מאמר שיטה

פרופיל תגובות התנהגות אימהיות במהלך הדמיה של כל המוח

DOI:

10.3791/67112

⸱

24 בינואר 2025

 ,  ,  , 
1Mortimer B. Zuckerman Mind Brain Behavior Institute, Columbia University, 2Department of Neuroscience, Columbia University, 3Department of Psychology, Columbia University, 4Howard Hughes Medical Institute, Columbia University

* These authors contributed equally

במאמר זה

סיכום

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מוצג כאן צינור ניתוח וידאו המתגבר על אתגרים בניטור התנהגותי בסביבות MRI, ומאפשר זיהוי תגובות התנהגותיות ללא הדרכה לרמזים חיצוניים. ניתוח זה יאפשר הבנה מקיפה יותר של שינויים במצב פנימי מעוררים ופעילות כלל-מוחית.

תקציר

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ההתקדמות האחרונה בכלי הדמיה של המוח השלם אפשרה למדעני מוח לחקור כיצד פעילות מוחית מתואמת מעבדת רמזים חיצוניים, משפיעה על שינויים במצב פנימי ומעוררת תגובות התנהגותיות. לדוגמה, דימות תהודה מגנטית תפקודי (fMRI) היא טכניקה לא פולשנית המאפשרת מדידה של פעילות מוחית שלמה בעכברים ערים ומתנהגים באמצעות תגובה תלוית רמת חמצון בדם (BOLD). עם זאת, כדי להבין באופן מלא את תגובות BOLD המעוררות על ידי גירויים חיצוניים, חיוני שהנסיינים יעריכו גם תגובות התנהגותיות במהלך סריקות. סביבת ה-MRI מציבה אתגרים למטרה זו, והופכת את השיטות הנפוצות לניטור התנהגותי לבלתי תואמות. אתגרים אלה כוללים (1) שדה ראייה מוגבל ו-(2) זמינות מוגבלת של ציוד ללא רכיבים פרומגנטיים. מוצג כאן צינור ניתוח וידאו התנהגותי המתגבר על מגבלות אלה על ידי חילוץ מידע רב ערך מסרטונים שנרכשו במסגרת אילוצים סביבתיים אלה, המאפשר הערכת התנהגות במהלך רכישת נתונים עצביים של כל המוח. תוך שימוש בשיטות כגון הערכת זרימה אופטית והפחתת מימדיות, ניתן לזהות הבדלים חזקים בתגובות התנהגותיות לגירויים המוצגים במהלך סריקות fMRI. לדוגמה, תוצאות מייצגות מצביעות על כך שקולות של גורי עכברים, אך לא צלילים טהורים, מעוררים תגובות התנהגותיות שונות באופן משמעותי בעכברים אימהיים לעומת בתולים. בהמשך, ניתן להרחיב את צינור הניתוח ההתנהגותי הזה, המותאם בתחילה להתגברות על אתגרים בניסויי fMRI, לשיטות הקלטה עצביות שונות, ולספק ניטור התנהגותי רב-תכליתי בסביבות מוגבלות. ההערכה המתואמת של תגובות התנהגותיות ועצביות תציע הבנה מקיפה יותר של האופן שבו תפיסת הגירויים מובילה לתיאום של תפוקות התנהגותיות מורכבות.

מבוא

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ניטור תגובות התנהגותיות במהלך הקלטות עצביות חיוני להבנת פעילות מתואמת המעוררת גירוי ברחבי המוח. במקרה שבעלי חיים אינם צפויים להגיב לגירויים באופן ספציפי וממוקד מטרה, התבוננות בהתנהגויות לא מכוונות יכולה להציע תובנות לגבי האופן שבו רמזים חיצוניים מודיעים על מצבם הפנימי 1,2. ההתקדמות האחרונה בכלי הדמיה מוחית, כגון הדמיית סידן בשדה רחב והדמיית תהודה מגנטית תפקודית (fMRI), אפשרה למדעני מוח להרחיב את המחקר מעבר לאזורי מוח בודדים. עם זאת, כדי להשיג הבנה מקיפה יותר של נתונים עצביים בעלי מימדים גבוהים כאלה, היכולת להעריך את התפוקות ההתנהגותיות של דפוסים מורכבים אלה חייבת להתקדם בהתאם.

שיטות חדישות לאפיון התנהגויות מונחות משימה נמצאות בשימוש נרחב במחקר במדעי המוח, כולל חיישני טמפרטורה ולחץ לזיהוי רחרוח 3,4, קרני אור לזיהוי ליקוקים5 והערכת תנוחה ללא סמן למעקב אחר חלקי גוף שנקבעו מראש6. עם זאת, הערכה מונעת נתונים של דפוסי התנהגות לא מונחים נותרה אתגר בתחום7. בעוד ששיטות לניתוח התנהגותי מונחה נתונים מתקדמות במהירות, שיטות קיימות דורשות בדרך כלל כוח חישובי משמעותי, ציוד מיוחד או ראייה ברורה במיוחד של החיה 2,6,8,9. מוצג כאן צינור ניתוח וידאו התנהגותי הניתן בקלות לכל נתוני וידאו ומאפשר חילוץ של מדדים התנהגותיים יקרי ערך מסרטונים שנרכשו במהלך גירוי פסיבי.

צינור ניתוח התנהגותי זה תוכנן להיות תואם לרכישה מתואמת של נתונים עצביים ווידאו בבעלי חיים קבועי ראש שנחשפו למגוון רחב של גירויים חיצוניים וסביבות הקלטה מרובות, אפילו כאלה עם אילוצים ניכרים. לדוגמה, סביבת ה-MRI מציבה אתגרים ספציפיים לניטור התנהגותי, כולל שדה ראייה מוגבל וזמינות מוגבלת של ציוד ללא רכיבים פרומגנטיים. אילוצים אלה הופכים את השיטות הנפוצות לבלתי תואמות, ומשאירים מדדים כמו תנועת ראש (כלומר, כיצד המוח נע בין רכישות נפח) להיות בין הדרכים הנגישות אך המוגבלות ביותר להעריך תגובות גופניות במהלך סריקות10. על ידי התגברות על מגבלות אלה, פרוטוקול זה הקל על ניתוח נתוני וידאו תואמי MR, והראה כי עכברים נקבות עם חוויות אימהיות שונות מציגות תגובות התנהגותיות שונות לגירויים שמיעתיים. לאמהות ובתולות הוצגו גירויים שמיעתיים במהלך סריקות fMRI, כולל קולות גורים במצוקה ("קריאות גורים") וצלילים טהורים. גירויים אלה הוצגו באופן פסיבי, כלומר ללא כל תפוקות התנהגותיות מונחות. בעוד שאמהות נחזו להראות תגובות מוגברות לקריאות גורים בהשוואה לבתולות, יש מעט ספרות על האופן שבו עכברים נקבות מגיבות לרמזים של תינוקות בסביבה מקובעת בראש. לכן, לא היה פלט התנהגותי ספציפי למעקב אפריורי, מה שהופך את הניסוי הזה למבחן המושלם לניתוחים התנהגותיים מבוססי נתונים מוצעים. תוך שימוש בשיטות כגון הערכת זרימה אופטית והפחתת מימדיות, זוהו הבדלים קבוצתיים בתגובות התנהגותיות, הן בגודל והן בביטוי המרחבי.

בהמשך, ניתן למנף את ההערכה המתואמת של תגובות התנהגותיות ועצביות כדי להשיג הבנה מקיפה יותר של האופן שבו גירויים חיצוניים משנים מצבים פנימיים ומספקים תפוקות התנהגותיות מורכבות. הבנה זו צריכה להתרחב לגירויים המוצגים בהיעדר משימות מוטלות והתנהגויות מונחות. ניתן להרחיב את צינור הניתוח המוצג כאן לטכניקות הקלטה עצביות שונות, המספקות ניטור התנהגותי רב-תכליתי גם בסביבות מוגבלות.

פרוטוקול

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כל הניסויים בבעלי חיים בוצעו על פי הפרוטוקולים שאושרו על ידי הוועדה המוסדית לטיפול ושימוש בבעלי חיים של אוניברסיטת קולומביה (IACUC), וכל השיטות בוצעו בהתאם להנחיות, לתקנות ולהמלצות הרלוונטיות. פרטי הציוד והתוכנה שבהם נעשה שימוש מפורטים בטבלת החומרים.

1. תוכנה

  1. הורד את MATLAB מאתר Mathworks.
    הערה: הקוד המרכיב את צינור הניתוח הזה ניתן להפעלה אך ורק באמצעות MATLAB ונכתב במיוחד כדי להיות תואם ל-MATLAB 2023a.
  2. צינור זה דורש את ארגז הכלים של ראיית המחשב ואת ארגז הכלים לעיבוד תמונה בתוך MATLAB. הוסף את ארגזי הכלים לתוספות MATLAB על ידי לחיצה על נהל תוספות, קבל תוספות ולאחר מכן חפש והוסף אותן.
    הערה: חמישה סקריפטים של MATLAB מסופקים כקבצים משלימים, שכותרתם כדלקמן: script1_videocoreg.m (קובץ קידוד משלים 1), script2_optflow_roiselect.m (קובץ קידוד משלים 2), script3_optflow_analysis.m (קובץ קידוד משלים 3), script4_optflow_pca.m (קובץ קידוד משלים 4) ו-script5_optflow_pca_analysis.m (קובץ קידוד משלים 5). שני סרטוני וידאו לדוגמה (וידאו 1 וסרטון 2) וקבצי תזמון האירועים המתאימים להם (קובץ משלים 1 וקובץ משלים 2) מסופקים גם הם. מומלץ לעבור תחילה דרך הצינור עם הנתונים לדוגמה.
    התראה: היזהר מכל הערות בקוד הכוללות סימן קריאה, מכיוון שמדובר באזורים הדורשים פעולה לפני הביצוע. לדוגמה, יש הערות כגון "ערוך את גוש הקוד למטה!" כדי להדגיש היכן יש לבצע עריכות כדי להתאים למבני קבצים, לפרטי ניסוי או לצרכי ניתוח. אפשרויות אלה מוגדרות כברירת מחדל כך שיתאימו לשני סרטוני הדוגמה שסופקו, אך יצטרכו התאמות ברגע שמישהו יתחיל להפעיל את הצינור עם הנתונים שלו.
  3. כדי להריץ כל חלק של כל סקריפט, לחץ על הפעל והתקדם בתפריט העורך .

2. רישום וידאו משותף

הערה: הסקריפט הראשון שסופק בצינור ניתוח זה הוא script1_videocoreg.m (קובץ קידוד משלים 1), אשר מיישר מרחבית את כל הסרטונים זה לזה באמצעות רישום משותף. התשומות לתסריט זה הן הסרטונים הגולמיים, והפלטים העיקריים הם הסרטונים שעברו טרנספורמציה.

  1. ערוך את סעיפים 1, 2, 3, 4, 5 ו- 6 של קובץ ה- Script כאשר הם מצוינים כך שיתאימו למבני נתונים.
  2. הפעל את קטע 1.
  3. בחרו שלוש נקודות בכל סרטון לתיוג, כמו באיור 1A. שלוש הנקודות הללו ישמשו לרישום משותף של כל המסגרות זו לזו. הפעל את סעיף 2 של הסקריפט כדי למשוך את הפריים הראשון של כל סרטון והשתמש בעכבר כדי ללחוץ פעם אחת על שתי הנקודות הראשונות, ולאחר מכן לחץ פעמיים על הנקודה השלישית. לאחר בחירת הנקודות של הסרטון האחרון, הקש Enter.
  4. הפעל את סעיף 3 וקטע 4.
  5. הגדר את הדגל מיושר ל-0 והפעל את סעיף 5. לאחר מכן, הגדר את הדגל מיושר ל-1 והפעל שוב את קטע 5.
  6. הפעל את סעיף 6 והשווה את הנתון המתקבל זה לצד זה לאיור 1B. יש להפחית את כל הסטיות שנצפו בתמונה הממוצעת הלא מיושרת משמאל בתמונה הממוצעת המיושרת מימין.

3. הערכת זרימה אופטית: FOV מלא

הערה: על מנת להעריך את התנועה בסרטוני הסריקה, יש להעריך את הזרימה האופטית עבור כל סרטון שהשתנה. ניתן לעשות זאת עבור שדה הראייה המלא (FOV) של כל סרטון עם התסריט המצורף script2_optflow_roiselect.m (קובץ קידוד משלים 2). הכניסות לתסריט זה הן הסרטונים שעברו טרנספורמציה, והיציאות הן מטריצות תלת מימד המציינות את גודל הזרימה האופטית של כל פיקסל לאורך זמן עבור כל סרטון. איור 2A מציג מסגרת לדוגמה עם וקטורי זרימה אופטיים המונחים בכחול, כאשר אורכו של כל וקטור מייצג את גודל הזרימה האופטית היחסית של אותו פיקסל. שמירת הפלטים כסרטונים נמצאה יעילה יותר משמירתם כמטריצות תלת מימד.

  1. ערוך את סעיף 1 של קובץ ה- Script היכן שמצוין כך שיתאים למבני נתונים.
  2. הפעל את קטע 1.

4. בחירת החזר ROI

הערה: שלבי הניתוח הבאים נעשים הרבה יותר ניתנים לניהול מבחינת עומס חישובי וצרכי אחסון נתונים על ידי בחירת אזור עניין (ROI) בתוך ה-FOV המלא שבו יש למקד את הניתוח. ניתן לבחור את ההחזר על ההשקעה בהתאם לניסוי ולהתנהגויות המעניינות או באמצעות גישה מונעת נתונים יותר. עבור התוצאות המייצגות המוצגות כאן, סטיית התקן של גודל הזרימה האופטית של כל פיקסל ב-FOV המלא חושבה עם הסקריפט script2_optflow_roiselect.m, סעיף 2 (קובץ קידוד משלים 2). הכניסות לחלק זה של הסקריפט הן הפלטים של סעיף 1, והפלט העיקרי הוא הדמיה של סטיית התקן של גודל הזרימה האופטית על פני כל הפיקסלים בכל הסרטונים. בתוצאות המייצגות שהוצגו, המראה FOV הראה סטיית תקן גבוהה יחסית של זרימה אופטית, שהנחתה את הבחירה המודגמת של החזר ROI.

  1. ערוך את סעיף 2 של קובץ ה- Script היכן שמצוין כך שיתאים למבני נתונים.
  2. הפעל את סעיף 2 והשתמש בתמונה המתקבלת כדי לראות היכן הזרימה האופטית משתנה בצורה הדרמטית ביותר בסרטונים המנותחים. דוגמה לתמונה הזו מוצגת באיור 2B.

5. כימות זרימה אופטית: החזר ROI

הערה: סעיף 3 של קובץ ה- Script script2_optflow_roiselect.m (קובץ קידוד משלים 2) מאפשר למשתמש לבחור החזר ROI באמצעות כלי ציור ולשמור את קואורדינטות הגבול. הכניסות לחלק זה של התסריט הן הפלטים של סעיף 1, והיציאות הן וקטורים חד-ממדיים המציינים את גודל הזרימה האופטית הממוצעת של החזר ה-ROI לאורך זמן עבור כל סרטון.

  1. ערוך את סעיף 3 של קובץ ה- Script היכן שצוין כך שיתאים למבני נתונים ולצורכי הניתוח.
    הערה: ישנן מספר אפשרויות לגבי אופן המשך בחירת החזר ההשקעה. בחר אפשרות אחת:
    1. אפשרות 1: נתח את ה-FOV המלא של הסרטון.
      1. הגדר את החזר ההשקעה של הדגל ל-0 והגדר את provideROI ל-0.
    2. אפשרות 2: נתח החזר ROI חדש.
      1. הגדר את החזר ההשקעה של הדגל ל-1 והגדר את provideROI ל-0. לאחר מכן ערוך את newCoordsName.
    3. אפשרות 3: נתח החזר ROI שנמשך בעבר.
      הערה: בחר באפשרות זו רק אם הפעל בעבר קוד זה ויצר החזר על ההשקעה.
      1. הגדר את החזר ההשקעה של הדגל ל-0 והגדר את provideROI ל-1. לאחר מכן, ערוך את inputCoords כדי לספק קבוצה קבועה מראש של קואורדינטות.
  2. הפעל את קטע 3.

6. השוואת גודל זרימה אופטית

הערה: קובץ ה- Script script3_optflow_analysis.m (קובץ קידוד משלים 3) שסופק דורש את ההתמחות הגדולה ביותר כדי להתאים לנתוני המשתמש. התשומות העיקריות הן הווקטורים החד-ממדיים המציינים את גודל הזרימה האופטית הממוצעת של החזר ה-ROI לאורך זמן עבור כל סרטון, ובשילוב מתאים עם הופעות אירועים ומידע קבוצתי/מצב, התפוקות העיקריות הן השוואות סטטיסטיות שניתן להתאים לתחומי הניתוח.

  1. ערוך את סעיפים 1-3 של קובץ ה- Script כך שיתאימו למבני נתונים ולצורכי הניתוח.
  2. הגדר את דגלי אפשרויות הניתוח zsc, blrm, blzsc, demeanPerTrial ו- applyLPfilter ל- 0 או 1 כרצונך בסעיף 1. בתוצאות המייצגות שהוצגו, zsc, blrm ו-applyLPfilter הוגדרו ל-1, וכל שאר האפשרויות הוגדרו ל-0.
  3. הגדר את LPfilter למספר המייצג את מסנן המעבר הנמוך הרצוי בהרץ (הרץ). בתוצאות המייצגות שהוצגו, הוחל מסנן נמוך של 5 הרץ, מכיוון שהתגובות ההתנהגותיות לא היו צפויות להשתנות בקצב מהיר יותר מ-5 הרץ.
  4. הפעל את סעיפים 1-3. סעיף 3 צריך לייצר עלילות עבור סדרות זמן זרימה אופטיות ממוצעות קבוצתיות, זרימה אופטית מצטברת ממוצעת קבוצתית וזרימה אופטית מצטברת מסכמת, כולל עלילות כמו אלה המוצגות באיור 3. ניתן להריץ את סעיף 3 עבור כל שילוב של השוואות קבוצות/תנאים.

7. PCA זרימה אופטית

הערה: בהתבסס על הערכת גודל הזרימה האופטית, היציאות של script2_optflow_roiselect.m (קובץ קידוד משלים 2) מכילות גם מידע על ההתפלגות המרחבית של זרימה אופטית מסגרת אחר מסגרת לכל סרטון. על מנת להפחית את הממדיות של מידע מרחבי זה, הסקריפט המסופק script4_optflow_pca.m (קובץ קידוד משלים 4)  מבצע ניתוח רכיבים עיקריים (PCA) על הזרימה האופטית המשוערת. הכניסות העיקריות הן מטריצות הזרימה האופטיות התלת-ממדיות, שנשמרו בעבר כסרטונים עבור כל סרטון התנהגותי, והפלט העיקרי הוא קובץ .mat אחד לכל סרטון המכיל מחשב ומידע שונות מוסבר.

  1. ערוך את סעיף 1 של קובץ ה- Script כך שיתאים למבני נתונים ולצורכי ניתוח.
  2. הגדר את דגלי אפשרויות הניתוח stimnum, dsfactor ו-fnfactor כרצונך בסעיף 1. בתוצאות המייצגות שהוצגו, כל סוג גירוי נותח בנפרד, וערך ברירת המחדל של 1 נשמר עבור dsfactor ו-fnfactor, וכתוצאה מכך לא הייתה דגימה נמוכה במרחב או בזמן.
  3. הפעל את קטע 1.

8. השוואת PCA זרימה אופטית

הערה: הסקריפט המסופק script5_optflow_pca_analysis.m (קובץ קידוד משלים 5) יבצע השוואות גישוש של תוצאות PCA בין קבוצות. הכניסות העיקריות הן המחשב הספציפי לגירוי ומידע שונות מוסבר המתקבל מ-script4_optflow_pca.m (קובץ קידוד משלים 4), והיציאות העיקריות הן מפות חום עם סף סטטיסטי המתארות עומסים של המחשב הראשון, אם כי ניתן לנתח גם מחשבים אחרים באמצעות סקריפט זה.

  1. ערוך את סעיף 1 של קובץ ה- Script כך שיתאים למבני נתונים ולניתוח.
  2. הפעל את קטע 1 וקטע 2.
  3. ערוך את הקלט של סעיף 3, במיוחד את משתני הקבוצה ו-myTitle, כדי לשקף את הניתוח הקבוצתי הרצוי, כמו גם את ה-threshT. threshT מייצג את הסף הסטטיסטי T שמעליו התוצאות ייחשבו משמעותיות, שניתן לחשב על סמך סטטיסטיקת T הזמינה לציבור לטבלאות ערכי p ודרגות החופש.
  4. הפעל את סעיף 3 עבור כל קבוצת עניין. הקוד צריך לייצר מפה סטטיסטית של סיכום קבוצתי, כמו אלה המוצגים בפאנלים השמאלי והמרכזי באיור 4. התאם את טווח ה-caxis, ובכך את מגבלות סרגל הצבעים, לפי הצורך להמחשה.
  5. ערוך את הקלט של סעיף 4, במיוחד את המשתנים mag ו-myTitle כדי לשקף את ההשוואה הקבוצתית הרצויה, כמו גם threshT. threshT מייצג את הסף הסטטיסטי T שמעליו התוצאות ייחשבו משמעותיות, שניתן לחשב על סמך סטטיסטיקת T הזמינה לציבור לטבלאות ערכי p ודרגות החופש.
  6. הפעל את סעיף 4 עבור כל קבוצה השוואת עניין. הקוד אמור לייצר מפה סטטיסטית להשוואה קבוצתית, כפי שמוצג בחלונית הימנית של איור 4. התאם את טווח ה-caxis, ובכך את מגבלות סרגל הצבעים, לפי הצורך להמחשה.

תוצאות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כדי להדגים את הפוטנציאל של צינור ניתוח זה, נרכשו סרטונים התנהגותיים של עכברים נקבות מקובעות ראש - במיוחד אמהות ובתולות - בעוד שלעכברים הוצגו גירויים שמיעתיים במהלך סריקות הדמיית תהודה מגנטית תפקודית (fMRI). הגירויים כללו קריאות גורים וצלילים טהורים שהוצגו באופן פסיבי, ולכן ללא כל פלט התנהגותי מודרך. קריאות הגורים היו הקלטות של קולות על-קוליים שנפלטו על ידי גורי עכברים בני 6 ימים שבודדו זמנית מהקן שלהם. קריאות גורים אלה מעוררות בדרך כלל את הפעולה האימהית של החזרת גורים, שבה האם מאתרת, נעה לעבר, חוקרת, ואז מרימה את הגור ומחזירה אותו למקום מבטחים של הקן - התנהגות שנקבות בתולות בדרך כלל אינן מפגינות11. עבודות קודמות הראו שקריאות גורים מעוררות פעילות מעוררת חזקה בקליפת המוח השמיעתית הראשונית של אמהות אך לא של בתולות, בעוד שתגובות טונוס טהורות אינן מראות הבדלים בין קבוצות. לכן, הועלתה השערה כי יזוהו הבדלים קבוצתיים בתגובות התנהגותיות לקריאות גורים, אך לא צלילים טהורים. עם זאת, יש מעט ספרות על התנהגויות ספציפיות של עכברים נקבות בתגובה לרמזים של גורים בסביבה קבועה בראש. לכן, לא היה צפוי פלט התנהגותי ספציפי, מה שהופך את הניסוי הזה למבחן המושלם לניתוחים התנהגותיים מבוססי נתונים מוצעים.

במהלך שמונה ימים, כל בעלי החיים הורגלו בהדרגה לטיפול בנסיינים, לקיבוע הראש ולסביבת ה-MRI. התרגלות לקיבוע הראש ולסביבת הניסוי חיונית להערכת תגובות התנהגותיות לגירויים המוצגים. אם בעלי חיים אינם מורגלים כראוי לסביבה, הם עשויים להראות רק תגובות לחץ, ולשטוף את כל ההשפעות המונעות על ידי גירויים שניתן היה לנתח אחרת באמצעות צילום וידאו.

בעוד שמערך המנגנון ההתנהגותי היה בדרך כלל זהה עבור כל סשן איסוף נתונים, ייתכן ששדה הראייה של המצלמה (FOV) זז מעט בכל פעם שבעל חיים היה מקובע לראש לסריקות fMRI (ראה דוגמה FOVs באיור 1A). סביר להניח שהדבר נבע משינויים קלים במיקום תושבת המצלמה, כמו גם משינויים בודדים בחיבור הגולגולת של עמוד הראש עבור כל חיה. לכן, היה צורך ליישר את הסרטונים מהסריקות זה עם זה באמצעות רישום משותף ליניארי כדי לאפשר השוואה של המידע המרחבי שהם הכילו על פני הסריקות ובעלי החיים. הרישום המשותף הותאם לנתונים המייצגים. לדוגמה, ביום סריקה רגיל, נרכשו 3-4 סריקות לכל חיה, וכתוצאה מכך 3-4 סרטונים לכל חיה ביום. בין כל סריקה, לא הייתה תנועה של רכיבי העריסה, כולל המצלמה ורכיבי קיבוע הראש. לפיכך, ברגע שנקבע שינוי הרישום המשותף עבור סרטון אחד לכל חיה ליום, ניתן היה להחיל אותו על 2-3 הסרטונים האחרים של אותה חיה באותו יום. אמנם זה חסך זמן בשלב הרישום המשותף של צינור זה, אך ניתן גם לחשב טרנספורמציות מרחביות עבור כל סרטון בנפרד, במידת הצורך. שלושה מאפיינים המוצגים בכל סרטון נבחרו כנקודות לתיוג וחישוב טרנספורמציה מרחבית. בנתונים המייצגים שהוצגו, שלוש הנקודות הללו היו מרכז עמוד הראש, המבט הקדמי של העין הימנית של החיה ומבט הפרופיל של העין הימנית של החיה (נראית במראה הממוקמת בזווית של 45 מעלות). דוגמאות לרישום משותף של וידאו מתוארות באיור 1A,B, המציג את המסגרת הממוצעת המחושבת מכל הסרטונים שצולמו במהלך הניסוי הזה, הן לפני והן אחרי הרישום המשותף, כדי להדגים את ההשפעה של שלב זה.

צינור זה מסתמך במידה רבה על זרימה אופטית, שיטת ראייה ממוחשבת המשמשת להערכת תנועת אובייקטים בסרטון על ידי הערכת מהירויותיהם לכאורה בין פריימים עוקבים13. זרימה אופטית נבחרה מכיוון שהיא מאפשרת כימות של תנועה - פרוקסי של תגובות התנהגותיות - ללא חלקי גוף קבועים מראש או פעולות מעניינות. בנוסף, שיטה זו התאימה לאיכות התמונה המוגבלת של הסרטונים המייצגים, שנרכשו עם המצלמה היחידה התואמת ל-MR שהייתה זמינה בזמן הניסוי. בצנרת זו נעשה שימוש באלגוריתם הורן-שונק של הערכת זרימה אופטית גלובלית וצפופה; עם זאת, אלגוריתמים אחרים, כגון אלגוריתם לוקאס-קאנדה, ניתנים לשימוש בקלות עם שינויים קלים בסקריפטים המסופקים של MATLAB 14,15,16. איור 2A מתאר מסגרת וידאו לדוגמה עם וקטורי מהירות זרימה אופטיים יחסית עבור כל פיקסל. שימו לב שהווקטורים הגדולים יותר מופיעים באזורים שבהם ניתן לצפות לתנועה, כמו החוטם והכפות של החיה.

בעוד שהצינור העריך את הזרימה האופטית עבור כל הסרטונים על פני ה-FOV המלא, שלבי הניתוח הנותרים נעשו הרבה יותר ניתנים לניהול מבחינת עומס חישובי וצרכי אחסון נתונים על ידי בחירת אזור עניין (ROI) בתוך ה-FOV. ניתן לבחור את ההחזר על ההשקעה על פי הניסוי והתנהגויות מעניינות שנקבעו מראש או באמצעות גישה מונעת נתונים יותר. בהתחשב בכך שהנתונים המייצגים לא כללו פלט התנהגותי ספציפי למעקב אפריורי, ננקטה גישה מונעת נתונים. סטיית התקן של גודל הזרימה האופטית חושבה על פני כל הסרטונים בכל פיקסל, כפי שמוצג באיור 2B. אזורים עם סטיית התקן הגבוהה ביותר כללו קווי מתאר של החיה, כגון סביב העין והחוטם, המעוררים ביטחון שתנודות הזרימה האופטיות שנצפו הונחו על ידי תנועת בעלי חיים ולא רעש בסרטונים. אזורים עם סטיית תקן נמוכה יותר כללו את קווי המתאר של העריסה, שיכולים להיות תוצאה של רעידות קטנות במצלמה ובעריסה שהתרחשו במהלך הסריקה. סביבת ה-MRI מלאה בהכרח ברעידות במהלך רכישת נתונים עקב מיתוג שיפועים, מה שעלול להתבטא בתנודות זרימה אופטיות הנצפות ברכיבים רפלקטיביים של העריסה. למרבה המזל, רעידות אלו קבועות לאורך כל רכישת הנתונים, ולכן אינן תלויות במצב הגירוי ואינן צפויות להשפיע על תוצאות הניתוח ההתנהגותי. סטיות תקן זרימה אופטיות מוגברות במיוחד נצפו בפיקסלים של המראה, המתאימות לתצוגת הפרופיל של פני החיה, מה שהנחה את בחירת ההחזר על ההשקעה עבור הנתונים המייצגים. זה היה גם אזור שבו ניתן היה לצפות לתגובות התנהגותיות, כגון הקצפה ורחרוח, כחלק מהרפרטואר ההתנהגותי הטיפוסי של עכברים נקבות המחפשות גור מבודד הפולט גור17.

לאחר בחירת החזר ROI וחילוץ גודל המסגרת הממוצע של הזרימה האופטית עבור כל הסרטונים, ניתן להשוות את הזרימה האופטית במהלך תקופות מעניינות בין קבוצות ותנאים. שימו לב ש-20 השניות הראשונות של וקטור הזרימה האופטי של כל סרטון הוסוו לייצוב בהירות; עם זאת, ניתן להתאים זאת כך שיתאים לצרכי הניסוי. עבור כל סרטון, וקטור הזרימה האופטי מבחינת המסגרת עבור ההחזר על ההשקעה שנבחר קיבל ציון Z, ואז, לאחר עבודה קודמת בסיווג הבעות פנים, הוא סונן ב-5 הרץ (הרץ) כדי להסביר את קצב הפריימים של 30 הרץ של המצלמה מהיר יותר מכל תנודות התנהגותיות צפויות2. לבסוף, הווקטורים בעלי ניקוד Z והמסוננים קובצו לתקופות הצגת גירוי כדי להעריך את ההשפעה של הצגת גירוי על זרימה אופטית. עבור כל תקופה, אות הבסיס הממוצע לפני הגירוי הופחת כדי לנרמל את הזרימה האופטית לתקופה שלפני הגירוי. איור 3A מציג סדרות זמן זרימה אופטיות לדוגמה עבור שני סרטונים, אם אחת ובתולה אחת, עם נתוני קבוצת סיכום באיור 3B-E. איור 3B ואיור 3D מציגים את הזרימה האופטית המצטברת לאורך זמן במהלך הצגת הגירוי ביחס לקו הבסיס, בעוד שאיור 3C ואיור 3E מסכמים את הזרימה האופטית המצטברת 2.5 שניות לאחר תחילת הגירוי. זרימה אופטית מצטברת חושבה כדי ללכוד את התנועה הכוללת לאורך זמן מבלי להניח שתגובות התנהגותיות ספונטניות יתרחשו בצורה נעולה בזמן. בסך הכל, תוצאות מייצגות אלה מראות שקריאות גורים, אך לא צלילים טהורים, עוררו תגובות התנהגותיות שונות באופן משמעותי מעכברים נקבות אימהיות לעומת בתולות, כפי שנחזה (מבחן Mann-Whitney U בין קבוצות: קריאות גורים: p = 0.026; צלילים טהורים: p = 0.093). עם זאת, אפקט גירוי זה לא שרד ANOVA דו-כיווני, בעוד שהאפקט הקבוצתי כן שרד (גירוי: F(1,10) = 0.19, p = 0.67; קבוצה: F(1,10) = 8.61, p = 0.015). בסך הכל, תוצאות אלה מצביעות על כך שאמהות הראו תנועה מעוררת גירוי גבוהה יותר בהשוואה לבתולות, כאשר התגובה האימהית לקריאות גורים הייתה עקבית יותר מאשר לצלילים טהורים. זה עשוי לשקף קשב מוגבר או מתח אצל אמהות, כמו גם את הרלוונטיות ההתנהגותית של קריאות גורים, אשר, בניגוד לצלילים טהורים, מעוררות את התגובה של שליפת גורים אצל אמהות בסביבות נטורליסטיות. יחד, תוצאות מייצגות אלה מצביעות על כך שהערכת זרימה אופטית במהלך הצגת גירוי חיצוני יכולה לחלץ מידע לגבי תגובות התנהגותיות ספונטניות וניואנסים.

לבסוף, נערך ניתוח גישוש יותר כדי לחשוף את המאפיינים המרחביים של ההתנהגות שנלכדה בנתונים המייצגים. כדי לחקור אילו פיקסלים ב-ROI תנודו בצורה מתואמת במהלך הצגת הגירוי, נערך ניתוח רכיבים עיקריים (PCA) על מידע הזרימה האופטית המרחבית לאורך זמן. ניתוח זה חשף פיקסלים שתרמו הכי הרבה למחשב הראשון, כמו גם פיקסלים שהראו הבדלים בין קבוצות עבור כל מצב גירוי, כפי שמתואר באיור 4. הפאנלים הימניים ביותר באיור 4A,B מציעים שאמהות הראו יותר תנועה באף בהשוואה לבתולות במהלך הצגת שני סוגי הגירוי. על פני שתי הקבוצות ושני תנאי גירוי, ה-PC הראשון הסביר 5.41% ±-0.59% מהשונות הכוללת בניתוח הזרימה האופטית. בעוד שהחזר ה-ROI של המראה נשמר עבור חלק זה של הניתוח שלנו, ניתוחים עתידיים יכולים להתרחב לחלק רחב יותר של ה-FOV כדי לאפיין תנועות מתואמות מעבר לפנים בתגובה לגירויים. לדוגמה, השוואת תנועת כפות הרגליים עשויה לחשוף הבדלים משמעותיים יותר בין הקבוצות, בהתחשב בכך שקריאות גורים בדרך כלל יוזמות שליפת גורים אצל אמהות אך לא בתולות, וכי הכפות יכולות לנוע בחופשיות רבה יותר מראש החיה.

בעוד שהתוצאות המייצגות עד כה הצביעו על כך שצינור זה יכול להעריך תגובות התנהגותיות לא מכוונות לגירויים חיצוניים בסביבות צילום וידאו מוגבלות, נותרה השאלה האם התנודות שנצפו בזרימה האופטית באמת משקפות התנהגות משמעותית של בעלי חיים. כדי לענות על שאלה זו, נותח מערך נתוני אימות נפרד באמצעות אותו צינור. בניסוי נפרד, עכברים זכרים מוגבלים במים אומנו לקשר רמז אור למתן תגמול מים של 6 מיקרוליטר ("תגמול גבוה") או 1 מיקרוליטר ("תגמול נמוך"). יש לציין כי בניגוד לניסוי הגירוי השמיעתי, לניסוי זה הייתה קריאה התנהגותית אפריורית: קצב הליקוק. ליקומטר הוקם באמצעות זיהוי מבוסס וידאו של ליקוקים, שהוקל על ידי ניתוח בהירות הפיקסלים קרוב לפיית המים. הקריאה ההתנהגותית המסופקת על ידי הליקומטר יכולה לשמש להשוואת הקריאה ההתנהגותית של צינור זה המסופקת על ידי הערכת זרימה אופטית, התומכת בתוקפו בזיהוי התנהגויות ספונטניות. לאחר רישום משותף של וידאו, הערכת זרימה אופטית, בחירת החזר ROI (שוב מכיל את המראה FOV) וכימות זרימה אופטית, השוואת גודל הזרימה האופטית חשפה הבדל משמעותי בין התגובות ההתנהגותיות לתגמולים גבוהים לעומת נמוכים. תוצאות ניתוח זה מוצגות באיור 5A,B, כאשר איור 5A מציג את סדרות הזמן הממוצעות של הקבוצה, ואיור 5B מסכם את הזרימה האופטית המצטברת 2.5 שניות לאחר תחילת הגירוי (מבחן דירוג חתום של Wilcoxon מזווג בין מצבים: p = 0.031). שימו לב שערכי הזרימה האופטית היו גדולים יותר בהשוואה להתנהגות הספונטנית שתועדה בנתונים המייצגים, מה שמדגיש עוד יותר את האתגר של הערכת תגובות התנהגותיות ללא הדרכה וניואנסים. איור 5C מתאר את קצב הליקוק בפועל שנרשם על ידי הליקומטר עבור כל אחד משני תנאי התגמול, בעוד שאיור 5D מראה שיותר ליקוקים נרשמים במהלך תנאי התגמול הגבוה בהשוואה לתנאי התגמול הנמוך תוך 2.5 שניות לאחר מתן התגמול (מבחן דירוג חתום של Wilcoxon מזווג בין מצבים: p = 0.031). בסך הכל, שני הניתוחים חשפו מגמה דומה בהשוואה בין תגובות תגמול גבוהות לעומת נמוכות, ואישרו את צינור ניתוח הווידאו שהוצג ללכידת הבדלים משמעותיים בהתנהגות בעלי חיים בין תנאים.

יחד, התוצאות המייצגות המוצגות כאן מצביעות על כך שהצגת קריאות גורים עוררה תגובות שונות באופן משמעותי בעכברים נקבות אימהיות לעומת בתולות, בעוד שצלילים טהורים לא. ניתוח מערך נתוני אימות מעניק ביטחון שההבדלים שנצפו בזרימה האופטית משקפים הבדלים משמעותיים בתגובות התנהגותיות לגירויים חיצוניים.

figure-results-1
איור 1: רישום משותף של וידאו. (A) דוגמאות לרישום משותף של וידאו המתאר מאפיינים קבועים מראש (מרכז עמוד הראש, מבט חזיתי של עין ימין, מבט פרופיל של עין ימין) המסומנים בשלוש פריימים, שכל אחד מהם נלקח מסרטונים שונים של חיות שונות. שימו לב בשכבת העל כיצד שלוש הנקודות לא היו מיושרות, מה שמדגים כיצד המערך ההתנהגותי השתנה מעט בין הפעלות רכישת נתונים. (B) הפריים הממוצע לאורך 10 השניות האחרונות של כל סרטון לפני (משמאל) ואחרי (מימין) ביצוע רישום משותף של וידאו. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-2
איור 2: הערכת זרימה אופטית. (A) מסגרת לדוגמה עם וקטורי זרימה אופטיים יחסיים המצופים בכחול. (B) סטיית התקן הממוצעת מבחינת פיקסלים של זרימה אופטית בכל הסרטונים. החזר ה-ROI שנבחר סביב תצוגת הפרופיל של פני החיה דרך המראה מתואר במג'נטה. סרגל הצבעים מתאים לסטיית התקן. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-3
איור 3: הדמיה והשוואה של זרימה אופטית בין קבוצות ותנאים. (A) סדרות זמן מסוננות של זרימה אופטית עם ניקוד Z ו-5 Hz מסוננות עבור סרטון אחד של אם וסרטון אחד של בתולה. (B) ו-(D) זרימה אופטית מצטברת שנמדדה במהלך תקופת הגירוי של קריאות גורים (B) וצלילים טהורים (D). הצללה מייצגת את שגיאת התקן של הממוצע (SEM). (C) ו-(E) זרימה אופטית מצטברת במהלך 2.5 השניות הראשונות של הצגת הגירוי עבור קריאות גור (C) וצלילים טהורים (E). * מציין p < 0.05, מבחן Mann-Whitney U בין קבוצות (קריאות גור: p = 0.026; צלילים טהורים: p = 0.093), N = 6 לקבוצה. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-4
איור 4: השוואה של PC1 בין קבוצות. (A,B) מפות המתארות את העומסים של הרכיב העיקרי הראשון (PC1) של זרימה אופטית במהלך קריאות גור (A) וצלילים טהורים (B) בין קבוצות, עם סף סטטיסטי של p < 0.05 ללא תיקון עבור השוואות מרובות. מפת חום מציינת את המידה שבה תנודות הזרימה האופטית של כל פיקסל תרמו ל-PC1, ביחס לפיקסלים אחרים. טקסט שחור קטן מציין את אחוז השונות המוסברת על ידי PC1 (קריאות גורים של אמהות: 4.95% ±-0.72%; קריאות גורים בתולות: 4.44% ±-0.59%; צלילים טהורים של אמהות: 4.95% ±-0.39%; צלילים טהורים של בתולות: 4.72% ±-1.24% (ממוצע ± סטיית תקן)). אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

figure-results-5
איור 5: אימות צינור הניתוח ההתנהגותי. (A) ממוצע עם ציון Z, קו בסיס לפני גירוי מופחת, וסדרות זמן מסוננות של 5 הרץ של זרימה אופטית במהלך אספקת תגמול גבוהה ונמוכה. הצללה מייצגת את ה-SEM, הקו האנכי הלבן מציין מסירת תגמול, והכוכביות האדומות מציינות חפצי זרימה אופטיים זמניים עקב ההתחלה וההיסט של רמז האור. (ב) סיכום הזרימה האופטית המצטברת במהלך 2.5 השניות הראשונות לאחר מסירת התגמול. * מציין p < 0.05, מבחן דירוג Wilcoxon מזווג בין מצבים (p = 0.031). (C) קצב ליקוק ממוצע, המתקבל על ידי ליקומטר, במהלך אספקת תגמול גבוהה ונמוכה. הצללה מייצגת SEM, והקו האנכי הלבן מציין מסירת תגמול. (D) מספר הליקוקים שנרשמו במהלך 2.5 השניות הראשונות לאחר מתן התגמול. * מציין p < 0.05, מבחן דירוג Wilcoxon מזווג בין מצבים (p = 0.031), N = 6. אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.

סרטון 1: סרטון לדוגמה 1. PCR_Br011_20231015_1842_output.avi. אנא לחץ כאן להורדת סרטון זה.

סרטון 2: סרטון לדוגמה 2. PCR_Br014_20231015_1722_output.avi. אנא לחץ כאן להורדת סרטון זה.

קובץ משלים 1: קובץ תזמון אירועים עבור וידאו 1. PCR_Br011_20231015_1842_output_videoTimestamps.מחצלת. אנא לחץ כאן להורדת קובץ זה.

קובץ משלים 2: קובץ תזמון אירועים עבור וידאו 2. PCR_Br014_20231015_1722_output_videoTimestamps.מחצלת. אנא לחץ כאן להורדת קובץ זה.

קובץ קידוד משלים 1: script1_videocoreg.m. סקריפט זה מיישר מרחבית את כל הסרטונים זה לזה באמצעות רישום משותף. אנא לחץ כאן להורדת קובץ זה.

קובץ קידוד משלים 2: script2_optflow_roiselect.m. סקריפט זה מעריך את הזרימה האופטית עבור ה-FOV המלא של כל סרטון שעבר טרנספורמציה ומאפשר בחירת החזר ROI עבור שאר הצינור. אנא לחץ כאן להורדת קובץ זה.

קובץ קידוד משלים 3: script3_optflow_analysis.m. סקריפט זה משווה את גודל הזרימה האופטית על פני קבוצות/תנאים שונים עבור החזר ה-ROI שנבחר. אנא לחץ כאן להורדת קובץ זה.

קובץ קידוד משלים 4: script4_optflow_pca סקריפט זה מבצע PCA על הזרימה האופטית המשוערת של החזר ה-ROI שנבחר. אנא לחץ כאן להורדת קובץ זה.

קובץ קידוד משלים 5: script5_optflow_pca_analysis סקריפט זה משווה תוצאות PCA בין קבוצות/תנאים עבור החזר ה-ROI שנבחר. אנא לחץ כאן להורדת קובץ זה.

דיון

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

צינור ניתוח ההתנהגות המוצג מאפשר חילוץ מידע רב ערך מסרטונים של בעלי חיים המציגים התנהגויות לא מכוונות בתגובה לגירויים המוצגים באופן פסיבי. סרטונים התנהגותיים מייצגים אלה נרכשו בשילוב עם נתוני הדמיית תהודה מגנטית תפקודית של כל המוח (fMRI), שעבורם התגברו על אילוצים מרובים כדי ללכוד תגובות התנהגותיות בסביבת ה-MRI. תוך שימוש בשיטת הערכת הזרימה האופטית, התגלו הבדלים באופן שבו אמהות לעומת בתולות מגיבות לקריאות גורים - אך לא צלילים טהורים, התומכים בהשערה הראשונית 13,14,15,16. תוך ניצול הפחתת הממדים של מידע הזרימה האופטית, ממצא זה הורחב לניתוח גישוש של ההתפלגות המרחבית של התנהגויות אלה.

צינור ניתוח זה מתאים באופן נרחב לפרדיגמות ניסיוניות שונות. הוא אגנוסטי לחלוטין לסוג הנתונים העצביים הנרכשים ואינו דורש כוח חישובי מוגזם או ציוד מיוחד. הדרישה הניסויית העיקרית היא שנתוני הווידיאו יירשמו עם חותמות הזמן הרלוונטיות של התחלות הצגת הגירוי. יתר על כן, על ידי אספקת סקריפטים של MATLAB המשמשים לביצוע הניתוחים המודגמים, היישום של צינור זה צריך להיות פשוט למדי, אפילו עבור אלה עם ניסיון מינימלי ב-MATLAB. השלבים הכלליים, כמתואר בפרוטוקול, מורכבים מרישום משותף של וידאו, הערכת זרימה אופטית, בחירת אזור עניין (ROI), כימות זרימה אופטית ספציפית להחזר ROI, השוואת גודל זרימה אופטית, ניתוח רכיבים עיקריים (PCA) והשוואת PCA. בכל שלב, ניתן לשנות את הצינור כך שיתאים לצרכים ניסיוניים ואנליטיים, כפי שמצוין בפרוטוקול ומודגש בהערות לאורך הקוד.

ישנן מספר מגבלות שיש לזכור בעת שימוש בצינור ניתוח הווידאו המוצג. ראשית, יש לשקול היטב את תכנון המנגנון ההתנהגותי. אם לא ברור אילו תגובות התנהגותיות ניתן לצפות, ייתכן שיהיה זה מועיל לניתוחים עתידיים לקבל כמה שיותר נקודות מבט על החיה. לכן, מומלץ להתקין מראה אחת או יותר כדי ללכוד בו-זמנית את התצוגה הקדמית והפרופיל של החיה, כפי שמוצג בדוגמה של מסגרות וידאו באיור 1A. שנית, מומלץ שהתאורה המסופקת לרכישת וידאו תהיה בהירה מספיק כדי לראות את כל התכונות הרלוונטיות של שדה הראייה (FOV), אך לא כל כך בהירה כדי להגיע לרוויה. באיור 1A, ניתן לראות שהמבט הקדמי של אף העכבר נמצא בנקודה של כמעט רוויה, מה שמקשה על לכידת תנודות כלשהן בבהירות שיכולות להצביע על תנועה. ייתכן שזה תרם להיעדר וריאציה של זרימה אופטית שנצפתה בחלק זה של ה-FOV, כפי שמוצג באיור 2B. למרבה המזל, תצוגת הפרופיל של האף לא התמודדה עם בעיה זו, מה שאפשר ניתוח של החזר ה-ROI של המראה. בנוסף, יש לשקול את האפשרות של רוויה אם מעורבים גירויים חזותיים בניסוי. בניסוי מערך נתוני האימות, רמז אור המשמש לאותת על מסירת תגמול מים הציג רוויה זמנית בסרטונים שנרכשו, והיווה חפץ זמני בהערכת הזרימה האופטית. ניתן לראות חפץ זה באיור 5A, שבו שתי הפסגות החדות בעקבות הזרימה האופטית עבור שני תנאי התגמול מתיישרות בדיוק עם הזמן שבו רמז האור הופעל וכיבוי. חפץ זה הקשה על ניתוח חלונות הזמן הקצרים הללו עם הצינור המוצג, ואלמלא היה קיים, ייתכן שהתוצאות המוצגות באיור 5B היו משמעותיות עוד יותר. תאורת סצנה קבועה היא הנחה הכרחית עבור רוב אלגוריתמי הזרימה האופטית14,16. לכן, צינור ניתוח וידאו זה אינו מומלץ לניסויים שבהם תאורת הסביבה משתנה באופן דרסטי, הן בתוך הניסויים והן ביניהם. שלישית ואחרונה, הרגלה מספקת של בעלי חיים לסביבת ההקלטה היא מרכיב מרכזי בכל ניסוי שינצל את הצינור הזה. אם הם לא מורגלים כראוי, בעלי חיים עשויים להראות תגובות לחץ משמעותיות, ולשטוף כל השפעות עדינות המונעות על ידי גירויים שניתן היה לנתח אחרת באמצעות ניתוח וידאו.

בהמשך, ניתן להשתמש בצינור ניתוח התנהגותי זה כדי להקל על הערכה מתואמת של תגובות התנהגותיות ועצביות שתועדו בו זמנית. כפי שהוצג, הערכה כמותית של התנהגויות ללא הדרכה מאפשרת להעריך את הבולטות של גירויים בסביבת הקלטה מורכבת, כמו גם בדיקה של תגובות התנהגותיות שונות על פני קבוצות ותנאי ניסוי. ניתן לבצע ניתוחים נוספים כדי לחקור הבדלים אינדיבידואליים או מגמות ניסוי אחר ניסוי בתגובות התנהגותיות כך שניתן יהיה לבחון את הפעילות העצבית המתאימה. בנוסף, ניתן להשתמש בשילוב PCA כדי להשיג מידע מרחבי על תנועה מעוררת גירוי כדי לחקור עוד יותר אם סוגים ספציפיים של רצפים התנהגותיים שנצפו במהלך הצגת הגירוי שונים בין קבוצות ותנאים. ניתן להרחיב בקלות את צינור הניתוח הזה לשיטות הקלטה עצביות שונות, ולספק ניטור התנהגותי רב-תכליתי בסביבות מוגבלות. על ידי חקירת האופן שבו גירויים חיצוניים מיוצגים הן במוח והן בהתנהגות, החוקרים מוכנים להשיג הבנה מקיפה יותר של האופן שבו תפיסת הגירויים משפיעה על מצבים פנימיים ועל ביטוייהם החיצוניים.

גילויים

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

למחברים אין מה לחשוף.

תודות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

אנו רוצים להודות למעבדות מרלין וקאן על תמיכתן במחקר זה. ברצוננו גם להודות לד"ר קווין קירי על הדיון המעמיק שלו סביב נתוני הווידיאו שלנו. המחקר המדווח בפרסום זה נתמך על ידי המכון הלאומי לבריאות הילד והתפתחות האדם ע"ש יוניס קנדי שרייבר של המכונים הלאומיים לבריאות תחת פרס מספר F31HD114466 (BRM), המכון הרפואי הווארד יוז (BJM), UNCF E.E. Just Fellowship CU20-1071 (BJM), מענק החוקר הצעיר של BBRF NARSAD 30380 (BJM) וקרן וייטהול (BJM). התוכן הוא באחריות המחברים בלבד ואינו מייצג בהכרח את העמדות הרשמיות של המכונים הלאומיים לבריאות.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
ארגז כלים לראייה ממוחשבת MATLABMathWorkshttps://www.mathworks.com/products/computer-vision.html
ארגז כלים לעיבוד תמונה MATLABMathWorkshttps://www.mathworks.com/products/image-processing.html
MATLABhttps://www.mathworks.com/products/matlab.html MathWorks
" 12M-i" עם תאורת LED משולבתMRC Systems GmbH12M-ihttps://www.mrc-systems.de/downloads/en/mri-compatible-cameras/manual_mrcam_12m-i.pdf
תוכנת מצלמה תואמת MR

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Musall, S., Kaufman, M. T., Juavinett, A. L., Gluf, S., Churchland, A. K. Single-trial neural dynamics are dominated by richly varied movements. Nat Neurosci. 22 (10), 1677-1686 (2019).
  2. Dolensek, N., Gehrlach, D. A., Klein, A. S., Gogolla, N. Facial expressions of emotion states and their neuronal correlates in mice. Science. 368 (6486), 89-94 (2020).
  3. Kepecs, A., Uchida, N., Mainen, Z. F. The sniff as a unit of olfactory processing. Chemical Senses. 31 (2), 167-179 (2006).
  4. Shusterman, R., Smear, M. C., Koulakov, A. A., Rinberg, D. Precise olfactory responses tile the sniff cycle. Nat Neurosci. 14 (8), 1039-1044 (2011).
  5. Han, Z., et al. Awake and behaving mouse fMRI during Go/No-Go task. NeuroImage. 188, 733-742 (2019).
  6. Mathis, A., Mamidanna, P., Cury, K. M. DeepLabCut: Markerless pose estimation of user-defined body parts with deep learning. Nature Neurosci. 21 (9), 1281-1289 (2018).
  7. Krakauer, J. W., Ghazanfar, A. A., Gomez-Marin, A., MacIver, M. A., Poeppel, D. Neuroscience needs behavior: Correcting a reductionist bias. Neuron. 93 (3), 480-490 (2017).
  8. Wiltschko, A. B., Tsukahara, T., Zeine, A. Revealing the structure of pharmacobehavioral space through motion sequencing. Nat Neurosci. 23 (11), 1433-1443 (2020).
  9. Moëne, O. L., Larsson, M. A new tool for quantifying mouse facial expressions. eNeuro. 10 (2), (2023).
  10. Paasonen, J., Stenroos, P., Laakso, H. Whole-brain studies of spontaneous behavior in head-fixed rats enabled by zero echo time MB-SWIFT fMRI. NeuroImage. 250, 118924(2022).
  11. Ehret, G. Infant rodent ultrasounds: A Gate to the understanding of sound communication. Behav Genet. 35 (1), 19-29 (2005).
  12. Marlin, B. J., Mitre, M., D'amour, J. A., Chao, M. V., Froemke, R. C. Oxytocin enables maternal behavior by balancing cortical inhibition. Nature. 520 (7548), 499-504 (2015).
  13. Optical Flow. , https://www.mathworks.com/discovery/optical-flow.html (2024).
  14. Horn, B. K. P., Schunck, B. G. Determining optical flow. Artif Intell. 17 (1), 185-203 (1981).
  15. Szeliski, R. Dense motion estimation. Computer Vision: Algorithms and Applications. Szeliski, R. , Springer. 335-374 (2011).
  16. Beauchemin, S. S., Barron, J. L. The computation of optical flow. ACM Comput Surv. 27 (3), 433-466 (1995).
  17. McRae, B. R., Andreu, V., Marlin, B. J. Integration of olfactory and auditory cues eliciting parental behavior. J Neuroendocrin. 35 (7), e13307(2023).

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

Behavioral Video AnalysisFunctional MRIOptical FlowMouse Pup VocalizationsDimensionality ReductionAwake Mouse FMRIPrincipal Component AnalysisBehavioral Monitoring

מאמרים קשורים