Summary
Aquí se presenta un protocolo para construir un aparato automático que guía a un mono a realizar la tarea flexible de alcance a agarre. El aparato combina un dispositivo traslacional 3D y una mesa giratoria para presentar múltiples objetos en una posición arbitraria en el espacio 3D.
Abstract
Alcanzar y agarrar son movimientos altamente acoplados, y su dinámica neuronal subyacente ha sido ampliamente estudiada en la última década. Para distinguir las codificaciones de alcance y comprensión, es esencial presentar diferentes identidades de objeto independientes de sus posiciones. Aquí se presenta el diseño de un aparato automático que se monta con una mesa giratoria y un dispositivo traslacional tridimensional (3D) para lograr este objetivo. La mesa de torneado cambia diferentes objetos correspondientes a diferentes tipos de pinzamiento, mientras que el dispositivo traslacional 3D transporta la mesa de torneado en espacio 3D. Ambos son impulsados independientemente por motores para que la posición de destino y el objeto se combinen arbitrariamente. Mientras tanto, la trayectoria de la muñeca y los tipos de agarre se registran a través del sistema de captura de movimiento y los sensores táctiles, respectivamente. Además, se describen los resultados representativos que demuestran el mono entrenado con éxito utilizando este sistema. Se espera que este aparato facilite a los investigadores el estudio de la cinemática, los principios neuronales y las interfaces cerebro-máquina relacionadas con la función de las extremidades superiores.
Introduction
Se han desarrollado varios aparatos para estudiar los principios neuronales subyacentes al movimiento de alcance y agarre en primates no humanos. Al llegar a las tareas, pantalla táctil1,2, cursor de pantalla controlado por un joystick3,4,5,6,7, y la tecnología de realidad virtual8 , 9 , 10 se han empleado todos para presentar objetivos 2D y 3D, respectivamente. Para introducir diferentes tipos de pinzamientos, los objetos de forma diferente fijados en una posición o girando alrededor de un eje se utilizaron ampliamente en las tareas de agarre11,12,13. Una alternativa es utilizar señales visuales para informar a los sujetos para agarrar el mismo objeto con diferentes tipos de agarre14,15,16,17. Más recientemente, los movimientos de alcance y agarre se han estudiado juntos (es decir, los sujetos alcanzan múltiples posiciones y se agarran con diferentes tipos de agarre en una sesión experimental)18,19,20, 21,22,23,24,25,26,27,28,29. Los primeros experimentos han presentado objetos manualmente, lo que inevitablemente conduce a un tiempo bajo y precisión espacial20,21. Para mejorar la precisión experimental y ahorrar mano de obra, los dispositivos de presentación automática controlados por programas han sido ampliamente utilizados. Para variar la posición de destino y el tipo de pinzamiento, los experimentadores han expuesto varios objetos simultáneamente, pero la posición relativa (o absoluta) de los objetivos y los tipos de pinzamiento están unidos entre sí, lo que provoca patrones de disparo rígidos a través del entrenamiento a largo plazo22 ,27,28. Los objetos se presentan generalmente en un plano 2D, lo que limita la diversidad de alcanzar el movimiento y la actividad neuronal19,25,26. Recientemente, la realidad virtual24 y el brazo robot23,29 se han introducido para presentar objetos en el espacio 3D.
Aquí se presentan protocolos detallados para la construcción y el uso de un aparato automatizado30 que puede lograr cualquier combinación de múltiples posiciones de destino y tipos de agarre en el espacio 3D. Diseñamos una mesa de torneado para cambiar objetos y dispositivos traslacionales 3D para transportar la mesa de torneado en espacio 3D. Tanto la mesa de torneado como el dispositivo traslacional son impulsados por motores independientes. Mientras tanto, la trayectoria 3D de las señales neuronales y de muñeca del sujeto se registra simultáneamente a lo largo del experimento. El aparato proporciona una plataforma valiosa para el estudio de la función de las extremidades superiores en el mono rhesus.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Todos los procedimientos conductuales y quirúrgicos se ajustaban a la Guía para el Cuidado y Uso de Animales de Laboratorio (Ministerio de Salud de China) y fueron aprobados por el Comité de Cuidado Animal de la Universidad de Zhejiang, China.
1.Ensamblaje del dispositivo traslacional 3D
- Construir un marco de tamaño 920 mm x 690 mm x 530 mm con rieles de construcción de aluminio (sección transversal: 40 mm x 40 mm).
- Fije cuatro pedestales a los dos extremos de los rieles Y con tornillos (M4) (Figura1B).
- Fije dos rieles Y en la superficie superior del marco en paralelo fijando los cuatro pedestales a las cuatro esquinas de la superficie superior con tornillos (M6) (Figura1B).
- Conecte dos rieles Y con un eje de conexión y dos acoplamientos de diafragma. Apriete los tornillos de bloqueo de los acoplamientos para sincronizar los ejes de dos rieles (Figura1B).
- Coloque seis tuercas (M4) en las ranuras traseras del riel Z. Fije un lado del marco del triángulo derecho a la parte posterior del riel Z con tornillos.
- Tire del marco del triángulo hasta el extremo que es distal al eje y apriete los tornillos. Fije el otro marco del triángulo derecho al otro riel Z de la misma manera (Figura1C).
- Fije los otros lados en ángulo recto de dos marcos triangulares a los deslizadores de dos rieles Y con tornillos (M6) (Figura1C).
- Conecte dos rieles Z con un eje de conexión y acoplamientos de diafragma y apriete los tornillos de bloqueo del acoplamiento (Figura1C).
- Fije las dos placas de conexión en forma de T a la parte posterior del riel X con tuercas y tornillos (M4). A continuación, tire de las dos placas en forma de T a los dos extremos del riel X y apriete los tornillos (Figura 1D).
- Fije las dos placas de conexión en forma de T en los deslizadores de dos rieles Z con tornillos (M6), respectivamente (Figura1D).
- Inserte el motor de paso en el orificio del eje del reductor de engranajes y atornille sus bridas (Figura1E).
- Fije el anillo de conexión al extremo del eje del carril X activo con tornillos (M4).
- Inserte el eje del riel X en el acoplamiento y fije el reductor de engranajes al anillo de conexión con tornillos (M4). Apriete los tornillos de bloqueo del acoplamiento (Figura1E).
- Fije los otros dos motores paso a paso y reductores de engranajes al riel Y activo y al riel Z utilizando los métodos descritos en los pasos 1.11–1.12.
- Inserte los cables de alimentación y control de los tres motores paso a paso a los puertos de alimentación y control de sus controladores, respectivamente, y fije los cables con tornillos en el lado del conductor.
2. Montaje de la mesa giratoria
- Descargue el archivo . DWG archivos de diseño de los archivos suplementarios de este papel. Preparar los objetos, eje mental, barra de localización, rotador y caja mediante impresión 3D o procesamiento mecánico.
- Coloque los sensores táctiles en la ranura del cuerpo del objeto y péguelos en las áreas táctiles predefinidas con cinta adhesiva de doble cara (Figura2B).
NOTA: Cada objeto consta de cuatro subcomponentes: un backboard, cuerpo de objeto con ranura en el interior, placa de cubierta y sensores táctiles. - Pase los cables a través del orificio del backboard del objeto y fije la cubierta hacia el cuerpo del objeto con tornillos (Figura2B).
- Pase los cables de los sensores táctiles a través de los orificios en los lados del rotador y fije los objetos en el rotador con tornillos. (Figura 2C).
- Soldar los extremos de los cables de los sensores táctiles a los extremos de alambre giratorio del anillo de deslizamiento eléctrico y envolver las juntas con cinta eléctrica (Figura2D).
- Fije la caja al control deslizante del riel X con tornillos. Coloque el rodamiento en el orificio inferior de la caja y fije la barra de localización a la superficie superior de la caja con tornillos (Figura2E).
- Coloque el rotador en la caja desde el lado, coincidiendo con los ejes del rotador, el rodamiento y la caja. Pasar los cables del anillo de deslizamiento eléctrico a través del orificio superior de la caja (Figura 2F).
- Inserte el eje metálico en el rodamiento desde el orificio superior de la caja y ajuste la llave del eje a la llave del rotador (Figura2G).
- Ajuste el anillo de deslizamiento eléctrico alrededor del eje de metal. Coloque el extremo de la barra de localización en la muesca del anillo deslizante eléctrico para evitar que el anillo exterior gire (Figura2G).
- Inserte el eje del motor de paso en el orificio del eje de metal y fije el motor en la parte superior de la caja con tornillos. (Figura 2H).
- Inserte los cables de alimentación y control del motor en los puertos de alimentación y control de su controlador y fíjelos con tornillos.
- Pegue un LED tricolor (RGB) en la parte frontal de la caja con cinta adhesiva y fije el tablero lateral derecho en la caja.
3. Configuración del sistema de control
- Inserte los cables de dirección y control de pulsos de los cuatro controladores de motor en los puertos de E/S digitales (pins 81, 83, 85, 87) y los puertos de contador digital (pins 89, 91, 93, 95) de la placa de adquisición de datos (DAQ), respectivamente. Fije los cables con tornillos.
- Inserte los cables de control del LED (color verde utilizado para la cue "go", el color azul utilizado para la cue de "error" y el color rojo que representa inactivo) en los puertos de E/S digitales (pin 65 y 66) de la tarjeta DAQ y fíjelos con tornillos.
- Inserte los cables de salida de los sensores táctiles y el botón de conmutación en los puertos de E/S digitales (pin 67–77) de la placa DAQ y fije los cables con tornillos.
- Inserte los cables de control de arranque-parada y dirección de la bomba peristáltica en los pines de E/S digitales 1 y 80, respectivamente. Inserte el cable de control de velocidad de flujo en el puerto de E/S analógico AO2. Fije los cables con tornillos.
- Configure un sistema de captura de movimiento como lo describe el fabricante para registrar la trayectoria de la mano en el espacio 3D.
NOTA: Se utilizó un sistema de captura de movimiento comercial (ver Tabla de Materiales),que consta de ocho cámaras, un concentrador de alimentación, un conmutador Ethernet y un software de soporte (por ejemplo, Cortex). Consulte el manual para obtener más detalles sobre la configuración del sistema. - Configure un sistema de adquisición de señal neuronal como lo describe el fabricante para registrar la señal de electrofisiología del sujeto.
NOTA: Se utilizó un sistema de adquisición de datos comerciales (Tablade materiales),que consiste en un procesador de señal neuronal (NSP), un amplificador front-end (FEA), una fuente de alimentación del amplificador (ASP), etapas de cabezal y su software de apoyo (por ejemplo, Central). Consulte el manual para obtener más detalles sobre la configuración del sistema.
4. Preparación de la sesión experimental
- Inicializar el dispositivo traslacional 3D y la tabla de torneado. Específicamente, tire de los reguladores de todo el riel deslizante lineal hasta el punto inicial (esquina inferior izquierda) y gire el primer objeto (es decir, el asa colocada verticalmente) de la mesa giratoria para mirar hacia el lado frontal de la mesa giratoria.
- Encienda los dispositivos experimentales, incluido el sistema de captura de movimiento, la adquisición de señal neuronal, la placa DAQ, la bomba peristáltica y cuatro motores.
- Configure el software paradigma (Figura3A).
- Haga doble clic en Paradigm.exe para abrir el software paradigma (disponible a petición).
- Defina el número de las posiciones de alcanzar y sus coordenadas 3D (x, y y z, en milímetros) en relación con las posiciones iniciales (paso 4.2).
- Escriba coordenadas de todas las posiciones en forma de matriz en un documento .txt. Asegúrese de que cada fila incluye las coordenadas x, y y z de una posición separada con un espacio. Guarde el documento txt.
- Haga clic en Abrir archivo en el panel Grupo del software de paradigma y seleccione el documento .txt guardado antes para cargar las posiciones de presentación en el software de paradigma.
NOTA: En este estudio, se fijaron ocho posiciones objetivo de acuerdo con el rango dealcance del animal, que se encuentran en los vértices de un espacio de trabajo cuboide 9,10 (90 mm x 60 mm x 90 mm). - Compruebe los objetos que se presentarán en el experimento en el grupo de objetos del software paradigma.
- Ajuste los parámetros experimentales en el panel Parámetros de tiempo del software paradigma. Establezca la línea de base de 400 ms, Carrera del motor, 2.000 ms, Planificación de 1.000 ms, Tiempo máximo de reacción a 500 ms, Tiempo máximo de alcance: 1.000 ms, Tiempo de espera mínimo a 500 ms, Recompensa a 60 ms y Error Cue a 1.000 ms.
- Asiento el mono rhesus (con una matriz de microelectrodos implantado en la corteza motora) en la silla del mono insertando su collar en la ranura de la silla y fijando su cabeza.
- Fije la silla de mono al marco de construcción de aluminio. Mantenga la cabeza a 250 mm de distancia del lado frontal del cuboide y mantenga los ojos 50 mm por encima de la parte superior del espacio de trabajo cuboide (ángulo visual horizontal: 20o; ángulo visual vertical: 18o).
- Construir una plantilla de seguimiento del sistema de captura de movimiento.
- Coloque tres marcadores reflectantes en el extremo del brazo (cerca de la muñeca) con cinta adhesiva de doble cara. Asegúrese de que los tres marcadores forman un triángulo scalene.
- Haga clic en el botón Ejecutar del software paradigma para iniciar la tarea.
- Haga clic en el botón Grabar en el panel Captura de movimiento del software Cortex para registrar trayectorias de tres marcadores para 60 s cuando el mono está haciendo la tarea. Haga clic en el botón Detener para suspender el experimento.
- Cree una plantilla de seguimiento de tres marcadores en el software Cortex utilizando las trayectorias grabadas y guarde la plantilla.
NOTA: Consulte el manual de Cortex para obtener más detalles sobre cómo crear un modelo.
- Conecte los puertos GND de FEA y la matriz de microelectrodos implantados en la corteza motora del mono con un alambre y pollas de pellizcar. A continuación, inserte las etapas del cabezal en el conector de la matriz de microelectrodos31.
- Abra el software central del sistema de adquisición de señal neuronal y establezca parámetros de grabación, incluyendo ruta de almacenamiento, cancelación de ruido de línea, filtro de pico, umbral de pico, etc.
NOTA: Consulte el manual del sistema de adquisición de señal neuronal para obtener más detalles sobre la configuración del software. - Abra el software de sincronización (figura3B,disponible a petición). Haga clic en los tres botones Conectar de los paneles Cerebus, Motion Capture y Paradigm para conectar el software de sincronización con el sistema de adquisición de señal neuronal, el sistema de captura de movimiento y el software paradigma, respectivamente.
- Haga clic en el botón Ejecutar del software paradigma para continuar con el experimento.
- Haga clic en el botón Grabar del panel Almacenamiento de archivos del software Central para comenzar a grabar las señales neuronales.
- Compruebe la plantilla de seguimiento guardada y haga clic en el botón Grabar en el panel Captura de movimiento del software Cortex para comenzar a grabar la trayectoria de la muñeca del mono.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
El tamaño del espacio de trabajo completo del aparato es de 600 mm, 300 mm y 500 mm en los ejes x, y y z, respectivamente. La carga máxima del dispositivo traslacional 3D es de 25 kg, mientras que la mesa giratoria (incluido el motor paso a paso) tiene un peso de 15 kg y se puede transportar a una velocidad de hasta 500 mm/s. La precisión cinemática del dispositivo traslacional 3D es inferior a 0,1 mm y el ruido del aparato es inferior a 60 dB.
Para demostrar la utilidad del sistema, el mono está entrenado (previamente entrenado en una tarea de alcance) para hacer una tarea de alcance a agarre retrasado con el sistema30. Usando el procedimiento presentado anteriormente, el software de paradigma presenta automáticamente el ensayo del experimento conductual por ensayo (500 ensayos por sesión). Específicamente, el mono debe iniciar un ensayo (Figura4) presionando el botón y manteniéndolo presionado antes de la señal "go". Como primera fase de "motor run"), el dispositivo de traslacional 3D transporta la mesa de torneado a una posición elegida pseudoaleatoriamente, y al mismo tiempo, la tabla de torneado también girará para presentar un objeto pseudo elegido al azar. Esta fase de funcionamiento del motor dura 2 s y los cuatro motores (tres en el dispositivo traslacional 3D y uno en la mesa de torneado) arrancan y detienen al mismo tiempo. La fase de funcionamiento del motor es seguida por una fase de "planificación" (1 segundo), durante la cual el mono planea el siguiente movimiento. Una vez que el LED verde ("go") cue) se enciende, el mono debe soltar el botón, llegar a la mesa de torneado y agarrar el objeto con el tipo de agarre correspondiente tan pronto como sea posible (tiempo máximo de reacción á 0,5 s; tiempo máximo de movimiento á 1 s). El mono recibe una recompensa de agua después de un tiempo mínimo de espera de 0.5 s. Se aborta una prueba, y el LED azul se enciende si el mono suelta el botón antes de la señal "ir" o no suelta el botón dentro del tiempo máximo de reacción después de la cue.
El software de sincronización recibe etiquetas de eventos (por ejemplo, Button On, Go Cue, Button Off, etc., Figura 4) del software paradigma y una etiqueta de "inicio-grabación" del sistema de captura de movimiento, luego las envía al sistema de adquisición de señal neuronal en tiempo real durante el experimento. Todas las etiquetas se guardan con señales neuronales, pero la trayectoria de la muñeca se almacena en un archivo separado. Para alinear las señales neuronales y la trayectoria en el tiempo, la marca de tiempo de la etiqueta "start-record" se tomó como la de la primera muestra de trayectoria, luego se asignaron marcas de tiempo incrementales para las otras muestras de acuerdo con la velocidad de fotogramas del sistema de captura de movimiento. La Figura 3 muestra las etiquetas de eventos alineadas en el tiempo, la trayectoria de la muñeca y la actividad neuronal de ejemplo.
Se extrajo la trayectoria de la muñeca durante la fase de llegar a todos los ensayos exitosos y los dividió en ocho grupos basados en las posiciones objetivo (Figura5). Para cada grupo de trayectorias, se calcularon los valores medios y los intervalos de confianza del 95% en cada punto de tiempo. La gráfica de trayectoria de la Figura 5 muestra que los extremos de ocho grupos de trayectoria forman un cuboide, que tiene el mismo tamaño que el espacio de trabajo cuboide predefinido (paso 4.3.4). El histograma de tiempo periestímulo (PSTH) para una sola neurona se traza batutó con respecto a alcanzar la posición y el objeto, respectivamente. Los trenes de espiga en pruebas exitosas fueron binned con una ventana deslizante de 50 ms y suavizado con un grano gaussiano ( 100 ms). Los valores medios y el intervalo de confianza del 95% para cada grupo se calcularon mediante el método de arranque (n a 2.000). La Figura 6 muestra los PSTH de dos neuronas de ejemplo ajustando tanto la posición como los objetos. La neurona en la Figura 6A muestra selectividad significativa durante las fases de alcance y retención, mientras que la neurona en la Figura 6B comienza a ajustar posiciones y objetos desde el centro de la fase de "carrera motora".
Figura 1: Instrucciones paso a paso para el ensamblaje del dispositivo traslacional 3D.
I-I X-rail, I-III Y-rail, I-II Z-rail, II ejes de conexión, III motores de escalonamiento, IV reductores de engranajes planetarios, anillos de conexión V, acoplamientos de diafragma VI, VII pedestales, VIII placas de conexión en forma de T, IX marcos de triángulo derecho. (A) Los materiales para el ensamblaje del dispositivo traslacional. (B) Construyendo el marco e instalando los rieles Y (pasos 1.1–1.4). (C) Fijación de dos rieles Z en rieles Y (pasos 1.5–1.7). (D) Fijación del riel X en los rieles Z (pasos 1.8 y 1.9). (E) Instalación del motor paso a paso y del rejuder de engranajes (pasos 1.10 y 1.11). (F) Dispositivo traslacional 3D completamente montado (pasos 1.12 y 1.3). Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Instrucciones paso a paso para el ensamblaje de la mesa de torneado.
(A) Materiales para el ensamblaje de la mesa de torneado. (B) Montaje de objetos e instalación de sensores táctiles (paso 2.2). (C) Fijación de objetos en el rotador (paso 2.3). (D) Conexión de cables de sensores al anillo de deslizamiento eléctrico (paso 2.4). (E) Instalación de la base en un dispositivo traslacional 3D y colocación de la barra de ubicación y el rodamiento (paso 2.5). (F) Colocación del rotador en la caja (paso 2.6). (G) Instale el eje y el anillo de deslizamiento eléctrico (pasos 2.7 y 2.8). (H) Instalación del motor paso a paso (paso 2.9). Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: La interfaz gráfica de usuario del software de paradigma y sincronización.
(A) Un programa LabView personalizado para controlar la tarea de comportamiento. (B) Un programa C++ personalizado para comunicarse con el software de paradigma, el sistema de adquisición de señal neuronal y el sistema de captura de movimiento. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Datos alineados con el tiempo en una prueba exitosa.
Todos los tiempos del evento, las trayectorias de la muñeca (X, Y y Z) y la actividad neuronal (ejemplo unidad 1–3) se registraron simultáneamente. Las líneas negras cortas de la fila superior son las etiquetas de evento. "Botón Activado" indica la hora en que el mono presionó el botón hacia abajo; "índice de posición" es un número del 1 al 8 que indica qué posición de alcanzar se presenta; "índice de objetos" es un número del 1 al 6 que indica qué objeto se presenta; "Motor On" indica la hora de arranque de cuatro motores. "Motor Off" indica su tiempo de parada; "Go Cue" indica el momento en que el LED verde sintoniza; "Botón apagado" indica el momento en que el mono suelta el botón; "Touch On" indica el momento en que los sensores táctiles del objeto detectan la mano; "Recompensa activada" indica el momento en que la bomba comienza a entregar la recompensa de agua y representa el final de una prueba. Las etiquetas "Button On", "Position Index" y "Object Index" se guardan sucesivamente en muy poco tiempo al principio de una prueba. Las filas 2–4 (etiquetadas con X, Y y Z) trazan la trayectoria de la muñeca en 3D grabada por el sistema de captura de movimiento. Las filas 5–7 (etiquetadas con las unidades 1, 2 y 3) muestran los trenes de espiga de tres neuronas de ejemplo registradas por el sistema de adquisición de señal neuronal. La fila inferior muestra la línea de tiempo para una prueba completa que se divide en seis fases basadas en etiquetas de eventos. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Trayectorias de muñeca grabadas por el sistema de captura de movimiento.
Todos los ensayos exitosos se dividen en ocho grupos según las posiciones objetivo (etiquetadas con la letra A a H). Cada línea sólida es una trayectoria media de un grupo y la sombra representa las varianzas de las trayectorias. Esta cifra se ha modificado a partir de un estudio anterior30. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: PSTHs de dos neuronas de ejemplo (A y B).
Las líneas discontinuas verticales de derecha a izquierda en orden son Motor On, Motor Off, Go Cue On, Button Off y Touch On. Cada línea sólida (en diferentes colores) en PSTH representa una tasa de disparo promedio a través de las pruebas hacia una posición objetivo y la sombra representa intervalos de confianza del 95% (bootstrap; 2.000 veces). Tanto para A como para B,los paneles superior e inferior muestran el PSTH con respecto a diferentes posiciones y objetos, respectivamente. Haga clic aquí para ver una versión más grande de esta figura.
Archivos Suplementarios. Haga clic aquí para descargar los archivos.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
El aparato conductual se describe aquí permite una combinación en sentido de prueba de diferentes movimientos de alcance y agarre (es decir, el mono puede agarrar objetos de formas diferentes en cualquier lugar 3D arbitrario en cada ensayo). Esto se logra mediante la combinación de una tabla de torneado personalizada que cambia diferentes objetos y un dispositivo de traslacional lineal que transporta la tabla de torneado a varias posiciones en el espacio 3D. Además, las señales neuronales del mono, la trayectoria de la muñeca y las formas de las manos fueron capaces de ser grabadas y sincronizadas para la investigación neurofisiológica.
El aparato, que incluye un dispositivo traslacional 3D accionado por separado y una mesa giratoria, presenta múltiples posiciones y objetos de destino de forma independiente. Es decir, todas las posiciones y objetos predefinidos se combinaron arbitrariamente, lo que es importante en el estudio de la codificación multivariable14,25,28. Por el contrario, si el objeto a agarrar está vinculado a la posición (por ejemplo, el objeto se fija en un panel), es difícil determinar si una sola neurona sintoniza un objeto o posición18,27,32. Además, el aparato presenta objetos en el espacio 3D en lugar de en un plano 2D19,27, que activa más neuronas con modulación espacial.
La conexión atornillada se utiliza ampliamente entre los subcomponentes del aparato, lo que resulta en una alta expansión y flexibilidad. Al diseñar la forma de los objetos y la colocación de los sensores táctiles, se indujo e identificó con precisión un gran número de tipos de agarre. El dispositivo traslacional 3D puede mover cualquier subcomponente inferior a 25 kg en espacio 3D y es competente para la mayoría de las tareas que implican desplazamiento espacial. Por otra parte, aunque el aparato fue diseñado para entrenar mono rhesus (Macaca mulatta), debido a la gama ajustable del dispositivo traslacional 3D, también es competente para otros primates con tamaños de cuerpo similares o más grandes o incluso humanos.
Una de las principales preocupaciones de la tarea conductual que combina el movimiento de alcanzar y agarrar es si la postura de la mano difiere en diferentes posiciones de alcance, incluso si el mono agarra el objeto con el mismo tipo de agarre. Aunque alcanzar y agarrar es generalmente considerado como dos movimientos diferentes, sus efectores (brazo y mano) están conectados. Por lo tanto, es inevitable que el movimiento que llega interactúe con la captación. Según las observaciones de este experimento, el ángulo de la muñeca del mono cambió ligeramente al agarrar el mismo objeto en diferentes posiciones, pero no se observaron diferencias significativas en la postura de la mano.
Una posible limitación del aparato es que la sala experimental no es completamente oscura debido a la luz infrarroja del sistema de captura de movimiento. El mono puede ver el objeto de destino a lo largo de todo el sendero, lo que conduce a la afinación no deseada antes del período de planificación. Para controlar el acceso visual a un objeto, se puede colocar un vidrio conmutable controlado por el software paradigma entre la cabeza y el aparato. El vidrio conmutable es opaco durante las fases de referencia y planificación y se vuelve transparente después de la señal "go". De esta manera, la información visual se controla con precisión. Del mismo modo, se puede emplear ruido blanco para enmascarar el sonido de funcionamiento del motor, lo que impide que el mono identifique la ubicación del objeto por el sonido del motor. Otra limitación del aparato es que el movimiento de los dedos no puede ser rastreado. Esto se debe a que el mono debe alcanzar la mano en la mesa giratoria para agarrar el objeto, lo que impide que las cámaras capturen marcas en la mano.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Los autores no tienen nada que revelar.
Acknowledgments
Agradecemos al Sr. Shijiang Shen su consejo sobre el diseño de aparatos y a la Sra. Guihua Wang por su asistencia en el cuidado y el entrenamiento de los animales. Este trabajo fue apoyado por el Programa Nacional De Investigación y Desarrollo Clave de China (2017YFC1308501), la Fundación Nacional de Ciencias Naturales de China (31627802), los Proyectos Públicos de la Provincia de Zhejiang (2016C33059), y los Fondos Fundamentales de Investigación para la Universidades Centrales.
Materials
| Name | Company | Catalog Number | Comments |
| Active X-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 600 mm; Load, 25 kg |
| Active Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm, Load 35 kg |
| Active Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Bearing | Taobao.com | 6004-2RSH | Acrylic |
| Case | Custom mechanical processing | TT-C | Acrylic |
| Connecting ring | CCM Automation technology Inc., China | 57/60-W50 | |
| Connecting shaft | CCM Automation technology Inc., China | D12-700 | Diam., 12 mm;Length, 700 mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-12 | Inner diam., 12-12mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-14 | Inner diam., 14-12mm |
| Electric slip ring | Semring Inc., China | SNH020a-12 | Acrylic |
| Locating bar | Custom mechanical processing | TT-L | Acrylic |
| Motion capture system | Motion Analysis Corp. US | Eagle-2.36 | |
| Neural signal acquisition system | Blackrock Microsystems Corp. US | Cerebus | |
| NI DAQ device | National Instruments, US | USB-6341 | |
| Object | Custom mechanical processing | TT-O | Acrylic |
| Passive Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm; Load 35 kg |
| Passive Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Pedestal | CCM Automation technology Inc., China | 80-W60 | |
| Peristaltic pump | Longer Inc., China | BT100-1L | |
| Planetary gearhead | CCM Automation technology Inc., China | PLF60-5 | Flange, 60×60 mm; Reduction ratio, 1:5 |
| Right triangle frame | CCM Automation technology Inc., China | 290-300 | |
| Rotator | Custom mechanical processing | TT-R | Acrylic |
| Servo motor | Yifeng Inc., China | 60ST-M01930 | Flange, 60×60 mm; Torque, 1.91 N·m; for Y- and Z-rail |
| Servo motor | Yifeng Inc., China | 60ST-M01330 | Flange, 60×60 mm; Torque, 1.27 N·m; for X-rail |
| Shaft | Custom mechanical processing | TT-S | Acrylic |
| Stepping motor | Taobao.com | 86HBS120 | Flange, 86×86 mm; Torque, 1.27 N·m; Driving turning table |
| Touch sensor | Taobao.com | CM-12X-5V | |
| Tricolor LED | Taobao.com | CK017, RGB | |
| T-shaped connecting board | CCM Automation technology Inc., China | 110-120 |
References
- Leone, F. T., Monaco, S., Henriques, D. Y., Toni, I., Medendorp, W. P. Flexible Reference Frames for Grasp Planning in Human Parietofrontal Cortex. eNeuro. 2 (3), (2015).
- Caminiti, R., et al. Early coding of reaching: frontal and parietal association connections of parieto-occipital cortex. European Journal of Neuroscience. 11 (9), 3339-3345 (1999).
- Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
- Fu, Q. G., Flament, D., Coltz, J. D., Ebner, T. J. Temporal encoding of movement kinematics in the discharge of primate primary motor and premotor neurons. Journal of Neurophysiology. 73 (2), 836-854 (1995).
- Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
- Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42 (2003).
- Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843 (2017).
- Reina, G. A., Moran, D. W., Schwartz, A. B. On the relationship between joint angular velocity and motor cortical discharge during reaching. Journal of Neurophysiology. 85 (6), 2576-2589 (2001).
- Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
- Wang, W., Chan, S. S., Heldman, D. A., Moran, D. W. Motor cortical representation of hand translation and rotation during reaching. Journal of Neuroscience. 30 (3), 958-962 (2010).
- Murata, A., Gallese, V., Luppino, G., Kaseda, M., Sakata, H. Selectivity for the shape, size, and orientation of objects for grasping in neurons of monkey parietal area AIP. Journal of Neurophysiology. 83 (5), 2580-2601 (2000).
- Raos, V., Umiltá, M. A., Murata, A., Fogassi, L., Gallese, V. Functional Properties of Grasping-Related Neurons in the Ventral Premotor Area F5 of the Macaque Monkey. Journal of Neurophysiology. 95 (2), 709 (2006).
- Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
- Baumann, M. A., Fluet, M. C., Scherberger, H. Context-specific grasp movement representation in the macaque anterior intraparietal area. Journal of Neuroscience. 29 (20), 6436-6448 (2009).
- Riehle, A., Wirtssohn, S., Grun, S., Brochier, T. Mapping the spatio-temporal structure of motor cortical LFP and spiking activities during reach-to-grasp movements. Frontiers in Neural Circuits. 7, 48 (2013).
- Michaels, J. A., Scherberger, H. Population coding of grasp and laterality-related information in the macaque fronto-parietal network. Scientific Reports. 8 (1), 1710 (2018).
- Fattori, P., et al. Hand orientation during reach-to-grasp movements modulates neuronal activity in the medial posterior parietal area V6A. Journal of Neuroscience. 29 (6), 1928-1936 (2009).
- Asher, I., Stark, E., Abeles, M., Prut, Y. Comparison of direction and object selectivity of local field potentials and single units in macaque posterior parietal cortex during prehension. Journal of Neurophysiology. 97 (5), 3684-3695 (2007).
- Stark, E., Asher, I., Abeles, M. Encoding of reach and grasp by single neurons in premotor cortex is independent of recording site. Journal of Neurophysiology. 97 (5), 3351-3364 (2007).
- Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
- Vargas-Irwin, C. E., et al. Decoding complete reach and grasp actions from local primary motor cortex populations. Journal of Neuroscience. 30 (29), 9659-9669 (2010).
- Mollazadeh, M., et al. Spatiotemporal variation of multiple neurophysiological signals in the primary motor cortex during dexterous reach-to-grasp movements. Journal of Neuroscience. 31 (43), 15531-15543 (2011).
- Saleh, M., Takahashi, K., Hatsopoulos, N. G. Encoding of coordinated reach and grasp trajectories in primary motor cortex. Journal of Neuroscience. 32 (4), 1220-1232 (2012).
- Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
- Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
- Rouse, A. G., Schieber, M. H. Spatiotemporal distribution of location and object effects in reach-to-grasp kinematics. Journal of Neuroscience. 114 (6), 3268-3282 (2015).
- Rouse, A. G., Schieber, M. H. Spatiotemporal Distribution of Location and Object effects in Primary Motor Cortex Neurons during Reach-to-Grasp. Journal of Neuroscience. 36 (41), 10640-10653 (2016).
- Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
- Takahashi, K., et al. Encoding of Both Reaching and Grasping Kinematics in Dorsal and Ventral Premotor Cortices. Journal of Neuroscience. 37 (7), 1733-1746 (2017).
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. 312, 139-147 (2019).
- Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036 (2012).
- Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011 (2014).
