需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

一种用于监测小脑依赖性感觉关联学习的灵活平台

2.9K 次观看

⸱

DOI：

10.3791/63205

⸱

2022年1月19日

 ,  ,  , 
1Neuroscience Institute, Princeton University

本文内容

摘要

我们开发了一个单一平台，用于在两项依赖攀爬纤维的联想学习任务期间追踪动物行为。该低成本设计可与针对攀爬纤维相关小脑活动的光遗传学或成像实验相结合。

摘要

攀爬纤维对浦肯野细胞的输入提供了对小脑依赖性联想学习至关重要的指令性信号。在头部固定的实验小鼠中研究这些信号，有助于结合使用成像、电生理和光遗传学方法。本文开发了一种低成本的行为实验平台（约1000美元），可实现对在跑轮上自由运动的头部固定小鼠进行联想学习过程的追踪。该平台整合了两种常见的联想学习范式：眨眼条件反射和延迟触觉惊跳条件反射。行为通过摄像头进行记录，跑轮运动则由探测器监测。我们详细描述了该平台的组件与搭建方法，并提供了训练及数据分析的详细操作流程。该平台支持结合光遗传刺激和荧光成像技术。其设计允许单台主机计算机同时控制多个平台，从而实现多只动物的同步训练。

引言

利用经典条件反射建立刺激间亚秒级关联以诱发条件反应，长期以来被用于研究依赖小脑的学习过程。例如，在经典的延迟式眨眼条件反射（delay eyeblink conditioning, DEC）中，当一个中性的条件刺激（CS；例如闪光或听觉音调）与一个无条件刺激（US；例如作用于角膜的气流）反复配对呈现时，动物学会在恰当的时间产生保护性眨眼反应，其中无条件刺激总是在条件刺激结束时或接近结束时出现，并引发反射性眨眼。这种习得的反应被称为条件反应（CR），而反射性反应则被称为无条件反应（UR）。在兔模型中，特异性损伤小脑会破坏此类学习能力1,2,3,4此外，由攀爬纤维输入所驱动的浦肯野细胞复合峰电位5，提供必要的6,7 且充足8,9 获得适时条件反应的信号。

最近，已开发出适用于头部固定小鼠的攀爬纤维依赖性联想学习范式。眼睑条件反射（DEC）是首个被应用于该配置的联想学习范式10,11。在头部固定小鼠中进行的DEC研究已被用于鉴定小脑区域11,12,13,14,15,16,17 和神经回路元件11,12,13,14,15,18,19，这些区域和元件对任务习得和消退至关重要。该方法还被用于揭示任务参数在细胞水平上的生理表征如何随着学习而演变13,15,16。

除了眨眼条件反射外，延迟惊跳触觉条件反射（DTSC）范式最近被开发为一种用于头部固定小鼠的新型联想学习任务20。DTSC在概念上与DEC相似，涉及呈现一个中性的条件刺激（CS）和一个非条件刺激（US），其中US为对脸部的轻敲，其强度足以引发惊跳反射21,22，并将此作为非条件反应（UR）。在DTSC范式中，UR和条件反应（CR）均通过轮子上的向后运动来读取。目前，DTSC已被用于揭示联想学习如何改变小脑活动以及基因表达模式20。

本研究开发了一种可在单一平台上灵活应用DEC或DTSC的方法。图1展示了刺激装置与平台的结构示意图。该设计集成了摄像头以记录动物行为，同时采用旋转编码器来追踪小鼠在转轮上的运动。所有数据记录和实验流程均由配对的微控制器（Arduino）和单板计算机（SBC；Raspberry Pi）进行控制。这些设备可通过提供的图形用户界面进行访问。本文介绍了实验装置搭建、实验准备与执行的工作流程，以及用于数据可视化的定制化分析流程。

访问受限。请登录或开始试用以查看此内容。

方案

本文所述动物实验方案已获得普林斯顿大学动物护理与使用委员会的批准。

1. 设置单板计算机

  1. 将摄像头串行接口（CSI）线缆连接到 Raspberry NoIR V2 摄像头和单板计算机（SBC）的摄像头端口。
  2. 将适用于单板计算机（SBC）的操作系统下载到主机计算机上，并将操作系统镜像写入微型安全数字（microSD）卡。
    注意：有关 Raspberry Pi 单板计算机（SBC）的这些操作的详细说明可参见其他文献23。本系统已使用以下操作系统进行测试：Stretch、Buster、Bullseye。
  3. 为启用安全外壳（SSH）通信，请在 microSD 卡的启动分区中创建一个无扩展名的文件，命名为 "ssh"。完成后，从主机计算机弹出 microSD 卡，并将其插入单板计算机（SBC）的 microSD 卡插槽中。通过连接电源适配器为单板计算机（SBC）供电。
  4. 配置单板计算机（SBC）以接受与主机的有线连接。
    1. 使用合适的线缆将显示器连接至单板计算机（SBC）。打开终端，输入命令 ifconfig 并记录单板计算机（SBC）的以太网 IP 地址。
      注意：Raspberry Pi 3B+ 型号配备 HDMI 显示端口，而 4B 型号则配备 micro-HDMI 端口。
    2. 进入 Raspberry Pi 配置设置中的 Interface 选项卡，并启用摄像头、安全外壳网络协议（SSH）和虚拟网络计算（VNC）选项。
  5. 在主机计算机与单板计算机（SBC）之间建立有线连接。
    1. 将以太网线缆一端连接至单板计算机（SBC）的以太网端口，另一端连接至主机计算机。将这些线缆的另一端连接至以太网交换机。
    2. 使用虚拟网络计算客户端（如 VNC Viewer24），通过单板计算机（SBC）的 IP 地址和默认认证信息（用户名 = "pi"，密码 = "raspberry"）访问其桌面。
  6. 下载本实验方案中所需的软件。
    警告：请更改默认用户名和密码，以防止未经授权访问单板计算机（SBC）。
    1. 在单板计算机（SBC）终端中输入以下命令以下载设备软件：
      git clone --depth=1 https://github.com/gerardjb/assocLearnRig
    2. 输入以下命令以下载必要的 Python 库：
      cd assocLearnRig
      python3 setup.py
    3. 为实现对微控制器的直接控制，请连接至单板计算机（SBC），并按照步骤 1.6.4–1.6.7 下载微控制器集成开发环境（IDE）。
    4. 在单板计算机（SBC）桌面上打开网页浏览器，访问 https://arduino.cc/en/software，下载最新版本的适用于 Linux ARM 32 位系统的 IDE。
    5. 在单板计算机（SBC）桌面上打开终端窗口，输入 cd Downloads/ 进入下载目录。
    6. 在终端中输入以下命令以安装 IDE：
      tar -xf arduino-<version>-linuxarm.tar.xz
      sudo mv arduino-<version> /opt
      sudo /opt/arduino-<version>/install.sh
      （其中 <version> 为所下载 IDE 的版本号）
    7. 在单板计算机（SBC）桌面上启动微控制器 IDE 实例。选择菜单选项 Tools > Manage Libraries，安装 Paul Stoffregen 提供的 "Encoder" 库。
  7. 使用 USB 闪存盘扩展单板计算机（SBC）的板载存储空间。
    1. 将闪存盘插入单板计算机（SBC）的 USB 端口。如有条件，请使用 USB 3.0 端口。
    2. 在终端中输入 ls -l /dev/disk/by-uuid/ 以查找闪存盘及其唯一标识符（UUID），并记录该 UUID。
    3. 为允许 pi 用户向 USB 设备写入数据，请在终端中依次输入以下命令：
      sudo mkdir /media/usb
      sudo chown -R pi:pi /media/usb
      sudo mount /dev/sda1 /media/usb -o uid=pi,gid=pi
      注意：可通过将以下行添加至 /etc/fstab 文件末尾，将闪存盘配置为在单板计算机（SBC）重启时自动挂载：
      ​UUID=<步骤 1.7.2 中获取的 UUID> /media/usb vfat auto,nofail,noatime,users,rw,uid=pi,gid=pi 0 0

2. 刺激硬件的布线与平台组装

  1. 连接并准备微控制器。
    1. 使用 USB2 Type A 转 USB2 Micro 电缆将单板计算机（SBC）连接至微控制器（Arduino Due）的编程端口。
      ​注意：请使用高质量电缆，例如《材料表》中列出的产品，以确保正常运行。
    2. 在下载的项目仓库中找到"dueAssocLearn.ino"文件。使用微控制器 IDE 打开该程序，并将其上传至连接到 SBC 的微控制器。
    3. 在主机计算机上下载并安装相应版本的 Arduino IDE。
    4. 使用 USB2 Type B 转 USB2 Type A 电缆将主机计算机连接至微控制器（Arduino Uno）。
    5. 访问 GitHub 仓库（https://github.com/gerardjb/assocLearnRig）并 将"DTSC_US.ino"程序下载到主机计算机。
    6. 在主机计算机上运行微控制器 IDE，打开"DTSC_US.ino"程序，然后将其上传至微控制器。
  2. 按照 图2 中的 Fritzing 接线图所示，将导线连接至微控制器、面包板、LED、旋转编码器、带驱动器的步进电机以及带驱动器的电磁阀。
  3. 为步进电机和电磁阀供电。
    1. 正确地将电源的一个通道连接至步进电机驱动器的 +V 和 GND 引脚。
    2. 打开电源，并将所连接通道的电压设置为 25 V。
      ​注意：如果步进电机、驱动器和电源之间的连接正确，步进电机驱动器上的绿色指示 LED 将亮起。
    3. 将电源的正极导线正确连接至电磁阀驱动器的保持电压引脚，另一根正极导线连接至尖峰电压引脚。
    4. 将负极导线连接至与控制信号共地的接地点。
    5. 打开电源，并将连接至保持电压的通道设置为约 2.5 V，连接至尖峰电压的通道设置为约 12 V。
  4. 使用鲁尔接头将压力调节至约 20 PSI 的气源连接至电磁阀。
  5. 测试所有刺激组件和相机是否正常工作。
    1. 在 SBC 上打开终端，输入 cd ~/assocLearnRig，进入克隆的 GitHub 仓库目录。
    2. 在终端中输入 python3 assocLearnRig_app.py，启动控制图形用户界面。
    3. 点击Stream按钮，启动相机视频流。
    4. 选择DEC Radio按钮，上传至微控制器，并点击Start Session按钮，使用默认参数开始一次实验。
      ​注意：执行此步骤后，终端应显示数据日志的打印输出，相机视频流上的提示信息应消失，并且在每次试验中，LED CS 和电磁阀 US 应在适当时间点按预期开启和关闭。
    5. 实验结束后，重复上述步骤，但选择DTSC Radio按钮。
      注意：如果上述步骤未能达到满意效果，可使用 GitHub 仓库中的程序（"testStepper.ino"、"testRotary.ino" 和 "testSolenoid.ino"）分别测试各个组件。
  6. 制作跑步轮。
    1. 从泡沫滚筒上切割一个直径为 3" 的轮子。在轮子正中心钻一个 1/4" 的孔，以确保小鼠运动时轮子不会晃动。
    2. 将一根 1/4" 的轴插入轮子，并使用安装在轮子两侧的夹紧式轮毂固定。
  7. 使用 M3 螺栓将旋转编码器固定在 4.5" 铝型材上。如图所示，使用带 1/4" 螺栓、螺母和垫圈的直角支架将铝型材稳定安装在铝制面包板上。
  8. 使用轴联接套筒将跑步轮和旋转编码器连接。
  9. 使用安装在面包板支撑光学立柱上的直角端夹内的轴承，稳定跑步轮轴的自由端。
    ​注意：确保用手转动时，跑步轮能自由旋转且无晃动。
  10. 围绕组装好的跑步轮布置刺激硬件、头部固定装置、红外光源阵列和树莓派相机。
    1. 使用光学立柱和直角立柱夹固定头部固定装置，使头部支杆位于跑步轮轴前方 1.5 cm，轮面以上 2 cm 处。（适用于 20 g 小鼠）。
    2. 将用于 DEC 条件刺激（CS）的 LED 和用于 DEC 非条件刺激（US）的电磁阀出口置于距离 DEC 所用眼睛小于 1 cm 的位置。
    3. 安装用于 DTSC 非条件刺激（US）的步进电机。
    4. 将树莓派相机安装在距动物位置约 10 cm 的光学立柱上。
      ​注意：树莓派相机支架的设计可通过 GitHub 仓库中的文件 "RaspPiCamMount1_1.stl" 使用 3D 打印机制作。
    5. 将红外光源阵列置于与树莓派相机同侧、动物面部位置略上方，并正对动物面部。
    6. 通过将泡沫材料粘贴在一块丙烯酸板边缘来制作 DTSC 的触觉刺激，该丙烯酸板使用夹紧轮毂固定在一根 1/4" 轴上。将该触觉刺激连接至步进电机轴上。
      ​注意：丙烯酸板的设计可依据 GitHub 仓库中的文件 "TactileStimDesign.pdf" 进行激光切割。

3. 行为实验的准备与运行

  1. 植入小鼠头固定板。
    1. 使用 2% 异氟烷麻醉小鼠，并将其头部固定在立体定位仪中。
    2. 在眼睛上涂抹眼用软膏。
    3. 用肥皂水和无菌手术刀剃除头皮毛发。在切口部位皮下直接注射利多卡因，并用聚维酮碘清洁手术区域。
    4. 沿头皮中线使用手术刀做切口，从眼睛后缘至颅骨后缘，注意不要对颅骨施加过大压力。
    5. 将切口撑开，并用无菌止血钳夹住两侧以保持开放。使用蘸有乙醇的棉签轻轻去除骨膜，并使暴露的颅骨表面干燥。
    6. 将头固定板水平放置于颅骨上，确保头固定板前缘位于眼睛后方。使用氰基丙烯酸酯胶水将头固定板粘附于颅骨，并等待胶水完全干燥。
    7. 在混合皿中混合牙科水泥粉末（1 勺）、溶剂（2 滴）和催化剂（1 滴），并涂抹至所有暴露的骨面。逐层添加，直至表面与头固定板上缘齐平，确保头固定板牢固地固定在颅骨上。
    8. 如有必要，在头固定板前后方缝合皮肤。
    9. 根据机构指南注射术后镇痛药（如卡洛芬 ），并在动物恢复期间至少观察 5 天。
  2. 行为实验准备。
    1. 在实验前 5 天，每天让测试动物在头部固定装置中适应 30 分钟，以使其适应平台。
      注：在适应期结束时，动物应能舒适地在转轮上奔跑。
    2. （仅限 DEC）实验前，确保电磁阀出口对准目标眼，且距离大于>1 cm。
    3. （仅限 DEC）使用按钮手动触发一次气流刺激。确保小鼠迅速产生眨眼反应，且无明显应激表现，例如弓背姿势或用同侧前爪抓挠眼周区域。
    4. （仅限 DTSC）实验前，确保触觉刺激器对准动物鼻尖，距离约为 ~1.5 cm。
      注：当 DTSC 行为实验未运行时，步进电机将自动关闭，以便手动调整位置。
    5. （仅限 DTSC）在 SBC 终端中输入 python3 assocLearnRig_app.py 以启动图形用户界面（GUI）。
    6. （仅限 DTSC）在 GUI 中点击 Start Session 按钮，运行三次试验的测试会话（使用默认参数）。
    7. （仅限 DTSC）确保终端中记录的数据显示每次试验在非条件刺激（US）后，旋转编码器记录的偏转值大于 20 但小于 100 步。
      ​注意：为避免对动物造成伤害并减少应激，应从较远距离开始刺激，逐步靠近，直至满足所需条件。
  3. 进行带数据记录的行为实验。
    1. 将小鼠安装至头部固定装置。
    2. 在 SBC 终端中输入 python3 assocLearnRig_app.py 以启动图形用户界面（GUI）。
    3. 为在行为试验期间启用摄像记录，请点击 Stream 按钮。
      注：实验可在无摄像头的情况下运行。此时仅记录旋转编码器数据和刺激呈现的时间戳。
    4. 在 Animal ID 字段中输入动物的识别信息，并点击 Set 按钮。
    5. 根据所需的行为范式，在 Session Type 标题下的单选按钮中选择 DEC 或 DTSC 。
    6. 在 Animal ID 字段下方输入所需的实验参数，并点击 Upload to Arduino 按钮。
      ​注：实验参数的详细信息可在 GitHub 仓库的 README 部分找到。
    7. 点击 Start Session 按钮以开始实验。
    8. 当实验启动后，数据将开始记录，并在 SBC 的 U 盘挂载点 "/media/usb" 中创建一个新目录用于存储。

4. 导出与分析数据

  1. 要将所有记录的会话导出到主机计算机，请打开命令提示符并输入命令 pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination，然后使用单板计算机（SBC）密码进行身份验证。
    注意：上述命令适用于 Windows 计算机。对于 Mac 和 Linux 计算机，请使用终端，并将 "pscp" 替换为 "scp"。
  2. 在主机计算机上安装 Anaconda25 或其他 Python 包管理器（PPM）。
  3. 前往 GitHub 代码仓库，下载 "analyzeSession.py"、"summarizeSessions.py"、"session2mp4s.py" 和 "requirementsHost.txt"。
  4. 打开 PPM 命令行窗口，输入 conda install --file directory_containing_requirementsHostrequirements Host.txt，以确保 Python 包安装包含所需的 Python 库。
  5. 在命令行中输入 cd directory_containing_analyzeData，进入包含 "analyzeData.py" 和 "session2mp4s.py" 的目录。通过输入 python analyzeSession.py 运行分析程序。
    注意：如果使用的 Python 版本为 Python 2，则会生成错误消息。要检查版本，请在命令行中输入 python -V。
  6. 当系统提示时，选择包含数据的目录。包含多个子目录的目录将被依次分析。
  7. 对于 DEC 会话，针对每个被分析的会话目录，从一次试验的平均图像中选择一个包含小鼠眼睛的感兴趣区域（ROI）。
    注意：最终的分析数据文件和汇总图表将生成在每个被分析会话目录的子目录中。
  8. 输入 python summarizeSessions.py，以生成多个会话之间的汇总数据。
  9. 在命令行中输入 python session2mp4s.py，将成像数据文件转换为可查看的 .mp4 文件。

访问受限。请登录或开始试用以查看此内容。

结果

延迟性眼睑条件反射实验与分析的工作流程
正确的实验参数选择对于成功实施延迟性眼睑条件反射（DEC）训练至关重要。本研究中展示的数据，使用图形用户界面（GUI）设定条件刺激（CS）持续时间为 350 ms，非条件刺激（US）持续时间为 50 ms。该配对方式产生 300 ms 的刺激间间隔：这一时长足以防止低幅度条件反应（CR）的产生10，又足够短以避免进入学习效果较差或属于痕迹条件反射的范围，后者会涉及额外的脑区活动11。实验中，通过设置 ITI 低值和高值字段，使每次试验之间的间隔时间在 5–15 s 范围内随机均匀选择。试验间间隔的随机化使得动物受试者无法利用除 CS 和 US 本身之外的其他时间线索来完成任务。

包含省略条件刺激（CS）或非条件刺激（US）的试验，可对训练后的动物进行条件反应（CR）和非条件反应（UR）运动学评估。用户可自定义CS与US配对出现或单独呈现的试验比例。在本研究展示的数据中，所有实验均设置10%的仅CS试验，其余...

访问受限。请登录或开始试用以查看此内容。

讨论

本文所述平台及配套方案可用于在两种感觉关联学习任务中可靠地追踪动物行为。每种任务均依赖于攀爬纤维通路的完整通信功能。在本文描述的设计中，我们整合了若干要素，以促进学习过程以及小脑反应的记录或干预。这些要素包括一个可让动物自由运动的转轮11,18，以及头部固定装置。该转轮允许小鼠受试动物自由运动，而已有研究发现这种自由运动对DEC习得至关重要18。对小鼠进行头部固定，使研究人员能够更便利地应用遗传学、电生理学、成像和光遗传学技术，而这些技术在其他模式生物中或在自由活动条件下较难实现12。我们已将本设计应用于上述各项技术中。运行在微控制器上的软件可轻松调整，以实现对多光子成像采集或与光遗传刺激同步的时序信号进行控制，两者均可达到亚毫秒级精度。当将光遗传学设备或成像设备与行为实验结合使用时，必须注意尽量减少动物对这些设备的感知。例如，许多多光子系统在其检流计扫描镜或快门启动成像采集时会发出可听见的声音。如果采集过程由试验开始触发，则...

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本工作获得了美国国家心理健康研究所资助项目NRSA F32 MH120887-03（授予G.J.B.）以及R01 NS045193和R01 MH115750（授予S.S-H.W.）的支持。我们感谢Bas Koekkoek博士和Henk-Jan Boele博士在优化DEC装置设置方面的有益讨论，以及Yue Wang博士和Xiaoying Chen博士在优化DTSC装置设置方面的有益讨论。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
"B" C的快速基础&B METABOND - 10 mL 瓶装ParkellS398牙科水泥溶剂
"C" 通用TBB催化剂 - 0.7 mLParkellS371催化剂
#8 垫圈ThorlabsW8S038垫圈
0.250" (1/4") × 8.00" 不锈钢精密轴材Servocity6341721/4" 轴
0.250” (0.770"夹紧轮毂Servocity545588夹紧轮毂
1/4" 6毫米内六角螺钉轴联轴器 - 5个装Actobotics625106轴联接套管
1/4"-20 顶盖螺钉，3/4" 长ThorlabsSH25S0751/4" 螺栓
100 个 5 毫米 395–400 nm 紫外 LED 发光二极管 透明圆形透镜 29 mm 长引线（直流 3V）LED 灯 + 100 个电阻EDGELEC‎ED_YT05_U_100PcsCS LED
2 米 Micro HDMI 转 DVI-D 线缆 - 公对公 - 2 米 Micro HDMI 转 DVI 线缆 - 19 针 HDMI (D) 公头转 DVI-D 公头 - 支持 1920 x 1200 视频分辨率Star-tech‎HDDDVIMM2M树莓派4B监控线缆
256 GB Ultra Fit USB 3.1 闪存盘SanDisk‎SDCZ430-256G-G46USB 闪存盘
3.3 V–5 V 4通道逻辑电平转换双向移位模块亚马逊B00ZC6B8VM逻辑电平转换器
32 GB 95 MB/s（U1）microSDHC EVO Select 存储卡三星‎MB-ME32GA/AMmicroSD 卡
4.50" 铝制通道Servocity5854444.5" 铝制导轨
48-LED 闭路电视红外夜视照明器TowallmarkSODIAL红外光阵列
4块面包板套件，包含2块830孔和2块400孔无焊面包板，用于原型扩展板、电源分配及连接模块REXQualisB07DL13RZH面包板
5端口千兆以太网非网管型网络交换机TP-Link‎TL-SG105以太网交换机
5 V 2.5 A 树莓派 3 B+ 电源适配器Canakit‎DCAR-RSP-2A5树莓派 3B+ 电源供应
5-0 ETHILON BLACK 1 x 18" C-3Ethicon668G缝合线
6 mm 轴编码器 2000 PPR 推挽式线路驱动器 通用输出 线路驱动器输出 5–26 V dc 供电Calt B01EWER68I旋转编码器
Ø1/2" 光学支架，不锈钢，8-32紧定螺钉，1/4英寸"-20 拍击，L = 1"，5 件装ThorlabsTR1-P5光学柱
Ø1/2" 光学支架，不锈钢，8-32紧固螺钉，1/4英寸"-20 打，L = 2"，5 件装ThorlabsTR2-P5光学柱
Ø1/2" 光学支架，不锈钢，8-32紧固螺钉，1/4"-20 拍，L = 4"，5 件装ThorlabsTR4-P5光学柱
Ø1/2" 光学支架，不锈钢，8-32紧定螺钉，1/4英寸"-20 拍打，L = 6"，5 件装ThorlabsTR6-P5光学柱
Ø1/2" 支架，弹簧加载六角锁紧旋钮，L = 2"ThorlabsPH2光学后置支架
Adapter-062-M X LUER LOCK-FThe Lee Co.TMRA3201950Z电磁阀鲁尔接头
Aeromat 泡沫轴尺寸：36" 长度AeromatB002H3CMUE泡沫轴
铝制光学平台 10" ×12" x 1/2", 1/4"-20 次轻敲ThorlabsMB1012铝制光学平台
Amazon Basics HDMI 转 DVI 转换线，黑色，6 英尺，单件装亚马逊HL-007347树莓派3B+ 监测线缆
Arduino  Uno R3ArduinoA000066Arduino Uno（微控制器板）
Arduino DueArduino‎A000062Arduino Due（微控制器板）
台式电源，单通道，可调，三输出，0 V，24 V，0 A，2 A天马72-8335A电源
透明抗刮擦且耐紫外线的浇铸亚克力板，12" × 24" x 1/8"McMaster Carr8560K257丙烯酸板
CNC 步进电机驱动器 1.0–4.2 A 20–Nema 17 和 23 型步进电机的 50 V 直流 1/128 微步分辨率Stepper OnlineB06Y5VPSFN步进电机驱动器
紧凑型压缩空气调压阀，直通式泄压，黄铜壳体，1/4 NPTMcMaster Carr6763K13气源调节器
棉签Puritan806-WC棉签
Dell 1908FP 19" 平板显示器 - 1908FPC戴尔1908FPC计算机显示器
树莓派相机用柔性电缆Adafruit2144相机串行接口电缆
高扭矩 Nema 17 双极性步进电机 92 盎司·在/65 N·2.1 A 挤出机电机Stepper Online17HS24-2104S步进电机
异氟烷Henry Schein66794001725异氟烷
Krazy 最强粘力永久胶水，0.18 盎司Krazy GlueKG483氰基丙烯酸酯胶水
盐酸利多卡因VetOne510212利多卡因
低强度钢制六角螺母，2级，镀锌，1/4"-20 号螺纹尺寸McMaster Carr90473A029坚果
M3 × 50 mm 部分螺纹内六角圆柱头螺钉 10 件UxcellA16040100ux1380M3 螺栓
NEMA 17 步进电机安装座ACTOBOTICS555152步进电机支架
官方树莓派电源适配器 5.1 V 3 A，USB C 接口，1.5 米长Adafruit4298树莓派 4B 电源供应
Optixcare 犬用产品 & Cat Eye Lube 润滑凝胶，0.70 盎司管装Optixcare142422眼膏
精密不锈钢球轴承，带防尘盖，型号 R188-2Z，最高转速 13000 rpmMcMaster-Carr3759T57轴承
优质母对母跳线 - 40 根，6 英寸"Adafruit266导线
优质雌/雄“延长”跳线 - 40 根 × 6 包" (150 mm)Adafruit826导线
优质公对公跳线 - 40 根，6 英寸"Adafruit758导线
用于C的放射性显影L型粉末&B METABOND - 5 gParkellS396牙科水泥粉
树莓派（3B+ 或 4B）Adafruit3775 或 4295树莓派
树莓派 NoIR 摄像头模块 V2 - 800 万像素 1080P30Raspberry Pi 基金会RPI3-NOIR-V2树莓派 NoIR V2 摄像头
直角支架，1/4" （M6）沉头孔槽，8-32 螺纹孔ThorlabsAB90E直角支架
直角夹具用于 Ø1/2" 3/16 柱" 六边形ThorlabsRA90直角光学柱夹
直角端部夹具 Ø1/2" 帖子，1/4"-20 螺柱和 3/16" 六边形ThorlabsRA180直角端部夹具
RJ45 Cat-6 以太网跳线互联网电缆亚马逊‎CAT6-7FT-5P-BLUE以太网电缆
旋转夹具 Ø1/2" 帖子，360° 可连续调节，3/16" 六边形ThorlabsSWC旋转光学柱夹
刺突蛋白 & Hold Driver-0.1 至 5 毫秒The Lee Co.IECX0501350A电磁阀驱动器
旋转底座适配器ThorlabsUPHA后固定座适配器
USB 2.0 A型公头转Micro-B电缆，6英尺亚马逊‎7T9MV4USB2型A接口转USB2微型接口数据线
USB 2.0 打印机线缆 - A型公头转B型公头，6英尺（1.8 m）亚马逊B072L34SZSUSB2 Type B 转 USB2 Type A 数据线
VHS-M/SP-12 VThe Lee Co.INKX0514900A电磁阀
镀锌钢 1/4" 外径为1.000的垫圈"McMaster Carr91090A108垫圈

参考文献

  1. McCormick, D. A., Lavond, D. G., Clark, G. A., Kettner, R. E., Rising, C. E., Thompson, R. F. The engram found? Role of the cerebellum in classical conditioning of nictitating membrane and eyelid responses. Bulletin of the Psychonomic Society. 18 (3), 103-105 (1981).
  2. McCormick, D. A., Clark, G. A., Lavond, D. G., Thompson, R. F. Initial localization of the memory trace for a basic form of learning. Proceedings of the National Academy of Sciences of the United States of America. 79 (8), 2731-2735 (1982).
  3. McCormick, D. A., Thompson, R. F. Cerebellum: essential involvement in the classically conditioned eyelid response. Science. 223 (4633), New York, N.Y. 296-299 (1984).
  4. Krupa, D. J., Thompson, J. K., Thompson, R. F. Localization of a memory trace in the mammalian brain. Science. 260 (5110), New York, N.Y. 989-991 (1993).
  5. Llinás, R., Sugimori, M. Electrophysiological properties of in vitro Purkinje cell dendrites in mammalian cerebellar slices. The Journal of Physiology. 305, 197-213 (1980).
  6. Mintz, M., Lavond, D. G., Zhang, A. A., Yun, Y., Thompson, R. F. Unilateral inferior olive NMDA lesion leads to unilateral deficit in acquisition and retention of eyelid classical conditioning. Behavioral and Neural Biology. 61 (3), 218-224 (1994).
  7. Welsh, J. P., Harvey, J. A. Cerebellar lesions and the nictitating membrane reflex: performance deficits of the conditioned and unconditioned response. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 9 (1), 299-311 (1989).
  8. Mauk, M. D., Steinmetz, J. E., Thompson, R. F. Classical conditioning using stimulation of the inferior olive as the unconditioned stimulus. Proceedings of the National Academy of Sciences of the United States of America. 83 (14), 5349-5353 (1986).
  9. Steinmetz, J. E., Lavond, D. G., Thompson, R. F. Classical conditioning in rabbits using pontine nucleus stimulation as a conditioned stimulus and inferior olive stimulation as an unconditioned stimulus. Synapse. 3 (3), New York, N.Y. 225-233 (1989).
  10. Chettih, S. N., McDougle, S. D., Ruffolo, L. I., Medina, J. F. Adaptive timing of motor output in the mouse: The role of movement oscillations in eyelid conditioning. Frontiers in Integrative Neuroscience. 5, 72(2011).
  11. Heiney, S. A., Wohl, M. P., Chettih, S. N., Ruffolo, L. I., Medina, J. F. Cerebellar-dependent expression of motor learning during eyeblink conditioning in head-fixed mice. The Journal of Neuroscience. 34 (45), 14845-14853 (2014).
  12. Heiney, S. A., Kim, J., Augustine, G. J., Medina, J. F. Precise control of movement kinematics by optogenetic inhibition of purkinje cell activity. Journal of Neuroscience. 34 (6), 2321-2330 (2014).
  13. Ten Brinke, M. M., et al. Evolving models of pavlovian conditioning: Cerebellar cortical dynamics in awake behaving mice. Cell Reports. 13 (9), 1977-1988 (2015).
  14. Gao, Z., et al. Excitatory cerebellar nucleocortical circuit provides internal amplification during associative conditioning. Neuron. 89 (3), 645-657 (2016).
  15. Giovannucci, A., et al. Cerebellar granule cells acquire a widespread predictive feedback signal during motor learning. Nature Neuroscience. 20 (5), 727-734 (2017).
  16. Ten Brinke, M. M., et al. Dynamic modulation of activity in cerebellar nuclei neurons during pavlovian eyeblink conditioning in mice. eLife. 6, 28132(2017).
  17. Wang, X., Yu, S., Ren, Z., De Zeeuw, C. I., Gao, Z. A FN-MdV pathway and its role in cerebellar multimodular control of sensorimotor behavior. Nature Communications. 11 (1), 6050(2020).
  18. Albergaria, C., Silva, N. T., Pritchett, D. L., Carey, M. R. Locomotor activity modulates associative learning in mouse cerebellum. Nature Neuroscience. 21 (5), 725-735 (2018).
  19. Kim, O. A., Ohmae, S., Medina, J. F. A cerebello-olivary signal for negative prediction error is sufficient to cause extinction of associative motor learning. Nature Neuroscience. 23 (12), 1550-1554 (2020).
  20. Yamada, T., et al. Sensory experience remodels genome architecture in neural circuit to drive motor learning. Nature. 569 (7758), 708-713 (2019).
  21. Horlington, M. Startle response circadian rhythm in rats: lack of correlation with motor activity. Physiology & Behavior. 5 (1), 49-53 (1970).
  22. Yeomans, J. S., Li, L., Scott, B. W., Frankland, P. W. Tactile, acoustic and vestibular systems sum to elicit the startle reflex. Neuroscience and Biobehavioral Reviews. 26 (1), 1-11 (2002).
  23. Raspberry Pi Operating system images. , Available from: https://www.raspberrypi.com/software/operationg-systems/ (2021).
  24. VNC Server. VNC® Connect. , Available from: https://www.realvnc.com/en/connect/download/vnc/ (2021).
  25. Anaconda: The world's most popular data science platform. , Available from: https://xddebuganaconda.xdlab.co/ (2021).
  26. De Zeeuw, C. I., Ten Brinke, M. M. Motor learning and the cerebellum. Cold Spring Harbor Perspectives in Biology. 7 (9), 021683(2015).
  27. Badura, A., et al. Normal cognitive and social development require posterior cerebellar activity. eLife. 7, 36401(2018).
  28. Koekkoek, S. K. E., Den Ouden, W. L., Perry, G., Highstein, S. M., De Zeeuw, C. I. Monitoring kinetic and frequency-domain properties of eyelid responses in mice with magnetic distance measurement technique. Journal of Neurophysiology. 88 (4), 2124-2133 (2002).
  29. Kloth, A. D., et al. Cerebellar associative sensory learning defects in five mouse autism models. eLife. 4, 06085(2015).
  30. Boele, H. -J., Koekkoek, S. K. E., De Zeeuw, C. I. Cerebellar and extracerebellar involvement in mouse eyeblink conditioning: the ACDC model. Frontiers in Cellular Neuroscience. 3, (2010).
  31. Lin, C., Disterhoft, J., Weiss, C. Whisker-signaled eyeblink classical conditioning in head-fixed Mice. Journal of Visualized Experiments: JoVE. (109), e53310(2016).
  32. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  33. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).

访问受限。请登录或开始试用以查看此内容。

重印与许可

探索更多文章

小脑依赖性学习眨眼条件反射延迟触觉惊吓头部固定小鼠浦肯野细胞光遗传学刺激荧光成像行为学平台跑轮
一种用于监测小脑依赖性感觉关联学习的灵活平台
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。