Evaluering af faglært beslutning i mus ved hjælp af en auto-træner

Summary

Metode til at vurdere virkningen af uddannelse på motoriske færdigheder er et nyttigt redskab. Desværre kan de fleste adfærdsmæssige vurderinger være arbejdskraftintensive og/eller dyre. Vi beskriver her en robot metode til at vurdere, om der er færdigheder (REACH-to-fatte) i mus.

Abstract

Vi beskriver en metode til at introducere naive mus til en ny, omfattende (REACH-to-fatte) opgave. Mus er anbragt enkeltvis i bure med en frontal slot, der gør det muligt for musen at nå ud af sit bur og hente mad pellets. Minimal fødevare restriktion er ansat til at tilskynde musene til at udføre madhentning fra slottet. Da musene begynder at associere kommer til slottet for mad, er pillerne manuelt trukket væk for at stimulere udvidelse og pronation af deres pote til at forstå og hente pellet gennem den forreste slot. Når musene begynder at nå frem til pellets, når de ankommer til slotspillet, kan den adfærdsmæssige analyse udføres ved at måle den hastighed, hvormed de med held forstår og henter den ønskede pellet. De er derefter introduceret til en auto-træner, der automatiserer både processen med at levere mad pellets til musen til at forstå, og optagelsen af vellykkede og mislykkedes at nå og fatte forsøg. Dette giver mulighed for indsamling af at nå data for flere mus med minimal indsats, der skal anvendes i eksperimentel analyse efter behov.

Introduction

Metoder til eksperimentelt teste en motorisk færdighed præ-og post-neurologisk skade samt moduere timing, beløb, og typen af motor uddannelse er vigtige for Translationel forskning. I løbet af de sidste ti år, mus, på grund af den ledsagende lethed af genetisk manipulation, er blevet et populært model system til at belyse mekanismerne i motor læring præ-og post-skade. Men, adfærdsmæssige assays i mus er ikke blevet optimeret på samme måde, som sådanne assays har været for andre pattedyr (især rotter). Desuden er der vigtige forskelle mellem adfærden af en mus og en rotte, der kraftigt tyder på uddannelse af de to arter i forskellige manerer^1,2.

Faglærte forkaste bevægelser bruger en hånd/pote til at placere mad i munden, til at manipulere et objekt, eller til at bruge et værktøj. Faktisk er det at nå at forstå forskellige objekter i hverdagen en grundlæggende funktion i øvre lemmer, og Reach-to-Eat-loven er en form for afgørelse, som mange pattedyr bruger. Mange af de genetiske, fysiologiske og anatomiske forandringer, der underbygger en kompetence erhvervelse, er blevet veldefineret i felt³. Ved at omsætte prækliniske fund til kliniske resultater, har man brug for en relevant test, der er effektiv og reproducerbar. Undersøgelser af gnaver og menneskelige rækker viser, at det er ens for mennesker og dyr⁴. Disse ligheder tyder derfor på, at en omfattende afprøvning kan tjene som en translationel model for undersøgelse af motorisk indlæring samt for funktionsnedsættelser og behandling af sygdomme hos mennesker. Derfor kan en evaluering af det i mus tilbyde et kraftfuldt værktøj i Translationel forskning, der studerer både sundheds-og sygdomstilstande⁴.

Desværre kan den omfattende opgave i mus, selv for en mindre laboratorie indstilling, være omstændelig og tidskrævende. For at afhjælpe dette problem beskriver vi her en automatiseret version af den omfattende opgave. Den beskrevne opgave kræver mus til at forlænge en enkelt pote gennem musens hjem bur frontal slot, udtale den udvidede pote, forstå mad pellet belønning, og trække pellet tilbage til bur interiør til forbrug. De resulterende data præsenteres som enten en stor succes eller fiasko. Denne automatisering registrerer dataene og reducerer den byrde og tid, hvormed forskerne skal engagere sig i opgaven.

Protocol

Alle metoder beskrevet her er blevet godkendt af ACUC (Animal Care og use Committee) af Johns Hopkins University. 1. klargøring af muse bure til brug Opret en kærne åbning med dimensioner på 0,8 cm bredde og 7 cm højde fra bunden i forreste ende af hvert bur, som illustreret i figur 1. Dette slot tjener som den åbning, hvorigennem dyret vil nå.Bemærk: Auto-Trainer er designet til brug med standardmusen bur dimensioner (som vist i <strong clas…

Representative Results

Generelt anbefales det, at hver træningssession består af omkring 20-30 forsøg, som kan indstilles af brugeren, køre automatisk af Auto-træner og gemmes i en enkelt logfil pr session og mus. Hvert forsøg kan køres fortløbende, lige efter den anden, med 2-5 s pause. Mus uddannet på Auto-træner udviser en stigning i færdighed over 10 træningssessioner. For at sammenligne nytten af Auto-træner til manuel træning (betr…

Discussion

Vores Auto-træner evaluerer på en automatiseret måde forbimb Reach-to-Grib. For at nå dette endepunkt er mange af de parametre, der er beregnet til at overføre musen, herunder pellet placering, pellet størrelse og Trænings kriterier, blevet itteret over flere år og tilpasset fra tidligere protokoller^{2,5 ,6}. Avancement her er automatisering af opgaven ved hjælp af en robot, der tillader hjem-bur boliger. Hjem-bur bolige…

Materials

ABS Filament	Custom 3D Printed	N/A	utilized for pellet holder, frame, arm and funnel
ABS Sheet	McMaster-Carr	8586K581	3/8" thickness; used for platform compononents, positioning stand guides and base
Adruino Mini	Adruino	A000087	nano version also compatiable as well as other similar microcontrollers
Bench-Top Adjustable-Height Positioning Stand	McMaster-Carr	9967T43	35 lbs. load capacity
Clear Acrylic Round Tube	McMaster-Carr	8532K14	ID 3/8"
Low-Carbon Steel Wire	McMaster-Carr	8855K14	0.148" diameter
Pellet Dispenser	Lafayette Instrument: Neuroscience	80209-45	with 45 mg interchangeable pellet size wheel and optional stand
Photointerrupter Breakout Board	SparkFun	BOB-09322 ROHS	designed for Sharp GP1A57HRJ00F
Reflective Object Sensor	Fairchild Semiconductor	QRD1113	phototransistor output
Servo Motor	SparkFun	S8213	generic metal gear (micro size)
Transmissive Photointerrupter	Sharp	GP1A57HRJ00F	gap: 10 mm, slit: 1.8 mm