2025年1月24日
这里介绍的是一个视频分析管道,它克服了 MRI 环境中行为监测的挑战,允许检测对外部线索的未经指导的行为反应。这种分析将有助于更全面地了解诱发的内部状态变化和全脑活动。
照顾者如何感知和回应婴儿的暗示将决定婴儿是否得到生存所需的照顾。在小鼠中,幼崽的发声会引起复杂的行为反应,因此可能会引起整个大脑区域网络的协调活动。我们想在不同母体经验背景的小鼠中识别这个网络,而清醒小鼠 FMRI 是一个很好的工具。
随着清醒小鼠 FMRI 得到更广泛的应用,令人兴奋的研究正在出现,该研究调查了目标导向行为的神经相关性。通常使用破碎光束器等工具来检测泄漏,使用压力传感器来检测运动,从而评估这些行为。我们的协议使我们能够评估自发的行为反应,即使在技术上具有挑战性的 MRI 环境中也是如此。
我们的目标是最终使用自发行为的测量来更好地了解我们通过 FMRI 获得的全脑活动。我们之前的工作表明,妈妈和处女动物的听觉皮层对幼崽的叫声反应不同。在妈妈身上,它们的神经反应被时间锁定在幼崽的哭声中。
在处女中,他们不是。然而,随着处女学会表达母性行为,听觉中枢会发生变化以反映这项新技能。我们之前的研究集中在麻醉小鼠的听觉皮层。
这项研究超越了听觉皮层的界限,研究了当动物学习成为妈妈时,清醒行为小鼠的整个大脑和行为如何变化。首先,请从 MathWorks 网站下载 MATLAB。要将图像处理工具箱添加到 MATLAB Add-ons,请点击 manage add-ons、get add-ons,然后搜索并添加它们。
同样,将 Computer Vision Toolbox 添加到 MATLAB 附加组件中。打开分析管道的脚本 1 后,编辑脚本的第一、二、三、四、五和六部分,以适应指示的数据结构。运行第一部分。
运行脚本的第二部分以提取每个视频的第一帧。使用鼠标单击前两个点一次,然后双击第三个点。选择视频的最后几点后,按 Enter。
运行第 3 部分和第 4 部分。将标志 aligned 设置为零并运行第 5 部分。然后将标志对齐设置为 1 并再次运行第 5 部分。
现在运行第 6 部分并并排比较结果。接下来,打开脚本 2 并编辑脚本的第一部分以适应数据结构。然后运行第一部分。
编辑脚本的第二部分以适应数据结构,然后运行第二部分。使用生成的图像查看分析视频中光流波动最剧烈的位置。编辑脚本的第 3 部分以满足数据结构和分析需求。
要分析完整的视频 FOV,请将标志设置为 select ROI 并将 ROI 设置为零。然后运行第三部分。要分析新的 ROI,请将标志 select ROI 设置为 1 并提供 ROI 为零。
然后编辑 newCoordsName 并运行第 3 部分。通过单击并拖动,在显示的示例框架中选择新的 ROI。要分析以前绘制的 ROI,请将标志选择 ROI 设置为 0,并将 ROI 设置为 1。
然后编辑 inputCoords 以提供一组预先确定的坐标并运行第三部分。打开脚本 3 并编辑脚本的第 1 部分到第 3 部分,以满足数据结构和分析需求。在第一部分中,将分析选项标志 ZSC、BLRM、BLZSC、demeanPerTrial 和 applyLPfilter 设置为 0 或 1。
将 LPfilter 设置为一个数字,表示所需的低通滤波器,单位为赫兹。然后运行第一至第三部分。打开脚本 4 并编辑脚本的第一部分,以满足数据结构和分析需求。
运行第一部分。打开脚本 5 并编辑脚本的第一部分以适应数据结构和分析。然后运行第一部分和第二部分。
更改第 3 部分输入中的 group、myTitle 和 threshT 变量,以反映所需的组分析。为每组感兴趣的人运行第三部分。然后根据需要调整 C 轴的范围和颜色条限制以进行可视化。
更改第 4 部分输入中的 mag、myTitle 和 threshT 变量,以反映所需的组比较。为每组感兴趣的比较运行第四部分,然后根据需要调整 Z 轴的范围和颜色条限制以进行可视化。光流矢量表示动物运动的区域,尤其是鼻子和爪子周围。
光流大小的标准差确定了运动波动高和低的区域。与处女相比,母亲对幼崽的叫声表现出更高的运动反应,但对纯音没有。主成分分析显示,在两种刺激呈现期间,与处女相比,母亲在鼻子区域的运动更多。
验证数据集的光流量化揭示了对高水和低水奖励的行为反应存在显着差异。这些结果进一步表明,所提出的视频分析管道可用于捕获不同条件下动物行为的有意义差异。
本研究提出了一个视频分析管道,旨在监测MRI环境中小鼠的自发行为反应。通过利用清醒小鼠的功能性核磁共振成像(FMRI),该研究旨在揭示母性行为对幼鼠发声反应的神经相关性。
Integrating behavioral profiling with whole-brain imaging in awake mice enables biopharma teams to link neural circuit activity to complex, ethologically relevant behaviors under constrained experimental conditions. This approach enhances predictive confidence in target validation by correlating quantitative behavioral outputs with brain-wide functional responses. The pipeline supports translational continuity from early discovery through preclinical model development, especially for neurobehavioral and CNS-targeted portfolios.
This behavioral video analysis pipeline bridges early discovery and preclinical research by enabling synchronized acquisition of behavioral and neural data in challenging environments such as MRI. It is positioned for use in target validation, lead identification, and translational model development.