Ein Open-Source-Virtual-Reality-System zur Messung des räumlichen Lernens bei kopfgebundenen Mäusen

Dieses Open-Source-Virtual-Reality-System ist ein wichtiges Werkzeug für die Untersuchung des räumlichen Lernens im Gehirn, da es den Forschern ermöglicht, einer kopfgebundenen Maus mit einem einfachen modularen elektronischen Aufbau einen konsistenten Satz räumlicher Reize zu präsentieren. Der Vorteil dieses Systems besteht darin, dass es kostengünstig, einfach einzurichten, kompakt und modular ist, was den Aufbau mehrerer Verhaltens-Setups für das Training und die Integration in bestehende kopfgebundene Verhaltens-Setups ermöglicht. Dieses System ist ideal für die Messung des räumlichen Lernens und kopfgebundener Mäuse, ist aber auch in der Lage, visuelle Virtual-Reality-Umgebungen für Experimente mit anderen Spezies und Präparaten zu liefern, einschließlich menschlicher Psychophysik und Neuroimaging.

Carla Diaz und Hannah Chung, wissenschaftliche Mitarbeiterinnen in unserem Labor, demonstrieren dieses Verfahren. Verbinden Sie zunächst die Drähte zwischen der Drehgeberkomponente und dem Drehgeber ESP32. Drehgeber haben in der Regel vier Drähte, positiv, GND, A und B.Verbinden Sie diese über Überbrückungsdrähte mit dem ESP32, 3 0,3 Volt, GND 25 und 26 Pins.

Verbinden Sie die seriellen RX/TX-Drähte zwischen dem rotierenden ESP32 und dem Verhaltens-ESP32. Stellen Sie eine einfache Zweidrahtverbindung zwischen dem rotierenden ESP32, Serial0 RX/TX und dem Serial2-Port des Verhaltens ESP32 her. Verbinden Sie die seriellen RX/TX-Drähte zwischen dem rotierenden ESP32 und dem GPIO- oder direkten USB-Anschluss des Einplatinencomputers.

Stellen Sie eine Zweidrahtverbindung zwischen den GPIO-Pins 14, 15, RX/TX des Einplatinencomputers und den rotierenden ESP32-, Serial2- und TX/RX-Pins 1716 her. Stecken Sie als Nächstes den rotierenden ESP32-USB-Stick in den USB-Stick des Einplatinencomputers, um den anfänglichen Drehgebercode hochzuladen. Verbinden Sie das 12-Volt-Flüssigkeitsmagnetventil mit dem ULN2803-IC-Ausgang ganz links auf der OMW-Kleinplatine, verbinden Sie den Lick-Port mit dem ESP32-Touch-Eingang.

Stecken Sie den USB-Stick in den USB-Anschluss des Einplatinencomputers, um neue Programme für verschiedene experimentelle Paradigmen in den Verhaltens-ESP32 hochzuladen und Verhaltensdaten mit Hilfe der mitgelieferten Verarbeitungsskizze zu erfassen. Stecken Sie dann den 12-Volt-Gleichstrom-Wandadapter in den 2,1-Millimeter-Hohlstecker auf der kleinen ESP32-OMW-Platine, um das Belohnungsmagnetventil mit Strom zu versorgen. Stecken Sie den HDMI-Zwei-Ausgang des Einplatinencomputers in den HDMI-Anschluss des Projektors.

Dadurch wird die grafische Softwareumgebung, die von der GPU des Einplatinencomputers gerendert wird, auf die Projektionsfläche übertragen. Öffnen Sie das Terminalfenster auf dem Einplatinencomputer und navigieren Sie zum Hall Pass VR-Ordner. Führen Sie die angegebene grafische Benutzeroberfläche oder GUI für virtuelle Realität oder VR aus, um das GUI-Fenster zu öffnen.

Wählen Sie vier Elemente aus dem Listenfeld für jedes der drei Muster entlang der Spur aus, fügen Sie sie hinzu und klicken Sie dann auf Generieren. Wählen Sie Boden- und Deckenbilder aus den Dropdown-Menüs aus und legen Sie die Länge der Spur für diesen Beispielcode auf zwei Meter fest. Benennen Sie dieses Muster, falls gewünscht.

Klicken Sie auf die Schaltfläche Start und warten Sie, bis das VR-Fenster geöffnet wird, bevor Sie auf eine andere Stelle klicken. Die grafische Softwareumgebung wird auf dem zweiten Bildschirm angezeigt. Führen Sie die Verarbeitungsskizze aus, um die Bewegung der Verhaltensdaten zu erfassen und darzustellen.

Öffnen Sie den angegebenen Befehl in der Verarbeitungs-IDE. Ändern Sie das Tier in Ihre Mauszahlvariable und stellen Sie die Sitzungsminuten gleich der Länge der Verhaltenssitzung in Minuten ein. Klicken Sie auf die Schaltfläche Ausführen in der Verarbeitungs-IDE.

Überprüfen Sie das Verarbeitungsdiagrammfenster, das die aktuelle Mausposition auf der virtuellen linearen Spur anzeigen sollte, während sich das Rad zusammen mit den Belohnungszonen und laufenden Histogrammen der Licks, Runden und Belohnungen dreht, die alle 30 Sekunden aktualisiert werden. Schieben Sie das Laufrad von Hand vor, um den Mausbetrieb zu Testzwecken zu simulieren, oder verwenden Sie eine Testmaus für die Ersteinrichtung. Klicken Sie auf das Plotfenster und drücken Sie die Q-Taste auf der Tastatur, um die Erfassung von Verhaltensdaten zu beenden.

Eine Textdatei mit den Verhaltensereignissen und -zeiten sowie ein Bild des endgültigen Plotfensters im PNG-Format wird gespeichert, wenn die Sitzungsminuten verstrichen sind oder der Benutzer die Q-Taste drückt, um ihn zu beenden. Für zufälliges Schmieden mit nicht-operanten Belohnungen führen Sie das grafische Software-GUI-Programm mit einem Pfad beliebiger visueller Elemente aus. Laden Sie dann das Verhaltensprogramm mit mehreren nicht-operanten Belohnungen in den Verhaltens-ESP32 hoch, um die Maus zum Laufen und Lecken zu konditionieren.

Legen Sie die Maus vorsichtig in die Kopffixierungsvorrichtung, stellen Sie den Leckauslauf auf eine Stelle direkt vor dem Maul der Maus ein und positionieren Sie das Mausrad in der Mitte der Projektionsfläche. Legen Sie den Namen des Tieres in der Verarbeitungsskizze fest und drücken Sie dann in der Verarbeitungs-IDE auf Ausführen, um mit der Erfassung und Darstellung der Verhaltensdaten zu beginnen. Lassen Sie die Maus in 20- bis 30-minütigen Sitzungen laufen, bis die Maus mindestens 20 Runden pro Sitzung läuft, und lecken Sie nach Belohnungen, die an zufälligen Orten präsentiert werden.

Für die zufällige Nahrungssuche mit operanten Belohnungen in abwechselnden Runden laden Sie das Verhaltensprogramm mit abwechselnder Operante gleich eins hoch und trainieren Sie die Maus, bis sie sowohl nach nicht-operanten als auch nach operanten Belohnungszonen leckt. Laden Sie für eine vollständig operante zufällige Nahrungssuche das Verhaltensprogramm mit vier operanten zufälligen Belohnungszonen hoch und trainieren Sie die Maus, bis sie entlang der Spur konsequent nach Belohnungen leckt. Führen Sie als Nächstes für räumliches Lernen das grafische Softwareprogramm mit einem Pfad eines dunklen Flurs mit einem einzigen visuellen Hinweis in der Mitte aus.

Laden Sie dann das Verhaltensprogramm mit einer einzelnen versteckten Belohnungszone auf das Verhalten ESP32 hoch. Lassen Sie die Maus 30-minütige Sitzungen lang mit einer einzigen versteckten Belohnungszone und einem einzigen visuellen Hinweis auf den VR-Flur laufen und erfassen Sie während der Sitzung Daten wie zuvor beschrieben. Laden Sie die txt-Datendatei aus dem Verarbeitungsskizzenordner herunter und analysieren Sie die Verhaltensdaten, um das Auftreten von räumlich selektivem Lecken als Indikator für räumliches Lernen zu beobachten.

Räumliches Lernen mit Hilfe der grafischen Softwareumgebung wird hier gezeigt. Durch fortschreitende Trainingsstufen der zufälligen Nahrungssuche lernten die Mäuse, auf dem Rad zu laufen und konsequent auf niedrigen Ebenen entlang der Strecke zu lecken, bevor sie zu einem einzigen versteckten Belohnungsort geschaltet wurden, um räumliches Lernen zu zeigen. In dieser Studie lernten vier der sieben Mäuse die versteckte Belohnungsaufgabe mit einem einzigen visuellen Hinweis in zwei bis vier Sitzungen, wie ihr Lecken in der Nähe der Belohnungszone mit zunehmender Selektivität zeigte.

Darüber hinaus zeigten die Mäuse sowohl innerhalb als auch zwischen den Sitzungen ein substanzielles Lernen. Räumliches Lecken pro Runde am zweiten Tag zeigte ein erhöhtes Lecken vor der Belohnungszone und ein verringertes Lecken an anderen Stellen, was auf die Entwicklung eines räumlich spezifischen antizipatorischen Leckens hinweist. Das Wichtigste, was Sie bei der Verwendung des Systems beachten sollten, ist, dass Mäuse nur dann eine gute Leistung erbringen, wenn sie verstärkt sind und sich auf dem Laufrad wohlfühlen.

Schränken Sie daher die Tiere durch Wasser angemessen ein, behandeln Sie sie sanft und stellen Sie sicher, dass ihre Kopfstützposition optimal für das Laufen ist, während Sie die Projektionsfläche betrachten. Ein neurowissenschaftlicher Forscher kann dieses Open-Source-VR-System mit In-vivo-Bildgebung oder Elektrophysiologie kombinieren, um Neuronenschaltkreise zu untersuchen, die dem räumlichen Lernen im Gehirn zugrunde liegen. Wir glauben, dass die Einfachheit dieses Open-Source-VR-Systems es Forschern ermöglichen wird, das System in verschiedene Neuroaufzeichnungs-Setups zu integrieren.

Die präzise Steuerung räumlicher Reize in der VR-Umgebung wird es den Forschern ermöglichen, den Beitrag bestimmter Neuronenschaltkreise zum räumlichen Lernen zu untersuchen.