MouseWalkerを用いた脊髄損傷マウスモデルにおける自発運動機能障害の定量化

Summary

MouseWalker(MW)ツールボックスを使用して自由に歩くマウスの自発運動パターンを定量的に記述するための実験パイプラインが提供されており、初期のビデオ録画や追跡から定量化後の分析まで、さまざまな結果が得られています。マウスの脊髄挫傷損傷モデルを用いて、MWシステムの有用性を実証した。

Abstract

ウォーキングやランニングなどの複雑で高度に調整された運動プログラムの実行は、脊髄回路および脊髄上回路のリズミカルな活性化に依存しています。胸部脊髄損傷後、上流回路との通信が損なわれます。これは、順番に、限られた回復の可能性で、調整の喪失につながります。したがって、薬物または治療法の投与後の回復の程度をよりよく評価するためには、脊髄損傷の動物モデルにおける歩行、四肢協調、およびその他の自発運動行動の細かい側面を定量化するための、より詳細で正確な新しいツールが必要です。げっ歯類の自由歩行行動を定量的に評価するために、いくつかのアッセイが長年にわたって開発されてきました。ただし、通常、ステップ歩行戦略、フットプリントパターン、および調整に関連する直接的な測定値が不足しています。これらの欠点に対処するために、フラストレーション全反射(fTIR)通路と追跡および定量化ソフトウェアを組み合わせたMouseWalkerの更新バージョンが提供されています。このオープンソースシステムは、いくつかのグラフィカル出力と運動学的パラメータを抽出するように適合されており、一連の定量化後ツールを使用して、提供された出力データを分析できます。この原稿はまた、この方法がすでに確立された行動テストと組み合わせて、脊髄損傷後の自発運動障害を定量的に記述する方法を示しています。

Introduction

四肢の効果的な調整は、四足動物に固有のものではありません。人間の前肢と後肢の協調は、水泳や歩行中の速度の変化など、いくつかのタスクを実行するために依然として重要です¹。さまざまな四肢運動学²と運動プログラム^1,3,4、^および固有受容感覚フィードバック回路⁵は、ヒトと他の哺乳類の間で保存されており、脊髄損傷(SCI^)などの運動障害の治療オプションを分析する際に考慮する必要があります^6,7,8。

歩くためには、前肢と後肢からのいくつかの脊椎接続が適切に配線され、リズミカルに活性化される必要があり、これには脳からの入力と体性感覚系からのフィードバックが必要です^2,9,10。これらの接続は、それぞれ前肢と後肢の頸部と腰部のレベルに位置する中央パターンジェネレーター(CPG)で最高潮に達します^1,9,10。多くの場合、SCI後、ニューロンの接続性の破壊と抑制性グリア瘢痕¹²の形成は、自発運動機能の回復を制限し、結果は、損傷の重症度に応じて、完全な麻痺から四肢のグループの機能の制限までさまざまです。SCI後の自発運動機能を正確に定量化するツールは、回復を監視し、治療やその他の臨床介入の効果を評価するために^{重要です6。}

SCIのマウス挫傷モデルの標準的なメトリックアッセイは、バッソマウススケール(BMS)^13,14であり、オープンフィールドアリーナでの体幹の安定性、尾の位置、足底のステッピング、および前肢と後肢の協調を考慮したノンパラメトリックスコアです。BMSはほとんどの場合非常に信頼性が高いですが、自然な変動性を説明し、バイアスを減らすために、動物の動きのすべての角度を観察するには、少なくとも2人の経験豊富な評価者が必要です。

SCI後の運動性能を定量的に評価するために、他のアッセイも開発されています。これらには、回転^{シリンダー15}に費やされた時間を測定するロタロッドテストが含まれます。手すりの欠落と正のはしごの数を測定する水平はしごは^16,17。ビーム歩行テストは、動物が狭いビーム¹⁸を横切るときにかかる時間と失敗の数を測定します。運動障害の組み合わせを反映しているにもかかわらず、これらのテストのいずれも、前肢と後肢の協調に関する直接的な自発運動情報を生成しません。

歩行行動を具体的かつより徹底的に分析するために、ステップサイクルと歩行戦略を再構築するための他のアッセイが開発されています。一例は、動物のインクを塗った足が白い紙¹⁹のシートの上にパターンを描くフットプリントテストです。実行は簡単ですが、ストライド長などの運動学的パラメータを抽出するのは面倒で不正確です。さらに、ステップサイクルの持続時間や脚時調整などの動的パラメータの欠如は、そのアプリケーションを制限します。実際、これらの動的パラメータは、透明な表面を歩くげっ歯類のフレームごとのビデオを分析することによってのみ取得できます。SCI研究では、研究者は、ステップサイクルの再構築や各脚関節の角度変動の測定など、トレッドミルを使用して側面から歩行行動を分析しました^4,20,21。このアプローチは非常に有益ですが⁶、特定の手足のセットに焦点を当てたままであり、調整などの追加の歩行機能が欠けています。

これらのギャップを埋めるために、Hamersたちは、フラストレーション全反射(fTIR)²²を用いた光学式タッチセンサーに基づく定量的試験を開発した。この方式では、光は内部反射 によって ガラス中を伝搬し、足を押すと散乱し、最終的に高速度カメラで撮影されます。より最近では、MouseWalkerと呼ばれるこの方法のオープンソースバージョンが利用可能になり、このアプローチは、fTIR通路と追跡および定量化ソフトウェアパッケージ^{とを組み合わせたものである23}。この方法を使用して、ユーザは、歩調、空間、および歩行パターン、足跡の位置、および前肢−後肢協調、ならびに足跡パターン(インク付き足場アッセイ⁶を模倣する)または体軸に対する立脚位相などの視覚的出力を含む、定量的パラメータの大規模なセットを抽出することができる。重要なのは、そのオープンソースの性質により、MATLABスクリプトパッケージを更新することで新しいパラメーターを抽出できることです。

ここでは、以前に公開されたMouseWalker²³ システムのアセンブリが更新されます。設定方法の説明と、最高のビデオ品質、トラッキング条件、およびパラメータ取得を実現するために必要なすべての手順が記載されています。マウスウォーカー(MW)出力データセットの分析を強化するために、追加の定量化後ツールも共有されています。最後に、このツールの有用性は、脊髄損傷(SCI)のコンテキストで、一般的な自発運動能力、特にステップサイクルと前肢と後肢の協調の定量化可能な値を取得することによって実証されます。

Protocol

すべての取り扱い、外科的、および術後のケア手順は、ライセンス0421/000/000/2022に基づく欧州共同体ガイドライン(指令2010/63 / EU)およびポルトガルの動物管理に関する法律(DL 113/2013)に従って、Instituto de Medicina分子内部委員会(ORBEA)およびポルトガル動物倫理委員会(DGAV)によって承認されました。本研究では、9週齢の雌C57Bl/6Jマウスを用いた。動物の数を最小限に抑え、研究に使用された動物の苦しみを減らすためにあらゆる努力が払われました。MATLAB スクリプトと MW ソフトウェアのスタンドアロン バージョンはオープンソースであり、GitHub で入手できます
リポジトリ (https://github.com/NeurogeneLocomotion/MouseWalker)。MWソフトウェアはMATLAB R2012bで開発されましたが、MATLAB R2022bで動作するように適合されています。 図1 は、MWの分析ワークフローを示しています。

1. マウスウォーカー(MW)装置のセットアップ

1. 前述のようにMW装置を組み立てるか²³、または実験計画の特定のニーズに適応させる(セットアップの詳細については、 材料表 および 補足図1 を参照)。
   注意: 歩行アリーナは、ラットなどのより大きな動物を収容するために広くすることができます。
2. 動物が歩くプレキシガラスが清潔で傷がないことを確認します。滑らかなクリーニングクロスを使用し、プレキシガラスを損傷する可能性のある高濃度のアンモニアやエタノールなどの有機溶剤の使用を最小限に抑えます(3%過酸化水素、7%エタノール、またはプレキシガラスに適合した適切な消毒剤をお勧めします)。必要に応じて、プレキシガラスを交換してください。
3. 高速レンズと大口径(つまり、より小さなFストップ値)を備えた高速カメラをセットアップして、fTIR信号の記録に役立つため、大量の光を取り込むことができます( 材料表を参照)。
   注意: レンズは、特に画像の端で光学的な歪みを発生させてはなりません。光学的歪みは、既知のパターン(縞模様や正方形など)を記録し、ImageJ / FIJI²⁴ でブロックのサイズを測定することでテストできます(ラインツールを使用して、[ 分析>測定]をクリックします)。たとえば、サイズが 1 cm の正方形は、画像の中心と端の両方で同じピクセル寸法である必要があります。変動は 5% 未満である必要があります。
4. 背景ライトボックスからマルチカラーのLEDライトストリップを照らします。
5. 歩道ライトボックスから白色LEDライトストリップを点灯させます。
   注意: 色付きのLEDを使用して、フットプリント/ボディ/背景の区別を容易にすることもできます²⁵ 。
6. 部屋の照明を消した状態で、背景のライトボックスと歩道の光の強さを確認します。必要に応じて、ポテンショメータまたは半不透明なプラスチックを使用して強度を調整します。これらは、ピクセル強度が動物の体<背景<足跡の順に増加するように最適化する必要があります。
   1. 動物の体/背景/足跡のピクセル強度を確認するには、ImageJ/FIJI²⁴で画像シーケンスを開き、[ 分析>測定]をクリックします。フットプリント信号は、フットプリントの境界(つま先とフットパッド)が定義されるのを防ぐため、過飽和にしないでください(補足図2)。
7. ビデオ録画ソフトウェアで歩道の画像コントラストを調整します。コントラストは、LEDストリップの照明を暗くしたり増やしたり、カメラのレンズの絞りを調整するという2つの方法で調整できます。
8. レンズを同じ高さで、45°の反射ミラーの中央に、通路に対して垂直(90°)になるように正しく配置します。これにより、左右の歩道に沿って常に比例した画像が生成されます。
   注意: 複数の録画セッションでカメラの位置(距離、高さ、向き)を変更しないでください。必要に応じて、三脚を配置する床に印を付けます。これにより、画像の特徴が維持されます。
9. プレキシガラスの表面にレンズの焦点を合わせます。これは、プレキシガラスの表面に触れる損傷のない物体を使用してテストできます。
   注意: Fストップレンズの値を低くすると、被写界深度が小さくなり、焦点を合わせるのが難しくなります。
10. 記録されたビデオのピクセル強度が変更される可能性があるため、アッセイ中にすべての設定が変更されていないことを確認してください。

2.ビデオ取得

1. テストの前に、マウスが部屋と装置に精通していることを確認してください。慣れのために少なくとも1日保存してください(0日目)。過度のトレーニングを避けるために、他の行動テストとは異なる日(できれば翌日)にMWテストを実行してください。
2. ビデオ録画ソフトウェアで、少なくとも50cmの歩道が見えることを確認してください。
3. 記録設定を調整して、歩道領域を切り捨てます。これにより、ビデオサイズが縮小され、ビデオ取得が最適化されます。
4. 各セッションの前に、通常の定規の写真または短いビデオを撮ります。センチメートルあたりのピクセル数は、後でビデオを調整するために「設定ウィンドウ」で使用されます。
5. ビデオ取得を開始し、怪我をしないように尾の付け根をつかんで動物を歩道の端に置きます。動物がプラットフォームの端まで前進することを確認します。スムーズな歩行移行を確保するために、少なくとも100フレーム/秒でビデオ録画を実行します。
   1. 必要に応じて、歩道の壁を軽くたたくか、指をパチンと鳴らしたり、拍手したりして、動物が動くように動機付けます。ただし、結果に影響を与える可能性があるため、物理的なナッジは避けてください。
   2. ビデオをTIFF(LZW圧縮付き)、JPEG、またはPNG形式の画像シーケンスとして直接保存します。カメラが生のMOVファイルとして記録する場合は、ImageJ /^{FIJI 24} でファイルを開き、[ファイル]>[画像シーケンス >として保存 ]をクリックして(またはLosslessCut²⁵などの他のソフトウェアを使用して)、ビデオを画像シーケンスに変換します。
      注意: ほとんどの動物は、歩道に入れられた直後に歩き始めます。したがって、動物を配置する前にビデオ取得を開始することをお勧めします。

3. MWトラッキングソフトウェア用のビデオの準備

1. 個々のマウスの十分な完全な実行を撮影します。条件ごとに撮影する動物の数と完全な実行の数は、各実験計画に従って決定する必要があります。完全な実行とは、マウスが長時間停止することなく歩道の完全な50 cmを歩くことです(この実験では、3つの完全な実行が選択されました)。
   注意: 画像取得ソフトウェアによっては、ビデオを最小のROIにトリミングする必要がある場合があります。これにより、追跡と出力生成の速度が向上します。
2. ImageJ/FIJI²⁴ で、[画像> スタック ] > [ツール] > [サブスタックを作成] をクリックして、マウスが画面上にあるフレームを選択します。MWでの追跡では、すべてのフレームでヘッドとテールが見える必要があります。ただし、1 つのビデオ録画から複数のサブスタックを作成し、後で各実行を表すことは可能です。
3. 各サブスタックを別々のフォルダに別々に保存するには 、[ファイル] > [イメージ シーケンスとして保存>] をクリックします。MWソフトウェアは、後で実行の分析を開始するたびに、各ディレクトリにサブフォルダを自動的に作成します。

4. トラッキング

1. MATLABを開き、MWスクリプトを含むフォルダを作業ディレクトリに追加し、メインコマンドラインで「MouseWalker.m」を実行します。
   注:MATLABでMWソフトウェアを使用すると、MATLABのメインコンソールでエラーメッセージを追跡し、目的の出力データを選択できます(メインスクリプトファイル「MouseEvaluate.m」を開き、出力を1または0に変更します:Excelファイル、足跡プロット、スタンストレース、歩行パターン)。
2. ビデオフォルダを「入力ディレクトリ」としてロードします。出力フォルダを選択することもできます。ただし、MWソフトウェアは「入力ディレクトリ」内に「結果」という新しいフォルダを自動的に作成するため、これは要件ではありません。
3. 矢印「<<」、「<」、「>>」、「>」を使用して、ビデオフレームがすべてMWソフトウェア内に正しくロードされているかどうかを確認します。
4. すべてのキャリブレーションとしきい値のパラメーターが配置されている[設定]ウィンドウに移動します。これらの設定は、背景とフットプリントのピクセル強度、ボディとフットプリントの最小サイズなどの要因に応じて変更できます( 補足図2の例を参照)。プレビュー ボタンをクリックして、 いくつかのパラメータを変更した場合の効果をテストします。
   1. 「胴体+足+尾」、「胴体のみ」、「足のみ」、「尾のみ」など、さまざまなプロット スタイルを使用して、閾値パラメータを調整した後に体の部分を区別するのに役立ちます。
   2. 右側のパネルのツールを利用して、明るさまたはサイズを測定します(それぞれ「明るさ」ボタンと「定規」ボタンを使用)。カメラの距離が同じである限り、すべての設定を「デフォルト」として保存できます。
5. しきい値パラメータを調整した後、ビデオが自動追跡の準備ができていることを確認します。最初のフレームに移動し、[ 自動 ]をクリックして追跡を開始します。この手順はリアルタイムで実行でき、ビデオのサイズとコンピューターのパフォーマンスによっては数分かかります。
   1. 自動追跡で身体の特徴に誤ってラベルが付けられている場合は、自動追跡をキャンセルし、新しい設定を入力して、プロセスを再開します。
6. 追跡が完了したら、手動修正が必要かどうかを確認します。修正するには、中央のパネルを使用して選択または選択を解除し、右前 (RF)、右後方 (RH)、左前 (LF)、左後足跡 (LH) の位置、頭、鼻、体 (2 つのセグメントに分割)、および尾の位置 (4 つのセグメントに分割) を指定します。 [保存 ] ボタンを押して変更を保存します。
   注意: すべてのボタンとほとんどのコマンドにはキーショートカットがあります(詳細については、関連するマニュアルを確認してください²³)。ビデオのスクロールとキーボードショートカットの実行を容易にするために、プログラム可能なボタンとContour ShuttlePro V2のようなシャトルホイールを備えたハードウェアコントローラーを使用できます。
7. [ 評価] をクリックして、追跡されたビデオから出力ファイルを生成します。選択した目的の出力(手順4.1を参照)によっては、この手順に数分かかる場合があります。
8. すべてのグラフィカル出力データプロットが"Results"フォルダに保存されていることを確認します。すべての足の位置が一貫しているかどうかを確認できる「スタンストレース」などのグラフィカル出力のいくつかを調べて、追跡の精度を確認します。
   1. エラーが特定された場合は、追跡を手動で修正し (可能であれば、"Results" フォルダーを削除し、新しい設定で自動追跡を再度実行します)、 もう一度 [評価 ] コマンドをクリックします。
9. MWソフトウェアによって生成されたすべての定量測定値がExcelスプレッドシートに保存され、「1.Info_Sheet」。数式区切りの Excel オプションがスクリプトと一致していることを確認します。小数点記号は "," で、桁区切り記号は ";" である必要があります。
10. "MouseMultiEvaluate.m" スクリプトを使用して、すべての実行の測定値を分析用の新しいファイルにまとめます。
    1. まず、すべてのビデオのフォルダパスを含む.txtファイルを生成します(例:「ビデオファイル.txt」)。各行が 1 つのビデオに対応していることを確認します。
    2. 次に、コマンドラインに「MouseMultiEvaluate('Videofiles.txt')」と入力します。"ResultSummary.xls" という名前の Excel ファイルが作業ディレクトリに生成されます (GitHub リポジトリの例を参照してください)。
       注意: 図2 は、記録された1匹の動物のビデオからMWソフトウェアによって取得されたグラフィック出力を表しています。

5. キネマティックデータ解析ワークフロー

1. 手順 4.10 で生成された Excel シート (提供されている Python スクリプトを使用して処理するためのデータを含む) を、次の前提条件に従って編集します。
   1. 最初の列ヘッダーで、実験条件を指定します。グループ/条件名に続く各行に名前を付けます(同じグループの個人は同じ名前である必要があります)。最初のグループはコントロールまたはベースラインである必要があります(これはヒートマッププロットのステップ5.6でのみ必須です)。
   2. 2 番目の列で、動物 ID を指定します。この情報はプロットの生成には使用されませんが、これは必須です。
   3. 3 列目以降で、解析に使用するモーター パラメータを選択します。最初の行がパラメータの名前であることを確認します(これらの名前は後でプロットに表示されます)。
2. アナコンダナビゲーターを開き、スパイダーを実行して提供されたPythonスクリプトを開きます。
   注: すべてのスクリプトは Python 3.9.13 で開発され、Anaconda Navigator 2.1.4 の Spyder 5.2.2 で実行され、 Table of Materials と GitHub リポジトリ (ビデオの例、Excel のサンプル ファイル、FAQ ドキュメントなどの追加の資料が含まれています) で入手できます。Anaconda ナビゲーターの外部でスクリプトを実行することが可能です。ただし、このグラフィカルユーザーインターフェイスはよりユーザーフレンドリーです。
3. 「Rawdata_PlotGenerator.py」を使用して、生データプロットを生成します。これにより、各パラメータを速度の関数として視覚化できます。
   1. Spyderで「Rawdata_PlotGenerator.py」を開き、[ 再生 ]ボタンをクリックしてコードを実行します。
   2. 自動ウィンドウで分析するExcelファイルとシート名を選択します。シート名が変更されていない場合は、「Sheet1」と記述します。
   3. 生データプロットがプロットコンソール(右上のパネル)に表示されます。プロットを保存するには、プロットコンソールの[画像を保存]または[すべての画像を保存]ボタンをクリックします。
4. スクリプト「Residuals_DataAnalysis」を使用して、データ分析の残差を計算します。このスクリプトは、すべてのモーターパラメータの残差の計算を含むCSVファイルを生成します。
   注:MWによって抽出された測定された歩行パラメータの多くは、速度によって異なります(たとえば、スイング速度、ステップ長、スタンス持続時間、スタンス真直度、歩行指数)。したがって、ベースライン実験の速度に対する個々のパラメータのベストフィット回帰モデルを実行し、この回帰モデルに関連して各実験グループの残差値を決定することをお勧めします。次に、データは残差正規化線²⁶との差として表されます。
   1. Spyderで「Residuals_DataAnalysis.py」を開き、[ 再生 ]ボタンをクリックしてコードを実行します。
   2. 自動ウィンドウで分析するExcelファイルとシート名を選択します。シート名が変更されていない場合は、「Sheet1」と記述します。
   3. CSV ファイルをデータと同じフォルダーに保存します。コントロール (またはベースライン) が Excel ファイルの最初のグループである必要があります。
5. "PCA_PlotGenerator.py" スクリプトを使用して、主成分分析 (PCA) を実行します。
   注:この教師なし次元削減法は、データのより簡潔な表現²⁷、²⁸、²⁹を生成するために使用されます(図3A、B)。PCA スクリプトには、以下のステップが含まれます。データは最初にセンタリングとスケーリングによって前処理され、その後、PCAアルゴリズムが共分散行列を計算して変数間の相関を決定し、共分散行列の固有ベクトルと固有値を計算して主成分を特定します。最初の2つまたは3つの主成分は、それぞれ2Dまたは3Dプロットでデータを表現するために選択されます。プロット内の各ドットは動物に対応し、異なる抽象変数を表します。色分けされたドットは、特定のグループを区別するために使用されます。そのため、ドットのクラスターは、対応する個人が共有する同様の歩行パターンを反映しています。
   1. Spyderで「PCA_PlotGenerator.py」を開き、[ 再生 ]ボタンをクリックしてコードを実行します。
   2. 自動ウィンドウで分析するExcelファイルとシート名を選択します。シート名が変更されていない場合は、「Sheet1」と記述します。
   3. PCA 2Dおよび3Dプロットがプロットコンソール(右上パネル)に表示されていることを確認します。各色は異なるグループを表し、凡例はプロットの横に表示されます。プロットを保存するには、プロットコンソールで 画像を保存 をクリックします。
6. 「Heatmap_PlotGenerator.py」を使用してヒートマップを生成します。ヒートマップジェネレーターが、各モーター^{パラメーター27} のベースライングループ(またはコントロールグループ)と他のグループの間の統計的差異を示す表を作成することを確認します(図4)。各列は1つのグループを表し、各線は特定のモーターパラメータに関連しています。
   注:統計分析は、一元配置分散分析とそれに続くテューキーの事後検定(正規分布の場合)またはクラスカル-ウォリス分散分析とそれに続くダンの事後検定(非正規分布の場合)を使用して実施されました。外れ値は分析から除外した。 p値はカラーコードで表され、赤と青の色合いはそれぞれコントロール(またはベースライン)に対する増加または減少を示します。色合いは統計的有意性を表し、暗い色は有意性が高く、明るい色は有意性が低いことを示します。 P < 0.001に対応します。**は P < 0.01に対応します。*は P < 0.05に対応する。白は変動がないことを示します。
   1. Spyderで「Heatmap_PlotGenerator.py」を開き、[ 再生 ]ボタンをクリックしてコードを実行します。
   2. 自動ウィンドウで分析するExcelファイルとシート名を選択します。シート名が変更されていない場合は、「Sheet1」と記述します。
   3. 2番目の自動ウィンドウでデータのタイプ(生データまたは残差データ)を選択します。オプションが選択されていない場合、残差データがデフォルトになります。
   4. ヒートマップがプロットコンソール(右上のパネル)に表示されます。プロットを保存するには、プロットコンソールで 画像を保存 をクリックします。
      注 : コントロール (またはベースライン) は、Excel ファイルの最初のグループである必要があります。
7. 「Boxplots_PlotGenerator.py」を使用して箱ひげ図を生成します。このツールを使用すると、各グループのすべてのモーターパラメータの値の分布を表す箱ひげ図を生成できます(図5、図 6、 および図7)。
   注: 各ボックスには中央値が中央線として含まれ、ボックスの下端と上端はそれぞれ 25% と 75% の四分位数を表します。ひげは、外れ値を除いた完全なデータセットの範囲を表します。外れ値は、それぞれ 25% および 75% の四分位数より下または上の四分位範囲の 1.5 倍の値として定義されます。
   1. Spyderで「Boxplots_PlotGenerator.py」を開き、[ 再生 ]ボタンをクリックしてコードを実行します。
   2. 自動ウィンドウで分析するExcelファイルとシート名を選択します。シート名が変更されていない場合は、「Sheet1」と記述します。
   3. 2番目の自動ウィンドウでデータのタイプ(生データまたは残差データ)を選択します。オプションが選択されていない場合、残差データがデフォルトになります。
   4. 箱ひげ図がプロットコンソール(右上のパネル)に表示されます。プロットを保存するには、プロットコンソールの[画像を保存]または[すべての画像を保存]ボタンをクリックします。

Results

標準BMSシステムは、SCI¹⁴以降の総運動赤字を説明しています。その主観的な性質のために、他の定量的アッセイは一般にBMSと一緒に実行され、移動のより詳細で詳細な評価を生成します。しかし、これらのテストでは、脊髄回路がどのように機能を維持し、不完全なSCIに適応するかを理解する上で非常に重要な、ステップサイクル、ステッピングパターン、および前肢と後肢の協調に関する特定の情報を示すことができません。このセクションでは、MWツールボックスがSCI後の自発運動機能の回復を監視し、歩行行動に関する関連情報を追加するのにどのように役立つかを示します。

研究サンプルは、9週齢の雌C57Bl / 6Jマウスの2つのグループに分けられました:SCI実験グループ(n = 11)、動物は椎弓切除術を受け、その後、無限の地平線インパクターを使用してT9 / T10脊柱のレベルで中等度から重度の挫傷損傷を受けました( 材料の表を参照)。偽損傷対照群(n = 10)では、椎弓切除術のみが同じ列レベルで実施されました(図1、ス...

Discussion

ここでは、SCI後の自発運動行動を解析することにより、マウスウォーカー法の可能性を実証します。これは、他の標準的なテストでは見逃されるステップ、フットプリント、および歩行パターンの特定の変化に関する新しい洞察を提供します。MW パッケージの更新バージョンを提供するだけでなく、提供されている Python スクリプトを使用してデータ分析ツールについても説明します (手順 5 を参照)。

MWは大規模なデータセットと高次元の自発運動プロセスを反映する運動学的パラメータのコレクションを生成するため、PCAが採用されました。実際、PCAは、これに似た他のキネマティックデータセットで広く使用されています27,35,36(図3)。この次元削減手法は、最小限の仮定でシンプルで堅牢な方法であり、キネマティックプロファイルを定量的に識別し、それらを制御条件...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
<ストロング>45ºミラー
2アルミ押出成形(2×2cm)、高さ16cm、両側に1個	ミスミ2
アルミ押出成形品(2×2cm)、23cm、@45°C; 、両側に1個	ミスミ
個アルミ押出成形品(2×2cm)、長さ83cm	ミスミ
87×23cmミラー	一般ガラスサプライヤー
黒い段ボールフィラー	一般的な文房具サプライヤー		私たちは2つを使用しました、1つは69 x 6 cm、もう1つは69 x 3cmで、ミラー
背景バックライト
109 x 23 cmプレキシガラス(0.9525 cm厚)	一般的なハードウェアサプライヤー2
横アルミニウム押し出し(4 x 4 cm)、長さ20 cm、両側に1つずつ	ミスミ
マルチカラーLEDストリップ	一般的なハードウェアサプライヤー
プレキシガラスを覆うための一般的な	文房具サプライヤー
fTIRサポートベースとポスト
2 アルミニウム押し出し (4 x 4 cm)、高さ100 cm	ミスミ
60 x 30 cm メートル法のブレッドボード	エドモンド・オプティクス	#54-641
M6 12 mm ネジ	Edmund Optics
M6六角ナットとウェー	サーEdmund Optics
fTIR歩道
109 x 8.5 cmプレキシガラス(厚さ1.2 cm)	一般的なハードウェアサプライヤー109		x 8.5 cmプレキシガラス(厚さ1.2 cm)
長さ109 cmのベースUチャネルアルミニウム、高さ1.6 cm×深さ1.9 cmの厚さの折り目(プレキシガラスを保持するため)	一般的なハードウェアサプライヤー2
横アルミニウム押し出し(4 x 4 cm)長さ20 cm、両側に1つずつ	ミスミ
黒い段ボールフィラー	一般的な文房具サプライヤー		は、プレキシガラスの限界をカバーするために、明るいエッジM6
12 mmネジ	ドモンドオプティクス
ハイスピードカメラ(三脚付き)
Blackfly S USB3	FLIR	#BFS-U3-32S4M-C	こちらがおすすめです。要件は、毎秒少なくとも100フレーム
を記録することですInfinite Horizon Impactor
インフィニットホライゾンインパクター	Precision Systems and Instrumentation、LLCの	#0400
Lens
Nikon AF Zoom-Nikkor 24-85mm	Nikon	#1929	このレンズは推奨されますが、他のレンズを使用することもできます。fTIR 信号をキャプチャするために、大きなアパーチャ (つまり、F-ストップ値が小さい) が含まれていることを確認してください
Software
MATLAB R2022b	MathWorks
Python 3.9.13	Python Software Foundation
Anaconda Navigator 2.1.4	株式会社アナコンダ
スパイダー 5.1.5	Spyder Project Contributors
歩道の壁
2 100 x 15 cmの大きな直立形のアクリル	ブリコラージュコンビニエンスストア
2 長さ6-10 x 15 cmのトラペジアンアクリラテラル	ブリコラージュコンビニエンスストア
GitHub資料
フォルダ名	URL
Boxplots	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Boxplots		箱ひげ図を作成するためのスクリプト
Docs	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Docs		Additional documents
Heatmap	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Heatmaps		Heat mapを作成するためのスクリプト
Matlatスクリプト	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Matlab%20Script		MouseWalker matlabスクリプト
PCA	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/PCA%20plots		主成分分析
生データ	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Rawdata%20Plots		プロットを実行するスクリプト生データプロットを作成するスクリプト
残差分析	https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Residual_Analysis		生データから残差を計算するコード