Ein System zur Verfolgung der Dynamik des Verhaltens sozialer Präferenzen bei kleinen Nagetieren

Summary

Beschrieben wird hier ein neuartiges automatisiertes Experimentiersystem, das eine Alternative zum Dreikammertest bietet und auch mehrere Vorbehalte löst. Dieses System liefert mehrere Verhaltensparameter, die eine rigorose Analyse der Verhaltensdynamik kleiner Nagetiere während der sozialen Präferenz- und sozialneuheitspräferenzbegründeten Tests ermöglichen.

Abstract

Die Erforschung der neurobiologischen Mechanismen des sozialen Verhaltens erfordert Verhaltenstests, die auf Tiermodelle unvoreingenommen und beobachterunabhängig angewendet werden können. Seit Beginn des Jahrtausends wird der Dreikammertest weithin als Standardparadigma zur Bewertung der Geselligkeit (soziale Präferenz) und der sozialen Neuheitspräferenz bei kleinen Nagetieren eingesetzt. Dieser Test leidet jedoch unter mehreren Einschränkungen, einschließlich seiner Abhängigkeit von der räumlichen Navigation und der Nachlässigkeit der Verhaltensdynamik. Präsentiert und validiert hier ist ein neuartiges experimentelles System, das eine Alternative zum Dreikammertest bietet und gleichzeitig einige seiner Vorbehalte löst. Das System erfordert ein einfaches und erschwingliches Experimentelles Gerät und ein öffentlich verfügbares Open-Source-Analysesystem, das automatisch mehrere Verhaltensparameter auf individueller und Populationsebene misst und analysiert. Es ermöglicht eine detaillierte Analyse der Verhaltensdynamik kleiner Nagetiere während eines sozialen Diskriminierungstests. Wir zeigen die Effizienz des Systems bei der Analyse der Dynamik des sozialen Verhaltens während der sozialen Präferenz- und sozialen Neuheitspräferenztests, wie sie von erwachsenen männlichen Mäusen und Ratten durchgeführt werden. Darüber hinaus validieren wir die Fähigkeit des Systems, modifizierte Dynamik endendes Soziales Verhaltens bei Nagetieren nach Manipulationen wie Whisker Trimmen aufzudecken. Somit ermöglicht das System eine strenge Untersuchung des Sozialverhaltens und der Dynamik in kleinen Nagetiermodellen und unterstützt genauere Vergleiche zwischen Stämmen, Bedingungen und Behandlungen.

Introduction

Die Aufdeckung der biologischen Mechanismen, die Neuroentwicklungsstörungen (NDDs) zugrunde liegen, ist eine der größten Herausforderungen im Bereich der Neurowissenschaften¹. Um diese Herausforderung anzugehen, sind Verhaltensparadigmen und experimentelle Systeme erforderlich, die das Verhalten von Nagetieren auf standardisierte und unvoreingenommene Weise typisieren. Eine einflussreiche Studie, die vor mehr als einem Jahrzehnt von Moy und Kollegen² veröffentlicht wurde, stellte den Dreikammertest vor. Seitdem wurde dieser Test häufig verwendet, um soziales Verhalten in Nagetiermodellen von NDDs zu untersuchen. Dieser Test bewertet zwei angeborene Tendenzen von Nagetieren: 1) in der Nähe eines sozialen Reizes gegenüber einem Objekt zu bleiben (Geselligkeit, auch soziale Präferenz genannt [SP]), und 2) die Nähe eines neuartigen sozialen Stimulus einem vertrauten (soziale Neuheitspräferenz [SNP]) vorzuziehen^3,4. Mehrere nachfolgende Studien schlugen Methoden der automatisierten Analyse des Dreikammertests mit computergestützten Methoden^5,6vor.

Dieser Test leidet noch immer unter mehreren Einschränkungen. Erstens untersucht sie hauptsächlich die Präferenz des sozialen Ortes und nicht die Motivation des Subjekts, direkt mit einem sozialen Stimulus zu interagieren, obwohl einige Gruppen auch die geruchswissenschaftliche Untersuchungszeit (Schnüffelzeit) messen, entweder manuell⁷ oder mit kommerziellen computergestützten Systemen^8,9,10. Zweitens wird der Dreikammertest hauptsächlich verwendet, um die Gesamtzeit des Probanden in jeder Kammer zu messen, und er vernachlässigt die Verhaltensdynamik. Schließlich stützt sie sich nur auf einen Aspekt des sozialen Verhaltens, d. h. auf die Zeit, die das Subjekt in jeder Kammer vergibt (oder, wenn gemessen, Schnüffelzeit).

Hier präsentieren wir ein neuartiges und erschwingliches Experimentiersystem, das eine Alternative zum Dreikammerapparat ist. Es ermöglicht auch die Durchführung der gleichen Verhaltenstests bei der Lösung der oben genannten Vorbehalte. Das vorgestellte Verhaltenssystem misst automatisch und direkt das Untersuchungsverhalten eines Nagers in Richtung zweier Reize. Darüber hinaus analysiert es die Verhaltensdynamik auf beobachterunabhängige Weise. Darüber hinaus misst dieses System mehrere Verhaltensparameter und analysiert diese sowohl auf individueller als auch auf Bevölkerungsebene; Daher unterstützt es eine rigorose Analyse des Sozialverhaltens und seiner Dynamik während jedes Tests. Darüber hinaus neutralisiert die zufällige Neupositionierung der Kammern in gegenüberliegenden Ecken der Arena während der verschiedenen Testphasen alle Auswirkungen des räumlichen Gedächtnisses oder der Präferenzen. Dieses System kann auch für andere Diskriminierungstests wie Diskriminierung aufgrund des Geschlechts verwendet werden. Das kundenspezifische Gerät ist einfach herzustellen, und das Analysesystem ist öffentlich zugänglich als Open-Source-Code, wodurch es in jedem Labor verwendet wird. Wir zeigen die Fähigkeit dieses Systems, mehrere Parameter des sozialen Verhaltens in Nagetierstämmen mit unterschiedlichen Fellfarben während der sozialen Präferenz- und sozialen Neuheitspräferenztests zu messen. Wir validieren auch die Fähigkeit des Systems, modifizierte Dynamik endendes Soziales Verhaltens bei Nagetieren nach Manipulationen, wie Whisker Trimmen, aufzudecken.

TrackRodent Software: drei Algorithmen wurden in MATLAB (2014a-2019a) geschrieben, um das experimentelle Thema und seine Wechselwirkungen mit den Reizen zu verfolgen. Alle Algorithmen wurden in GitHub hinterlegt, gefunden unter . Das Hauptziel aller vier Algorithmen ist es, die Konturen des Körpers des Motivs zu verfolgen, um jeden direkten Kontakt mit den Reizbereichen zu erkennen.

Körperbasierter Algorithmus: Dieser Algorithmus hat drei Versionen, die die Konturen einer unverdrahteten dunklen Maus auf einem weißen Hintergrund (BlackMouseBodyBased), eine weiße Maus auf einem dunklen Hintergrund (WhiteMouseBodyBased) oder eine weiße Ratte auf einem dunklen Hintergrund (WhiteRatBodyBased) verfolgen. ). Die grafische Benutzeroberfläche (GUI) der Software erfordert, dass der Experimentierer ein Experiment mit Mäusen oder Ratten auswählt und dann den richtigen Code auswählt. Für jede Version des Algorithmus gibt es zwei optionale Codes: einen, der den Tracking-Prozess auf dem Bildschirm darstellt, während er die Analyse durchführt, und einen, der dies nicht tut (daher läuft er schneller und wird als "schnell" bezeichnet). Beispielsweise lauten die Namen der relevanten Codes für den BlackMouseBodyBased-Algorithmus: "BlackMouseBodyBased23_7_14" und "BlackMouseBodyBased23_7_14_Fast". Alle Algorithmen, die mit "schnell" enden, zeigen das Tracking nicht online an, und Benutzer müssen die Daten direkt in der Ergebnisdatei (.mat-Datei) speichern. Alle körperbasierten Algorithmen erfordern die Festlegung eines einzelnen Schwellenwerts ("niedriger Schwellenwert" in der GUI der Software), um den Körper des Motivs zu erkennen.

Head-directionality-basierter Algorithmus: Der zweite Algorithmus, der nur für schwarze Mäuse verfügbar ist, basiert auf dem körperbasierten Algorithmus, zusätzlich zur Bestimmung der Kopfrichtung. Dieser Algorithmus erkennt die Wechselwirkungen des Kopfes des Subjekts mit den "Reizen" Bereichen und vermeidet so falsche Positivmeldungen, die aus zufälligen Kontakten des Subjekts' mit diesen Bereichen entstehen können. Für diesen Algorithmus werden zwei Erkennungsschwellen für Mauskörperkonturen definiert: hohe Schwelle, die den helleren Schwanz schwarzer Mäuse einschließt, und niedrige Schwelle, die den Körper ohne Schwanz einschließt. Danach passt der Algorithmus ein Ellipsoid mit dem unteren Schwellenwert an die erkannten Grenzen an und definiert die Position von Mauskopf und Schwanz (ohne Unterschied zwischen den beiden). Die endgültige Diskriminierung zwischen Schwanz und Kopf basiert auf den Grenzen, die durch die höhere Schwelle definiert werden.

Verdrahteter Tieralgorithmus: Der dritte Algorithmus zielt darauf ab, Artefakte zu minimieren, die aus Kabeln (d. h. elektrischem Draht oder Glasfaser) stammen, die mit dem Tier verbunden sind, und ermöglicht eine Analyse des Verhaltens des Tieres, während es mit einem Kabel verbunden ist. Dieser Algorithmus hat Codes nur für schwarze Mäuse und weiße Ratten. Der Code für Ratten erfordert, dass der Experimentator sowohl niedrige als auch hohe Schwellenwerte definiert, während der Mauscode nur einen niedrigen Schwellenwert erfordert.

Protocol

Alle beschriebenen Methoden wurden vom Institutional Animal Care and Use Committee (IACUC) der Universität Haifa genehmigt.

1. Versuchsaufbau

1. Arena
   1. Konstruieren Sie die Versuchsarena für Mäuse(Abbildung 1A,D) durch Platzieren einer weißen oder schwarzen (je nach Tierfarbe) Plexiglasbox (37 cm x 22 cm x 35 cm) in der Mitte einer Akustikkammer (60 cm x 65 cm x 80 cm, innen mit 2 cm dickem Schaumstoff beschichtetem Holz). Für das Licht, entfernen Sie einen Streifen (2 cm breit, 10 cm unter der Decke der Kammer) des Schaums um die Akustikkammer (neben der Tür), und befestigen Sie einen LED-Streifen mit entweder roten oder weißen Glühbirnen. Stellen Sie sicher, dass das Licht so gleichmäßig wie möglich um die Arena herum ist, um Reflexionen zu verhindern.
   2. Konstruieren Sie die Arena für Ratten ähnlich der oben beschriebenen für Mäuse, mit unterschiedlichen Abmessungen, die der Größe von Sprague-Dawley (SD) Ratten angemessen entsprechen (Abbildung 1G). Legen Sie eine schwarze Plexiglasbox (50 cm x 50 cm x 40 cm) in die Mitte einer Akustikkammer (90 cm x 60 cm x 85 cm, innen mit 2 cm dickem Schaumstoff beschichtet) aus 2 cm dickem Holz.
2. Kammern
   1. Für Mäuse, erstellen Sie zwei schwarze oder weiße (je nach Fellfarbe) dreieckige Kammern (12 cm Isosceles, 35 cm Höhe, mit geschlossenen Böden) aus 6 mm dickem Plexiglas. Suchen Sie sie in zwei zufällig ausgewählten gegenüberliegenden Ecken der Arena (Abbildung 1B,E). Kleben Sie ein Metallgitter (18 mm x 6 cm; 1 cm x 1 cm Löcher) im unteren Teil jeder Kammer mit Epoxidkleber, um direkte Wechselwirkungen mit dem Stimulus durch das Netz zu ermöglichen (Abbildung 1C,F). Markieren Sie jede Kammer in einer Weise, die Diskriminierung von den anderen in einem Video zulässt, ohne den Probanden Hinweise zu geben (Beispiele siehe Abbildung 1B,E).
      HINWEIS: Jede Kammer wird schließlich einen sozialen Reiz (Maus) oder Eintauffindet (Plastikspielzeug, 5 cm x 5 cm x 5 cm, mit einer ausgeprägten Form und Farbe; Abbildung 1C,I Einläufe). Lassen Sie den Epoxid-Kleber für mindestens eine Woche vor Gebrauch verdampfen.
   2. Für Ratten, erstellen Sie zwei schwarze dreieckige Kammern (20,5 cm Isosceles, 40 cm Höhe, aus 6 mm dickem Plexiglas, mit geschlossenen Böden) und legen Sie sie in zwei zufällig ausgewählte gegenüberliegende Ecken der Arena(Abbildung 1H), jeweils mit einem Metallgitter (25 cm x 7 cm; 2,5 cm x 1 cm Löcher) bedeckt seinen unteren Teil (Abbildung 1I).
3. Platzieren Sie eine hochwertige monochromatische Kamera, die mit einem Weitwinkelobjektiv ausgestattet ist, an der Spitze der Akustikkammer und schließen Sie sie an einen Computer an, um eine klare Betrachtung und Aufzeichnung des Verhaltens des Motivs mit kommerzieller Software zu ermöglichen (siehe Tabelle der Materialien für Vorschläge).

2. Verhaltensparadigma

HINWEIS: Die Schritte 2.1-2.7 beschreiben das Verhaltensparadigma für Mäuse. Siehe Abschnitt 2.8 für spezifische Anweisungen, an denen Ratten beteiligt sind.

1. Stellen Sie sicher, dass die Käfige aller Tiere (Themen: 2-4 Monate alte männliche Mäuse; Reize: 21-30 Tage alte Jungmäuse) mindestens 1 h im Versuchsraum verbleiben, bevor Sie mit dem Verhaltensexperiment beginnen.
2. Legen Sie nach der Akklimatisierungszeit zwei leere Kammern zufällig an zwei gegenüberliegenden Ecken in die Arena ein. Platzieren Sie das Thema in der Mitte der Arena für 15 min der Gewöhnung. Während dieser Zeit, stellen Sie die beiden sozialen Reize, jeder in einer anderen Kammer asortatabefindet sich für die Gewöhnung. Legen Sie ein Objekt (ein Plastikspielzeug, 5 cm x 5 cm x 5 cm, mit einer deutlichen Form und Farbe) in eine andere Kammer.
3. Um den SP-Test (Social Preference) durchzuführen, starten Sie die Videoaufzeichnung und führen Sie die Aufzeichnung bis zum Ende des Tests auf.
4. Entfernen Sie die beiden leeren Kammern und fügen Sie sofort das Objekt und einen der sozialen Reize, jeweils in einer eigenen Kammer. Finden Sie diese Kammern zufällig in den gegenüberliegenden Ecken der Arena, die während der Gewöhnung leer waren. Lassen Sie das Subjekt mit den Reizen für die 5 min des SP-Tests interagieren. Beenden Sie am Ende des Tests die Aufzeichnung.
5. Nach dem SP-Test die Reize-haltigen Kammern aus der Arena entfernen und das Motiv 15 min in der leeren Arena lassen. Reinigen Sie die Kammern von außen mit 10% Ethanoltüchern.
6. Um den Social Novelty Preference (SNP)-Test durchzuführen, starten Sie die Videoaufzeichnung und fügen Sie zwei Kammern in die Arena ein: eine mit dem gleichen sozialen Stimulus, die für den SP-Test verwendet wird (vertrauter Stimulus), und die andere enthält den neuartigen sozialen Reiz. Platzieren Sie diese Kammern nach dem Zufallsprinzip in zwei gegenüberliegenden Ecken der Arena, um sicherzustellen, dass diese Standorte nicht für den SP-Test verwendet wurden. Lassen Sie das Subjekt mit den Reizen für die 5 min des SNP-Tests interagieren.
7. Beenden Sie am Ende des SNP-Tests die Videoaufzeichnung, entfernen Sie das Motiv und die Kammern aus der Arena, und legen Sie das Motiv wieder in den heimischen Käfig. Lassen Sie die Reize in den Kammern für das nächste Experiment (mit einem anderen Thema) oder bringen Sie sie in ihre heimischen Käfige zurück. Reinigen Sie die Arena und die Kammern mit fließendem Wasser, gefolgt von 10% Ethanol und lassen Sie es trocknen.
8. Verhaltensparadigma für Ratten
   1. Für Ratten, wiederholen Sie das Verhaltensparadigma in den Schritten 2.1-2.7 beschrieben, mit zwei Modifikationen: 1) behandeln die Ratten subjekte und habituate die sozialen Reize zu den Kammern für 2 Tage (10 min jeden Tag) vor dem Experiment; und 2) den SP-Test um 15 min verlängern, um den Ratten eine längere Expositionsdauer gegenüber sozialen Reizen zu geben. Beschränken Sie später die Analyse des SP-Tests auf die anfänglichen 5 min.
      HINWEIS: Mindestens eine Arena und fünf Kammern werden benötigt, um eine einzige Sitzung durchzuführen.

3. Verwenden der TrackRodent-GUI für die Verhaltensanalyse

HINWEIS: Siehe das obere Panel von Abbildung 2A für die TrackRodent GUI.

1. Öffnen Sie MATLAB (getestet mit 2014a-2019a) und wählen Sie den Ordner TrackRodent.
2. Fügen Sie alle Unterordner zum Arbeitspfad hinzu, indem Sie mit der rechten Maustaste auf jeden Ordner klicken und Zum Pfad hinzufügen | Ausgewählte Ordner und Unterordner.
3. Geben Sie TrackRodent in das Befehlsfenster ein und drücken Sie die Eingabetaste.
4. Laden Sie eine einzelne Datei oder mehrere Videodateien (AVI- oder MP4-Format) hoch, indem Sie Sitzungsdatei laden (AVI) auswählen.
5. Ein Filminspektor, der die Überprüfung des Videoclips Frame für Frame ermöglicht, wird sofort für die erste Datei in der Liste geöffnet (Abbildung 2A). Verwenden Sie ihn, um den Videoclip zu untersuchen und den ersten und letzten Frame des zu analysierenden Segments zu definieren. Zeichnen Sie die Anzahl dieser Frames auf, die später benötigt werden. Schließen Sie das Fenster, wenn Sie fertig sind.
6. Um zusätzliche Videodateien zu überprüfen, öffnen Sie den Videoinspektor jederzeit, indem Sie Film prüfen und eine bestimmte Videodatei auswählen.
7. Wählen Sie die getestete Art (Maus oder Ratte; Maus ist die Standardeinstellung).
8. Schließen Sie alle Bereiche aus, die die Verfolgung unterbrechen können, in Übereinstimmung mit den Farben des Motivs und der Arena (schwarz oder weiß).
   1. Um einen bestimmten Bereich auszuschließen, drücken Sie Bereich ausschließen, und markieren Sie nach dem Wechsel des Cursors in eine Kreuzform alle Ecken des Bereichs für den Ausschluss. Wenn Sie fertig sind, klicken Sie mit der rechten Maustaste auf die Maus, und doppelklicken Sie dann mit der linken Maustaste auf die Mitte des markierten Bereichs. Der ausgeschlossene Bereich wird zu einem Rotton auf dem Bildschirm. Wiederholen Sie diesen Vorgang, um so viele Bereiche wie erforderlich auszuschließen.
9. Um einen Bereich aus dem Ausschluss zu entfernen, drücken Sie Ausgeschlossener Bereich entfernen, und klicken Sie dann (mit dem gekreuzten Cursor) auf den Bereich, der aus dem Ausschluss entfernt werden soll.
10. Um jede Kammer als "Stimulus"-Bereich zu definieren, wählen Sie zur automatischen Erkennung ihrer Untersuchung durch das Subjekt die Form des "Stimulus"-Bereichs aus, der entweder polygon- oder elliptisch sein soll, indem Sie das entsprechende Kästchen aktivieren und dann Stimulus X drücken (wobei "X" 1, 2 oder 3 darstellt). Markieren Sie die "Stimulus"-Bereiche ähnlich wie die ausgeschlossenen Bereiche, die dann gelb werden. Um die Position eines bestimmten Stimulusbereichs zu ändern, drücken Sie erneut Stimulus X und markieren Sie die neue Bereichsposition (dies aktualisiert automatisch die Position).
    HINWEIS: Wählen Sie die unterschiedliche Reizzahl in konsistenter Weise für alle Dateien aus (d. h. Objekt als Stimulus 1 für alle SP-Testdateien).
11. Um das Vorhandensein des Motivs in einem bestimmten virtuellen Fach innerhalb der Arena zu verfolgen, wählen Sie die Form des "Fachbereichs" (Polygon oder ellipsiver) und drücken Sie dann Fach X (wobei "X" 1, 2, 3, 4 oder 5 darstellt). Markieren Sie die "Abteilbereiche" ähnlich wie die ausgeschlossenen oder Reizbereiche, die dann blau in der Farbe werden. Um die Position eines bestimmten "Fachbereichs" zu ändern, drücken Sie erneut Fach X und markieren Sie die neue Bereichsposition (dadurch wird die Position automatisch aktualisiert).
12. Wählen Sie den gewünschten Algorithmus (BlackMouseBodyBased wurde für das Video verwendet) aus der Liste aus (siehe verfügbare Algorithmen in Abbildung 2B).
13. Schreiben Sie die Zahlen der Start- und Endframes für die Analyse in die entsprechenden Bearbeitungsfelder der GUI.
14. Wählen Sie einen Schwellenwert für die Erkennung des Subjektkörpers aus.
    HINWEIS: Die meisten Algorithmen verwenden nur den Schwellenwert "Niedrig", während die algorithmen für die Kopfrichtung ebenfalls den Schwellenwert "Hoch" verwenden. Wählen Sie für die "Niedrige" Schwelle eine Ebene aus, die den Maus-/Rattenkörper ohne Schwanz (so weit wie möglich) enthält, während die "Hohe" Schwelle auch den Schwanz enthalten sollte. Im Falle der Verwendung von Kopfrichtungsbasierten Algorithmen bestimmt die Software die Kopfposition als gegenüber der Schwanzposition.
    HINWEIS: Die Software ignoriert später kleine Objekte, die mit dem gewählten Schwellenwert erkannt werden.
15. Um die automatische Erkennung der Subjektgrenzen für einen bestimmten Schwellenwert auszuwerten, fügen Sie einen Wert in das entsprechende Schwellenwertfeld ein, und drücken Sie auf der Tastatur die Eingabetaste.
16. Wenn Sie mehrere Dateien auswählen, wechseln Sie zur nächsten Datei (mit der Schaltfläche Weiter oben) und wählen Sie die entsprechenden Definitionen für jede Datei aus. Überprüfen Sie nach Abschluss der Parameter und Bereichsspeicherorte für alle Dateien, indem Sie zwischen den einzelnen Dateien wechseln, indem Sie die Schaltflächen "Vorherige" und "Weiter" oben in der GUI verwenden.
    HINWEIS: Die Definitionen aller Bereiche und Parameter sind spezifisch für eine bestimmte Datei.
17. Um die Verhaltensanalyse aller ausgewählten Dateien zu starten, wechseln Sie zur ersten Datei, und drücken Sie Start.
18. Am Ende der Analyse wird für jeden Film im selben Verzeichnis der Filmdateien eine Ergebnisdatei (.mat-Datei) gespeichert.
    HINWEIS: Wenn die langsame (nicht schnelle) Version des Algorithmus verwendet wird, wird auch eine Version des Films mit einem weißen Kreuz des Mittelpunkts der Körpermasse gespeichert, das seine Farbe jeden Frame ändert, der als Untersuchung erkannt wird, es sei denn, der Schaltfläche "Analysieren analysierter Film" der GUI ist deaktiviert. Diese Version des Films (gespeichert im selben Verzeichnis, mit dem gleichen Namen wie der Originalfilm, mit dem Suffix 'analysierter Film') kann offline verwendet werden, um die Qualität der automatischen Erkennung durch das System zu bewerten.

4. Verwenden der TrackRodent GUI für die Ergebnispräsentation

HINWEIS: Die Ergebnispräsentation finden Sie im unteren Bereich von Abbildung 2A.

1. Um die Ergebnisse jeder Filmdatei zu überprüfen, drücken Sie die Datei Ergebnisse laden, und wählen Sie die .mat-Dateien aus, die von der Verhaltensanalyse generiert wurden.
2. Wechseln Sie zwischen den Umschaltflächen, um auf dem Bildschirm eine der folgenden Analysen zu untersuchen: Mauspositionsablauf (Abbildung 2A); Fächer Besetzung entlang sitzungsbetätigt (wenn "Kompartimente" definiert wurden, nicht angezeigt); Stimuli-Exploration entlang der Sitzung (Abbildung 2C); Gesamtzeit in Fächern (wenn "Kompartimente" definiert wurden, nicht angezeigt); und Gesamtreize Explorationszeit (Abbildung 2D).
   HINWEIS: "Stimulus"-Bereiche sind Bereiche, in denen die Software die Interaktion zwischen den Themen bewertet, während "Compartment"-Bereiche Bereiche sind, in denen die Software das Vorhandensein des Subjekts nachverfolgt. Wenn Sie die Analyse mit der Schaltfläche Analyse beenden beenden, werden die bis zum zuletzt analysierten Frame generierten Ergebnisse automatisch gespeichert. Für die meisten Computer sollte es möglich sein, bis zu 20 Filme gleichzeitig hochzuladen und zu analysieren (abhängig von der Computerleistung).

5. Verwenden der TrackRodentPopulationSummary GUI für die Bevölkerungsanalyse (Abbildung 2E)

1. Öffnen Sie MATLAB (getestet mit 2014a-2019a) und wählen Sie den Ordner TrackRodent.
2. Geben Sie TrackRodentPopulationSummary in das Befehlsfenster ein, und drücken Sie die Eingabetaste.
3. Laden Sie mehrere TrackRodent-Ergebnisdateien (.mat-Format) hoch, indem Sie Ergebnisdateien auswählendrücken.
4. Geben Sie die Zahlen des letzten Frames für die Analyse, Testname, Stimulus 1 Nameund Stimulus 2 Nameein.
5. Wählen Sie die gewünschten Analysen aus der Liste der optionalen Analysen aus, indem Sie alle entsprechenden Kästchen aktivieren.
6. Wählen Sie die Ergebnisse in ein Speadsheet exportieren aus, indem Sie das entsprechende Kontrollkästchen aktivieren, um alle Ergebnisse der überprüften Analysen als eine einzelne Tabellenkalkulationsdatei zu extrahieren.
7. Drücken Sie Start, und warten Sie, bis die Analyse abgeschlossen ist.
   HINWEIS: Damit ist die Analyse abgeschlossen. Die Software kann verwendet werden, um die Ergebnisse von so vielen Filmdateien wie gewünscht zu analysieren, da sie alle verhaltensauffällig mit der TrackRodent Software analysiert wurden. Die von der Software durchgeführte Analyse geht von einer Videoaufzeichnung mit einer Bildrate von 30 Hz aus. Wenn eine andere Bildrate verwendet wurde, multiplizieren Sie die Zeit mit 30 und dividieren Sie durch die Bildrate, die für die Aufnahme verwendet wird, um sie in den richtigen Wert (s) zu konvertieren.

Results

Verwendung des Systems für den Sozialpräferenztest bei C57BL/6J-Mäusen
Abbildung 1 zeigt drei Versionen des Versuchsaufbaus. Die erste Version (Abbildung 1A-C) ist für Mäuse mit dunklen Fellfarben, wie C57BL/6J Mäuse, konzipiert. Die zweite (Abbildung 1D-F) ist für Mäuse mit hellen Fellfarben geplant, wie BALB/c oder ICR (CD-1) Mäuse. Die dritte i...

Discussion

Das hier beschriebene Versuchssystem, das als Alternative zum Dreikammergerät^2,5konzipiert wurde, ermöglicht die Durchführung der gleichen Tests bei gleichzeitiger Lösung einiger seiner Einschränkungen. Die Verwendung von Dreieckskammern, die sich in zwei gegenüberliegenden Ecken der rechteckigen Arena befinden, begrenzt den Interaktionsbereich Subjekt-Stimulus auf eine klar definierte Ebene und ermöglicht so eine präzise automatisierte Analyse des Untersuchungsv...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Flea3 1,3 MP Mono USB3 Vision	FLIR (ehemals PointGrey)	FL3-U3-13Y3M-C	Monochromatische Kamera
FlyCap 2.0	FLIR (ehemals PointGrey)	FlyCapture 2.13.3.61X64	Videoaufzeichnungssoftware
Startseite 5 Minuten Epoxidkleber	Devocon	20845	Zum Verkleben des Metallgewebes mit den Plexiglas-Reizkammern
Matlab 2014-2019	MathWorks	R2014a - R2019a	Programmierumgebung
Plexiglasplatten (6 mm dickschwarz oder weiß)	Melina (1990) LTD, Israel	NaN	Für den Bau von Arena- und Reizkammern
Rote LED-Streifen (60 LEDs pro Meter) angeschlossen an ein 12 V Netzteil	2012topdeal eBay Lieferant	NaN	Für die Beleuchtung der akustischen Kammer