调查运动技能的学习过程与机器人Manipulandum
2017年2月12日
范式提出了大鼠自动化技术达到任务的培训和分析。拉动尝试分析表明电机学习不同的子进程。
训练大鼠完成这项涉及机器人作的伸展任务的总体目标是研究运动技能学习和运动功能恢复背后的过程。这种方法可以帮助回答行为神经科学领域的关键问题，特别是与运动学习和记忆形成的机制以及脑损伤或中风后功能的丧失和恢复有关。该技术的主要优点是大鼠的训练和分析易于执行，并且比其他常规的单颗粒到达任务更客观。
此外，机器人作可以更好地分析运动学。在准备过程中，在训练它们之前，始终让新获得的大鼠适应新的家笼至少一周。在此期间，定期处理老鼠并喂它们用于训练方案的奖励颗粒。
要开始训练过程，首先要花两到三天时间让大鼠适应测试笼。第一个任务是训练老鼠简单地通过笼子窗户触摸球形手柄，然后移动到笼子的另一侧并取回食物奖励。首先，调整软件设置，使手柄位于测试笼窗口的正外。
现在，将大鼠放入训练笼中，并在手柄附近握住一个颗粒。根据需要敲击笼子来引导老鼠的注意力。继续以这种方式提示大鼠使用手柄，直到它独立地穿过笼窗并接触到手柄或食物颗粒。
然后，运行会话，直到完成 100 次触摸或 60 分钟过去，以先到者为准。继续每天训练大鼠，直到它连续两天在 30 分钟内完成 100 次触摸。这通常发生在前两个会话中。
获得此熟练程度后，直接进行下一个训练范例。大鼠在这项任务中的执行速度比定义的标准快得多，但重要的是不要过度训练它们，因为这会导致行为的过度巩固并扼杀行为的形成以实现最终目标。下一个挑战是让老鼠学习伸出手来拉动手柄的中间步骤。
与奖励触摸训练一样，重要的是不要过度训练，因为最终目标是过渡到下一阶段的训练。首先，调整软件设置，以便机器人在每次试验开始时将手柄放置在距离窗口 18 毫米的位置。手柄必须不间断地拉动至少 10 毫米才能成功试用。
拉动运动没有横向限制。然后像以前一样进行 100 次试验或 60 分钟，标记其结束。如果老鼠的手不够远而无法执行任务，那么通过在手柄附近握住带有镊子的颗粒来塑造正确的行为。
如果老鼠似乎对拉动手柄失去了兴趣，则轻敲笼子或分发颗粒。从老鼠前 20 次尝试拉动手柄中确定老鼠的爪子偏好。只需选择更经常用作惯用爪子的爪子。
大多数大鼠会表现出强烈的偏好，并在至少 80% 的试验中使用一只爪子。一旦注意到一个占主导地位的爪子，就横向调整手柄的位置以有利于这个爪子。将手柄对准窗口边缘，并将其保持在此位置，以便将来与这只老鼠进行所有会话。
继续训练任务，直到大鼠达到平台期表现或连续两天在 30 分钟内执行任务 100 次。在进行 straight pulling 之前，通常只需要两次会话。训练的最后阶段是教老鼠笔直拉动手柄以获得奖励。
更改软件中的参数，以便从中线偏离 2 毫米以上的拉动运动被视为失败。像往常一样，每个会话都应该运行，直到完成 100 次试验或 60 分钟过去。继续训练大鼠完成这项任务，直到它们的技能水平达到平台期或直到大鼠超过规定的标准。
使用 10 至 12 周龄雄性 Long-Evans 大鼠，在 22 天的训练中比较了三种不同的训练技术。每组都接受了奖励触摸训练。然后参数发生了变化。
在一组 FP 中，大鼠被训练可以不受任何横向限制地拉动机器人的手柄。在下一组 SP1 中，大鼠被训练在不偏离中线超过 2 毫米的情况下拉动手柄，但没有接受任何自由的拉动训练课程。在最后一组 SP2 中，大鼠正好接受了两次免费的拉力训练，然后过渡到直拉训练。
对于 SP2 来说，重要的是，手柄在窗口的一个边缘附近保持对齐，这导致任务更具挑战性。如果作员没有始终将机器人与笼子对齐，则可能会意外发生这种情况。可能是由于这种额外的挑战，SP1 大鼠的任务成功率比 SP2 大鼠更早稳定下来。
在训练中，手柄移动从第一次训练到最后一次训练都有所改善。显示的数据是来自 SP2 组的一只代表性大鼠的数据。同样，从第一次到最后一次，拉动的速度变得更加规律，表明学习了更稳定的动作。
该数据也来自代表性的 SP2 大鼠。观看此视频后，您应该对如何执行自动化熟练到达任务以及可能影响结果的因素有很好的了解。正如我们所表明的，训练模式的微小改变会影响动物的表现。
因此，在尝试此过程时，重要的是要保持每只动物的所有条件一致，例如手柄位置。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了一种用于训练和分析大鼠自动化技能性伸手任务的范式，重点关注运动学习的子过程。该方法旨在增进对运动技能学习和脑损伤后的恢复的理解。
关键研究组成部分
科学领域
- 行为神经科学
- 运动学习
- 神经康复
背景
- 探讨运动技能学习的基础过程。
- 探索脑损伤或中风后运动功能的恢复。
- 利用机器人操控器进行改进分析。
- 关注伸手任务的运动学分析。
研究目的
- 训练大鼠完成技能性伸手任务。
- 分析运动学习的不同子过程。
- 提供比传统方法更客观的评估。
使用的方法
- 用机器人操控器训练大鼠。
- 新购买的大鼠的适应期。
- 定期处理和喂食奖励颗粒。
- 对拉动尝试的客观分析。
主要结果
- 识别运动学习中涉及的子过程。
- 增强对运动功能恢复机制的理解。
- 展示机器人训练方法的优势。
结论
- 机器人操控器有助于更好的运动学分析。
- 训练方法为运动学习过程提供了洞察。
- 研究为神经康复领域做出了贡献。
常见问题
Executive Industry Relevance
Automated skilled reaching tasks in rodent models provide a quantifiable platform for dissecting motor skill learning mechanisms, supporting target validation in neuromotor therapeutic development. Kinematic analysis of pulling velocity, trajectory variability, and midline deviation enables objective assessment of motor function, reducing ambiguity in preclinical efficacy readouts. This approach enhances predictive confidence in lead identification for neurorehabilitation interventions by linking behavioral outputs to underlying neural processes.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of motor learning subprocesses through quantifiable kinematic parameters such as pulling velocity and spatial variability.
- Operational Value: Provides objective, automated measurement of motor performance, reducing variability inherent in manual scoring of reaching tasks.
- Predictive Value: Supports biological de-risking by linking training-induced changes in movement patterns to neural plasticity mechanisms relevant to therapeutic targeting.
Screening & Assay Development
- Assay Readiness: Generates standardized, quantitative outputs including pulling success rate, deviation from midline, and temporal movement profiles for compound screening.
- Reproducibility: Robotic manipulandum ensures consistent task parameters across sessions, improving inter-animal and inter-lab reliability.
- Scalability: Automated data collection facilitates high-throughput evaluation of motor function across treatment groups and timepoints.
Translational & Preclinical Research
- Disease Relevance: Models skilled motor impairment and recovery, applicable to stroke, traumatic brain injury, and neurodegenerative conditions.
- Translational Continuity: Kinematic biomarkers such as movement smoothness and success rate align with clinical motor assessment scales.
- Mechanistic De-risking: Integration with electrophysiological, pharmacological, and optogenetic methods enables causal interrogation of neural circuits underlying motor learning.
Pipeline & Workflow Integration
The method fits within the discovery continuum from target hypothesis testing through lead optimization to preclinical validation, particularly for neuromotor pathways.
- Discovery Biology: Supports hypothesis testing of gene or pathway contributions to motor learning by measuring changes in kinematic profiles following manipulation.
- Screening: Enables assay-ready quantification of motor skill acquisition and retention, facilitating dose-response and time-course evaluations.
- Analytics: Delivers multivariate readouts (velocity, trajectory, success) that allow comparative analysis of motor function across experimental conditions.
- Translational Research: Connects rodent motor performance to clinical recovery metrics through shared kinematic features relevant to neurorehabilitation.
- Enterprise Reuse: Establishes a reusable platform for longitudinal motor function assessment across multiple therapeutic modalities and disease models.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing mechanistic ambiguity in motor behavior interpretation.
- Operational Value: Enhances reproducibility and standardization of motor skill assessment across studies and sites.
- Strategic Value: Improves go/no-go decision-making by providing objective, quantifiable endpoints for motor recovery.
- Portfolio Impact: Enables risk-adjusted prioritization of neurorehabilitation candidates based on translational motor function data.
Implementation Considerations
- Requires expertise in rodent handling, behavioral training, and robotic system operation.
- Dependent on access to a programmable robotic manipulandum with force and motion tracking capabilities.
- Necessitates standardization of training protocols, reward schedules, and environmental conditions across experimental groups.
- Involves adaptation considerations when translating parameters across rat strains, ages, or injury models.
- Limited by the need for careful overtraining avoidance to prevent behavioral stasis and ensure sensitivity to skill changes.
