このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

小脳依存感覚連想学習を監視するための柔軟なプラットフォーム

2.9K 回視聴

⸱

DOI:

10.3791/63205

⸱

2022年1月19日

 ,  ,  , 
1Neuroscience Institute, Princeton University

この記事について

サマリー

私たちは、2つの登山繊維依存連想学習タスク中の動物の行動を追跡するための単一のプラットフォームを開発しました。低コストの設計により、繊維関連小脳活動の登山に向けられた光遺伝学的またはイメージング実験との統合が可能になります。

要約

プルキンエ細胞への上昇線維入力は、小脳依存性連想学習に不可欠な有益なシグナルを提供する。頭部固定マウスでこれらのシグナルを研究することは、イメージング、電気生理学的、および光遺伝学的方法の使用を容易にする。ここでは、ランニングホイール上で自由に位置決めする頭部固定マウスの連想学習を追跡できる低コストの行動プラットフォーム(〜$ 1000)が開発されました。このプラットフォームには、まばたきコンディショニングと遅延触覚驚愕条件付けの2つの一般的な連想学習パラダイムが組み込まれています。動作はカメラと検出器によるホイールの動きを使用して追跡されます。コンポーネントとセットアップについて説明し、トレーニングとデータ分析のための詳細なプロトコルを提供します。このプラットフォームは、光遺伝学的刺激および蛍光イメージングの組み込みを可能にする。この設計により、単一のホストコンピュータが複数のプラットフォームを制御して、複数の動物を同時に訓練することができます。

概要

パブロフ的条件付けは、条件付け応答を惹起する刺激間の1秒未満の関連を、小脳依存性学習をプローブするために長い間使用されてきた。例えば、古典的な遅延アイブリンクコンディショニング(DEC)では、動物は、常に反射的なまばたきを誘発する無条件刺激(米国;例えば、角膜に適用される空気のパフ)と繰り返し対になったときに、中立的な条件刺激(CS;例えば、光の閃光または聴覚的トーン)に応答して、タイミングよく保護点滅することを学び、 CSの終わりまたはその近くに来る。学習された応答は条件付き応答 (CR) と呼ばれ、反射応答は無条件応答 (UR) と呼ばれます。ウサギでは、小脳特異的病変がこの形態の学習を混乱させる1,2,3,4。さらに、Purkinje細胞複合体スパイクは、それらのクライミングファイバー入力5によって駆動され、適切なタイミングのCRの獲得に必要な6,7および十分な8,9信号を提供する。

より最近では、登山繊維依存性連想学習パラダイムが頭部固定マウスのために開発されている。DECは、この構成10,11に適合した最初の連想学習パラダイムであった。頭部固定マウスにおけるDECは、小脳領域11、12、13、14、15、16、17および回路素子11、12、13、14、15、18、19を同定するために用いられてきた タスクの獲得と消滅に必要です。このアプローチはまた、タスクパラメータの細胞レベルの生理学的表現が学習とともにどのように進化するかを実証するためにも使用されている13,15,16。

まばたきに加えて、遅延驚愕触覚条件付け(DTSC)パラダイムは、頭部固定マウス20のための新規連想学習タスクとして最近開発された。概念的にはDECと同様に、DTSCは、米国、URとして驚愕反射21,22に従事するのに十分な強度で顔へのタップを伴う中立的なCSの提示を含む。DTSCパラダイムでは、URとCRの両方が車輪上の後方移動として読み取られます。DTSCは現在、連想学習が小脳活動と遺伝子発現のパターンをどのように変えるかを明らかにするために使用されています20。

本研究では、DECやDTSCを1つのプラットフォームで柔軟に適用する手法を開発した。刺激属性とプラットフォーム属性を図 1に図式化します。この設計には、カメラで動物の行動を追跡する機能と、ホイール上のマウスの動きを追跡するロータリーエンコーダーが組み込まれています。データロギングとトライアル構造のすべての側面は、ペアのマイクロコントローラ(Arduino)とシングルボードコンピュータ(SBC;ラズベリーパイ)。これらのデバイスは、提供されたグラフィカルユーザーインターフェイスを介してアクセスできます。ここでは、セットアップ、実験の準備と実行のためのワークフローと、データ視覚化のためのカスタマイズされた分析パイプラインを紹介します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

ここで説明する動物のプロトコルは、プリンストン大学の動物ケアおよび使用委員会によって承認されています。

1. SBC のセットアップ

  1. カメラシリアルインターフェイス(CSI)ケーブルをラズベリーNoIR V2カメラとSBCのカメラポートに接続します。
  2. SBC のオペレーティング システムをホスト コンピューターにダウンロードします。オペレーティングシステムイメージをマイクロセキュアデジタル(microSD)カードに書き込みます。
    注:ラズベリーパイSBCのこれらの手順の詳細な手順は、他の場所23で見つけることができます。このシステムは、ストレッチ、バスター、ブルズアイのオペレーティングシステムを使用してテストされています。
  3. セキュアシェル通信を有効にするには、microSDカードのブートパーティションに「ssh」という拡張子のないファイルを作成します。これが完了したら、ホストマシンからmicroSDカードを取り出し、SBC microSDカードスロットに挿入します。SBC の電源プラグを差し込んで、SBC に電力を供給します。
  4. ホストへの有線接続を受け入れるように SBC を準備します。
    1. 適切なケーブルでモニターを SBC に接続します。端末を開き、 コマンドifconfig を入力し、SBC のイーサネット IP アドレスを記録します。
      メモ:ラズベリーパイモデル3B +にはHDMIディスプレイポートがあり、モデル4BにはマイクロHDMIポートがあります。
    2. Raspberry Pi 構成設定の [ インターフェイス ] タブに移動し、カメラ、セキュア シェル ネットワーク プロトコル (SSH)、および仮想ネットワーク コンピューティング (VNC) のオプションを有効にします。
  5. ホスト コンピューターと SBC の間に有線接続を確立します。
    1. イーサネットケーブルを SBC とホストコンピューターのイーサネットポートに接続します。これらのケーブルのもう一方の端をイーサネットスイッチに接続します。
    2. VNCビューア24 などの仮想ネットワークコンピューティングクライアントを使用し、SBC IPアドレスとデフォルトの認証(ユーザー= "pi"、パスワード= "ラズベリー")を使用してデスクトップにアクセスします。
  6. プロトコル手順に含まれる必要なソフトウェアをダウンロードします。
    注意: SBC への不正アクセスを防ぐために、デフォルトのユーザー名とパスワードを変更します。
    1. SBC 端末で次のコマンドを入力して、リグソフトウェアをダウンロードします。
      git クローン --depth=1 https://github.com/gerardjb/assocLearnRig
    2. 次のコマンドを入力して、必要な Python ライブラリをダウンロードします。
      cd assocLearnRig
      python3 setup.py
    3. マイクロコントローラを直接制御できるようにするには、SBCに接続し、1.6.4~1.6.7の手順に従ってマイクロコントローラ統合開発環境(IDE)をダウンロードします。
    4. SBC デスクトップで Web ブラウザーを開き、https://arduino.cc/en/software に移動します。最新の Linux ARM 32 ビット版の IDE をダウンロードします。
    5. SBC デスクトップでターミナルウィンドウを開き、cd Downloads/ と入力してダウンロードディレクトリに移動します。
    6. IDE をインストールするには、ターミナルで次のコマンドを入力します。
      tar -xf arduino--linuxarm.tar.xz
      sudo mv arduino- /opt
      sudo /opt/arduino-/install.sh
      (ここ<バージョン>はダウンロードしたIDEのバージョンです)
    7. SBCデスクトップでマイクロコントローラIDEのインスタンスを開きます。メニュー オプション「ライブラリの管理>ツール」を選択します。Paul Stoffregen の "Encoder" ライブラリをインストールします。
  7. USB サムドライブで SBC オンボードメモリを展開します。
    1. サムドライブを SBC の USB ポートに挿入します。使用可能な場合は、USB 3.0 ポートを使用します。
    2. 端末 ls -l /dev/disk/by-uuid/ と入力して、サムドライブとその固有の参照 (UUID) を見つけます。UUID を記録します。
    3. pi ユーザーが USB デバイスに書き込めるようにするには、次のコマンドを端末に 1 つずつ入力します。
      sudo mkdir /media/usb
      sudo chown -R pi:pi /media/usb
      sudo mount /dev/sda1 /media/usb -o uid=pi,gid=pi
      メモ: サムドライブは、SBC の再起動時に自動マウントされるデバイスとして、fstab ファイルの末尾の /etc/fstab に次の行を追加することで追加できます。
      UUID=<ステップ1.7.2からのUUID> /media/usb vfat自動,失敗なし,ノアタイム,ユーザー,rw,uid=pi,gid=pi 0 0

2. 刺激金具の配線と組立ステージ

  1. マイクロコントローラを接続して準備します。
    1. SBCをUSB2タイプAからUSB2マイクロケーブルでマイクロコントローラ(Arduino Due)のプログラミングポートに接続します。
      メモ: 適切な動作を保証するために、 材料表の 製品などの高品質のケーブルを使用してください。
    2. ダウンロードしたプロジェクトリポジトリで "dueAssocLearn.ino" を見つけます。マイクロコントローラIDEでスケッチを開き、SBCに接続されているマイクロコントローラにアップロードします。
    3. 適切なバージョンのArduinoIDEをホストコンピューターにダウンロードしてインストールします。
    4. USB2タイプBからUSB2タイプAケーブルでホストコンピュータをマイクロコントローラ(Arduino宇野)に接続します。
    5. GitHubリポジトリ(https://github.com/gerardjb/assocLearnRig)に移動し、「DTSC_US.ino」スケッチをホストコンピュータにダウンロードします。
    6. ホストコンピュータでマイクロコントローラIDEを実行し、「DTSC_US.ino」スケッチを開き、マイクロコントローラにアップロードします。
  2. 図2のフリッツ 図に示すように、マイクロコントローラ、ブレッドボード、LED、ロータリーエンコーダ、ドライバ付きステッピングモータ、ドライバ付きソレノイドバルブにワイヤを接続します。
  3. ステッピングモーターとソレノイドバルブに電力を供給します。
    1. 電源の1チャンネルをステッピングモータドライバの+VピンとGNDピンに正しく配線します。
    2. 電源装置の電源を入れ、接続されているチャネル電圧を 25 V に設定します。
      メモ: ステッピングモーター、ドライバ、および電源装置間の接続が正しく設定されている場合、ステッピングモータードライバーの緑色のインジケータ LED が点灯します。
    3. 電源装置の正リード線をソレノイドバルブドライバホールド電圧ピンに、もう一方の正リード線をスパイク電圧ピンに正しく配線します。
    4. 負のリード線を制御信号と共有されるグランドに接続します。
    5. 電源をオンにし、ホールド電圧に接続されたチャネルを約2.5V、スパイク電圧に接続されたチャネルを約12Vに設定します。
  4. ルアーアダプターを使用して、約20 PSIの圧力に調整された空気源をソレノイドバルブに接続します。
  5. すべての刺激成分とカメラが正しく機能していることをテストします。
    1. SBC でターミナルを開き、「 cd ~/assocLearnRig」 と入力して、複製された GitHub リポジトリに移動します。
    2. ターミナルで python3 assocLearnRig_app.py と入力して、コントロールのグラフィカルユーザーインターフェイスを起動します。
    3. [ストリーム] ボタンを押してカメラ ストリーム を開始します。
    4. DECラジオボタンを選択し、マイクロコントローラにアップロードし、[セッションの開始]ボタンを押してデフォルトパラメータでセッションを開始します。
      メモ:この手順の後、データログの印刷が端末に表示され、カメラストリームのメッセージが消え、LED CSとソレノイドバルブUSが各試行中に適切なタイミングでオン/オフされます。
    5. セッションが終了したら、[ DTSC] ラジオ ボタンを選択して前の手順を繰り返します。
      注: GitHub リポジトリ内のスケッチ ("testStepper.ino"、"testRotary.ino"、および "testSolenoid.ino") は、上記の手順で満足のいく結果が得られない場合、個々のコンポーネントをテストするために使用できます。
  6. ランニングホイールを作ります。
    1. フォームローラーから3インチホイールを切り取ります。マウスの移動によって回転したときにホイールがぐらつかないように、正確なホイール中央に1/4インチの穴を開けます。
    2. ホイールに1/4インチシャフトを挿入し、ホイールの両側に配置されたクランプハブを使用して所定の位置に固定します。
  7. ロータリーエンコーダをM3ボルトを使用して4.5インチのアルミニウムチャンネルに貼り付けます。図に示すように、1/4インチボルト、ナット、およびワッシャーを備えた直角括弧を使用して、アルミニウムブレッドボード上のアルミニウムチャネルを安定させます。
  8. ホイールとロータリーエンコーダは、シャフトカップリングスリーブを使用して取り付けます。
  9. ブレッドボードに取り付けられた光学ポストに取り付けられた直角エンドクランプにベアリングを挿入して、ホイールシャフトの自由側を安定させます。
    メモ: 手で回転させたときにホイールがぐらつかずに自由に回転するようにしてください。
  10. 刺激ハードウェア、ヘッドレスト、赤外光アレイ、およびピカメラを組み立てたホイールの周りに配置します。
    1. 光学式支柱と直角支柱クランプを使用して、ヘッドポストが車軸の前方 1.5 cm、車輪表面から 2 cm 上になるようにヘッドレストを配置します。(値は 20 g マウスの場合です)。
    2. DEC USに使用したCS LEDと電磁弁出口を、DECに使用する目から1cm以内に配置します。
    3. DTSC USに使用されているステッピングモーターを取り付けます
    4. 動物がいる場所から約10cmの光学ポストにピカメラを取り付けます。
      メモ: picamera マウントの設計は、GitHub リポジトリの "RaspPiCamMount1_1.stl" のファイルから 3D プリンタで作成できます。
    5. 赤外光アレイをピカメラと同じ側の面の位置の少し上に置き、直接向きます。
    6. クランプハブを使用して1/4インチシャフトに取り付けられたアクリルの端にフォームをテーピングすることにより、DTSCの触覚刺激を行います。触覚刺激をステッピングモーターシャフトに取り付けます。
      注: アクリル片のデザインは、GitHub リポジトリの "TactileStimDesign.pdf" のパターンに従ってレーザーカットできます。

3. 動作実験の準備と実行

  1. マウスヘッドプレートの移植。
    1. 2%イソフルランを使用してマウスを麻酔し、定位フレームで頭部を固定する。
    2. 眼科用軟膏を眼に塗布する。
    3. 石鹸水と滅菌メスを使って頭皮を剃ります。切開部位の皮膚の真下にリドカインを注入し、ポビドンで手術部位をきれいにする。
    4. 頭蓋骨を強く押しすぎないように注意しながら、頭皮の正中線に沿って目の後ろの端から頭蓋骨の後ろの端までメスで切開します。
    5. 切開部を開き、滅菌止血剤で両側をクランプして開いたままにします。エタノールに浸した綿棒を使用して骨膜を静かに取り除き、露出した頭蓋骨の表面を乾燥させます。
    6. ヘッドプレートを頭蓋骨に水平に置き、ヘッドプレートの前面を目より後方に配置するようにします。シアノアクリレート接着剤を使用してヘッドプレートを頭蓋骨に取り付け、接着剤を完全に乾燥させます。
    7. 歯科用セメント粉末(1スクープ)、溶剤(2滴)、触媒(1滴)を混合皿に混ぜ合わせ、露出した骨のすべての領域に塗布する。表面がヘッドプレートの上端と同一平面になるまでレイヤーを追加し、ヘッドプレートが頭蓋骨にしっかりと取り付けられていることを確認します。
    8. 必要に応じてヘッドプレートの後ろと前に閉じた皮膚を縫合する。
    9. カルプロフェンなどの術後鎮痛薬を施設のガイドラインに従って注射し、動物が少なくとも5日間回復できるようにします。
  2. ビヘイビアセッションの準備。
    1. 実験前の5日間、ヘッドレストに装着して、実験動物をプラットフォームに慣れさせる。
      注:慣れセッションの終わりまでに、動物は車輪の上を快適に走るべきです。
    2. (12 月のみ)セッションの前に、ソレノイドバルブ出口が>1cm離れたターゲットアイの中央にあることを確認してください。
    3. (12 月のみ)プッシュボタンを使用してエアパフを手動で作動させます。マウスが、直感した姿勢をとったり、罹患した眼周囲領域を同側前足でつかんだりするなど、ストレスの明白な兆候を示さずに、すぐにまばたきをすることを確認します。
    4. (DTSC のみ)セッションの前に、触覚刺激が動物の鼻の中央にあることを確認してください。
      メモ: DTSC 動作セッションが実行されていない場合、ステッピングモータは自動的に非アクティブ化され、手動で再配置できます。
    5. (DTSC のみ)SBC ターミナルで、 python3 assocLearnRig_app.py と入力して GUI を起動します。
    6. (DTSC のみ)GUIの [セッションの開始] ボタンを押して、デフォルトのパラメータを使用して3回の試行のテストセッションを実行します。
    7. (DTSC のみ)端末に印刷されるログに記録されたデータが、各試行で米国に続いてロータリーエンコーダーに記録された20ステップ以上100ステップ未満の偏向を示していることを確認します。
      注意: 危害を避け、動物へのストレスを軽減するために、刺激を動物から遠ざけ、必要な条件が満たされるまで刺激を近づけてください。
  3. データロギングによるビヘイビアセッションの実行。
    1. マウスをヘッドレストに取り付けます。
    2. SBC の端末で、 python3 assocLearnRig_app.pyを入力して GUI を起動します。
    3. 行動試行中にカメラの録画を許可するには、[ ストリーム] ボタンを押します。
      メモ: セッションはカメラなしで実行できます。この場合、ロータリーエンコーダからのデータと刺激表示タイムスタンプのみがログに記録されます。
    4. 動物の識別情報を 動物ID フィールドに入力し、[ 設定] ボタンを押します。
    5. 望ましい動作パラダイムに応じて、「セッション・タイプ」見出しの下のラジオ・ボタンから DEC または DTSC のいずれかを選択します。
    6. [ 動物ID ]フィールドの下のフィールドに目的の実験パラメータを入力し、[ Arduinoにアップロード] ボタンを押します。
      注: 実験パラメータの詳細については、GitHub リポジトリの README セクションを参照してください。
    7. [ セッションの開始]ボタンをクリックしてセッション を開始します。
    8. セッションが初期化されると、SBC サムドライブのマウントポイントの "/media/usb" に作成された新しいディレクトリにデータのログ記録が開始されます。

4. データのエクスポートと分析

  1. 記録されたすべてのセッションをホスト コンピューターにエクスポートするには、コマンド プロンプトを開き、コマンド pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination を入力し、SBC パスワードで認証します。
    注:上記のコマンドは、Windowsマシン用です。MacおよびLinuxマシンでは、ターミナルを使用し、 "pscp"を "scp"に置き換えてください。
  2. Anaconda25 または別の python パッケージマネージャ (PPM) をホストコンピュータにインストールします。
  3. GitHub リポジトリに移動し、"analyzeSession.py"、"summarizeSessions.py"、"session2mp4s.py"、および "requirementsHost.txt" をダウンロードします。
  4. PPM プロンプトを開き、 conda install --file directory_containing_requirementsHostrequirements Host.txt と入力して、Python パッケージのインストールに必要な Python ライブラリがあることを確認します。
  5. プロンプトで cd directory_containing_analyzeData と入力して、「analyzeData.py」と「session2mp4s.py」を含むディレクトリに移動します。python analyzeSession.py を入力して分析プログラムを実行
    注: Python 2 バージョンを Python として使用している場合は、エラー メッセージが生成されます。バージョンを確認するには、プロンプトに 「python -V 」と入力します。
  6. プロンプトが表示されたら、データを含むディレクトリを選択します。複数のサブディレクトリを持つディレクトリは、順番に分析されます。
  7. DECセッションの場合、分析されたセッションディレクトリごとに、試行平均画像からマウスの目を含む関心領域(ROI)を選択します。
    メモ: 最終解析データファイルとサマリーグラフは、解析された各セッションディレクトリのサブディレクトリに入力されます。
  8. python summarizeSessions.py と入力すると、複数のセッションにまたがるサマリー データが生成されます。
  9. プロンプト python session2mp4s.py を入力して、イメージングデータファイルを表示可能な.mp4ファイルに変換します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

DEC実験・解析のワークフロー
適切な実験パラメータ選択は、遅延アイブリンクコンディショニング(DEC)トレーニングを成功させるために重要です。ここで示すデータでは、GUI を使用して 350 ミリ秒の CS 期間と 50 ミリ秒の US 期間を選択しました。このペアリングは、300msの刺激間間隔をもたらす:低振幅CR産生10 を防止するのに十分な長さと、不十分な学習またはトレース条件付けの体制に入ることを避けるのに十分な短い、追加の脳領域11に関与するプロセス。試行間隔は、ITIの低フィールドと高フィールドを使用して、5〜15秒の範囲から均一にランダムに選択されるように設定しました。試験間間隔のランダム化により、動物被験者はCSと米国以外のタイミングの手がかりをタスクのパフォーマンスに使用することが不可能になります。

CSまたはUSのいずれかを省略した試験を含めることで、訓練された動物においてもCRおよびUR運動学の評価が可能になる。ユーザは、...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

ここで概説する関連プロトコルを備えたプラットフォームは、2つの感覚連想学習タスクにおける動物の行動を確実に追跡するために使用することができる。各タスクは、クライミングファイバー経路を通る無傷の通信に依存します。ここで説明する設計では、小脳応答の学習と記録/摂動を容易にする要素を組み込んでいます。これらには、自由な移動11、18 、ならびに頭部固定を可能にするホイールが含まれる。このホイールは、マウス被験者が自由に位置決めすることを可能にし、これはDEC取得18にとって重要であることが観察されている。マウスの頭部固定により、研究者は、他のモデル種や自由に動く条件下での使用がより困難な遺伝的、電気生理学的、イメージング的、および光遺伝学的アプローチを利用することができます12。これらの各アプリケーションに設計を使用しました。マイクロコントローラ上で実行されるソフトウェアは、多光子取得または光遺伝学的刺激との同期のためのタイミング信...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは、開示する利益相反はありません。

謝辞

この研究は、国立精神衛生研究所NRSA F32 MH120887-03(G.J.B.へ)およびR01 NS045193およびR01 MH115750(S.S-H.W.へ)からの助成金によって支援されています。DECセットアップの最適化に役立つ議論をしてくれたBas Koekkoek博士とHenk-Jan Boele博士、DTSCセットアップの最適化に役立つ議論をしてくれたYue Wang博士とXiaoying Chen博士に感謝します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
「B」クイックベース C&B メタボンド - 10 mL ボトルParkellS398歯科用セメント溶剤
"C" ユニバーサル TBB 触媒 - 0.7 mLParkellS371触媒
#8 ワッシャーThorlabsW8S038ワッシャー
0.250" (1/4") x 8.00" ステンレス鋼 精密 シャフトサーボシティ6341721/4" シャフト
0.250"(0.770インチ)クランプハブサーボシティ545588クランプハブ
1/4" から 6 mm 止めねじ シャフト カプラー - 5 パックActobotics625106シャフト カップリング スリーブ
1/4" -20 キャップ ネジ、3/4" ロングThorlabsSH25S0751/4" ボルト
100 個 5 mm 395 –400 nm UV紫外線LED発光ダイオードクリアラウンドレンズ29 mm長リード(DC 3V)LEDライト+100個抵抗EDGELEC‎ED_YT05_U_100PcsCS LED
2 m Micro HDMI - DVI-D ケーブル - オス/M - 2 m Micro HDMI - DVI ケーブル - 19 ピン HDMI (D) オス - DVI-D オス - 1920 x 1200 VideoStar-tech‎HDDDVIMM2MRaspberry Pi4B 監視ケーブル
256 GB Ultra Fit USB 3.1 フラッシュ ドライブSanDisk‎SDCZ430-256G-G46USBサムドライブ
3.3 V–5 V 4チャンネルロジックレベルコンバータ双方向シフターモジュールAmazonB00ZC6B8VMロジックレベルシフター
32 GB 95 MB/s (U1) microSDHC EVO Select メモリカードSamsung‎MB-ME32GA/AMmicroSDカード
4.50インチ アルミチャンネルServocity5854444.5インチ アルミチャンネル
48-LED CCTV Ir 赤外線ナイトビジョンイルミネーターTowallmarkSODIAL赤外線ライトアレイ
4PCSブレッドボードキット 2PCS 830ポイント 2PCS 400ポイント無はんだブレッドボード プロトシールド配布用 接続ブロックREXQualisB07DL13RZHブレッドボード
5ポートギガビットアンマネージドイーサネットネットワークスイッチTP-Link‎TL-SG105イーサネットスイッチ
5 V 2.5 A Raspberry Pi 3 B+ 電源/アダプタCanakit‎DCAR-RSP-2A5Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3Ethicon668G縫合糸
6 mm シャフト エンコーダー 2000 PPR プッシュプル ライン ドライバー ユニバーサル出力 ライン ドライバー出力 5-26 V DC 電源Calt B01EWER68Iロータリーエンコーダー
Ø1/2 "光学ポスト、SS、8-32止めネジ、1/4 "-20タップ、L = 1"、5パックThorlabsTR1-P5光学ポスト
Ø1/2 "光学ポスト、SS、8-32止めネジ、1/4 "-20タップ、L = 2"、5パックThorlabsTR2-P5光学ポスト
Ø1/2 "光学ポスト、SS、8-32止めネジ、1/4 "-20タップ、L = 4"、5パックThorlabsTR4-P5光学ポスト
Ø1/2 "光学ポスト、SS、8-32止めネジ、1/4 "-20タップ、L = 6"、5パックThorlabsTR6-P5光学ポスト
Ø1/2 "ポストホルダー、スプリング式六角ロックつまみネジ、L = 2"ThorlabsPH2光ポストホルダー
アダプター-062-M X LUER LOCK-FThe Lee Co.TMRA3201950Zソレノイドバルブルアーアダプター
エアロマットフォームローラーサイズ:36インチ長さロマットB002H3CMUEフォームローラー
アルミブレッドボード10"x12"x1/2"、1/4"-20タップThorlabsMB1012アルミブレッドボード
AmazonベーシックHDMI-DVIアダプターケーブル、ブラック、6フィート、1パックAmazonHL-007347ズベリーPi3B +モニターケーブル
Arduino Uno R3ArduinoA000066Arduino Uno(マイコンボード)
Arduino DueArduino‎A000062Arduino Due (マイクロコントローラーボード)
ベンチ電源、シングル、調整可能、3出力、0 V、24 V、0 A、2 ATenma72-8335A電源
クリアスクラッチおよびUV耐性キャストアクリルシート、12 "x 24" x 1/8 "McMaster Carr8560K257シート
CNCステッピングモータードライバー1.0–4.2 A 20–Nema 17および23ステッピングモーターステッピングB06Y5VPSFNステッピングモータードライバー
コンパクト圧縮空気レギュレーター、インラインリリーフ、真鍮ハウジング、1/4 NPTマクマスターカー6763K13空気源レギュレータ
コットンスワブューリタン806-WCコットンスワブ
デル1908FP 19インチフラットパネルモニター-1908FPC、デル1908FPC
Raspberry Piカメラ用コンピューターモニターフレックスケーブルAdafruit2144カメラシリアルインターフェースケーブル
高トルクNema 17バイポーラステッピングモーター92オンス·in/65 N·cm 2.1 A 押出機モーターステッピング オンライン17HS24-2104Sステッピング モーター
イソフルランヘンリー シャイン66794001725イソフルラン
クレイジー マキシマム ボンド パーマネント グルー、0.18 オンKrazy GlueKG483シアノアクリレート接着剤
Lidocaine HClVetOne510212Lidocaine
低強度鋼六角ナット、グレード 2、亜鉛メッキ、1/4 インチ-20 ねじサイズMcMaster Carr90473A029ナット
M3 x 50 mm 部分ねじ六角レンチ ソケット キャップ ヘッド ネジ 10 個UxcellA16040100ux1380M3 ボルト
NEMA 17 ステッピング モーター マウントACTOBOTICS555152ステッピングモーターマウント
公式Raspberry Pi電源 5.1 V 3 A USB C 付き - 長さ 1.5 mAdafruit4298Raspberry Pi 4B
Optixcare Dog 用電源 &キャットアイルーブ潤滑ジェル、0.70オンスチューブOptixcare142422眼軟膏
ステンレス鋼ボールベアリング、シールド、商品番号R188-2Z、13000rpm最大速度McMaster-Carr3759T57
プレミアムメス/メスジャンパーワイヤー-40 x 6インチAdafruit266ワイヤー
プレミアムメス/オス「エクステンション」ジャンパーワイヤー-40 x 6インチ(150 mm)Adafruit826ワイヤー
プレミアム オス/オス ジャンパー ワイヤー - 40 x 6 インチAdafruit758ワイヤー
C& 用放射線不透過性 L-パウダーB METABOND - 5 gParkellS396歯科用セメント粉末
Raspberry Pi (3B+ または 4B)Adafruit3775 または 4295Raspberry Pi
Raspberry Pi NoIR カメラモジュール V2 - 8MP 1080P30Raspberry Pi FoundationRPI3-NOIR-V2Raspberry NoIR V2 カメラ
直角ブラケット、1/4" (M6) 座ぐりスロット、8-32 タップThorlabsAB90E直角ブラケット
Øの直角クランプ。1/2 "ポスト、3/16 "六角ThorlabsRA90直角光学ポストクランプ
Ø用直角エンドクランプ。1/2 "ポスト、1/4 "-20スタッドおよび3/16"六角ThorlabsRA180直角エンドクランプ
RJ45 Cat-6イーサネットパッチインターネットケーブルAmazon‎CAT6-7FT-5P-BLUEイーサネットケーブル
Ø用回転クランプ;1/2 "ポスト、360°連続調整可能、3/16インチ六角ThorlabsSWC回転光学ポストクランプスパイ
ク&ドライバー-0.1 TO 5 MSThe Lee Co.IECX0501350A ソレノイド バルブ ドライバー
スイベル ベース アダプターThorlabsUPHAポスト ホルダー アダプター
USB 2.0 A-オス - マイクロ B ケーブル、6 フィートAmazon‎7T9MV4USB2 タイプ A - USB2 マイクロ ケーブル
USB 2.0 プリンター ケーブル - A - オス - B - オス、6 フィート (1.8 m)AmazonB072L34SZSUSB2 タイプ B - USB2 タイプ A ケーブル
VHS-M/SP-12 VThe Lee Co.INKX0514900A電磁弁
亜鉛メッキ鋼1/4 "ワッシャー、OD 1.000 "マクマスターカー91090A108ワッシャー
エアラアクリルオンラインーピス精密ベアリング

参考文献

  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).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

さらに記事を探す

小脳依存性学習眼瞼条件付け遅延触覚驚愕反応頭部固定マウスプルキンエ細胞光遺伝学的刺激蛍光イメージング行動プラットフォームランニングホイール
小脳依存感覚連想学習を監視するための柔軟なプラットフォーム
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。