Система виртуальной реальности с открытым исходным кодом для измерения пространственного обучения у мышей с ограниченной головой
Summary
Здесь мы представляем упрощенную аппаратную и программную установку с открытым исходным кодом для исследования пространственного обучения мыши с использованием виртуальной реальности (VR). Эта система отображает виртуальную линейную дорожку для мыши с головой, работающей на колесе, используя сеть микроконтроллеров и одноплатный компьютер, на котором работает простой в использовании графический программный пакет Python.
Abstract
Поведенческие эксперименты с головой на мышах позволяют нейробиологам наблюдать активность нейронных цепей с помощью электрофизиологических и оптических инструментов визуализации с высоким разрешением, доставляя точные сенсорные стимулы ведущему себя животному. Недавние исследования на людях и грызунах с использованием сред виртуальной реальности (VR) показали, что VR является важным инструментом для раскрытия нейронных механизмов, лежащих в основе пространственного обучения в гиппокампе и коре, благодаря чрезвычайно точному контролю над такими параметрами, как пространственные и контекстуальные сигналы. Однако создание виртуальных сред для пространственного поведения грызунов может быть дорогостоящим и требует обширного опыта в области инженерии и компьютерного программирования. Здесь мы представляем простую, но мощную систему, основанную на недорогом модульном аппаратном и программном обеспечении с открытым исходным кодом, которая позволяет исследователям изучать пространственное обучение у мышей с ограниченной головой с использованием среды виртуальной реальности. Эта система использует связанные микроконтроллеры для измерения локомоции и доставки поведенческих стимулов, в то время как мыши с головой работают на колесе в сочетании с виртуальной линейной средой трека, визуализируемой графическим программным пакетом, работающим на одноплатном компьютере. Акцент на распределенной обработке позволяет исследователям разрабатывать гибкие модульные системы для выявления и измерения сложного пространственного поведения у мышей, чтобы определить связь между активностью нейронных цепей и пространственным обучением в мозге млекопитающих.
Introduction
Пространственная навигация — это этологически важное поведение, с помощью которого животные кодируют особенности новых мест в когнитивную карту, которая используется для поиска областей возможного вознаграждения и избегания областей потенциальной опасности. Неразрывно связанные с памятью когнитивные процессы, лежащие в основе пространственной навигации, имеют общий нейронный субстрат в гиппокампе1 и коре головного мозга, где нейронные цепи в этих областях интегрируют поступающую информацию и формируют когнитивные карты окружающей среды и событий для последующего вспоминания2. В то время как открытие клеток места в гиппокампе3,4 и клеток сетки в энторинальной коре5 пролило свет на то, как формируется когнитивная карта в гиппокампе, остается много вопросов о том, как конкретные нейронные подтипы, микросхемы и отдельные субрегионы гиппокампа (зубчатая извилина и области рогового аммониса, CA3-1) взаимодействуют и участвуют в формировании пространственной памяти и воспоминании.
Двухфотонная визуализация in vivo была полезным инструментом для выявления клеточной и популяционной динамики в сенсорной нейрофизиологии 6,7; Однако типичная необходимость в подголовниках ограничивает полезность этого метода для изучения пространственного поведения млекопитающих. Появление виртуальной реальности (VR)8 устранило этот недостаток, представив иммерсивные и реалистичные зрительно-пространственные среды, в то время как мыши с головой бегают по мячу или беговой дорожке для изучения пространственного и контекстуального кодирования в гиппокампе 8,9,10 и коре11. Кроме того, использование сред виртуальной реальности с ведущими себя мышами позволило исследователям в области нейробиологии анализировать компоненты пространственного поведения, точно контролируя элементы средывиртуальной реальности 12 (например, визуальный поток, контекстуальную модуляцию) способами, невозможными в реальных экспериментах по пространственному обучению, таких как водный лабиринт Морриса, лабиринт Барнса или задачи на доске с отверстиями.
Визуальные среды виртуальной реальности обычно визуализируются на графическом процессоре (GPU) компьютера, который обрабатывает нагрузку быстрого вычисления тысяч полигонов, необходимых для моделирования движущейся 3D-среды на экране в режиме реального времени. Большие требования к обработке, как правило, требуют использования отдельного ПК с графическим процессором, который отображает визуальную среду на мониторе, нескольких экранах13 или проекторе14 , поскольку движение записывается с беговой дорожки, колеса или пенопластового мяча под животным. Таким образом, полученное устройство для управления, рендеринга и проецирования среды виртуальной реальности является относительно дорогим, громоздким и громоздким. Кроме того, многие такие среды в литературе были реализованы с использованием проприетарного программного обеспечения, которое является дорогостоящим и может быть запущено только на выделенном ПК.
По этим причинам мы разработали систему виртуальной реальности с открытым исходным кодом для изучения поведения пространственного обучения у мышей с ограниченной головой с использованием одноплатного компьютера Raspberry Pi. Этот компьютер с Linux маленький и недорогой, но содержит чип графического процессора для 3D-рендеринга, что позволяет интегрировать среды виртуальной реальности с дисплеем или поведенческим устройством в различных индивидуальных настройках. Кроме того, мы разработали графический программный пакет, написанный на Python, «HallPassVR», который использует одноплатный компьютер для рендеринга простой визуально-пространственной среды, виртуальной линейной дорожки или коридора, путем рекомбинации пользовательских визуальных функций, выбранных с помощью графического пользовательского интерфейса (GUI). Это сочетается с микроконтроллерными подсистемами (например, ESP32 или Arduino) для измерения локомоции и координации поведения, например, путем доставки других модальностей сенсорных стимулов или вознаграждений для облегчения обучения с подкреплением. Эта система предоставляет недорогой, гибкий и простой в использовании альтернативный метод доставки зрительно-пространственных сред виртуальной реальности мышам с ограниченной головой во время двухфотонной визуализации (или других методов, требующих фиксации головы) для изучения нейронных цепей, лежащих в основе поведения пространственного обучения.
Protocol
Representative Results
Discussion
Эта VR-система с открытым исходным кодом для мышей будет функционировать только в том случае, если последовательные соединения между поворотным и поведенческим микроконтроллерами ESP32 и одноплатным компьютером будут выполнены должным образом (шаг 2), что может быть подтверждено с помощь…
Declarações
The authors have nothing to disclose.
Acknowledgements
Мы хотели бы поблагодарить Ноа Петтита из лаборатории Харви за обсуждение и предложения при разработке протокола в этой рукописи. Эта работа была поддержана премией BBRF Young Investigator Award и NIMH 1R21MH122965 (G.F.T.), в дополнение к NINDS R56NS128177 (R.H., C.L.) и NIMH R01MH068542 (R.H.).
Materials
| 1/4 " diam aluminum rod | McMaster-Carr | 9062K26 | 3" in length for wheel axle |
| 1/4"-20 cap screws, 3/4" long (x2) | Amazon.com | B09ZNMR41V | for affixing head post holders to optical posts |
| 2"x7" T-slotted aluminum bar (x2) | 8020.net | 1020 | wheel/animal mounting frame |
| 6" diam, 3" wide acrylic cylinder (1/8" thick) | Canal Plastics | 33210090702 | Running wheel (custom width cut at canalplastics.com) |
| 8-32 x 1/2" socket head screws | McMaster-Carr | 92196A194 | fastening head post holder to optical post |
| Adjustable arm (14") | Amazon.com | B087BZGKSL | to hold/adjust lick spout |
| Analysis code (MATLAB) | custom written | file at github.com/GergelyTuri/HallPassVR/software/Analysis code | |
| Axle mounting flange, 1/4" ID | Pololu | 1993 | for mounting wheel to axle |
| Ball bearing (5/8" OD, 1/4" ID, x2) | McMaster-Carr | 57155K324 | for mounting wheel axle to frame |
| Behavior ESP32 code | custom written | file at github.com/GergelyTuri/HallPassVR/software/Arduino code/Behavior board | |
| Black opaque matte acrylic sheets (1/4" thick) | Canal Plastics | 32918353422 | laser cut file at github.com/GergelyTuri/HallPassVR/hardware/VR screen assembly |
| Clear acrylic sheet (1/4" thick) | Canal Plastics | 32920770574 | laser cut file at github.com/GergelyTuri/HallPassVR/hardware/VR wheel assembly |
| ESP32 devKitC v4 (x2) | Amazon.com | B086YS4Z3F | microcontroller for behavior and rotary encoder |
| ESP32 shield | OpenMaze.org | OMwSmall | description at www.openmaze.org (https://claylacefield.wixsite.com/openmazehome/copy-of-om2shield). ZIP gerber files at: https://github.com/claylacefield/OpenMaze/tree/master/OM_PCBs |
| Fasteners and brackets | 8020.net | 4138, 3382,3280 | for wheel frame mounts |
| goniometers | Edmund Optics | 66-526, 66-527 | optional for behavior. Fine tuning head for imaging |
| HallPassVR python code | custom written | file at github.com/GergelyTuri/HallPassVR/software/HallPassVR | |
| Head post holder | custom design | 3D design file at github.com/GergelyTuri/HallPassVR/hardware/VR head mount/Headpost Clamp | |
| LED projector | Texas Instruments | DLPDLCR230NPEVM | or other small LED projector |
| Lick spout | VWR | 20068-638 | (or ~16 G metal hypodermic tubing) |
| M 2.5 x 6 set screws | McMaster-Carr | 92015A097 | securing head post |
| Matte white diffusion paper | Amazon.com | screen material | |
| Metal headposts | custom design | 3D design file at github.com/GergelyTuri/HallPassVR/hardware/VR head mount/head post designs | |
| Miscellenous tubing and tubing adapters (1/16" ID) | for constructing the water line | ||
| Optical breadboard | Thorlabs | as per user's requirements | |
| Optical posts, 1/2" diam (2x) | Thorlabs | TR4 | for head fixation setup |
| Processing code | custom written | file at github.com/GergelyTuri/HallPassVR/software/Processing code | |
| Raspberry Pi 4B | raspberry.com, adafruit.com | Single-board computer for rendering of HallPassVR envir. | |
| Right angle clamp | Thorlabs | RA90 | for head fixation setup |
| Rotary encoder (quadrature, 256 step) | DigiKey | ENS1J-B28-L00256L | to measure wheel rotation |
| Rotary encoder ESP32 code | custom written | file at github.com/GergelyTuri/HallPassVR/software/Arduino code/Rotary encoder | |
| SCIGRIP 10315 acrylic cement | Amazon.com | ||
| Shaft coupler | McMaster-Carr | 9861T426 | to couple rotary encoder shaft with axle |
| Silver mirror acrylic sheets | Canal Plastics | 32913817934 | laser cut file at github.com/GergelyTuri/HallPassVR/hardware/VR screen assembly |
| Solenoid valve | Parker | 003-0137-900 | to administer water rewards |
Referências
- Lisman, J., et al. Viewpoints: How the hippocampus contributes to memory, navigation and cognition. Nature Neuroscience. 20 (11), 1434-1447 (2017).
- Buzsaki, G., Moser, E. I. Memory, navigation and theta rhythm in the hippocampal-entorhinal system. Nature Neuroscience. 16 (2), 130-138 (2013).
- O’Keefe, J., Dostrovsky, J. The hippocampus as a spatial map. Preliminary evidence from unit activity in the freely-moving rat. Brain Research. 34 (1), 171-175 (1971).
- O’Keefe, J. Place units in the hippocampus of the freely moving rat. Experimental Neurology. 51 (1), 78-109 (1976).
- Fyhn, M., Molden, S., Witter, M. P., Moser, E. I., Moser, M. B. Spatial representation in the entorhinal cortex. Science. 305 (5688), 1258-1264 (2004).
- Letzkus, J. J., et al. A disinhibitory microcircuit for associative fear learning in the auditory cortex. Nature. 480 (7377), 331-335 (2011).
- Lacefield, C. O., Pnevmatikakis, E. A., Paninski, L., Bruno, R. M. Reinforcement learning recruits somata and apical dendrites across layers of primary sensory cortex. Cell Reports. 26 (8), 2000-2008 (2019).
- Dombeck, D. A., Harvey, C. D., Tian, L., Looger, L. L., Tank, D. W. Functional imaging of hippocampal place cells at cellular resolution during virtual navigation. Nature Neuroscience. 13 (11), 1433-1440 (2010).
- Gauthier, J. L., Tank, D. W. A dedicated population for reward coding in the hippocampus. Neuron. 99 (1), 179-193 (2018).
- Rickgauer, J. P., Deisseroth, K., Tank, D. W. Simultaneous cellular-resolution optical perturbation and imaging of place cell firing fields. Nature Neuroscience. 17 (12), 1816-1824 (2014).
- Yadav, N., et al. Prefrontal feature representations drive memory recall. Nature. 608 (7921), 153-160 (2022).
- Priestley, J. B., Bowler, J. C., Rolotti, S. V., Fusi, S., Losonczy, A. Signatures of rapid plasticity in hippocampal CA1 representations during novel experiences. Neuron. 110 (12), 1978-1992 (2022).
- Heys, J. G., Rangarajan, K. V., Dombeck, D. A. The functional micro-organization of grid cells revealed by cellular-resolution imaging. Neuron. 84 (5), 1079-1090 (2014).
- Harvey, C. D., Collman, F., Dombeck, D. A., Tank, D. W. Intracellular dynamics of hippocampal place cells during virtual navigation. Nature. 461 (7266), 941-946 (2009).
- . Harvey Lab Mouse VR Available from: https://github.com/Harvey/Lab/mouseVR (2021)
- Pettit, N. L., Yap, E. L., Greenberg, M. E., Harvey, C. D. Fos ensembles encode and shape stable spatial maps in the hippocampus. Nature. 609 (7926), 327-334 (2022).
- Turi, G. F., et al. Vasoactive intestinal polypeptide-expressing interneurons in the hippocampus support goal-oriented spatial learning. Neuron. 101 (6), 1150-1165 (2019).
- Ulivi, A. F., et al. Longitudinal two-photon imaging of dorsal hippocampal CA1 in live mice. Journal of Visual Experiments. (148), e59598 (2019).
- Wang, Y., Zhu, D., Liu, B., Piatkevich, K. D. Craniotomy procedure for visualizing neuronal activities in hippocampus of behaving mice. Journal of Visual Experiments. (173), e62266 (2021).
- Tuncdemir, S. N., et al. Parallel processing of sensory cue and spatial information in the dentate gyrus. Cell Reports. 38 (3), 110257 (2022).
- Dombeck, D. A., Khabbaz, A. N., Collman, F., Adelman, T. L., Tank, D. W. Imaging large-scale neural activity with cellular resolution in awake, mobile mice. Neuron. 56 (1), 43-57 (2007).
- Guo, Z. V., et al. Procedures for behavioral experiments in head-fixed mice. PLoS One. 9 (2), 88678 (2014).
- Jordan, J. T., Gonçalves, J. T. Silencing of hippocampal synaptic transmission impairs spatial reward search on a head-fixed tactile treadmill task. bioRxiv. , (2021).
- Urai, A. E., et al. Citric acid water as an alternative to water restriction for high-yield mouse behavior. eNeuro. 8 (1), (2021).
- Saleem, A. B., Diamanti, E. M., Fournier, J., Harris, K. D., Carandini, M. Coherent encoding of subjective spatial position in visual cortex and hippocampus. Nature. 562 (7725), 124-127 (2018).
- Ravassard, P., et al. Multisensory control of hippocampal spatiotemporal selectivity. Science. 340 (6138), 1342-1346 (2013).
- Aghajan, Z. M., et al. Impaired spatial selectivity and intact phase precession in two-dimensional virtual reality. Nature Neuroscience. 18 (1), 121-128 (2015).
