Summary

Une plate-forme flexible pour la surveillance de l’apprentissage associatif sensoriel dépendant du cervelet

Published: January 19, 2022
doi:

Summary

Nous avons développé une plate-forme unique pour suivre le comportement des animaux lors de deux tâches d’apprentissage associative dépendantes des fibres d’escalade. La conception à faible coût permet l’intégration avec des expériences optogénétiques ou d’imagerie orientées vers l’activité cérébelleuse associée aux fibres grimpantes.

Abstract

Les entrées de fibres grimpantes dans les cellules de Purkinje fournissent des signaux instructifs essentiels à l’apprentissage associatif dépendant du cervelet. L’étude de ces signaux chez des souris à tête fixe facilite l’utilisation de méthodes d’imagerie, électrophysiologiques et optogénétiques. Ici, une plate-forme comportementale à faible coût (~ 1000 $) a été développée qui permet de suivre l’apprentissage associatif chez des souris à tête fixe qui se déplacent librement sur une roue de course. La plateforme intègre deux paradigmes d’apprentissage associatifs courants : le conditionnement des sourcils et le conditionnement des sursauts tactiles retardés. Le comportement est suivi à l’aide d’une caméra et le mouvement de la roue par un détecteur. Nous décrivons les composants et la configuration et fournissons un protocole détaillé pour la formation et l’analyse des données. Cette plateforme permet l’incorporation de la stimulation optogénétique et de l’imagerie par fluorescence. La conception permet à un seul ordinateur hôte de contrôler plusieurs plates-formes pour l’entraînement simultané de plusieurs animaux.

Introduction

Le conditionnement pavlovien de l’association subseconde entre les stimuli pour provoquer une réponse conditionnée a longtemps été utilisé pour sonder l’apprentissage cérébelleux-dépendant. Par exemple, dans le conditionnement classique des sourcils à retard (DEC), les animaux apprennent à faire un clignotement protecteur bien synchronisé en réponse à un stimulus conditionnel neutre (CS; par exemple, un éclair de lumière ou un ton auditif) lorsqu’il est associé à plusieurs reprises à un stimulus inconditionnel (US; par exemple, une bouffée d’air appliquée à la cornée) qui provoque toujours un clignement réflexe, et qui arrive à la fin ou près de la fin du CS. La réponse apprise est appelée réponse conditionnée (RC), tandis que la réponse réflexe est appelée réponse inconditionnée (UR). Chez le lapin, les lésions spécifiques au cervelet perturbent cette forme d’apprentissage 1,2,3,4. En outre, les pics du complexe cellulaire de Purkinje, entraînés par leurs entrées de fibre ascendante5, fournissent un signal nécessaire de 6,7 et suffisamment de 8,9 pour l’acquisition de CR correctement chronométrés.

Plus récemment, des paradigmes d’apprentissage associatif dépendant des fibres grimpantes ont été développés pour les souris à tête fixe. DEC a été le premier paradigme d’apprentissage associatif à être adapté à cette configuration10,11. Dec chez les souris à tête fixe a été utilisé pour identifier les régions cérébelleuses 11,12,13,14,15,16,17 et les éléments de circuit 11,1 2,13,14,15,18,19 qui sont nécessaires à l’acquisition et à l’extinction des tâches. Cette approche a également été utilisée pour démontrer comment la représentation physiologique au niveau cellulaire des paramètres de la tâche évolue avec l’apprentissage 13,15,16.

En plus du clin d’œil, le paradigme du conditionnement tactile à sursaut différé (DTSC) a récemment été développé en tant que nouvelle tâche d’apprentissage associatif pour les souris à tête fixe20. Conceptuellement similaire à DEC, DTSC implique la présentation d’un CS neutre avec un US, un tapotement sur le visage suffisamment intense pour engager un réflexe de sursaut21,22 comme UR. Dans le paradigme DTSC, l’UR et le CR sont lus comme une locomotion vers l’arrière sur une roue. DTSC a maintenant été utilisé pour découvrir comment l’apprentissage associatif modifie l’activité cérébelleuse et les modèles d’expression des gènes20.

Dans ce travail, une méthode a été développée pour appliquer de manière flexible DEC ou DTSC dans une seule plate-forme. Les attributs du stimulus et de la plate-forme sont schématisés à la figure 1. La conception intègre la capacité de suivre le comportement des animaux avec une caméra ainsi qu’un codeur rotatif pour suivre la locomotion de la souris sur une roue. Tous les aspects de l’enregistrement des données et de la structure d’essai sont contrôlés par des microcontrôleurs couplés (Arduino) et un ordinateur monocarte (SBC; Raspberry Pi). Ces appareils sont accessibles via une interface utilisateur graphique fournie. Ici, nous présentons un flux de travail pour la configuration, la préparation et l’exécution des expériences, ainsi qu’un pipeline d’analyse personnalisé pour la visualisation des données.

Protocol

Les protocoles animaux décrits ici ont été approuvés par les comités de soins et d’utilisation des animaux de l’Université de Princeton. 1. Configuration du SBC Connectez le câble de l’interface série de la caméra (CSI) à la caméra Raspberry NoIR V2 et au port de la caméra sur le SBC. Téléchargez le système d’exploitation du contrôleur SBC sur l’ordinateur hôte. Écrivez l’image du système d’exploitation sur une carte numéri…

Representative Results

Flux de travail pour les expériences et l’analyse DECUne sélection appropriée des paramètres expérimentaux est importante pour une formation réussie au conditionnement des sourcils (DEC). Pour les données présentées ici, l’interface graphique a été utilisée pour choisir une durée CS de 350 ms et une durée US de 50 ms. Ce couplage se traduit par un intervalle inter-stimulus de 300 ms : assez long pour empêcher la production de CR de faible amplitude10 et asse…

Discussion

La plate-forme avec les protocoles associés décrits ici peut être utilisée pour suivre de manière fiable le comportement animal dans deux tâches d’apprentissage associatif sensoriel. Chaque tâche dépend d’une communication intacte à travers le sentier de fibre d’escalade. Dans la conception décrite ici, nous incorporons des éléments pour faciliter l’apprentissage et l’enregistrement / perturbation de la réponse cérébelleuse. Ceux-ci incluent une roue pour permettre une locomotion libre<sup class=…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Ce travail est soutenu par des subventions des National Institutes of Mental Health NRSA F32 MH120887-03 (à G.J.B.) et R01 NS045193 et R01 MH115750 (à S.S-H.W.). Nous remercions les Drs Bas Koekkoek et Henk-Jan Boele pour leurs discussions utiles pour l’optimisation de la configuration du DEC et les Drs Yue Wang et Xiaoying Chen pour leurs discussions utiles pour optimiser la configuration du DTSC.

Materials

"B" Quick Base For C&B METABOND – 10 mL bottle Parkell S398 Dental cement solvent
"C" Universal TBB Catalyst – 0.7 mL Parkell S371 Catalyst
#8 Washers Thorlabs W8S038 Washers
0.250" (1/4") x 8.00" Stainless Steel Precision Shafting Servocity 634172 1/4" shaft
0.250” (0.770") Clamping Hub Servocity 545588 Clamping hub
1/4" to 6 mm Set Screw Shaft Coupler- 5 pack Actobotics 625106 Shaft-coupling sleeve
1/4"-20 Cap Screws, 3/4" Long Thorlabs SH25S075 1/4" bolt
100 pcs 5 mm 395–400 nm UV Ultraviolet LED Light Emitting Diode Clear Round Lens 29 mm Long Lead (DC 3V) LEDs Lights +100 pcs Resistors EDGELEC ‎ED_YT05_U_100Pcs CS LEDs
2 m Micro HDMI to DVI-D Cable – M/M – 2 m Micro HDMI to DVI Cable – 19 pin HDMI (D) Male to DVI-D Male – 1920 x 1200 Video Star-tech ‎HDDDVIMM2M Raspberry Pi4B to monitor cable
256 GB Ultra Fit USB 3.1 Flash Drive SanDisk ‎SDCZ430-256G-G46 USB thumb drive
3.3 V–5 V 4 Channels Logic Level Converter Bi-Directional Shifter Module Amazon B00ZC6B8VM Logic level shifter
32 GB 95 MB/s (U1) microSDHC EVO Select Memory Card Samsung ‎MB-ME32GA/AM microSD card
4.50" Aluminum Channel Servocity 585444 4.5" aluminum channel
48-LED CCTV Ir Infrared Night Vision Illuminator Towallmark SODIAL Infrared light array
4PCS Breadboards Kit Include 2PCS 830 Point 2PCS 400 Point Solderless Breadboards for Proto Shield Distribution Connecting Blocks REXQualis B07DL13RZH Breadboard
5 Port Gigabit Unmanaged Ethernet Network Switch TP-Link ‎TL-SG105 Ethernet switch
5 V 2.5 A Raspberry Pi 3 B+ Power Supply/Adapter Canakit ‎DCAR-RSP-2A5 Power supply for Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3 Ethicon 668G Sutures
6 mm Shaft Encoder 2000 PPR Pushpull Line Driver Universal Output Line Driver Output 5-26 V dc Supply Calt  B01EWER68I Rotary encoder
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 1", 5 Pack Thorlabs TR1-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 2", 5 Pack Thorlabs TR2-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 4", 5 Pack Thorlabs TR4-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 6", 5 Pack Thorlabs TR6-P5 Optical posts
Ø1/2" Post Holder, Spring-Loaded Hex-Locking Thumbscrew, L = 2" Thorlabs PH2 Optical post holder
Adapter-062-M X LUER LOCK-F The Lee Co. TMRA3201950Z Solenoid valve luer adapter
Aeromat Foam Roller Size: 36" Length Aeromat B002H3CMUE Foam roller
Aluminum Breadboard 10" x 12" x 1/2", 1/4"-20 Taps Thorlabs MB1012 Aluminum breadboard
Amazon Basics HDMI to DVI Adapter Cable, Black, 6 Feet, 1-Pack Amazon HL-007347 Raspberry Pi3B+ to monitor cable
Arduino  Uno R3 Arduino A000066 Arduino Uno (microcontroller board)
Arduino Due Arduino ‎A000062 Arduino Due (microcontroller board)
Bench Power Supply, Single, Adjustable, 3 Output, 0 V, 24 V, 0 A, 2 A Tenma 72-8335A Power supply
Clear Scratch- and UV-Resistant Cast Acrylic Sheet, 12" x 24" x 1/8" McMaster Carr 8560K257 Acrylic sheet
CNC Stepper Motor Driver 1.0–4.2 A 20–50 V DC 1/128 Micro-Step Resolutions for Nema 17 and 23 Stepper Motor Stepper Online B06Y5VPSFN Stepper motor driver
Compact Compressed Air Regulator, Inline Relieving, Brass Housing, 1/4 NPT McMaster Carr 6763K13 Air source regulator
Cotton Swab Puritan 806-WC Cotton swab
Dell 1908FP 19" Flat Panel Monitor – 1908FPC Dell 1908FPC Computer monitor
Flex Cable for Raspberry Pi Camera Adafruit 2144 camera serial interface cable
High Torque Nema 17 Bipolar Stepper Motor 92 oz·in/65 N·cm 2.1 A Extruder Motor Stepper Online 17HS24-2104S Stepper motor
Isoflurane Henry Schein 66794001725 Isoflurane
Krazy Maximum Bond Permanent Glue, 0.18 oz. Krazy Glue KG483 Cyanoacrylate glue
Lidocaine HCl VetOne 510212 Lidocaine
Low-Strength Steel Hex Nut, Grade 2, Zinc-Plated, 1/4"-20 Thread Size McMaster Carr 90473A029 Nuts
M3 x 50 mm Partially Threaded Hex Key Socket Cap Head Screws 10 pcs Uxcell A16040100ux1380 M3 bolt
NEMA 17 Stepper Motor Mount ACTOBOTICS 555152 Stepper motor mount
Official Raspberry Pi Power Supply 5.1 V 3 A with USB C – 1.5 m long Adafruit 4298 Power supply for Raspberry Pi 4B
Optixcare Dog & Cat Eye Lube Lubricating Gel, 0.70-oz tube Optixcare 142422 Opthalimic ointment
Precision Stainless Steel Ball Bearing, Shielded, Trade No. R188-2Z, 13000 rpm Maximum Speed McMaster-Carr 3759T57 Bearing
Premium Female/Female Jumper Wires – 40 x 6" Adafruit 266 Wires
Premium Female/Male 'Extension' Jumper Wires – 40 x 6" (150 mm) Adafruit 826 Wires
Premium Male/Male Jumper Wires – 40 x 6" Adafruit 758 Wires
Radiopaque L-Powder for C&B METABOND – 5 g Parkell S396 Dental cement powder
Raspberry Pi (3B+ or 4B) Adafruit 3775 or 4295 Raspberry Pi
Raspberry Pi NoIR Camera Module V2 – 8MP 1080P30 Raspberry Pi Foundation RPI3-NOIR-V2 Raspberry NoIR V2 camera
Right-Angle Bracket, 1/4" (M6) Counterbored Slot, 8-32 Taps Thorlabs AB90E Right-angle bracket
Right-Angle Clamp for Ø1/2" Posts, 3/16" Hex Thorlabs RA90 Right-angle optical post clamp
Right-Angle End Clamp for Ø1/2" Posts, 1/4"-20 Stud and 3/16" Hex Thorlabs RA180 Right-angle end clamp
RJ45 Cat-6 Ethernet Patch Internet Cable Amazon ‎CAT6-7FT-5P-BLUE Ethernet cable
Rotating Clamp for Ø1/2" Posts, 360° Continuously Adjustable, 3/16" Hex Thorlabs SWC Rotating optical post clamps
Spike & Hold Driver-0.1 TO 5 MS The Lee Co. IECX0501350A Solenoid valve driver
Swivel Base Adapter Thorlabs UPHA Post holder adapter
USB 2.0 A-Male to Micro B Cable, 6 feet Amazon ‎7T9MV4 USB2 type A to USB2 micro cable
USB 2.0 Printer Cable – A-Male to B-Male, 6 Feet (1.8 m) Amazon B072L34SZS USB2 type B to USB2 type A cable
VHS-M/SP-12 V The Lee Co. INKX0514900A Solenoid valve
Zinc-Plated Steel 1/4" washer, OD 1.000" McMaster Carr 91090A108 Washers

References

  1. McCormick, D. A., Lavond, D. G., Clark, G. A., Kettner, R. E., Rising, C. E., Thompson, R. F. The engram found? Role of the cerebellum in classical conditioning of nictitating membrane and eyelid responses. Bulletin of the Psychonomic Society. 18 (3), 103-105 (1981).
  2. McCormick, D. A., Clark, G. A., Lavond, D. G., Thompson, R. F. Initial localization of the memory trace for a basic form of learning. Proceedings of the National Academy of Sciences of the United States of America. 79 (8), 2731-2735 (1982).
  3. McCormick, D. A., Thompson, R. F. Cerebellum: essential involvement in the classically conditioned eyelid response. Science. 223 (4633), 296-299 (1984).
  4. Krupa, D. J., Thompson, J. K., Thompson, R. F. Localization of a memory trace in the mammalian brain. Science. 260 (5110), 989-991 (1993).
  5. Llinás, R., Sugimori, M. Electrophysiological properties of in vitro Purkinje cell dendrites in mammalian cerebellar slices. The Journal of Physiology. 305, 197-213 (1980).
  6. Mintz, M., Lavond, D. G., Zhang, A. A., Yun, Y., Thompson, R. F. Unilateral inferior olive NMDA lesion leads to unilateral deficit in acquisition and retention of eyelid classical conditioning. Behavioral and Neural Biology. 61 (3), 218-224 (1994).
  7. Welsh, J. P., Harvey, J. A. Cerebellar lesions and the nictitating membrane reflex: performance deficits of the conditioned and unconditioned response. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 9 (1), 299-311 (1989).
  8. Mauk, M. D., Steinmetz, J. E., Thompson, R. F. Classical conditioning using stimulation of the inferior olive as the unconditioned stimulus. Proceedings of the National Academy of Sciences of the United States of America. 83 (14), 5349-5353 (1986).
  9. Steinmetz, J. E., Lavond, D. G., Thompson, R. F. Classical conditioning in rabbits using pontine nucleus stimulation as a conditioned stimulus and inferior olive stimulation as an unconditioned stimulus. Synapse. 3 (3), 225-233 (1989).
  10. Chettih, S. N., McDougle, S. D., Ruffolo, L. I., Medina, J. F. Adaptive timing of motor output in the mouse: The role of movement oscillations in eyelid conditioning. Frontiers in Integrative Neuroscience. 5, 72 (2011).
  11. Heiney, S. A., Wohl, M. P., Chettih, S. N., Ruffolo, L. I., Medina, J. F. Cerebellar-dependent expression of motor learning during eyeblink conditioning in head-fixed mice. The Journal of Neuroscience. 34 (45), 14845-14853 (2014).
  12. Heiney, S. A., Kim, J., Augustine, G. J., Medina, J. F. Precise control of movement kinematics by optogenetic inhibition of purkinje cell activity. Journal of Neuroscience. 34 (6), 2321-2330 (2014).
  13. Ten Brinke, M. M., et al. Evolving models of pavlovian conditioning: Cerebellar cortical dynamics in awake behaving mice. Cell Reports. 13 (9), 1977-1988 (2015).
  14. Gao, Z., et al. Excitatory cerebellar nucleocortical circuit provides internal amplification during associative conditioning. Neuron. 89 (3), 645-657 (2016).
  15. Giovannucci, A., et al. Cerebellar granule cells acquire a widespread predictive feedback signal during motor learning. Nature Neuroscience. 20 (5), 727-734 (2017).
  16. Ten Brinke, M. M., et al. Dynamic modulation of activity in cerebellar nuclei neurons during pavlovian eyeblink conditioning in mice. eLife. 6, 28132 (2017).
  17. Wang, X., Yu, S., Ren, Z., De Zeeuw, C. I., Gao, Z. A FN-MdV pathway and its role in cerebellar multimodular control of sensorimotor behavior. Nature Communications. 11 (1), 6050 (2020).
  18. Albergaria, C., Silva, N. T., Pritchett, D. L., Carey, M. R. Locomotor activity modulates associative learning in mouse cerebellum. Nature Neuroscience. 21 (5), 725-735 (2018).
  19. Kim, O. A., Ohmae, S., Medina, J. F. A cerebello-olivary signal for negative prediction error is sufficient to cause extinction of associative motor learning. Nature Neuroscience. 23 (12), 1550-1554 (2020).
  20. Yamada, T., et al. Sensory experience remodels genome architecture in neural circuit to drive motor learning. Nature. 569 (7758), 708-713 (2019).
  21. Horlington, M. Startle response circadian rhythm in rats: lack of correlation with motor activity. Physiology & Behavior. 5 (1), 49-53 (1970).
  22. Yeomans, J. S., Li, L., Scott, B. W., Frankland, P. W. Tactile, acoustic and vestibular systems sum to elicit the startle reflex. Neuroscience and Biobehavioral Reviews. 26 (1), 1-11 (2002).
  23. . Raspberry Pi Operating system images Available from: https://www.raspberrypi.com/software/operationg-systems/ (2021)
  24. . VNC Server. VNC® Connect Available from: https://www.realvnc.com/en/connect/download/vnc/ (2021)
  25. . Anaconda: The world’s most popular data science platform Available from: https://xddebuganaconda.xdlab.co/ (2021)
  26. De Zeeuw, C. I., Ten Brinke, M. M. Motor learning and the cerebellum. Cold Spring Harbor Perspectives in Biology. 7 (9), 021683 (2015).
  27. Badura, A., et al. Normal cognitive and social development require posterior cerebellar activity. eLife. 7, 36401 (2018).
  28. Koekkoek, S. K. E., Den Ouden, W. L., Perry, G., Highstein, S. M., De Zeeuw, C. I. Monitoring kinetic and frequency-domain properties of eyelid responses in mice with magnetic distance measurement technique. Journal of Neurophysiology. 88 (4), 2124-2133 (2002).
  29. Kloth, A. D., et al. Cerebellar associative sensory learning defects in five mouse autism models. eLife. 4, 06085 (2015).
  30. Boele, H. -. J., Koekkoek, S. K. E., De Zeeuw, C. I. Cerebellar and extracerebellar involvement in mouse eyeblink conditioning: the ACDC model. Frontiers in Cellular Neuroscience. 3, (2010).
  31. Lin, C., Disterhoft, J., Weiss, C. Whisker-signaled eyeblink classical conditioning in head-fixed Mice. Journal of Visualized Experiments: JoVE. (109), e53310 (2016).
  32. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  33. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).
check_url/fr/63205?article_type=t

Play Video

Citer Cet Article
Broussard, G. J., Kislin, M., Jung, C., Wang, S. S. -. A Flexible Platform for Monitoring Cerebellum-Dependent Sensory Associative Learning. J. Vis. Exp. (179), e63205, doi:10.3791/63205 (2022).

View Video