Eine neuartige einzigen tierischen Motorik Tracking-System mit einfachen, leicht verfügbaren Software
August 31st, 2018
Die aktuelle Studie zielte darauf ab, die Quantifizierung der motorischen Defizite bei Ratten zu automatisieren. Die Erstbewertung Modell bewertet motor Schäden aus einer intracortical Mikroelektrode Implantation im motorischen Kortex. Wir berichten über die Entwicklung und Nutzung eines Tracking-Algorithmus mit leicht anpassbar, einfach und leicht zugänglich, Software-Codierung.
Diese Methode kann dazu beitragen, die Konsistenz bei Verhaltenstests bei Kleintieren zu verbessern, indem objektive motorische Funktionsmetriken erstellt werden. Der Vorteil dieser Technik besteht darin, dass die Ergebnisse im Gegensatz zu herkömmlichen Methoden von einem Computersystem quantifiziert werden, wodurch menschliche Fehler, Aufwand und Zeit reduziert werden. Dieses Verfahren wird von Marina Yu und Sydney Lindner, Undergraduate Researchers des Capadona Lab, demonstriert.
Beginnen Sie mit dem Filmen und platzieren Sie das Tier in der Mitte des Gitters, mit dem Gesicht vom Forscher abgewandt, um den Gittertest zu beginnen. Lassen Sie das Tier drei Minuten lang frei laufen, während es von oben auf Video aufgenommen wird. Beenden Sie die Dreharbeiten, wenn die dreiminütige Zeitspanne abgelaufen ist, und bringen Sie das Tier in seinen Heimatkäfig zurück.
Reinigen Sie das Gitter mit einem Sterilisationsmittel auf Chlordioxidbasis und achten Sie darauf, die Oberflächen vor dem Testen vollständig zu trocknen. Setzen Sie das Tier dann für den Leitertest in einen sauberen provisorischen Käfig. Stellen Sie das Leitergerät so ein, dass es zwei Käfige überspannt, wobei der Startkäfig ein sauberer Käfig und der Endkäfig der lebende Käfig des Tieres ist, ein Anreiz, den Lauf zu beenden.
Platzieren Sie die Kamera auf einem Stativ mittig über die Länge der Leiter. Verlängern Sie das Stativ so, dass sich das Objektiv der Kamera auf der Höhe der Leitersprosse befindet. Positionieren Sie die Kamera so, dass die Sprossen genau mit dem Objektiv ausgerichtet sind, da dies für den Schlupferkennungsalgorithmus im BVAS-Code wichtig ist.
Starten Sie die Videoaufzeichnung und lassen Sie das Tier den Lauf beginnen, indem Sie die Vorderpfoten über die erste Sprosse der Leiter halten. Lassen Sie das Tier ohne Hilfe auf die Leiter steigen. Lassen Sie das Tier sich während des Filmens in seinem eigenen Tempo von der Startlinie bis zur Ziellinie bewegen.
Beenden Sie abschließend die Videoaufzeichnung und nehmen Sie das Tier von der Leiter, sobald das Tier den Lauf beendet hat. Beginnen Sie damit, jedes Video mit der Bezeichnung des Tieres für alle Rastertestvideos zu benennen. Nehmen Sie die Videos, die nun nach jedem Tier benannt sind, und legen Sie die Dateien in einen eigenen Speicherordner.
Erstellen Sie dann eine neue leere Tabellendatei, um die Daten für jede Studie und jeden Testmodus zu speichern. Installieren Sie als Nächstes die neueste BVAS-Version, indem Sie auf das Installer-Symbol doppelklicken. Nachdem die Installation abgeschlossen ist, doppelklicken Sie auf das BVAS-Programmsymbol, um das BVAS-Hauptmenü aufzurufen, das die folgenden Optionen bietet: Rasteranalyse, Kontaktplananalyse, Kontaktplanüberprüfung oder Beenden.
Beginnen Sie innerhalb des BVAS-Programms mit der Auswahl von Rasteranalyse aus dem oberen Menübildschirm. Verwenden Sie dann die Schaltfläche Ellipsen neben dem oberen Eingabefeld, um das Dateisystem zu durchsuchen und die Datei mit den zu analysierenden Videos zu finden. Wählen Sie die Schaltfläche Ellipsen neben dem unteren Eingabefeld aus, um das Dateisystem zu durchsuchen und die Tabellenkalkulationsdatei auszuwählen, in der die Daten gespeichert werden sollen.
Klicken Sie auf Los, um den Analyseprozess zu starten. Untersuchen Sie die Bilder der einzelnen Videos auf dem Reviewer-Bildschirm. Wählen Sie die Schaltfläche Bearbeiten aus, wenn keine grünen Linien vorhanden sind oder die grüne Linie nicht im richtigen Quadrat um den Testbereich herum zu liegen scheint.
Um die Ecken zu bearbeiten, wählen Sie die Schaltfläche Ecken bearbeiten. Befolgen Sie die Anweisungen rechts neben dem repräsentativen Bild, um den Testbereich auszuwählen, und drücken Sie die Eingabetaste, um den Auswahlprozess abzuschließen. Wählen Sie abschließend Fertig, um die Auswahl zu speichern und zum Bildschirm "Prüfer" zurückzukehren.
Wählen Sie dann die mittlere Schaltfläche Fertig, um den Prozess der vollständigen Analyse zu starten, sobald der Rasterbereich für jedes Video korrekt ausgewählt ist. Lassen Sie das Programm ausführen, und nach Abschluss des Programms wird die Eingabeaufforderung Erfolg angezeigt. Wählen Sie als Nächstes eine Kontaktplananalyse aus dem oberen Menü aus, um das Kontaktplananalysemenü zu öffnen.
Wählen Sie die obere Eingabeschaltfläche Ellipsen, um den Ordner mit den nach jedem Tier benannten Ladder-Videos auszuwählen. Wählen Sie dann die untere Schaltfläche Ellipsen aus, um ein Verzeichnis auszuwählen, in dem Sie einen Ordner mit Daten aus den Ladder-Videos speichern und später überprüfen möchten. Wählen Sie Los aus, um den Analyseprozess zu starten, und wiederholen Sie die gleichen Schritte für die offene Feldtestanalyse.
Lassen Sie das Programm laufen, und beim Wettbewerb wird die Eingabeaufforderung "Erfolg" angezeigt. Wählen Sie innerhalb des BVAS-Programms im oberen Menü eine Kontaktplan-Bildüberprüfung aus, um den Auswahlbildschirm für die Kontaktplan-Überprüfungsdatei aufzurufen. Wählen Sie die obere Schaltfläche Ellipsen aus, um den Ordner mit den Datendateien auszuwählen, und wählen Sie die untere Schaltfläche Ellipsen aus, um die für die Studie erstellte Tabellenkalkulationsdatei auszuwählen.
Drücken Sie dann auf Los, um den manuellen Überprüfungsprozess zu starten. Zeigen Sie als Nächstes das automatisch geöffnete Menü "Ladder Data Reviewer" an. Wenn ein Slip erkannt wird, verwenden Sie die Schaltflächen "Nächster Frame" und "Letzter Frame", um alle aufeinanderfolgenden aufgezeichneten Frames zu überprüfen, falls verfügbar.
Verwenden Sie den Slip-Umschalter, um anzuzeigen, welcher Fuß der Ratte ausgerutscht ist. Lassen Sie den Schalter auf Kein Schlupf, wenn die Erkennung falsch positiv ist. Klicken Sie auf Speichern und fortfahren, um mit der nächsten Erkennung fortzufahren.
Verwenden Sie im Falle eines Fehlers den Umschalter, um anzugeben, ob der Fehler auf eine Umkehrung oder Stagnation zurückzuführen ist. Klicken Sie abschließend auf Speichern und fortfahren, um mit der nächsten Erkennung fortzufahren. Klicken Sie bei der letzten Erkennung auf Speichern und fortfahren, um die Analyse abzuschließen und die Daten in der zuvor ausgewählten Tabellenkalkulationsdatei zu speichern.
Verwerfen Sie die Fertigstellungsmitteilung. In dieser Studie zeigten die Ergebnisse für den Open Field Grid Test, dass Expert Reviewer konsistenter waren als Novizen, aber bei der Verwendung des BVAS gab es keine Varianz sowohl für Experten als auch für Anfänger. In ähnlicher Weise zeigten die Ergebnisse für den Ladder-Test, dass die Experten konsistenter waren als die Anfänger, aber bei der Verwendung des BVAS gab es wiederum keine Varianz sowohl für Experten als auch für Anfänger.
Für den Open Field Grid Test wurden im Laufe der Studie Trends zu einer erhöhten erreichten Höchstgeschwindigkeit, einer erhöhten zurückgelegten Gesamtstrecke und einer erhöhten Anzahl der gekreuzten Gitterlinien festgestellt. Der Prozentsatz der Rechtsabbieger bewegte sich weitgehend zwischen 40 und 50 %. Beim Ranglistentest gab es schließlich einen abnehmenden Trend in der Zeit bis zum Überqueren der Rangliste, gefolgt von einer Zeitzunahme, die etwa in Woche vier begann. Die Software erkennt und tabellarisiert automatisch die Anzahl der Paw Slips während einer Leiterüberquerung.
Und im Video-Review-Prozess kann der Benutzer die erkannten Ausrutscher in linke und rechte Pfotenschlupf sortieren, wie im Balkendiagramm gezeigt. Einmal gemeistert, kann diese Technik in 30 bis 40 Minuten pro Tier und Versuchssitzung durchgeführt werden. Bei diesem Verfahren ist es wichtig, in einer gut beleuchteten Umgebung auf der richtigen Ebene und mit einem hohen Kontrast zwischen dem Tier und dem Hintergrund zu filmen.
Im Anschluss an dieses Verfahren können zusätzliche Verhaltensaufgaben durchgeführt werden, um spezifische Fragen in Krankheits- oder Verletzungsmodellen zu beantworten. Während wir diese Methode verwenden, um Einblicke in das motorische Defizit zu geben, das durch die Geräteimplantation im Gehirn verursacht wird, könnte diese Analysetechnik in vielen anderen Krankheits- oder Verletzungsmodellen verwendet werden. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie man Verhaltensvideos mit der BVAS-Software des Capadona Lab filmt und analysiert, die eine wiederholbare Verhaltensquantifizierungstechnik bietet.
View the full transcript and gain access to thousands of scientific videos
Überblick
Diese Studie konzentriert sich auf die Automatisierung der Quantifizierung von motorischen Defiziten bei Ratten, insbesondere zur Bewertung des motorischen Verlusts aufgrund der intrakortikalen Mikroelektrodenimplantation im motorischen Kortex. Ein Tracking-Algorithmus wurde mithilfe zugänglicher Codierungssoftware entwickelt, um den Evaluierungsprozess zu verbessern.
Wichtige Studienkomponenten
Wissenschaftsbereich
- Neurowissenschaften
- Verhaltenstests
- Bewertung der motorischen Funktion
Hintergrund
- Motorische Defizite in Tiermodellen sind entscheidend für das Verständnis neurologischer Erkrankungen.
- Traditionelle Methoden zur Bewertung der motorischen Funktion können subjektiv sein und anfällig für menschliche Fehler.
- Automatisierte Systeme können zuverlässigere und objektivere Messungen liefern.
- Diese Studie zielt darauf ab, die Konsistenz von Verhaltenstests bei kleinen Tieren zu verbessern.
Zweck der Studie
- Eine Methode zur Quantifizierung motorischer Defizite bei Ratten zu entwickeln.
- Den menschlichen Fehler bei Verhaltensbeurteilungen zu reduzieren.
- Objektive Metriken für die Bewertung der motorischen Funktion zu schaffen.
Verwendete Methoden
- Implementierung eines Tracking-Algorithmus für motorische Funktionsmetriken.
- Videoaufnahme von Ratten während eines Gittertests für drei Minuten.
- Analyse des aufgezeichneten Filmmaterials zur Bewertung der motorischen Leistung.
- Nutzung von frei verfügbarer Codierungssoftware für die Algorithmenentwicklung.
Hauptergebnisse
- Das automatisierte System zeigte eine verbesserte Konsistenz bei der Messung motorischer Defizite.
- Die Ergebnisse wiesen auf eine Reduzierung des menschlichen Fehlers im Vergleich zu traditionellen Methoden hin.
- Der Tracking-Algorithmus erwies sich als effektiv bei der Quantifizierung motorischer Funktionsmetriken.
- Studierende implementierten das Verfahren erfolgreich im Capadona Lab.
Schlussfolgerungen
- Die Studie präsentiert eine zuverlässige Methode zur Bewertung motorischer Defizite bei Ratten.
- Die Automatisierung bei Verhaltenstests kann die Genauigkeit der Ergebnisse verbessern.
- Dieser Ansatz könnte für zukünftige neurowissenschaftliche Forschung von Vorteil sein.
Häufig gestellte Fragen
Executive Industry Relevance
Automated motor function tracking addresses the need for objective, reproducible behavioral phenotyping in preclinical neuroscience research. By reducing inter-observer variability and human error, the system enhances data reliability for target validation and mechanistic de-risking in CNS drug discovery. This supports consistent cross-functional interpretation of motor endpoints across discovery and translational workflows.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables quantitative interrogation of motor phenotypes to support target hypothesis testing in disease models.
- Operational Value: Provides standardized, computer-generated metrics that reduce subjectivity in behavioral assessments.
- Predictive Value: Improves confidence in target engagement readouts by minimizing noise in functional outcome measures.
Screening & Assay Development
- Assay Readiness: Generates quantifiable outputs including total distance traveled, maximum velocity, turn counts, and grid line crossings for high-throughput screening compatibility.
- Reproducibility: Eliminates variance between expert and novice users, ensuring consistent data generation across sites and operators.
- Scalability: Uses readily available software, enabling easy deployment and adaptation across multiple behavioral paradigms.
Translational & Preclinical Research
- Translational Continuity: Supports longitudinal tracking of motor function trends, such as changes in ladder crossing time or paw slip incidence, to model disease progression or recovery.
- Mechanistic De-risking: Facilitates objective correlation of motor deficits with neural interventions, strengthening causal inference in target validation.
- Preclinical Alignment: Outputs like paw slip detection and failure modes (stagnation/reversal) provide translatable functional readouts for IND-enabling studies.
Pipeline & Workflow Integration
The BVAS system integrates into the discovery continuum from early phenotypic screening through lead optimization and preclinical validation, particularly for CNS targets where motor function is a key biomarker.
- Discovery Biology: Supports hypothesis-driven assessment of motor circuit function following genetic or pharmacological modulation.
- Screening: Delivers standardized, quantitative video-based readouts suitable for assay automation and compound effect comparison.
- Analytics: Generates multiple parametric outputs (velocity, distance, turns, slips, timing) enabling multivariate analysis of motor behavior.
- Translational Research: Enables continuous monitoring of motor recovery or decline, aligning with clinical functional assessments.
- Enterprise Reuse: Built on accessible coding tools, allowing adaptation across injury, neurodegeneration, and neuromuscular disease models without proprietary constraints.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence by reducing biological noise in motor endpoint measurements.
- Operational Value: Cuts analysis time to 30–40 minutes per animal while improving inter-user consistency to zero variance.
- Strategic Value: Enables faster, more reliable go/no-go decisions in lead optimization by improving data quality.
- Portfolio Impact: Supports risk-adjusted advancement through reproducible, quantifiable motor phenotyping across study cohorts.
Implementation Considerations
- Requires basic proficiency in video tracking software and spreadsheet data management.
- Needs consistent lighting, high animal-background contrast, and top-down camera positioning for accurate thresholding.
- Dependent on proper calibration of the slip detection algorithm via camera alignment with ladder rungs.
- Limited to single-animal tracking; not designed for group-housed or social interaction assays.
- Relies on manual validation steps (e.g., corner editing, slip review) to ensure tracking accuracy.
