Automatisé, quantitative cognitive / comportementale dépistage de souris: pour la génétique, la pharmacologie, la Cognition Animale et de formation de premier cycle

L’objectif général de l’expérience suivante est de dépister des souris manipulées génétiquement et pharmacologiquement pour détecter des dysfonctionnements et des mécanismes cognitifs de base. Ceci est réalisé en effectuant des mesures psychophysiques de propriétés quantitatives physiologiques significatives dans un système de phénotypage comportemental à haut débit entièrement automatisé 24 heures sur 24 et 7 jours sur 7. L’étape suivante consiste à analyser et à représenter graphiquement les données entrantes en temps quasi réel, ce qui permet un contrôle automatisé en temps réel des tests souris par souris.

Ensuite, les données brutes, le code du protocole de test et toutes les statistiques intermédiaires sont archivés dans une seule structure de données. Afin de rendre les données accessibles au public et d’encourager une analyse plus approfondie, les résultats montrent des altérations spécifiques à la souche de la fraction temporelle de vapeur en fonction de la tâche de commutation. Le principal avantage de cette technique par rapport à d’autres méthodes, telles que le labyrinthe d’eau, est qu’elle vous donne des résultats physiologiquement significatifs, un débit très élevé et aucune manipulation des souris.

Cette méthode peut donc aider à répondre à des questions clés dans le domaine de la neurogénétique cognitive, telles que : existe-t-il des souches mutantes dont les mécanismes de synchronisation d’intervalle ont été quantitativement modifiés ? Les implications de cette technique s’étendent à la thérapie ou au diagnostic des déficits cognitifs génétiques, car elle peut conduire à la découverte de gènes qui spécifient les composants critiques de ces mécanismes. Les personnes qui ne connaissent pas cette méthode doivent comprendre les bases de la programmation MATLAB et comprendre la puissance des tests psychophysiques quantitatifs automatisés.

Adam et moi avons eu l’idée de créer ce système lorsque nous avons vu la nature laborieuse et non quantitative des tests effectués sur des souris génétiquement manipulées. Installez le système de test comportemental dans une salle de laboratoire standard avec 10 armoires par pièce et huit environnements de test par armoire. Cela permet d’exécuter 80 souris en même temps. Chaque environnement de test se compose d’une cuve de souris en polypropylène reliée par un tube acrylique à une boîte de test de souris.

Le boîtier de test dispose de trois trémies, qui sont surveillées par des faisceaux infrarouges. Les deux trémies extérieures ont des mangeoires à granulés attachées et peuvent livrer des granulés de nourriture tandis que la trémie centrale ne livre pas de granulés de nourriture. Des câbles passant par un port dans un mur mitoyen relient les environnements de test aux cartes d’interface électrique et aux ordinateurs dédiés dans une autre pièce, qui exécutent les programmes de contrôle de protocole.

Un ordinateur est nécessaire pour deux armoires. Ces ordinateurs sont connectés via un réseau local à un serveur exécutant le logiciel d’analyse de données et de création de graphiques. Configurez le réseau local de sorte que le serveur sur lequel le logiciel d’analyse de données est installé puisse accéder aux disques durs des ordinateurs contrôlant les environnements de test.

Ensuite, établissez un compte de synchronisation de fichiers pour le stockage des données dans le cloud. Ajoutez le dossier système TS et ses sous-dossiers au chemin de recherche MATLAB et assurez-vous que le dossier système TS est un dossier synchronisé dans le cloud. Le système TS est une bibliothèque logicielle open source de plus de 30 fonctions de haut niveau écrites dans MATLAB qui facilitent la création de codes complexes d’analyse de données et de graphiques de données.

Dans la boîte à outils système TS, appelez la fonction Ts pour commencer à créer la structure de données hiérarchique dans laquelle les données brutes et tous les résultats qui en découlent seront placés par les autres fonctions de la boîte à outils système TS. Appel suivant ts add protocol pour spécifier les paramètres de contrôle d’un protocole expérimental pour spécifier le code de décision qui automatisera la décision de mettre fin au protocole et de passer au suivant et de spécifier les critères de décision à utiliser. Maintenant, placez les souris dans les environnements de test en direct 24 sur 24, 7 jours sur 7, une souris par environnement.

Notez le numéro d’identification des souris, le numéro de boîte et la lettre qui identifie l’ordinateur de contrôle de l’expérience sur le réseau local et son adresse IP. Prochain appel, ts start session pour démarrer la session expérimentale. Les sessions expérimentales durent une à deux semaines au cours desquelles plusieurs protocoles de test comportemental différents sont exécutés.

Ensuite, à un ordinateur de contrôle, appelez la macro qui démarrera toutes les cases contrôlées par cet ordinateur. Cette macro a été créée par la session de démarrage TS. Répétez cette opération sur les autres ordinateurs de contrôle.

L’analyse des données peut être effectuée en écrivant un nouveau code d’analyse de données et de représentation graphique à l’aide des commandes de la boîte à outils du système TS ou en utilisant ou en modifiant le code d’analyse de données et de représentation graphique existant fourni dans la bibliothèque TS. Une fois commencée, l’expérience se déroule principalement toute seule, bien qu’une certaine surveillance soit nécessaire pendant toute la durée de l’expérience. Surveillez les e-mails pour les alertes du programme d’analyse des données du système TIA indiquant d’éventuels dysfonctionnements de l’équipement tels que des pannes de courant, des contrôles spontanés, des redémarrages d’ordinateurs et des dysfonctionnements de l’alimentateur de granulés.

Ces alertes par e-mail permettent une réparation rapide du dysfonctionnement deux à quatre fois par jour. Graphiques de performances que le code d’analyse des données du système TS produit chaque fois qu’il est appelé par le minuteur d’analyse. Ces parcelles peuvent être surveillées de n’importe où dans le monde et à tout moment, et si nécessaire, le protocole expérimental peut être révisé en ligne à distance du site où les souris sont testées.

Utilisez également le navigateur TS pour étudier les données et les statistiques récapitulatives dans la structure hiérarchique des données au fur et à mesure qu’elles deviennent disponibles en temps quasi réel : les graphiques de déséquilibre cumulatif pour les granules obtenus, appelés revenus, sont tracés en rouge et la durée de la visite est tracée en noir pour trois souris de type sauvage et trois souris L un hétérozygotes. Un renversement de calendrier s’est produit au point où les pentes tournaient vers le bas, marquées par des lignes rouges verticales en pointillés pour trois des souris. La pente du déséquilibre cumulatif des visites trace la ligne noire suit de près la pente du déséquilibre cumulatif des revenus.

La ligne rouge indique une correspondance presque parfaite entre le rapport entre la durée moyenne des visites et le rapport entre les revenus. Notez la rapidité avec laquelle le rapport entre la durée des visites s’ajuste à la variation du rapport des revenus aux points d’inflexion descendante. D’autre part, une autre souris n’a pas réussi à correspondre lors des deuxièmes séances d’alimentation, comme le montre la pente nulle de la visite cumulative.

Le graphique du déséquilibre de durée est en noir, tandis que la pente du déséquilibre de revenu en rouge est nettement positive. Cependant, lors de la troisième phase d’alimentation, les pentes sont parallèles, ce qui signifie que cette souris a commencé brusquement au début de cette phase pour faire correspondre son rapport de visite au rapport de revenu. Il est donc clair qu’il était capable de le faire, mais qu’il ne l’a pas fait pour une raison quelconque pendant une partie des essais.

Cela illustre l’importance de visualiser l’ensemble du déroulement de la performance plutôt que de se fier entièrement à quelques statistiques sommaires. Cette souris s’est appariée précisément pendant le premier rapport de revenu, mais lorsqu’il a été inversé, la souris n’a pas complètement inversé une autre souris surappariée pendant la troisième phase d’alimentation. C’est-à-dire que son déséquilibre moyen des visites était plus important que son déséquilibre moyen des revenus et qu’il ne s’est pas complètement ajusté à l’inversion du déséquilibre des revenus.

Remarquez cependant que les six souris, les trois types sauvages et les trois hétérozygotes, se sont appariées avec précision pendant les toutes premières phases d’alimentation de quatre heures et ont montré une réponse abrupte à l’inversion du rapport de revenu. Cela démontre le fonctionnement intact chez les hétérozygotes de nombreux mécanismes de base de la cognition, tels que la durée, l’estimation, le nombre, l’estimation du taux d’estimation, la localisation spatiale et la capacité de se souvenir de quantités abstraites simples. En neurogénétique cognitive, il est aussi important de déterminer ce qui fonctionne encore normalement que de trouver ce qui ne fonctionne pas ou qui présente une altération quantitative intéressante dans son fonctionnement.

Les cycles cumulés ou une visite à la première trémie suivie d’une visite à la deuxième trémie, suivie d’un retour à la première trémie sont tracés en fonction du temps de la session. Ici, les verticales vertes pointillées marquent le début des phases d’alimentation. Les verticales rouges fixes.

Le décalage de l’alimentation, la rapidité avec laquelle la souris commence à passer d’une larve à l’autre, est une mesure de ce que l’on pourrait appeler son audace ou sa tendance à explorer. Cinq des six ont fait preuve d’exploration avant le début de la première phase d’alimentation et ont commencé à passer brusquement d’une larve à l’autre dès qu’elle a commencé. Une souris, cependant, n’a montré aucun comportement exploratoire, pas un seul cycle jusqu’au milieu de la deuxième phase d’alimentation, moment où elle a commencé brusquement à passer d’une larve à l’autre.

L’analyse des expériences de conditionnement instrumental et classique permet d’obtenir des enregistrements cumulatifs des vitesses d’initiation des essais. Ces expériences ont mesuré le taux d’apprentissage, c’est-à-dire le nombre d’appariements avant l’apparition du comportement conditionné. Les lignes verticales en pointillés marquent l’essai d’acquisition dans chaque enregistrement.

L’essai d’acquisition est le premier essai au cours duquel il y a une augmentation significative de la vitesse de lancement de l’essai, à condition que la nouvelle vitesse supérieure soit supérieure à la vitesse du premier segment. Cette disposition relative à l’échelle est nécessaire parce qu’il y a parfois une diminution importante avant la première augmentation importante. Les distributions cumulatives des latences d’initiation d’essai sont présentées ici.

Le point au-dessus de l’axe X où la ligne horizontale à 0,5 coupe la distribution cumulative est la latence médiane pour lancer un essai. On trouvera ici des enregistrements cumulatifs des différences entre le taux de poussée au cours d’une trémie d’alimentation et le taux de poussée au cours de l’intervalle inter-essais précédent. Initialement, la pente de cet enregistrement est nulle ou négative parce que la souris pique moins pendant l’éclairage de la trémie que pendant l’intervalle entre les essais.

La pente devient positive lorsque la souris commence à s’enfoncer dans la trémie éclairée en prévision de l’arrivée imminente de l’appel. Les points pleins marquent le point où la pente devient positive, c’est-à-dire l’essai auquel la réponse conditionnée apparaît pour la première fois de manière fiable dans ces graphiques. Les lignes bleues sont des fonctions de distribution cumulative empiriques montrant la distribution cumulative des latences de commutation pour une souris à trois paramètres différents de la latence d’alimentation au niveau de la trémie longue.

Les fines courbes rouges qui se superposent presque exactement aux fonctions empiriques sont les six paramètres que les fonctions belga ajustent à ces données. Les lignes rouges lourdes sont les fonctions de densité de probabilité correspondantes pour les distributions de mélange belga. Le raccourcissement de la latence d’alimentation longue a permis à la souris de raccourcir la moyenne de ses latences de commutation et d’augmenter sa précision.

Cela a également provoqué l’apparition de certains commutateurs impulsifs, comme le montre la bosse dans l’extrémité gauche de la fonction de densité de probabilité dans le graphique du bas. La mesure de cette impulsivité est la fraction du mélange attribuée à la composante de Weibel par la version la mieux adaptée de la distribution de mélange de Gauss de Weibel. Dans cette analyse, les essais courts sont marqués de minuscules plus rouges au bas du graphique, tandis que les essais longs sont marqués de minuscules plus rouges en haut du graphique.

Le changement de densité des traînées rouges résultantes en bas et en haut indique le changement de la fréquence relative des essais courts et longs. Les latences de commutation sont marquées par de petits cercles ouverts. Notez que lorsque le rouge en bas devient plus dense, ce qui signifie que les essais courts sont plus probables, les petits cercles se déplacent vers le haut et lorsque le rouge en haut devient plus dense, ce qui signifie une augmentation de la probabilité d’essai long, les cercles se déplacent vers le bas.

Les lignes bleues sont les médianes des distributions. Un graphique matriciel de 24 heures des événements comportementaux et environnementaux sur une période de test de 90 jours est présenté ici. Les points noirs enregistrent les piqûres et les points rouges et verts enregistrent les livraisons de granulés aux deux trémies d’alimentation.

Les premiers triangles noirs enregistrent l’extinction des lumières, tandis que les deuxièmes triangles noirs enregistrent les lumières de la première colonne de triangles cyan enregistrent le début de l’intervalle d’alimentation au crépuscule, qui se produit une heure avant le crépuscule lui-même, et la deuxième colonne de triangles cyan enregistre le décalage de l’intervalle d’alimentation au crépuscule, qui se produit trois heures après l’extinction des feux. Ces triangles magenta enregistrent le début non signé des intervalles d’alimentation de l’aube, qui se produisent deux heures avant l’allumage des lumières, et la dernière colonne de triangles magenta enregistre les décalages des repas de l’aube. Le début de l’activité d’anticipation de l’alimentation avant le repas au crépuscule est marqué d’astérisques bleus entre six et 15 jours.

Après le début des tests, les souris commencent à manifester une activité de piqûre anticipée de nourriture dans l’heure environ précédant l’intervalle d’alimentation au crépuscule, indiquant l’établissement d’une mémoire circadienne. Les hétérozygotes porteurs d’une mutation dans le gène L one montrent une plus grande précision de synchronisation d’intervalle que leurs témoins de portée de type sauvage. Cette figure trace les distributions cumulatives des estimations de précision pour les témoins de type sauvage sous forme de lignes continues et leurs compagnons de portée zygotiques sous forme de lignes pointillées lorsqu’ils sont exécutés en blocs d’essais avec des intervalles de plus en plus étroits entre les poteaux temporels, ce qui est montré par les différences de couleur.

En revanche, les hétérozygotes porteurs de la mutation chauve-souris ou BFC présentent une précision de synchronisation d’intervalle inférieure à celle de leurs témoins de type sauvage. Une fois que vous avez maîtrisé cette technique, les tests peuvent être effectués en aussi peu qu’une journée ou en quelques semaines. L’appariement ne prend qu’une journée de nourriture.

L’apprentissage anticipé prend deux ou trois semaines.