N/A |
Autopositioner | Vulintus | MotoTrak Rat System | N/A |
45 mg, Chocolate Flavor, 50,000/Box | Bio-Serv | F0299 | N/A |
HP Z230 Tower WorkStation | HP | N/A | Intel Xeon CPU E3-1225 v3 @ 3.20 GHz, 16GB RAM, 1TB HDD. Min Requirements: 8GB RAM, Multi-Core Processor |
Dexterity | Burke Medical Research Institute | Matlab software for data analysis | |
Enviropak | WF Fisher and Son | N/A | N/A |