Ein System zur Verfolgung der Dynamik des Verhaltens sozialer Präferenzen bei kleinen Nagetieren
Summary
Beschrieben wird hier ein neuartiges automatisiertes Experimentiersystem, das eine Alternative zum Dreikammertest bietet und auch mehrere Vorbehalte löst. Dieses System liefert mehrere Verhaltensparameter, die eine rigorose Analyse der Verhaltensdynamik kleiner Nagetiere während der sozialen Präferenz- und sozialneuheitspräferenzbegründeten Tests ermöglichen.
Abstract
Die Erforschung der neurobiologischen Mechanismen des sozialen Verhaltens erfordert Verhaltenstests, die auf Tiermodelle unvoreingenommen und beobachterunabhängig angewendet werden können. Seit Beginn des Jahrtausends wird der Dreikammertest weithin als Standardparadigma zur Bewertung der Geselligkeit (soziale Präferenz) und der sozialen Neuheitspräferenz bei kleinen Nagetieren eingesetzt. Dieser Test leidet jedoch unter mehreren Einschränkungen, einschließlich seiner Abhängigkeit von der räumlichen Navigation und der Nachlässigkeit der Verhaltensdynamik. Präsentiert und validiert hier ist ein neuartiges experimentelles System, das eine Alternative zum Dreikammertest bietet und gleichzeitig einige seiner Vorbehalte löst. Das System erfordert ein einfaches und erschwingliches Experimentelles Gerät und ein öffentlich verfügbares Open-Source-Analysesystem, das automatisch mehrere Verhaltensparameter auf individueller und Populationsebene misst und analysiert. Es ermöglicht eine detaillierte Analyse der Verhaltensdynamik kleiner Nagetiere während eines sozialen Diskriminierungstests. Wir zeigen die Effizienz des Systems bei der Analyse der Dynamik des sozialen Verhaltens während der sozialen Präferenz- und sozialen Neuheitspräferenztests, wie sie von erwachsenen männlichen Mäusen und Ratten durchgeführt werden. Darüber hinaus validieren wir die Fähigkeit des Systems, modifizierte Dynamik endendes Soziales Verhaltens bei Nagetieren nach Manipulationen wie Whisker Trimmen aufzudecken. Somit ermöglicht das System eine strenge Untersuchung des Sozialverhaltens und der Dynamik in kleinen Nagetiermodellen und unterstützt genauere Vergleiche zwischen Stämmen, Bedingungen und Behandlungen.
Introduction
Die Aufdeckung der biologischen Mechanismen, die Neuroentwicklungsstörungen (NDDs) zugrunde liegen, ist eine der größten Herausforderungen im Bereich der Neurowissenschaften1. Um diese Herausforderung anzugehen, sind Verhaltensparadigmen und experimentelle Systeme erforderlich, die das Verhalten von Nagetieren auf standardisierte und unvoreingenommene Weise typisieren. Eine einflussreiche Studie, die vor mehr als einem Jahrzehnt von Moy und Kollegen2 veröffentlicht wurde, stellte den Dreikammertest vor. Seitdem wurde dieser Test häufig verwendet, um soziales Verhalten in Nagetiermodellen von NDDs zu untersuchen. Dieser Test bewertet zwei angeborene Tendenzen von Nagetieren: 1) in der Nähe eines sozialen Reizes gegenüber einem Objekt zu bleiben (Geselligkeit, auch soziale Präferenz genannt [SP]), und 2) die Nähe eines neuartigen sozialen Stimulus einem vertrauten (soziale Neuheitspräferenz [SNP]) vorzuziehen3,4. Mehrere nachfolgende Studien schlugen Methoden der automatisierten Analyse des Dreikammertests mit computergestützten Methoden5,6vor.
Dieser Test leidet noch immer unter mehreren Einschränkungen. Erstens untersucht sie hauptsächlich die Präferenz des sozialen Ortes und nicht die Motivation des Subjekts, direkt mit einem sozialen Stimulus zu interagieren, obwohl einige Gruppen auch die geruchswissenschaftliche Untersuchungszeit (Schnüffelzeit) messen, entweder manuell7 oder mit kommerziellen computergestützten Systemen8,9,10. Zweitens wird der Dreikammertest hauptsächlich verwendet, um die Gesamtzeit des Probanden in jeder Kammer zu messen, und er vernachlässigt die Verhaltensdynamik. Schließlich stützt sie sich nur auf einen Aspekt des sozialen Verhaltens, d. h. auf die Zeit, die das Subjekt in jeder Kammer vergibt (oder, wenn gemessen, Schnüffelzeit).
Hier präsentieren wir ein neuartiges und erschwingliches Experimentiersystem, das eine Alternative zum Dreikammerapparat ist. Es ermöglicht auch die Durchführung der gleichen Verhaltenstests bei der Lösung der oben genannten Vorbehalte. Das vorgestellte Verhaltenssystem misst automatisch und direkt das Untersuchungsverhalten eines Nagers in Richtung zweier Reize. Darüber hinaus analysiert es die Verhaltensdynamik auf beobachterunabhängige Weise. Darüber hinaus misst dieses System mehrere Verhaltensparameter und analysiert diese sowohl auf individueller als auch auf Bevölkerungsebene; Daher unterstützt es eine rigorose Analyse des Sozialverhaltens und seiner Dynamik während jedes Tests. Darüber hinaus neutralisiert die zufällige Neupositionierung der Kammern in gegenüberliegenden Ecken der Arena während der verschiedenen Testphasen alle Auswirkungen des räumlichen Gedächtnisses oder der Präferenzen. Dieses System kann auch für andere Diskriminierungstests wie Diskriminierung aufgrund des Geschlechts verwendet werden. Das kundenspezifische Gerät ist einfach herzustellen, und das Analysesystem ist öffentlich zugänglich als Open-Source-Code, wodurch es in jedem Labor verwendet wird. Wir zeigen die Fähigkeit dieses Systems, mehrere Parameter des sozialen Verhaltens in Nagetierstämmen mit unterschiedlichen Fellfarben während der sozialen Präferenz- und sozialen Neuheitspräferenztests zu messen. Wir validieren auch die Fähigkeit des Systems, modifizierte Dynamik endendes Soziales Verhaltens bei Nagetieren nach Manipulationen, wie Whisker Trimmen, aufzudecken.
TrackRodent Software: drei Algorithmen wurden in MATLAB (2014a-2019a) geschrieben, um das experimentelle Thema und seine Wechselwirkungen mit den Reizen zu verfolgen. Alle Algorithmen wurden in GitHub hinterlegt, gefunden unter . Das Hauptziel aller vier Algorithmen ist es, die Konturen des Körpers des Motivs zu verfolgen, um jeden direkten Kontakt mit den Reizbereichen zu erkennen.
Körperbasierter Algorithmus: Dieser Algorithmus hat drei Versionen, die die Konturen einer unverdrahteten dunklen Maus auf einem weißen Hintergrund (BlackMouseBodyBased), eine weiße Maus auf einem dunklen Hintergrund (WhiteMouseBodyBased) oder eine weiße Ratte auf einem dunklen Hintergrund (WhiteRatBodyBased) verfolgen. ). Die grafische Benutzeroberfläche (GUI) der Software erfordert, dass der Experimentierer ein Experiment mit Mäusen oder Ratten auswählt und dann den richtigen Code auswählt. Für jede Version des Algorithmus gibt es zwei optionale Codes: einen, der den Tracking-Prozess auf dem Bildschirm darstellt, während er die Analyse durchführt, und einen, der dies nicht tut (daher läuft er schneller und wird als “schnell” bezeichnet). Beispielsweise lauten die Namen der relevanten Codes für den BlackMouseBodyBased-Algorithmus: “BlackMouseBodyBased23_7_14” und “BlackMouseBodyBased23_7_14_Fast”. Alle Algorithmen, die mit “schnell” enden, zeigen das Tracking nicht online an, und Benutzer müssen die Daten direkt in der Ergebnisdatei (.mat-Datei) speichern. Alle körperbasierten Algorithmen erfordern die Festlegung eines einzelnen Schwellenwerts (“niedriger Schwellenwert” in der GUI der Software), um den Körper des Motivs zu erkennen.
Head-directionality-basierter Algorithmus: Der zweite Algorithmus, der nur für schwarze Mäuse verfügbar ist, basiert auf dem körperbasierten Algorithmus, zusätzlich zur Bestimmung der Kopfrichtung. Dieser Algorithmus erkennt die Wechselwirkungen des Kopfes des Subjekts mit den “Reizen” Bereichen und vermeidet so falsche Positivmeldungen, die aus zufälligen Kontakten des Subjekts’ mit diesen Bereichen entstehen können. Für diesen Algorithmus werden zwei Erkennungsschwellen für Mauskörperkonturen definiert: hohe Schwelle, die den helleren Schwanz schwarzer Mäuse einschließt, und niedrige Schwelle, die den Körper ohne Schwanz einschließt. Danach passt der Algorithmus ein Ellipsoid mit dem unteren Schwellenwert an die erkannten Grenzen an und definiert die Position von Mauskopf und Schwanz (ohne Unterschied zwischen den beiden). Die endgültige Diskriminierung zwischen Schwanz und Kopf basiert auf den Grenzen, die durch die höhere Schwelle definiert werden.
Verdrahteter Tieralgorithmus: Der dritte Algorithmus zielt darauf ab, Artefakte zu minimieren, die aus Kabeln (d. h. elektrischem Draht oder Glasfaser) stammen, die mit dem Tier verbunden sind, und ermöglicht eine Analyse des Verhaltens des Tieres, während es mit einem Kabel verbunden ist. Dieser Algorithmus hat Codes nur für schwarze Mäuse und weiße Ratten. Der Code für Ratten erfordert, dass der Experimentator sowohl niedrige als auch hohe Schwellenwerte definiert, während der Mauscode nur einen niedrigen Schwellenwert erfordert.
Protocol
Representative Results
Discussion
Das hier beschriebene Versuchssystem, das als Alternative zum Dreikammergerät2,5konzipiert wurde, ermöglicht die Durchführung der gleichen Tests bei gleichzeitiger Lösung einiger seiner Einschränkungen. Die Verwendung von Dreieckskammern, die sich in zwei gegenüberliegenden Ecken der rechteckigen Arena befinden, begrenzt den Interaktionsbereich Subjekt-Stimulus auf eine klar definierte Ebene und ermöglicht so eine präzise automatisierte Analyse des Unters…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Diese Arbeit wurde vom Human Frontier Science Program (HFSP-Stipendium RGP0019/2015), der Israel Science Foundation (ISF-Stipendien #1350/12, 1361/17), der Milgrom Foundation und dem Ministerium für Wissenschaft, Technologie und Weltraum Israels (Grant #3-12068) unterstützt.
Materials
| Flea3 1.3 MP Mono USB3 Vision | FLIR (formerly PointGrey) | FL3-U3-13Y3M-C | Monochromatic Camera |
| FlyCap 2.0 | FLIR (formerly PointGrey) | FlyCapture 2.13.3.61X64 | Video recording software |
| Home 5 minute Epoxy glue | Devocon | 20845 | For gluing the metal mesh to the Plexiglas stimuli chambers |
| Matlab 2014-2019 | MathWorks | R2014a – R2019a | Programming environment |
| Plexiglas boards (6 mm thickBlack or white) | Melina (1990) LTD, Israel | NaN | For arena and stimuli chambers construction |
| Red led strips (60 leds per meter) connected to a 12V power supply | 2012topdeal eBay supplier | NaN | For illumination of the acoustic chamber |
Riferimenti
- Insel, T. R. The challenge of translation in social neuroscience: a review of oxytocin, vasopressin, and affiliative behavior. Neuron. 65 (6), 768-779 (2010).
- Moy, S. S., et al. Sociability and preference for social novelty in five inbred strains: an approach to assess autistic-like behavior in mice. Genes, Brain and Behavior. 3 (5), 287-302 (2004).
- Carr, W. J., Yee, L., Gable, D., Marasco, E. Olfactory recognition of conspecifics by domestic Norway rats. Journal of Comparative and Physiological Psychoogyl. 90 (9), 821-828 (1976).
- Ferguson, J. N., Aldag, J. M., Insel, T. R., Young, L. J. Oxytocin in the medial amygdala is essential for social recognition in the mouse. Journal of Neuroscience. 21 (20), 8278-8285 (2001).
- Nadler, J. J., et al. Automated apparatus for quantitation of social approach behaviors in mice. Genes, Brain and Behavior. 3 (5), 303-314 (2004).
- Page, D. T., Kuti, O. J., Sur, M. Computerized assessment of social approach behavior in mouse. Frontiers in Behavioral Neuroscience. 3, 48 (2009).
- Sankoorikal, G. M., Kaercher, K. A., Boon, C. J., Lee, J. K., Brodkin, E. S. A mouse model system for genetic analysis of sociability: C57BL/6J versus BALB/cJ inbred mouse strains. Biological Psychiatry. 59 (5), 415-423 (2006).
- Martin, L., Sample, H., Gregg, M., Wood, C. Validation of operant social motivation paradigms using BTBR T+tf/J and C57BL/6J inbred mouse strains. Brain and Behavior. 4 (5), 754-764 (2014).
- Noldus, L. P. J. J., Spink, A. J., Tegelenbosch, R. A. J. EthoVision: A versatile video tracking system for automation of behavioral experiments. Behavior Research Methods Instruments & Computers. 33 (3), 398-414 (2001).
- Sams-Dodd, F. Automation of the social interaction test by a video-tracking system: behavioural effects of repeated phencyclidine treatment. Journal of Neuroscience Methods. 59 (2), 157-167 (1995).
- Netser, S., Haskal, S., Magalnik, H., Wagner, S. A novel system for tracking social preference dynamics in mice reveals sex- and strain-specific characteristics. Molecular Autism. 8, 53 (2017).
