Waiting
Login-Verarbeitung ...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

सेरिबैलम-निर्भर संवेदी साहचर्य सीखने की निगरानी के लिए एक लचीला मंच

Published: January 19, 2022 doi: 10.3791/63205
Automatic Translation
1, 1, 1, 1
1Neuroscience Institute, Princeton University

Summary

हमने दो चढ़ाई फाइबर-निर्भर साहचर्य सीखने के कार्यों के दौरान जानवरों के व्यवहार को ट्रैक करने के लिए एक एकल मंच विकसित किया है। कम लागत वाला डिजाइन फाइबर से जुड़े अनुमस्तिष्क गतिविधि पर चढ़ने की दिशा में निर्देशित ऑप्टोजेनेटिक या इमेजिंग प्रयोगों के साथ एकीकरण की अनुमति देता है।

Abstract

पुरकिंजे कोशिकाओं के लिए फाइबर इनपुट पर चढ़ने सेरिबैलम-निर्भर साहचर्य सीखने के लिए महत्वपूर्ण शिक्षाप्रद संकेत प्रदान करते हैं। सिर-निश्चित चूहों में इन संकेतों का अध्ययन इमेजिंग, इलेक्ट्रोफिजियोलॉजिकल और ऑप्टोजेनेटिक तरीकों के उपयोग की सुविधा प्रदान करता है। यहां, एक कम लागत वाला व्यवहार मंच (~ $ 1000) विकसित किया गया था जो सिर-निश्चित चूहों में साहचर्य सीखने की ट्रैकिंग की अनुमति देता है जो एक चल रहे पहिये पर स्वतंत्र रूप से लोकोमोट करते हैं। प्लेटफ़ॉर्म में दो सामान्य साहचर्य सीखने के प्रतिमान शामिल हैं: आईब्लिंक कंडीशनिंग और विलंबित स्पर्श चौंका देने वाली कंडीशनिंग। व्यवहार एक डिटेक्टर द्वारा एक कैमरा और पहिया आंदोलन का उपयोग करके ट्रैक किया जाता है। हम घटकों और सेटअप का वर्णन करते हैं और प्रशिक्षण और डेटा विश्लेषण के लिए एक विस्तृत प्रोटोकॉल प्रदान करते हैं। यह प्लेटफ़ॉर्म ऑप्टोजेनेटिक उत्तेजना और प्रतिदीप्ति इमेजिंग को शामिल करने की अनुमति देता है। डिजाइन एक एकल मेजबान कंप्यूटर को एक साथ कई जानवरों को प्रशिक्षित करने के लिए कई प्लेटफार्मों को नियंत्रित करने की अनुमति देता है।

Introduction

एक वातानुकूलित प्रतिक्रिया प्राप्त करने के लिए उत्तेजनाओं के बीच उप-दूसरे संबंध की पावलोवियन कंडीशनिंग का उपयोग लंबे समय से अनुमस्तिष्क-निर्भर सीखने की जांच के लिए किया गया है। उदाहरण के लिए, शास्त्रीय देरी आईब्लिंक कंडीशनिंग (डीईसी) में, जानवर एक तटस्थ सशर्त उत्तेजना (सीएस; उदाहरण के लिए, प्रकाश या श्रवण टोन का एक फ्लैश) के जवाब में एक अच्छी तरह से सुरक्षात्मक पलक बनाना सीखते हैं, जब इसे बिना शर्त उत्तेजना (यूएस; उदाहरण के लिए, कॉर्निया पर लागू हवा का एक कश) के साथ बार-बार जोड़ा जाता है, जो हमेशा एक पलटा पलक निकालता है, और जो सीएस के अंत में या उसके पास आता है। सीखी गई प्रतिक्रिया को वातानुकूलित प्रतिक्रिया (सीआर) के रूप में संदर्भित किया जाता है, जबकि रिफ्लेक्स प्रतिक्रिया को अनकंडिशन्ड प्रतिक्रिया (यूआर) के रूप में संदर्भित किया जाता है। खरगोशों में, सेरिबैलम-विशिष्ट घाव 1,2,3,4 सीखने के इस रूप को बाधित करते हैं। इसके अलावा, पुरकिंजे सेल कॉम्प्लेक्स स्पाइक्स, उनके चढ़ाई फाइबर इनपुट5 द्वारा संचालित, ठीक से समय पर सीआर के अधिग्रहण के लिए एक आवश्यक6,7 और पर्याप्त 8,9 सिग्नल प्रदान करते हैं।

हाल ही में, सिर-निश्चित चूहों के लिए फाइबर-निर्भर साहचर्य सीखने के प्रतिमानों पर चढ़ाई विकसित की गई है। डीईसी इस कॉन्फ़िगरेशन10,11 के लिए अनुकूलित होने वाला पहला साहचर्य सीखने का प्रतिमान था। सिर-तय चूहों में डीईसी का उपयोग अनुमस्तिष्क क्षेत्रों की पहचान करने के लिए किया गया है 11,12,13,14,15,16,17 और सर्किटतत्व11,1 2,13,14,15,18,19 जो कार्य अधिग्रहण और विलुप्त होने के लिए आवश्यक हैं। इस दृष्टिकोण का उपयोग यह प्रदर्शित करने के लिए भी किया गया है कि कार्य मापदंडों का सेलुलर-स्तरीय शारीरिक प्रतिनिधित्व13,15,16 सीखने के साथ कैसे विकसित होता है।

आईब्लिंक के अलावा, विलंबित चौंका देने वाला स्पर्श कंडीशनिंग (डीटीएससी) प्रतिमान हाल ही में सिर-निश्चित चूहों20 के लिए एक उपन्यास साहचर्य सीखने के कार्य के रूप में विकसित किया गया था। अवधारणात्मक रूप से डीईसी के समान, डीटीएससी में अमेरिका के साथ एक तटस्थ सीएस की प्रस्तुति शामिल है, यूआर के रूप में एक चौंका देने वाले पलटा21,22 को संलग्न करने के लिए तीव्रता में पर्याप्त चेहरे पर एक टैप। DTSC प्रतिमान में, UR और CR दोनों को एक पहिया पर पिछड़े लोकोमोशन के रूप में पढ़ा जाता है। डीटीएससी का उपयोग अब यह उजागर करने के लिए किया गया है कि साहचर्य सीखने सेरेबेलर गतिविधि और जीन अभिव्यक्ति20 के पैटर्न को कैसे बदल देता है।

इस काम में, एक ही मंच में डीईसी या डीटीएससी को लचीले ढंग से लागू करने के लिए एक विधि विकसित की गई थी। उत्तेजना और प्लेटफ़ॉर्म विशेषताओं को चित्र 1 में स्कीमाटाइज़ किया गया है। डिजाइन में एक कैमरे के साथ-साथ एक रोटरी एन्कोडर के साथ जानवरों के व्यवहार को ट्रैक करने की क्षमता शामिल है ताकि एक पहिया पर माउस लोकोमोशन को ट्रैक किया जा सके। डेटा लॉगिंग और परीक्षण संरचना के सभी पहलुओं को युग्मित माइक्रोकंट्रोलर (Arduino) और एक एकल-बोर्ड कंप्यूटर (SBC) द्वारा नियंत्रित किया जाता है; रास्पबेरी पाई)। इन उपकरणों को प्रदान किए गए ग्राफिकल यूजर इंटरफेस के माध्यम से एक्सेस किया जा सकता है। यहां, हम सेटअप, प्रयोग की तैयारी और निष्पादन के लिए एक वर्कफ़्लो और डेटा विज़ुअलाइज़ेशन के लिए एक अनुकूलित विश्लेषण पाइपलाइन प्रस्तुत करते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

यहां वर्णित पशु प्रोटोकॉल को प्रिंसटन विश्वविद्यालय की पशु देखभाल और उपयोग समितियों द्वारा अनुमोदित किया गया है।

1. SBC की स्थापना

  1. कैमरा सीरियल इंटरफ़ेस (CSI) केबल रास्पबेरी NoIR V2 कैमरा और SBC पर कैमरा पोर्ट करने के लिए कनेक्ट करें।
  2. होस्ट कंप्यूटर पर SBC के लिए ऑपरेटिंग सिस्टम डाउनलोड करें। ऑपरेटिंग सिस्टम छवि को माइक्रो सिक्योर डिजिटल (माइक्रोएसडी) कार्ड पर लिखें।
    नोट:: एक रास्पबेरी पाई SBC के लिए इन प्रक्रियाओं के लिए विस्तृत निर्देश कहीं और पाया जा सकताहै 23. सिस्टम का परीक्षण निम्नलिखित ऑपरेटिंग सिस्टम का उपयोग करके किया गया है: स्ट्रेच, बस्टर, बुल्सआई।
  3. सुरक्षित शेल संचार को सक्षम करने के लिए, माइक्रोएसडी कार्ड के बूट विभाजन में "ssh" नामक एक एक्सटेंशनलेस फ़ाइल बनाएँ। एक बार ऐसा करने के बाद, होस्ट मशीन से माइक्रोएसडी कार्ड को बाहर निकालें और इसे एसबीसी माइक्रोएसडी कार्ड स्लॉट में डालें। अपनी बिजली की आपूर्ति में plugging द्वारा एसबीसी बिजली.
  4. होस्ट के लिए वायर्ड कनेक्शन स्वीकार करने के लिए SBC तैयार करें।
    1. SBC के लिए एक उपयुक्त केबल के साथ एक मॉनिटर अनुलग्न करें। कोई टर्मिनल खोलें, ifconfig कमांड टाइप करें और SBC का ईथरनेट IP पता रिकॉर्ड करें।
      नोट: रास्पबेरी पाई मॉडल 3B+ में एक HDMI डिस्प्ले पोर्ट है, जबकि मॉडल 4B में माइक्रो-एचडीएमआई पोर्ट है।
    2. रास्पबेरी पाई कॉन्फ़िगरेशन सेटिंग के इंटरफ़ेस टैब पर जाएँ और कैमरा, सुरक्षित शेल नेटवर्क प्रोटोकॉल (SSH), और वर्चुअल नेटवर्क कंप्यूटिंग (VNC) के लिए विकल्प सक्षम करें।
  5. होस्ट कंप्यूटर और SBC के बीच एक वायर्ड कनेक्शन स्थापित करें।
    1. एक ईथरनेट केबल को SBC और किसी होस्ट कंप्यूटर पर ईथरनेट पोर्ट से कनेक्ट करें. इन केबलों के दूसरे छोर को ईथरनेट स्विच में संलग्न करें।
    2. किसी वर्चुअल नेटवर्क कंप्यूटिंग क्लाइंट जैसे VNC व्यूअर24 का उपयोग करें और SBC IP पते और डिफ़ॉल्ट प्रमाणीकरण (उपयोगकर्ता = "pi", पासवर्ड = "रास्पबेरी") का उपयोग करके डेस्कटॉप तक पहुँचें।
  6. प्रोटोकॉल चरणों में शामिल आवश्यक सॉफ़्टवेयर डाउनलोड करें.
    चेतावनी: SBC के लिए अनधिकृत पहुँच को रोकने के लिए डिफ़ॉल्ट उपयोगकर्ता नाम और पासवर्ड परिवर्तित करें।
    1. रिग सॉफ़्टवेयर डाउनलोड करने के लिए SBC टर्मिनल में निम्न आदेश दर्ज करें:
      गिट क्लोन --गहराई = 1 https://github.com/gerardjb/assocLearnRig
    2. आवश्यक पायथन लायब्रेरीज़ डाउनलोड करने के लिए निम्न आदेश दर्ज करें.
      cd assocLearnRig
      python3 setup.py
    3. माइक्रोकंट्रोलर पर प्रत्यक्ष नियंत्रण की अनुमति देने के लिए, SBC से कनेक्ट करें और 1.6.4-1.6.7 चरणों का पालन करते हुए माइक्रोकंट्रोलर एकीकृत विकास वातावरण (IDE) डाउनलोड करें।
    4. SBC डेस्कटॉप पर वेब ब्राउज़र खोलें और https://arduino.cc/en/software पर नेविगेट करें। IDE के नवीनतम Linux ARM 32 बिट संस्करण डाउनलोड करें।
    5. SBC डेस्कटॉप पर एक टर्मिनल विंडो खोलें और cd डाउनलोड टाइप करके डाउनलोड निर्देशिका पर नेविगेट करें /
    6. IDE को स्थापित करने के लिए, टर्मिनल में निम्न आदेश लिखें:
      tar -xf arduino-<वर्ज़न>-linuxarm.tar.xz
      sudo mv arduino- / opt
      sudo/opt/arduino-/install.sh
      (यहाँ <वर्जन> डाउनलोड किए गए आईडीई का संस्करण है)
    7. SBC डेस्कटॉप पर माइक्रोकंट्रोलर IDE की कोई आवृत्ति खोलें. लायब्रेरीज़ प्रबंधित > के लिए मेनू विकल्प उपकरण का चयन करें. पॉल Stoffregen से "एनकोडर" लाइब्रेरी स्थापित करें।
  7. एक USB थंब ड्राइव के साथ SBC ऑनबोर्ड स्मृति का विस्तार करें।
    1. SBC पर किसी USB पोर्ट के लिए कोई थंब ड्राइव सम्मिलित करें। यदि उपलब्ध हो तो USB 3.0 पोर्ट का उपयोग करें.
    2. थंब ड्राइव और इसके अद्वितीय संदर्भ (UUID) को खोजने के लिए टर्मिनल ls -l /dev/disk/by-uuid/ में टाइप करें। UUID रिकॉर्ड करें.
    3. PI उपयोगकर्ता को USB डिवाइस पर लिखने की अनुमति देने के लिए, टर्मिनल में एक-एक करके निम्न आदेश लिखें:
      sudo mkdir /media/usb
      sudo chown -R pi:pi /media/usb
      sudo mount /dev/sda1/media/usb -o uid=pi,gid=pi
      नोट:: थंब ड्राइव को एक डिवाइस के रूप में जोड़ा जा सकता है जो SBC के पुनरारंभ होने पर /etc/fstab फ़ाइल के अंत में निम्न पंक्ति जोड़कर पुनरारंभ होने पर ऑटो-माउंट करेगा:
      UUID = / मीडिया / यूएसबी vfat ऑटो, nofail, noatime, उपयोगकर्ताओं, rw, uid = pi, gid = pi 0 0

2. वायरिंग उत्तेजना हार्डवेयर और असेंबलिंग चरण

  1. कनेक्ट करें और microcontrollers तैयार करें।
    1. SBC को माइक्रोकंट्रोलर (Arduino Due) के प्रोग्रामिंग पोर्ट से USB2 प्रकार A से USB2 माइक्रो केबल से कनेक्ट करें.
      नोट:: उचित संचालन सुनिश्चित करने के लिए सामग्री की तालिका में उत्पाद जैसे उच्च गुणवत्ता वाले केबल का उपयोग करें।
    2. डाउनलोड किए गए प्रोजेक्ट रिपॉजिटरी में "dueAssocLearn.ino" की स्थिति जानें। माइक्रोकंट्रोलर आईडीई के साथ स्केच खोलें और इसे एसबीसी से जुड़े माइक्रोकंट्रोलर पर अपलोड करें।
    3. डाउनलोड करें और होस्ट कंप्यूटर पर Arduino IDE का उपयुक्त संस्करण स्थापित करें।
    4. होस्ट कंप्यूटर को माइक्रोकंट्रोलर (Arduino Uno) के साथ USB2 प्रकार B से USB2 प्रकार A केबल से कनेक्ट करें.
    5. GitHub रिपॉजिटरी (https://github.com/gerardjb/assocLearnRig) पर जाएं और होस्ट कंप्यूटर पर "DTSC_US.ino" स्केच डाउनलोड करें।
    6. होस्ट कंप्यूटर पर, माइक्रोकंट्रोलर आईडीई चलाएं और "DTSC_US.ino" स्केच खोलें, फिर इसे माइक्रोकंट्रोलर पर अपलोड करें।
  2. माइक्रोकंट्रोलर, ब्रेडबोर्ड, एलईडी, रोटरी एनकोडर, ड्राइवर के साथ स्टेपर मोटर, और ड्राइवर के साथ सोलेनोइड वाल्व के लिए तारों को संलग्न करें जैसा कि चित्र2 में फ्रिट्जिंग आरेख में इंगित किया गया है।
  3. Stepper मोटर और solenoid वाल्व शक्ति.
    1. ठीक से stepper मोटर चालक के +V और GND पिन करने के लिए एक बिजली की आपूर्ति के एक चैनल तार.
    2. बिजली की आपूर्ति को चालू करें और संलग्न चैनल वोल्टेज को 25 V पर सेट करें।
      नोट:: Stepper मोटर, ड्राइवर, और पावर आपूर्ति के बीच कनेक्शन सही ढंग से कॉन्फ़िगर किया गया है, तो एक हरे रंग का संकेतक LED stepper मोटर ड्राइवर पर चालू हो जाएगा।
    3. ठीक से तार solenoid वाल्व चालक को एक बिजली की आपूर्ति के सकारात्मक नेतृत्व वोल्टेज पिन पकड़ और स्पाइक वोल्टेज पिन के लिए अन्य सकारात्मक नेतृत्व.
    4. नियंत्रण संकेत के साथ साझा की गई जमीन पर नकारात्मक लीड संलग्न करें.
    5. बिजली की आपूर्ति को चालू करें और होल्ड वोल्टेज से जुड़े चैनल को लगभग 2.5 वी पर सेट करें और स्पाइक वोल्टेज से जुड़े चैनल को लगभग 12 वी तक सेट करें।
  4. ल्यूर एडाप्टर का उपयोग करके सोलेनोइड वाल्व के लिए ~ 20 पीएसआई के दबाव के लिए विनियमित एक वायु स्रोत से कनेक्ट करें।
  5. परीक्षण करें कि सभी उत्तेजना घटक और कैमरा ठीक से काम कर रहे हैं।
    1. SBC पर एक टर्मिनल खोलें और क्लोन GitHub रिपॉजिटरी पर नेविगेट करने के लिए cd ~/assocLearnRig लिखें।
    2. टर्मिनल में, टाइप करें python3 assocLearnRig_app.py नियंत्रण ग्राफ़िकल उपयोगकर्ता इंटरफ़ेस प्रारंभ करने के लिए।
    3. स्ट्रीम बटन को हिट करके कैमरा स्ट्रीम प्रारंभ करें।
    4. DEC रेडियो बटन का चयन करें, माइक्रोकंट्रोलर पर अपलोड करें, और प्रारंभ सत्र बटन को मारकर डिफ़ॉल्ट पैरामीटर के साथ एक सत्र प्रारंभ करें।
      नोट:: इस चरण के बाद, डेटा लॉग का एक प्रिंटआउट टर्मिनल में दिखाई देना चाहिए, कैमरा स्ट्रीम पर संदेश गायब होना चाहिए, और एलईडी CS और solenoid वाल्व US प्रत्येक परीक्षण के दौरान उचित समय पर चालू और बंद करना चाहिए।
    5. सत्र समाप्त होने के बाद, चयनित DTSC रेडियो बटन के साथ पिछले चरणों को दोहराएँ।
      नोट: GitHub रिपॉजिटरी ("testStepper.ino", "testRotary.ino", और "testSolenoid.ino") में स्केच का उपयोग व्यक्तिगत घटकों का परीक्षण करने के लिए किया जा सकता है यदि उपरोक्त चरण संतोषजनक परिणाम प्रदान नहीं करते हैं।
  6. रनिंग व्हील बनाएं।
    1. एक फोम रोलर से एक 3 "पहिया काटें। सटीक पहिया केंद्र में एक 1/4 "छेद ड्रिल करें ताकि माउस के लोकोमोशन द्वारा मुड़ने पर पहिया लड़खड़ा न जाए।
    2. पहिया में एक 1/4 "शाफ्ट डालें और पहिया के प्रत्येक तरफ रखे गए क्लैंपिंग हब का उपयोग करके इसे ठीक करें।
  7. एक M3 बोल्ट का उपयोग कर एक 4.5 "एल्यूमीनियम चैनल के लिए रोटरी एन्कोडर चिपकाएँ। एल्यूमीनियम ब्रेडबोर्ड पर एल्यूमीनियम चैनल को 1/4 "बोल्ट, अखरोट और वॉशर के साथ एक समकोण ब्रैकेट का उपयोग करके स्थिर करें जैसा कि दिखाया गया है।
  8. एक शाफ्ट-युग्मन आस्तीन का उपयोग करके पहिया और रोटरी एन्कोडर संलग्न करें।
  9. एक ब्रेडबोर्ड-माउंटेड ऑप्टिकल पोस्ट पर स्थापित एक समकोण अंत क्लैंप में डाले गए एक असर के साथ पहिया शाफ्ट के मुक्त पक्ष को स्थिर करें।
    नोट: सुनिश्चित करें कि पहिया हाथ से घुमाए जाने पर बिना डगमगाते हुए स्वतंत्र रूप से घूमता है।
  10. उत्तेजना हार्डवेयर, सिर संयम, अवरक्त प्रकाश सरणी, और इकट्ठे पहिया के चारों ओर picamera स्थिति.
    1. ऑप्टिकल पोस्ट और समकोण पोस्ट क्लैंप का उपयोग करके सिर के अवरोधों को रखें ताकि सिर के पोस्ट पहिया धुरा के सामने 1.5 सेमी और पहिया सतह से 2 सेमी ऊपर हों। (मान एक 20 ग्राम माउस के लिए कर रहे हैं).
    2. सी एस एलईडी और solenoid वाल्व आउटलेट डीईसी के लिए इस्तेमाल किया अमेरिका के लिए इस्तेमाल किया कम से कम 1 सेमी DEC के लिए इस्तेमाल किया आँख से.
    3. DTSC अमेरिका के लिए इस्तेमाल stepper मोटर माउंट
    4. एक ऑप्टिकल पोस्ट ~ 10 सेमी पर picamera माउंट जहां से जानवर हो जाएगा.
      नोट:: Picamera माउंट के लिए डिज़ाइन GitHub रिपॉजिटरी में "RaspPiCamMount1_1.stl" में फ़ाइल से एक 3D प्रिंटर पर किया जा सकता है।
    5. अवरक्त प्रकाश सरणी को थोड़ा ऊपर रखें और सीधे पिकामारा के रूप में एक ही तरफ चेहरे की स्थिति का सामना करें।
    6. एक क्लैंपिंग हब का उपयोग करके 1/4 "शाफ्ट पर घुड़सवार ऐक्रेलिक के एक टुकड़े के किनारे पर फोम टैप करके डीटीएससी के लिए एक स्पर्श उत्तेजना बनाएं। स्टेपर मोटर शाफ्ट के लिए स्पर्श उत्तेजना संलग्न करें।
      नोट:: ऐक्रेलिक टुकड़ा के लिए डिजाइन लेजर GitHub भंडार में "TactileStimDesign.pdf" में पैटर्न के बाद काटा जा सकता है।

3. तैयारी और चल रहे व्यवहार प्रयोगों

  1. माउस हेडप्लेट प्रत्यारोपित करना.
    1. एक स्टीरियोटैक्टिक फ्रेम में 2% आइसोफ्लुरेन और हेड फिक्स का उपयोग करके माउस को बेहोश करें।
    2. आंखों पर नेत्र मरहम लगाएं।
    3. साबुन के पानी और एक बाँझ स्केलपेल का उपयोग करके खोपड़ी को शेव करें। चीरा साइट की त्वचा के नीचे सीधे लिडोकेन इंजेक्ट करें और पोविडोन के साथ सर्जिकल साइट को साफ करें।
    4. खोपड़ी के पीछे के किनारे से खोपड़ी के पीछे के किनारे तक खोपड़ी के पीछे के किनारे तक खोपड़ी की मध्यरेखा के साथ एक चीरा बनाएं, सावधानी बरतें कि खोपड़ी पर बहुत कठिन प्रेस न करें।
    5. चीरा खुला फैलाएं और इसे खोलने के लिए बाँझ हेमोस्टैट्स के साथ दोनों पक्षों को दबाएं। धीरे से इथेनॉल के साथ डुबोया एक कपास झाड़ू का उपयोग कर periosteum निकालें और उजागर खोपड़ी की सतह को सूखने के लिए अनुमति देते हैं।
    6. खोपड़ी पर हेडप्लेट के स्तर की स्थिति, आंखों के पीछे हेडप्लेट के सामने की स्थिति सुनिश्चित करें। खोपड़ी के लिए हेडप्लेट संलग्न करने के लिए साइनोएक्रिलेट गोंद का उपयोग करें और गोंद को पूरी तरह से सूखने की अनुमति दें।
    7. एक मिश्रण पकवान में दंत सीमेंट पाउडर (1 स्कूप), विलायक (2 बूँदें), और उत्प्रेरक (1 बूंद) को मिलाएं और उजागर हड्डी के सभी क्षेत्रों पर लागू होते हैं। जब तक सतह हेडप्लेट के शीर्ष किनारे के साथ फ्लश न हो जाए, तब तक परतें जोड़ें, जिससे यह सुनिश्चित हो जाए कि हेडप्लेट सुरक्षित रूप से खोपड़ी से जुड़ा हुआ है।
    8. यदि आवश्यक हो तो हेडप्लेट के पीछे और सामने बंद त्वचा को सीवन करें।
    9. पोस्ट-ऑपरेटिव एनाल्जेसिया जैसे कि प्रति संस्थागत दिशानिर्देशों में कार्प्रोफेन इंजेक्ट करें, जबकि जानवर को कम से कम 5 दिनों के लिए ठीक होने की अनुमति दें।
  2. व्यवहार सत्रों के लिए तैयारी कर रहा है।
    1. परीक्षण जानवरों को 5 दिनों से पहले के प्रयोगों के लिए 30-मिनट के सत्रों के लिए सिर के संयम में बढ़ते हुए मंच पर आदत डालने की अनुमति दें।
      नोट: habituation सत्र के अंत तक, जानवरों को पहिया पर आराम से चलना चाहिए।
    2. (केवल डीईसी) सत्रों से पहले, सुनिश्चित करें कि सोलेनोइड वाल्व आउटलेट >1 सेमी दूर स्थित लक्ष्य आंख पर केंद्रित है।
    3. (केवल डीईसी) मैन्युअल रूप से पुश बटन का उपयोग कर एक एयर कश actuate. सुनिश्चित करें कि माउस तुरंत तनाव के अतिरंजित संकेतों को दिखाए बिना एक पलक का उत्पादन करता है जैसे कि एक कूबड़ मुद्रा को अपनाना या ipsilateral forepaw के साथ प्रभावित पेरिओकुलर क्षेत्र को हथियाना।
    4. (केवल DTSC) सत्रों से पहले, सुनिश्चित करें कि स्पर्श उत्तेजना जानवर की नाक पर केंद्रित है ~ 1.5 सेमी दूर स्थित है।
      नोट:: जब कोई DTSC व्यवहार सत्र नहीं चल रहा है, तो मैन्युअल repositioning की अनुमति देने के लिए stepper मोटर स्वचालित रूप से निष्क्रिय है।
    5. (केवल DTSC) SBC टर्मिनल में, टाइप करें python3 assocLearnRig_app.py GUI प्रारंभ करने के लिए ।
    6. (केवल DTSC) GUI में प्रारंभ सत्र बटन दबाकर डिफ़ॉल्ट पैरामीटर के साथ तीन परीक्षणों का एक परीक्षण सत्र चलाएँ।
    7. (केवल DTSC) सुनिश्चित करें कि टर्मिनल पर मुद्रित लॉग किए गए डेटा 20 से अधिक लेकिन प्रत्येक परीक्षण पर अमेरिका के बाद रोटरी एन्कोडर पर लॉग किए गए 100 से कम चरणों का एक विक्षेपण दिखाते हैं।
      चेतावनी: नुकसान से बचने और जानवर को तनाव को कम करने के लिए, उत्तेजना को जानवर से दूर शुरू करें और आवश्यक शर्तों को पूरा होने तक इसे करीब ले जाएं।
  3. डेटा लॉगिंग के साथ व्यवहार सत्र चला रहे हैं।
    1. सिर संयम करने के लिए एक माउस माउंट.
    2. SBC के टर्मिनल में, टाइप करें python3 assocLearnRig_app.py GUI प्रारंभ करने के लिए।
    3. व्यवहार परीक्षणों के दौरान कैमरा रिकॉर्डिंग की अनुमति देने के लिए, स्ट्रीम बटन दबाएं ।
      नोट:: सत्र एक कैमरे के बिना चलाया जा सकता है। इस स्थिति में, रोटरी एन्कोडर और उत्तेजना प्रस्तुति टाइमस्टैम्प से केवल डेटा लॉग होते हैं।
    4. इनपुट पशु आईडी फ़ील्ड में जानवर के लिए जानकारी की पहचान और सेट बटन मारा.
    5. सत्र प्रकार शीर्षक के अंतर्गत रेडियो बटन से DEC या DTSC का चयन करें, जिसके आधार पर व्यवहार प्रतिमान वांछित है.
    6. पशु आईडी फ़ील्ड के नीचे फ़ील्ड के लिए वांछित प्रयोग पैरामीटर इनपुट और Arduino करने के लिए अपलोड करें बटन मारा।
      नोट:: प्रयोग पैरामीटर का विवरण GitHub रिपॉजिटरी README अनुभाग में पाया जा सकता है।
    7. सत्र प्रारंभ करने के लिए सत्र प्रारंभ करें बटन दबाएँ.
    8. जब कोई सत्र प्रारंभ किया जाता है, तो डेटा SBC थंब ड्राइव माउंट पॉइंट में "/media/usb" में बनाई गई नई निर्देशिका में लॉगइन करना शुरू कर देगा.

4. निर्यात और डेटा का विश्लेषण

  1. होस्ट कंप्यूटर पर सभी रिकॉर्ड किए गए सत्रों को निर्यात करने के लिए, एक कमांड प्रॉम्प्ट खोलें और कमांड pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination इनपुट करें, फिर SBC पासवर्ड से प्रमाणित करें।
    नोट:: उपरोक्त आदेश एक Windows मशीन के लिए है। मैक और लिनक्स मशीनों पर, टर्मिनल का उपयोग करें और "pscp" को "scp" के साथ बदलें।
  2. होस्ट कंप्यूटर पर एनाकोंडा25 या अन्य पायथन पैकेज प्रबंधक (PPM) स्थापित करें।
  3. GitHub रिपॉजिटरी पर जाएं और "analyzeSession.py", "summarizeSessions.py", "session2mp4s.py", और "requirementsHost.txt" डाउनलोड करें।
  4. एक PPM प्रॉम्प्ट खोलें और टाइप करें conda स्थापित करें --फ़ाइल directory_containing_requirementsHostrequirements होस्ट.txt यह सुनिश्चित करने के लिए कि Python पैकेज स्थापना में आवश्यक पायथन लायब्रेरीज़ हैं.
  5. प्रॉम्प्ट में, "analyzeData.py" और "session2mp4s.py" वाली निर्देशिका पर नेविगेट करने के लिए cd directory_containing_analyzeData लिखें. python analyzeSession.py टाइप करके विश्लेषण प्रोग्राम चलाएँ
    नोट:: एक त्रुटि संदेश उत्पन्न किया जाएगा यदि Python 2 संस्करण python के रूप में उपयोग कर रहा है। संस्करण की जाँच करने के लिए, प्रॉम्प्ट में python -V लिखें.
  6. संकेत दिए जाने पर डेटा वाली निर्देशिका का चयन करें. एकाधिक उपनिर्देशिकाओं के साथ निर्देशिकाओं का क्रमिक रूप से विश्लेषण किया जाएगा।
  7. DEC सत्रों के लिए, विश्लेषण किए गए प्रत्येक सत्र निर्देशिका के लिए, एक परीक्षण औसत छवि से माउस की आंख वाले ब्याज (ROI) के एक क्षेत्र का चयन करें।
    नोट:: अंतिम विश्लेषण डेटा फ़ाइलें और सारांश रेखांकन प्रत्येक विश्लेषित सत्र निर्देशिका की एक उपनिर्देशिका के लिए पॉप्युलेट हो जाएगा।
  8. एकाधिक सत्रों में सारांश डेटा जनरेट करने के लिए python summarizeSessions.py लिखें.
  9. इमेजिंग डेटा फ़ाइलों को देखने योग्य .mp4 फ़ाइलों में कनवर्ट करने के लिए प्रॉम्प्ट पायथन session2mp4s.py में टाइप करें.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

DEC प्रयोगों और विश्लेषण के लिए वर्कफ़्लो
उचित प्रयोगात्मक पैरामीटर चयन सफल देरी eyeblink कंडीशनिंग (DEC) प्रशिक्षण के लिए महत्वपूर्ण है। यहां प्रस्तुत डेटा के लिए, जीयूआई का उपयोग 350 एमएस की सीएस अवधि और 50 एमएस की अमेरिकी अवधि चुनने के लिए किया गया था। इस युग्मन के परिणामस्वरूप 300 एमएस के अंतर-उत्तेजना अंतराल में परिणाम होता है: कम आयाम सीआर उत्पादन को रोकने के लिए काफी लंबा समयतक 10 और खराब सीखने या ट्रेस कंडीशनिंग के शासन में आने से बचने के लिए पर्याप्त कम है, एक प्रक्रिया जो अतिरिक्त मस्तिष्क क्षेत्रों को संलग्न करती है11। परीक्षणों के बीच का समय आईटीआई कम और उच्च क्षेत्रों का उपयोग करके निर्धारित किया गया था ताकि बेतरतीब ढंग से 5-15 सेकंड की सीमा से समान रूप से चुना जा सके। अंतर-परीक्षण अंतराल का यादृच्छिककरण पशु विषयों के लिए कार्य प्रदर्शन के लिए सीएस और यूएस के अलावा अन्य समय संकेतों का उपयोग करना असंभव बनाता है।

सीएस या यूएस को छोड़ने वाले परीक्षणों सहित, प्रशिक्षित जानवरों में भी सीआर और यूआर कीनेमेटिक्स के मूल्यांकन की अनुमति देता है। उपयोगकर्ता उन परीक्षणों के अनुपात को परिभाषित कर सकता है जिसमें सीएस और यूएस को अलगाव में जोड़ा या प्रस्तुत किया जाता है। यहां प्रस्तुत किए गए आंकड़ों में, हमने सभी सत्रों को 10% सीएस-केवल परीक्षणों में भाग लिया, जिसमें बाकी और कोई यूएस-केवल परीक्षण नहीं होने वाले युग्मित परीक्षण थे। ध्यान दें कि अनपेयर किए गए परीक्षणों की अत्यधिक संख्या सहित प्रशिक्षण को नकारात्मक रूप से प्रभावित कर सकता है। उदाहरण के लिए, 50% से अधिक परीक्षणों वाले सत्रों का उपयोग आमतौर पर प्रशिक्षित जानवरों19,26 में सीआर के विलुप्त होने को चलाने के लिए किया जाता है।

कैमरा तैयारी और प्रकाश की स्थिति भी उच्च गुणवत्ता वाले डेटा प्राप्त करने के लिए महत्वपूर्ण हैं। अधिग्रहण की फ्रेम दर Picamera अधिग्रहण सॉफ्टवेयर में समायोजित किया जा सकता है. यहां प्रस्तुत डेटा में, हमने डीईसी प्रयोगों के लिए 120 हर्ट्ज की फ्रेम दर निर्धारित की है। Picamera मॉड्यूल ही ~ 200 हर्ट्ज तक की फ्रेम दरों की अनुमति देता है, लेकिन हम पाते हैं कि कम दर फ्रेम हानि को रोकने और पलक ट्रैकिंग के लिए पर्याप्त अस्थायी संकल्प दे. आंख खुली होने पर कॉर्निया से अत्यधिक प्रतिबिंब बनाने के बिना समान रूप से पेरिओकुलर फर को रोशन करने के लिए अवरक्त प्रकाश को रखा जाना चाहिए। चित्रा 3A स्वीकार्य प्रकाश व्यवस्था के साथ एक रिकॉर्डिंग सत्र से एक नमूना छवि दिखाता है। Picamera अधिग्रहण सॉफ्टवेयर (picameraStream.py) सेटिंग और कैमरे के सफेद संतुलन और रोशनी की स्थिति के आधार पर लाभ जब कैमरा प्रारंभ किया जाता है पकड़ द्वारा एक सत्र भर में सुसंगत सेटिंग्स प्रदान करने के लिए डिज़ाइन किया गया है।

एक बार जब व्यवहार सत्र शुरू हो जाता है, तो कैमरे और अन्य प्लेटफ़ॉर्म हार्डवेयर घटकों से डेटा स्वचालित रूप से लॉग हो जाएगा। डेटा लॉग दिनांक और मान इनपुट द्वारा GUI में पशु ID फ़ील्ड के लिए नाम निर्देशिका में बनाए जाते हैं। प्रत्येक परीक्षण के लिए कैमरा फ्रेम और समय टिकटों को अलग-अलग फ़ाइलों में संग्रहीत किया जाता है जिन्हें पशु आईडी, प्रयोग तिथि और परीक्षण संख्या का उपयोग करके नामित किया जाता है। पहिया गति, परीक्षण प्रारंभ, परीक्षण बंद हो जाता है, और सीएस और यूएस समय सहित प्रत्येक सत्र के लिए प्लेटफ़ॉर्म ईवेंट, एकल .txt फ़ाइल के रूप में सहेजे जाते हैं।

होस्ट मशीन में स्थानांतरित किए गए डेटा का विश्लेषण किया जा सकता है जैसा कि प्रोटोकॉल के अनुभाग 4 में वर्णित है। एक लक्ष्य निर्देशिका पर analyzeData.py चलाने से कैमरा फ़ाइलों के विश्लेषण के आधार पर एक सरणी में सभी परीक्षणों के लिए पलक की स्थिति बनाम समय के लिए एक .npy कंटेनर बन जाएगा। यह कंटेनर फ़ाइल विश्लेषण किया जाता है जो निर्देशिका में बनाया गया है। एक बार किसी दिए गए जानवर के लिए सभी सत्रों का विश्लेषण किया गया है, तो सभी सत्रों को summarizeSessions.py का उपयोग करके संरेखित और संयोजित किया जा सकता है। डीईसी के 8 सत्रों के लिए प्रशिक्षित एक जानवर के परिणाम चित्र 3 बी में दिखाए गए हैं। इसके अलावा, व्यक्तिगत परीक्षणों को session2mp4s.py उपयोगिता का उपयोग करके देखने योग्य .mp4 फ़ाइलों के रूप में प्रस्तुत किया जा सकता है। यह उपयोगिता फिल्म के ऊपरी बाएं कोने में एक वर्ग को छापती है ताकि यह इंगित किया जा सके कि सीएस और यूएस कब लागू होते हैं। इस तरह से तैयार किए गए नमूना डीईसी परीक्षणों को पूरक वीडियो 1 के रूप में साथ-साथ प्रस्तुत किया जाता है। बाएं पैनल एक परीक्षण दिखाता है जिसमें जानवर एलईडी सीएस के जवाब में सफलतापूर्वक अपनी आंख बंद कर देता है। सही पैनल में, जानवर तब तक झपकी नहीं लेता है जब तक कि अमेरिका शुरू नहीं होता है।

धारा 3 में प्रोटोकॉल का पालन करते हुए डीईसी पर प्रशिक्षित जानवरों और पूर्ववर्ती विचारों के साथ दर्ज किए गए जानवरों को कई प्रशिक्षण दिनों में धीरे-धीरे अधिग्रहित अच्छी तरह से समय पर सीआर के स्पष्ट सबूत दिखाने चाहिए। एक अप्रशिक्षित जानवर में कोई सीआर के साथ व्यवहार के निशान के उदाहरण और एक प्रशिक्षित जानवर से मजबूत सीआर वाले निशान चित्र 3 बी में प्रस्तुत किए गए हैं। जैसा कि इन निशानों से पता चलता है, भोले जानवरों को सीएस के लिए कोई प्रतिक्रिया नहीं दिखानी चाहिए, लेकिन अमेरिका के लिए एक मजबूत प्रतिक्रिया। सीआर को दिनों में किए गए व्यवहार सत्रों के माध्यम से आकार और आवृत्ति दोनों में उत्तरोत्तर वृद्धि करनी चाहिए (चित्रा 3 बी-डी)। इसके विपरीत, सबऑप्टिमल प्रकाश की स्थिति गंभीर रूप से अधिग्रहित डेटा की गुणवत्ता को सीमित करती है। जब आंख और आसपास के फर के बीच का अंतर कम होता है (चित्रा 3 ई), तो छवि में मामूली परिवर्तन एक ही सत्र में यूआर के रिकॉर्ड किए गए आकार को काफी बदल सकते हैं और पलक की स्थिति का पता लगाने के लिए सिग्नल-टू-शोर अनुपात को कम कर सकते हैं (चित्रा 3 एफ-जी)।

उच्च निष्ठा पलक रिकॉर्डिंग सुनिश्चित करने के लिए, इष्टतम प्रकाश स्रोत प्लेसमेंट महत्वपूर्ण है। रोशनी एलईडी को सीधे रिकॉर्ड की गई आंख पर प्रशिक्षित किया जाना चाहिए। यदि प्लेसमेंट के परिणामस्वरूप कॉर्नियल सतह पर अत्यधिक चकाचौंध होती है, तो इस प्रभाव को कम करने के लिए एलईडी सरणी पर एक विसारक रखा जा सकता है।

DTSC प्रयोगों और विश्लेषण के लिए वर्कफ़्लो
प्रयोगात्मक पैरामीटर चयन के लिए विचारों में से कई देरी स्पर्श startle कंडीशनिंग (DTSC) और DEC के बीच समान हैं। यहां, हम उन लोगों को इंगित करेंगे जो अलग-अलग हैं। उदाहरण डेटा में, DTSC CS अवधि 50 ms की एक अमेरिकी अवधि के साथ 250 ms करने के लिए सेट किया गया था। इस छोटे अंतर-उत्तेजना अंतराल को डीटीएससी सीखने20 के लिए इष्टतम के रूप में वर्णित छोटी अवधि के साथ बारीकी से संरेखित करने के लिए चुना गया था। जीयूआई के माध्यम से सेट किए गए अन्य प्लेटफ़ॉर्म पैरामीटर डीईसी के लिए उपयोग किए जाने वाले लोगों के समान थे।

स्पर्श उत्तेजना का उचित प्लेसमेंट डीटीएससी में सीखने के लिए महत्वपूर्ण है। हम स्पर्श उत्तेजना को माउंट करते हैं जैसे कि फोम का अंत तटस्थ स्थिति में होने पर लगभग 1.5 सेमी की दूरी पर जानवर की नाक के ऊपर थोड़ा ऊपर केंद्रित होता है। एक बार घुड़सवार होने के बाद, जब कोई सत्र नहीं चल रहा होता है तो उत्तेजना को हाथ से बदल दिया जा सकता है। सत्रों के दौरान, स्टेपर मोटर एक सटीक स्थान पर उत्तेजना रखती है जब तक कि अमेरिका ट्रिगर नहीं हो जाता है। यह सुनिश्चित करने के लिए कि स्थिति सही है, हम लगभग तीन परीक्षणों का एक प्रारंभिक सत्र चलाते हैं। रोटरी एन्कोडर पर लॉग किए गए ईवेंट टर्मिनल स्क्रीन पर मुद्रित किए जाते हैं, और इस प्रिंटआउट का उपयोग वास्तविक समय में पशु यूआरएस के आयाम की निगरानी करने के लिए किया जा सकता है। जबकि अधिकतम आयाम परीक्षण से परीक्षण तक भिन्न होगा, छोटे सत्र में एन्कोडर पर औसत अधिकतम ~ 40 गिनती वाले जानवरों को डीटीएससी कार्य में अच्छा प्रदर्शन करना चाहिए। रोटरी एन्कोडर नियंत्रण सेटिंग्स के आधार पर, यह मान 24 सेमी / सेकंड से मेल खाता है, जिसमें एक नकारात्मक मान इंगित करता है कि जानवर पहिया पर पीछे की ओर बढ़ रहा है।

DTSC सत्रों के दौरान उत्पादित फ़ाइलों का संगठन और नामकरण DEC में उत्पादित फ़ाइलों के समान ही हैं। analyzeSession.py रनिंग .csv फ़ाइल में लॉग इन किए गए डेटा के विश्लेषण से एक सरणी में सभी परीक्षणों के लिए पहिया गति बनाम समय के लिए एक .npy कंटेनर बनाएगा। एक बार किसी दिए गए जानवर के लिए सभी सत्रों का विश्लेषण किया गया है, तो सभी सत्रों को summarizeSession.py का उपयोग करके संरेखित और संयोजित किया जा सकता है। डीईसी के 5 सत्रों के लिए प्रशिक्षित एक जानवर के परिणाम चित्र 4 ए में प्रस्तुत किए गए हैं। DEC के लिए के रूप में, DTSC से कैमरा कैप्चर को देखने योग्य .mp4 फ़ाइलों में परिवर्तित किया जा सकता है। नमूना DTSC परीक्षणों को पूरक वीडियो 2 में साथ-साथ दिखाया गया है। बायां पैनल एक परीक्षण दिखाता है जिसमें जानवर एलईडी सीएस के जवाब में पहिया का सफलतापूर्वक समर्थन करता है। सही पैनल में, जानवर पहिया को स्थानांतरित करने में विफल रहता है जब तक कि स्पर्श उत्तेजना अमेरिका लागू नहीं किया जाता है।

DTSC प्रतिमान पर प्रशिक्षित जानवरों में प्रतिक्रियाओं के यूआर के सापेक्ष समय पाठ्यक्रम और आयाम DEC पर प्रशिक्षित लोगों के लिए गुणात्मक समानताएं दिखाते हैं। भोले जानवरों को सीएस के लिए कोई प्रतिक्रिया नहीं दिखानी चाहिए, और केवल जोड़े गए सीएस और यूएस के बार-बार एक्सपोज़र के बाद सीएस के जवाब में पहिया को पीछे की ओर ले जाना सीखना चाहिए। प्रशिक्षण आय के रूप में सीआर की आवृत्ति और आयाम में वृद्धि होती है (चित्रा 4 ए, बी)। डीटीएससी के मामले में, हमने पाया है कि प्रशिक्षण में शुरुआती यूआर आयाम सीखने की सफलता का एक अच्छा भविष्यवक्ता है। एक अमेरिका के साथ प्रशिक्षित जानवरों के एक समूह में जिसने कम आयाम यूआरएस (<20 सेमी / सेकंड) का उत्पादन किया, किसी भी जानवर ने 4 दिनों के प्रशिक्षण के बाद लगातार सीआर का उत्पादन करना नहीं सीखा (चित्रा 4 सी, डी)।

डीईसी और डीटीएससी प्रशिक्षण के बीच अंतर
डीईसी और डीटीएससी महत्वपूर्ण तरीकों से भिन्न होते हैं। सबसे पहले, इस मंच पर डीटीएससी सीखना अधिक तेजी से होता है, अधिकांश जानवरों ने प्रशिक्षण के तीसरे दिन तक कार्य प्रवीणता की उच्च डिग्री प्राप्त की और पांचवें दिन तक एसिम्प्टोमेटिक प्रदर्शन किया। डीईसी सीखना कम से कम 3 दिनों तक अधिकांश जानवरों के लिए धीमा है। दूसरा, डीटीएससी प्रणाली में सफल सीआर का स्वचालित पता लगाना शामिल है, जो स्पर्श उत्तेजना के आयाम को कम करने के लिए उपकरण के लिए एक प्रतिक्रिया संकेत के रूप में कार्य करता है। यह प्रशिक्षण प्रक्रिया आईब्लिंक कंडीशनिंग की नकल करती है, जिसमें बेहतर सीआर प्रदर्शन एक प्रतिकूल कॉर्नियल एयर पफ से आंशिक सुरक्षा प्रदान करता है। इसके विपरीत, डीटीएससी प्रतिमान में सिर-निश्चित जानवर अकेले अपनी मोटर प्रतिक्रिया से स्पर्श उत्तेजना से खुद को बचाने में असमर्थ हैं। एक सीआर की उपस्थिति पर अमेरिकी आयाम को आधार बनाकर, जानवरों को खुद को प्रतिकूल उत्तेजना से बचाने का अवसर मिलता है।

Figure 1
चित्रा 1: प्लेटफ़ॉर्म विशेषताएँ और डिज़ाइन. (A) सिर-निश्चित परिस्थितियों में पशु व्यवहार रिकॉर्ड करने के लिए प्लेटफ़ॉर्म तत्व. माउस को एक Biorender छवि से अनुकूलित किया गया था। (बी) डीईसी और डीटीएससी कंडीशनिंग के लिए समय और उत्तेजनाएं। एक उपयोगकर्ता-परिभाषित अंतर-उत्तेजना अंतराल (आईएसआई) निर्धारित करता है कि CS केवल युग कितने समय तक रहता है। सीएस और यूएस युगों को सह-समाप्त करने के लिए डिज़ाइन किया गया है। (सी) प्रमुख प्लेटफ़ॉर्म तत्वों के प्लेसमेंट का प्रदर्शन करने वाला चित्र। 1) DTSC अमेरिका के नियंत्रण के लिए Stepper मोटर. 2) जानवर के लिए चल पहिया. 3) पहिया आंदोलन पर नज़र रखने के लिए रोटरी एन्कोडर. 4) फोम एक ऐक्रेलिक हाथ है कि DTSC स्पर्श उत्तेजना के रूप में कार्य करता है पर टेप किया. 5) एलईडी सीएस. 6) Solenoid वाल्व और आउटलेट है कि DEC अमेरिका प्रदान करता है. 7) पशु व्यवहार रिकॉर्ड करने के लिए Picamera. 8) मंच रोशनी के लिए इन्फ्रारेड एलईडी. कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्रा 2: प्लेटफ़ॉर्म हार्डवेयर तत्वों के वायरिंग। (ए) प्लेटफ़ॉर्म हार्डवेयर के फ्रिट्जिंग वायरिंग आरेख जब पूरी तरह से इकट्ठा होते हैं। तारों नारंगी = कैमरा मॉड्यूल के साथ मॉड्यूल द्वारा रंगीन कर रहे हैं; पीला = DEC यूएस मॉड्यूल; नीला = एलईडी सीएस मॉड्यूल; बैंगनी = DTSC अमेरिकी मॉड्यूल; हरे = रोटरी एन्कोडर मॉड्यूल. Picamera बाहर रखा गया है, लेकिन रास्पबेरी पाई की सतह पर स्थित कैमरा सीरियल इंटरफ़ेस के लिए संलग्न करता है। बैटरी निर्दिष्ट वोल्टेज पर प्रत्यक्ष वर्तमान बिजली की आपूर्ति का संकेत देती है। (B-F) अलग मॉड्यूल के लिए समतुल्य तारों योजना. तारों को फिर से रंग दिया गया है, ताकि लाल और काले रंग हमेशा क्रमशः सकारात्मक आपूर्ति रेल और जमीन का संकेत दें, जबकि अन्य तारों को सर्किट के आसान अनुसरण की अनुमति देने के लिए रंगीन किया जाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्रा 3: DEC प्रशिक्षण के प्रतिनिधि परिणाम. (A) स्वीकार्य रोशनी की स्थिति के साथ एक सत्र से उदाहरण कैमरा फ़्रेम। आंख और पेरिओकुलर फर के बीच उच्च अंतर पर ध्यान दें। (बी) डीईसी प्रतिमान में दिनों में किए गए सत्रों के दौरान एक ही जानवर का प्रदर्शन। क्षैतिज रेखाएं प्रत्येक परीक्षण पर प्रदर्शन का संकेत देती हैं, गर्म रंगों के साथ अधिक पलक बंद होने का संकेत देते हैं। सबसे बाईं ओर लाल काली ऊर्ध्वाधर रेखा सीएस की शुरुआत को इंगित करती है, जबकि बिंदीदार रेखा अमेरिका की दीक्षा को इंगित करती है। दूसरी ठोस रेखा सीएस और यूएस की समाप्ति को इंगित करती है। ध्यान दें कि सीएस के दौरान सफल प्रतिक्रियाओं के साथ परीक्षणों की संख्या प्रशिक्षण सत्रों में बढ़ जाती है। (सी) प्रत्येक दिन सत्र के लिए परीक्षण औसत से व्युत्पन्न व्यक्तिगत निशान के साथ (बी) से पशु प्रदर्शन। रंग संतृप्ति बाद के सत्रों के लिए उच्च संतृप्ति के साथ सत्र संख्या को इंगित करता है। (डी) डीईसी समूह में सभी जानवरों के लिए प्रदर्शन (एन = 7)। पतली रेखाएं प्रत्येक जानवर के लिए प्रत्येक सत्र से पता लगाने योग्य सीआर के साथ परीक्षणों के प्रतिशत को इंगित करती हैं। मोटी रेखाएं सभी जानवरों में सत्र का मतलब इंगित करती हैं। (ई) उप-इष्टतम रोशनी की स्थिति के साथ एक सत्र से उदाहरण कैमरा फ्रेम। (च) खराब रोशनी के साथ दर्ज किए गए एकल परीक्षणों का परिमाणीकरण। यूआर पता लगाने योग्य है, लेकिन इष्टतम प्रकाश स्थितियों की तुलना में कम विपरीत और उच्च परिवर्तनशीलता के साथ। (जी) (एफ) में प्रस्तुत परीक्षणों से सत्र औसत निशान। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: DTSC प्रशिक्षण के प्रतिनिधि परिणाम। (A) DTSC प्रतिमान में दिनों में किए गए सत्रों के दौरान एक ही जानवर का प्रदर्शन। क्षैतिज रेखाएं प्रत्येक परीक्षण पर प्रदर्शन का संकेत देती हैं, गर्म रंगों के साथ पिछड़े पहिया आंदोलन का संकेत देते हैं। सबसे बाईं ओर की काली ऊर्ध्वाधर रेखा सीएस की शुरुआत को इंगित करती है, जबकि बिंदीदार रेखा अमेरिका की दीक्षा को इंगित करती है। दूसरी ठोस रेखा सीएस और यूएस की समाप्ति को इंगित करती है। (बी) प्रत्येक दिन सत्र के लिए परीक्षण औसत से व्युत्पन्न व्यक्तिगत निशान के साथ (ए) से पशु प्रदर्शन। रंग संतृप्ति बाद के सत्रों के लिए उच्च संतृप्ति के साथ सत्र संख्या को इंगित करता है। (C) DTSC समूह में सभी जानवरों के लिए प्रदर्शन (n = 6)। पतली रेखाएं प्रत्येक जानवर के लिए प्रत्येक सत्र से पता लगाने योग्य सीआर के साथ परीक्षणों के प्रतिशत को इंगित करती हैं। मोटी रेखाएं सभी जानवरों में सत्र का मतलब इंगित करती हैं। (डी) एक कोहोर्ट से (ए) के रूप में एकल परीक्षण जहां अमेरिकी तीव्रता कम आयाम यूआरएस प्राप्त करती है। (ई) कमजोर अमेरिका के अधीन जानवरों के लिए (बी) के रूप में प्रस्तुत सत्र औसत निशान। (एफ) कमजोर यूएस (एन = 6) के साथ डीटीएससी में सभी जानवरों के लिए प्रदर्शन। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

पूरक वीडियो 1: नमूना DEC हिट और मिस परीक्षण. डीईसी परीक्षणों की तुलना वीडियो 1 में की जाती है। प्रत्येक वीडियो उन परीक्षणों को दिखाता है जिनमें विषय बनाता है (बाएं) या (दाएं) लक्ष्य सीआर को सिंक्रनाइज़ करने में विफल रहता है और तुलना के लिए साथ-साथ खेला जाता है। एलईडी सीएस तब आता है जब नीला वर्ग प्रत्येक वीडियो के ऊपरी बाएं कोने में दिखाई देता है। अमेरिकी नियंत्रण संकेत सक्रिय है जब एक सफेद वर्ग नीले वर्ग को प्रतिस्थापित करता है। सीएस और यूएस नियंत्रण संकेतसह-समाप्त हो जाते हैं जब वर्ग गायब हो जाता है। कृपया इस वीडियो को डाउनलोड करने के लिए यहाँ क्लिक करें.

पूरक वीडियो 2: नमूना DTSC हिट और मिस परीक्षण. वीडियो 2 DTSC परीक्षण तुलना से पता चलता है. प्रत्येक वीडियो उन परीक्षणों को दिखाता है जिनमें विषय बनाता है (बाएं) या (दाएं) लक्ष्य सीआर को सिंक्रनाइज़ करने में विफल रहता है और तुलना के लिए साथ-साथ खेला जाता है। एलईडी सीएस तब आता है जब नीला वर्ग प्रत्येक वीडियो के ऊपरी बाएं कोने में दिखाई देता है। अमेरिकी नियंत्रण संकेत सक्रिय है जब एक सफेद वर्ग नीले वर्ग को प्रतिस्थापित करता है। सीएस और यूएस नियंत्रण संकेतसह-समाप्त हो जाते हैं जब वर्ग गायब हो जाता है। कृपया इस वीडियो को डाउनलोड करने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

यहां उल्लिखित संबद्ध प्रोटोकॉल के साथ मंच का उपयोग दो संवेदी साहचर्य सीखने के कार्यों में पशु व्यवहार को मज़बूती से ट्रैक करने के लिए किया जा सकता है। प्रत्येक कार्य चढ़ाई फाइबर मार्ग के माध्यम से बरकरार संचार पर निर्भर करता है। यहां वर्णित डिजाइन में, हम अनुमस्तिष्क प्रतिक्रिया के सीखने और रिकॉर्डिंग / गड़बड़ी को सुविधाजनक बनाने के लिए तत्वों को शामिल करते हैं। इनमें मुफ्त लोकोमोशन11,18 के साथ-साथ सिर निर्धारण की अनुमति देने के लिए एक पहिया शामिल है। पहिया माउस विषयों को स्वतंत्र रूप से लोकोमोट करने की अनुमति देता है, जिसे डीईसी अधिग्रहण18 के लिए महत्वपूर्ण माना गया है। चूहों में सिर निर्धारण शोधकर्ताओं को आनुवंशिक, इलेक्ट्रोफिजियोलॉजिकल, इमेजिंग और ऑप्टोजेनेटिक दृष्टिकोणों का लाभ उठाने की अनुमति देता है जो अन्य मॉडल प्रजातियों में या स्वतंत्र रूप सेचलती परिस्थितियों में उपयोग करना अधिक कठिन है। हमने इन अनुप्रयोगों में से प्रत्येक के लिए अपने डिजाइन का उपयोग किया है। माइक्रोकंट्रोलर पर चलने वाले सॉफ़्टवेयर को आसानी से मल्टीफोटॉन अधिग्रहण या ऑप्टोजेनेटिक उत्तेजना के साथ सिंक्रनाइज़ेशन के लिए समय संकेतों को नियंत्रित करने के लिए अनुकूलित किया जा सकता है, दोनों उप-मिलीसेकंड परिशुद्धता के साथ। ऑप्टोजेनेटिक और इमेजिंग उपकरणों की पशु धारणा को कम करने के लिए देखभाल की जानी चाहिए जब इन्हें व्यवहार प्रयोगों के साथ जोड़ा जाता है। उदाहरण के लिए, कई मल्टीफोटॉन सिस्टम इमेजिंग अधिग्रहण शुरू होने पर अपने गैल्वेनोमेट्रिक स्कैनर या शटर से एक श्रव्य ध्वनि का उत्सर्जन करते हैं। यदि अधिग्रहण परीक्षण शुरू होने से ट्रिगर होते हैं, तो ऐसी ध्वनियां पशु विषयों के लिए अनजाने में क्यू के रूप में काम कर सकती हैं जो एक उत्तेजना आगामी है।

व्यवहार उपकरण का नियंत्रण एक एसबीसी के चारों ओर बनाया गया है, जिसका उपयोग प्रयोग, कैमरा और डेटा निर्यात के प्रबंधन के लिए एक ग्राफिकल यूजर इंटरफेस उत्पन्न करने के लिए किया जाता है। एसबीसी दो माइक्रोकंट्रोलर को भी कमांड भेजता है जो परीक्षणों के समय को संभालते हैं और सीधे हार्डवेयर घटकों जैसे उत्तेजना प्रस्तुति और रोटरी एनकोडर को नियंत्रित करते हैं। यहां विस्तृत प्रोटोकॉल का परीक्षण या तो रास्पबेरी पाई 3 बी + या 4 बी का उपयोग करके किया गया था जो नियंत्रण प्रयोग समय और डीटीएससी यूएस की प्रस्तुति को नियंत्रित करने के लिए एक Arduino Uno के कारण एक Arduino से जुड़ा हुआ था। अन्य हार्डवेयर डिजाइन कार्यान्वयन संभव हैं, लेकिन प्रदान किए गए सॉफ़्टवेयर के साथ परीक्षण नहीं किया गया है।

समानांतर में कई रिग्स का उपयोग करने की सुविधा के लिए, हम एसबीसी को "हेडलेस" मोड में संचालित करने की सलाह देते हैं। इस कॉन्फ़िगरेशन में, एक होस्ट कंप्यूटर SBC के साथ सहभागिता करने के लिए उपयोग किया जाता है। एक ईथरनेट स्विच एक मेजबान कंप्यूटर के साथ-साथ एसबीसी दोनों के लिए एक साथ इंटरनेट कनेक्टिविटी की अनुमति देता है। स्विच तेजी से डेटा हस्तांतरण के साथ मेजबान और एसबीसी के बीच सीधे संचार के लिए भी अनुमति देता है। नतीजतन, स्विच आसान डेटा हस्तांतरण और एसबीसी पैकेज रखरखाव के लिए अनुमति देता है।

समानांतर में कई रिग चलाने के लिए, प्रत्येक रिग को अपने स्वयं के विशेष बाड़े में रखा जाना चाहिए। इन बाड़ों में साउंडप्रूफिंग शामिल होनी चाहिए यदि एक-दूसरे के करीब निकटता में रखा जाता है। आसन्न रिग्स के बीच ध्वनि को दबाने से पड़ोसी बाड़ों में उत्पादित उत्तेजनाओं से अनजाने श्रवण संकेतों से बचने में मदद मिल सकती है।

डीईसी और डीटीएससी के लिए एक ही मंच का उपयोग जांचकर्ताओं को प्रत्येक प्रतिमान की ताकत और कमजोरियों को लचीलापन से नेविगेट करने में सक्षम बनाता है। डीईसी को अनुसंधान के दशकों से प्राप्त अंतर्दृष्टि प्राप्त होती है कि मस्तिष्क क्षेत्रों और विशिष्ट अनुमस्तिष्क सर्किट तत्व कार्य सीखने और निष्पादन में शामिल हैं 1,4,11,13,14,15,19। हालांकि, चूहों में, सेरेबेलर कॉर्टेक्स का क्षेत्र अक्सर आईब्लिंक कंडीशनिंग11,12 के साथ जुड़ा होता है, प्राथमिक अनुमस्तिष्क विदर के भीतर गहराई से स्थित होता है (हालांकि15,17,27 देखें जो सतही लोब्यूल VI के डीईसी-संबद्ध क्षेत्र को प्रदर्शित करता है)। सीखने के लिए एक गहरी जगह ऑप्टिकल प्रयोगों के लिए पहुंच को जटिल बनाती है, विशेष रूप से सेल गतिविधि के मल्टीफोटॉन इमेजिंग और ऑप्टोजेनेटिक गड़बड़ी प्रयोग। इसके विपरीत, DTSC के अनुमस्तिष्क substrates आंशिक रूप से लोब्यूल्स IV / V20 के सतही पहलू में स्थित हैं। DTSC इसलिए पृष्ठीय neocortex, सिस्टम तंत्रिका विज्ञान जांच के लिए एक लोकप्रिय साइट की तुलना में ऑप्टिकल पहुँच प्रस्तुत करता है।

हमारे डिजाइन में, पशु व्यवहार को पहिया और कैमरे से जुड़े रोटरी एन्कोडर का उपयोग करके ट्रैक किया जाता है। हमने कम लागत और कार्यान्वयन में आसानी के लिए इन तरीकों का चयन किया। कुछ मामलों में, अन्य ट्रैकिंग विधियां अधिक स्थानिक और अस्थायी सटीकता प्रदान कर सकती हैं। उदाहरण के लिए, डीईसी में पलक की स्थिति को आमतौर पर हॉल प्रभाव सेंसर28,29 या मस्कुलस ऑर्बिकुलिस ओकुली30,31 के पेरिऑर्बिटल क्षेत्र के इलेक्ट्रोमायोग्राम रिकॉर्डिंग का उपयोग करके ट्रैक किया गया है। इसी तरह, पहिया गति का पता लगाकर लोकोमोशन की ट्रैकिंग छवि-आधारित मुद्रा ट्रैकिंग एल्गोरिदम जैसे SLEAP 32 और DeepLabCut33 की तुलना में पशु व्यवहार की कम विस्तृत तस्वीर देतीहै। कैमरा-आधारित रिकॉर्डिंग इस तरह के दृष्टिकोणों को जोड़ने की अनुमति देती है।

यहां, हमने दो चढ़ाई फाइबर-निर्भर साहचर्य सीखने के प्रतिमानों के दौरान पशु व्यवहार को ट्रैक करने के लिए एक मंच प्रस्तुत किया है। हमारे प्लेटफ़ॉर्म का उद्देश्य लागत के साथ-साथ कार्यान्वयन में आसानी दोनों के संदर्भ में इन तरीकों की पहुंच को बढ़ाना है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास खुलासा करने के लिए हितों का कोई संघर्ष नहीं है।

Acknowledgments

यह काम मानसिक स्वास्थ्य NRSA F32 MH120887-03 (G.J.B.) और R01 NS045193 और R01 MH115750 (S.S.-H.W. के लिए) के राष्ट्रीय संस्थानों से अनुदान द्वारा समर्थित है। हम डीईसी सेटअप को अनुकूलित करने के लिए उपयोगी चर्चा के लिए सहायक चर्चा के लिए डॉ बास कोएक्कोक और हेंक-जान बोएले और डीटीएससी सेटअप को अनुकूलित करने के लिए सहायक चर्चाओं के लिए डॉस यू वांग और शियाओयिंग चेन को धन्यवाद देते हैं।

Materials

Name Company Catalog Number Comments
"B" Quick Base For C&B METABOND - 10 mL bottle Parkell S398 Dental cement solvent
"C" Universal TBB Catalyst - 0.7 mL Parkell S371 Catalyst
#8 Washers Thorlabs W8S038 Washers
0.250" (1/4") x 8.00" Stainless Steel Precision Shafting Servocity 634172 1/4" shaft
0.250” (0.770") Clamping Hub Servocity 545588 Clamping hub
1/4" to 6 mm Set Screw Shaft Coupler- 5 pack Actobotics 625106 Shaft-coupling sleeve
1/4"-20 Cap Screws, 3/4" Long Thorlabs SH25S075 1/4" bolt
100 pcs 5 mm 395–400 nm UV Ultraviolet LED Light Emitting Diode Clear Round Lens 29 mm Long Lead (DC 3V) LEDs Lights +100 pcs Resistors EDGELEC ‎ED_YT05_U_100Pcs CS LEDs
2 m Micro HDMI to DVI-D Cable - M/M - 2 m Micro HDMI to DVI Cable - 19 pin HDMI (D) Male to DVI-D Male - 1920 x 1200 Video Star-tech ‎HDDDVIMM2M Raspberry Pi4B to monitor cable
256 GB Ultra Fit USB 3.1 Flash Drive SanDisk ‎SDCZ430-256G-G46 USB thumb drive
3.3 V–5 V 4 Channels Logic Level Converter Bi-Directional Shifter Module Amazon B00ZC6B8VM Logic level shifter
32 GB 95 MB/s (U1) microSDHC EVO Select Memory Card Samsung ‎MB-ME32GA/AM microSD card
4.50" Aluminum Channel Servocity 585444 4.5" aluminum channel
48-LED CCTV Ir Infrared Night Vision Illuminator Towallmark SODIAL Infrared light array
4PCS Breadboards Kit Include 2PCS 830 Point 2PCS 400 Point Solderless Breadboards for Proto Shield Distribution Connecting Blocks REXQualis B07DL13RZH Breadboard
5 Port Gigabit Unmanaged Ethernet Network Switch TP-Link ‎TL-SG105 Ethernet switch
5 V 2.5 A Raspberry Pi 3 B+ Power Supply/Adapter Canakit ‎DCAR-RSP-2A5 Power supply for Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3 Ethicon 668G Sutures
6 mm Shaft Encoder 2000 PPR Pushpull Line Driver Universal Output Line Driver Output 5-26 V dc Supply Calt  B01EWER68I Rotary encoder
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 1", 5 Pack Thorlabs TR1-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 2", 5 Pack Thorlabs TR2-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 4", 5 Pack Thorlabs TR4-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 6", 5 Pack Thorlabs TR6-P5 Optical posts
Ø1/2" Post Holder, Spring-Loaded Hex-Locking Thumbscrew, L = 2" Thorlabs PH2 Optical post holder
Adapter-062-M X LUER LOCK-F The Lee Co. TMRA3201950Z Solenoid valve luer adapter
Aeromat Foam Roller Size: 36" Length Aeromat B002H3CMUE Foam roller
Aluminum Breadboard 10" x 12" x 1/2", 1/4"-20 Taps Thorlabs MB1012 Aluminum breadboard
Amazon Basics HDMI to DVI Adapter Cable, Black, 6 Feet, 1-Pack Amazon HL-007347 Raspberry Pi3B+ to monitor cable
Arduino  Uno R3 Arduino A000066 Arduino Uno (microcontroller board)
Arduino Due Arduino ‎A000062 Arduino Due (microcontroller board)
Bench Power Supply, Single, Adjustable, 3 Output, 0 V, 24 V, 0 A, 2 A Tenma 72-8335A Power supply
Clear Scratch- and UV-Resistant Cast Acrylic Sheet, 12" x 24" x 1/8" McMaster Carr 8560K257 Acrylic sheet
CNC Stepper Motor Driver 1.0–4.2 A 20–50 V DC 1/128 Micro-Step Resolutions for Nema 17 and 23 Stepper Motor Stepper Online B06Y5VPSFN Stepper motor driver
Compact Compressed Air Regulator, Inline Relieving, Brass Housing, 1/4 NPT McMaster Carr 6763K13 Air source regulator
Cotton Swab Puritan 806-WC Cotton swab
Dell 1908FP 19" Flat Panel Monitor - 1908FPC Dell 1908FPC Computer monitor
Flex Cable for Raspberry Pi Camera Adafruit 2144 camera serial interface cable
High Torque Nema 17 Bipolar Stepper Motor 92 oz·in/65 N·cm 2.1 A Extruder Motor Stepper Online 17HS24-2104S Stepper motor
Isoflurane Henry Schein 66794001725 Isoflurane
Krazy Maximum Bond Permanent Glue, 0.18 oz. Krazy Glue KG483 Cyanoacrylate glue
Lidocaine HCl VetOne 510212 Lidocaine
Low-Strength Steel Hex Nut, Grade 2, Zinc-Plated, 1/4"-20 Thread Size McMaster Carr 90473A029 Nuts
M3 x 50 mm Partially Threaded Hex Key Socket Cap Head Screws 10 pcs Uxcell A16040100ux1380 M3 bolt
NEMA 17 Stepper Motor Mount ACTOBOTICS 555152 Stepper motor mount
Official Raspberry Pi Power Supply 5.1 V 3 A with USB C - 1.5 m long Adafruit 4298 Power supply for Raspberry Pi 4B
Optixcare Dog & Cat Eye Lube Lubricating Gel, 0.70-oz tube Optixcare 142422 Opthalimic ointment
Precision Stainless Steel Ball Bearing, Shielded, Trade No. R188-2Z, 13000 rpm Maximum Speed McMaster-Carr 3759T57 Bearing
Premium Female/Female Jumper Wires - 40 x 6" Adafruit 266 Wires
Premium Female/Male 'Extension' Jumper Wires - 40 x 6" (150 mm) Adafruit 826 Wires
Premium Male/Male Jumper Wires - 40 x 6" Adafruit 758 Wires
Radiopaque L-Powder for C&B METABOND - 5 g Parkell S396 Dental cement powder
Raspberry Pi (3B+ or 4B) Adafruit 3775 or 4295 Raspberry Pi
Raspberry Pi NoIR Camera Module V2 - 8MP 1080P30 Raspberry Pi Foundation RPI3-NOIR-V2 Raspberry NoIR V2 camera
Right-Angle Bracket, 1/4" (M6) Counterbored Slot, 8-32 Taps Thorlabs AB90E Right-angle bracket
Right-Angle Clamp for Ø1/2" Posts, 3/16" Hex Thorlabs RA90 Right-angle optical post clamp
Right-Angle End Clamp for Ø1/2" Posts, 1/4"-20 Stud and 3/16" Hex Thorlabs RA180 Right-angle end clamp
RJ45 Cat-6 Ethernet Patch Internet Cable Amazon ‎CAT6-7FT-5P-BLUE Ethernet cable
Rotating Clamp for Ø1/2" Posts, 360° Continuously Adjustable, 3/16" Hex Thorlabs SWC Rotating optical post clamps
Spike & Hold Driver-0.1 TO 5 MS The Lee Co. IECX0501350A Solenoid valve driver
Swivel Base Adapter Thorlabs UPHA Post holder adapter
USB 2.0 A-Male to Micro B Cable, 6 feet Amazon ‎7T9MV4 USB2 type A to USB2 micro cable
USB 2.0 Printer Cable - A-Male to B-Male, 6 Feet (1.8 m) Amazon B072L34SZS USB2 type B to USB2 type A cable
VHS-M/SP-12 V The Lee Co. INKX0514900A Solenoid valve
Zinc-Plated Steel 1/4" washer, OD 1.000" McMaster Carr 91090A108 Washers

DOWNLOAD MATERIALS LIST

References

  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).

Tags

तंत्रिका विज्ञान अंक 179 सेरिबैलम साहचर्य मोटर सीखने eyeblink कंडीशनिंग में देरी स्पर्श उत्तेजना कंडीशनिंग में देरी
सेरिबैलम-निर्भर संवेदी साहचर्य सीखने की निगरानी के लिए एक लचीला मंच
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Broussard, G. J., Kislin, M., Jung,… More

Broussard, G. J., Kislin, M., Jung, C., Wang, S. S. H. A Flexible Platform for Monitoring Cerebellum-Dependent Sensory Associative Learning. J. Vis. Exp. (179), e63205, doi:10.3791/63205 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter