本文介绍了一种用于训练和分析大鼠自动化熟练抓取任务的范式。对抓取尝试的分析揭示了运动学习的不同子过程。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文介绍了一种用于训练和分析大鼠自动化熟练抓取任务的范式。对抓取尝试的分析揭示了运动学习的不同子过程。
熟练抓取任务常用于研究健康和病理条件下运动技能学习及运动功能,但此类任务的量化通常耗时且除简单成功率外难以明确评估。本文介绍了使用ETH Pattus进行抓取-牵拉任务的训练流程;ETH Pattus是一种用于自动化前肢抓取训练的机器人平台,可记录大鼠在牵拉过程中的动作及手部旋转运动。对牵拉动作进行运动学量化分析,可揭示牵拉速度、牵拉轨迹的空间变异性、偏离中线程度以及牵拉成功率等运动参数存在明显的时间特征。我们展示了训练范式中的微小调整如何引起这些参数的变化,从而揭示其与任务难度、整体运动功能或精细任务执行能力之间的关系。结合电生理学、药理学和光遗传学技术,该范式可用于探究运动学习与记忆形成的神经机制,以及功能丧失与恢复过程(例如卒中后)的潜在机制。
运动任务被广泛用于评估与运动学习相关的动物行为和神经变化,或神经系统疾病动物模型及药理学动物模型中运动功能的改变。然而,啮齿类动物的精细运动功能往往难以量化。一些需要手动灵巧性的任务,例如操控谷物1、意大利面2或葵花籽3,具有较高的敏感性,且无需对动物进行长时间训练。这类任务的主要缺点是结果多为定性数据,且评分时往往难以做到明确无歧义。
熟练的抓取任务(例如单颗粒抓取任务的变体)更容易进行量化4,5。然而,这些任务成功执行所依赖的运动学因素只能在有限程度上被推断,且需要耗费大量人力的逐帧视频分析。
机器人装置作为量化前肢功能和运动技能手段的受欢迎程度日益增加。目前已有多种自动化的抓取任务可供使用。大多数装置仅关注前肢运动的某一方面,例如沿直线导轨拉动把手6,7、简单的远端肢体运动8,或前爪的旋前和旋后动作9。尽管这些装置在运动功能分析方面展现出一定前景,....
访问受限。请登录或开始试用以查看此内容。
本文所示实验已获瑞士苏黎世州兽医办公室批准,并依照国家和机构 regulations 进行。
1. 喂养条件
注意:所有训练阶段均在定时喂养方案下进行。
2. 抓取-拉动任务的训练程序
访问受限。请登录或开始试用以查看此内容。
本研究展示了使用雄性Long-Evans大鼠(10–12周龄)进行的三种不同形式的伸手拉拽任务。在自由拉拽组(FP组,N = 6)中,大鼠接受为期22天的训练,可自由拉动机器人的手柄,无侧向限制。在直线拉拽1组(SP1组,N = 12)中,大鼠被训练在拉动过程中偏离中线不超过2 mm。这些动物直接从触得奖励阶段(步骤2.3)进入直线拉拽训练(步骤2.5)。对于FP组和SP1组,手柄均置于笼窗中央。这些结果此前已发表于Lambercy et al.10。SP2组大鼠(N = 7)在转入直线拉拽训练前,先接受了2次自由拉拽训练。该组的手柄与笼窗边缘对齐,导致任务难度略有增加,因为若将手柄拉至笼窗中点位置,其偏离中线将超过2 mm。
所有大鼠均能迅速学会与机器人操作装置进行交互(图2A)。有效拉拽次数(即 手柄被拉动至少10 mm的尝试次数).......
访问受限。请登录或开始试用以查看此内容。
熟练抓取任务常用于研究运动技能的习得以及在病理条件下运动功能的受损情况6。对抓取行为进行可靠且明确的分析,对于研究运动技能习得背后的细胞机制,以及在神经系统疾病动物模型中功能丧失与后续恢复所涉及的神经生理过程至关重要。本文展示的结果表明,在运动技能训练过程中,拉拽动作的空间和时间特征呈现出不同的变化模式。这些特征可能反映了运动技能学习过程中的不同子过程7,12。
在本文展示的结果中,我们发现即使训练方案发生微小改变,例如手柄起始位置不同(SP1 与 SP2),也会导致运动参数特征的改变。通过在直线拉拽训练前增加两次固定位置(FP)训练环节,对我们在先前发表的训练方案10进行了改进,从而能够将“学会拉拽”与“学会直线拉拽技能”这两种效应区分开来。此外,在该优化后的训练方案中,机器人手柄采用非中心放置方式(SP2),使任务的学习曲线更为平缓,更有利于研究运动.......
访问受限。请登录或开始试用以查看此内容。
作者无任何利益冲突需要披露
本研究由瑞士国家科学基金会、贝蒂和大卫·科策脑科学研究基金会以及苏黎世联邦理工学院基金会资助。
....访问受限。请登录或开始试用以查看此内容。
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| ETH Pattus | ETH Pattus 由苏黎世联邦理工学院(ETH Zurich)Gassert 教授领导的康复工程实验室研制。 | ||
| 训练笼 | 有机玻璃训练笼为实验室自制。 | ||
| 颗粒分配器 | Campden Instruments | 80209 | |
| 45 mg 无尘精密颗粒 | Bio-Serv | F0021-J | |
| GoPro Hero 3+ Silver Edition | digitec.ch | 284528 | 小型高速相机 |
| 小型显示屏 | Adafruit Industries | #50, #661 | 通过 Arduino Uno 微控制器和 LabVIEW 软件控制的 128 x 32 SPI OLED 显示屏 |
| LabVIEW 2012 | National Instruments | 776678-3513 | ETH Pattus 可兼容更新版本的 LabVIEW。 |
| Matlab 2014b | The Mathworks | MLALL |
访问受限。请登录或开始试用以查看此内容。