マウスの自動化、定量的認知/行動スクリーニング：遺伝学、薬理学、動物認知と学部命令について

次の実験の全体的な目標は、遺伝的および薬理学的に操作されたマウスの機能不全と認知の基本的なメカニズムをスクリーニングすることです。これは、完全に自動化されたハイスループット24 7行動表現型システムで生理学的意味のある定量的特性の心理物理学的測定を行うことによって達成されます。次のステップは、入力データを準リアルタイムで分析およびグラフ化することで、マウスごとにテストを自動的にリアルタイムに制御できるようになります。

次に、生データ、テストプロトコルコード、およびすべての中間統計が1つのデータ構造にアーカイブされます。データを公開し、さらなる解析を促進するために、結果はスイッチタスクに基づく時間蒸気分率のひずみ特異的な変化を示しています。この手法が水の迷路などの他の方法よりも優れている主な利点は、生理学的に意味のある結果が得られ、非常に高いスループットが得られ、マウスを扱わないことです。

したがって、この方法は、認知神経遺伝学分野の重要な質問に答えるのに役立ちます。たとえば、量的に変化した間隔タイミングメカニズムを持つ突然変異株は存在するのでしょうか?この技術の意味は、遺伝的認知障害の治療または診断にまで及び、これらのメカニズムの重要な構成要素を特定する遺伝子の発見につながる可能性があります。この方法を初めて使用する人は、MATLAB プログラミングの基本を理解し、定量的な自動心理物理学的テストの力を理解する必要があります。

アダムと私は、遺伝子操作マウスで行われていたテストの労働集約的で非定量的な性質を見たとき、このシステムを作成するアイデアを初めて思いつきました。これにより、一度に80匹のマウスを走らせることができます。各テスト環境は、アクリルチューブでマウステストボックスに接続されたポリプロピレン製のマウスタブで構成されています。

テストボックスには3つのホッパーがあり、赤外線ビームによって監視されます。2つの外側のホッパーにはペレットフィーダーが取り付けられており、中央のホッパーは食品ペレットを供給できませんが、食品ペレットを供給できます。パーティーウォールのポートを通るケーブルは、テスト環境を別の部屋の電気インターフェースカードと専用コンピューターに接続し、プロトコル制御プログラムを実行します。

キャビネット 2 台につき 1 台のコンピューターが必要です。これらのコンピュータは、データ分析およびグラフ作成ソフトウェアを実行しているサーバーにローカルエリアネットワーク経由で接続されています。データ解析ソフトウェアをインストールしたサーバーが、テスト環境を制御するコンピューターのハードディスクにアクセスできるように、ローカルエリアネットワークを設定します。

次に、クラウド内のデータストレージ用のファイル同期アカウントを確立します。TS システム フォルダーとそのサブフォルダーを MATLAB 検索パスに追加し、TS システム フォルダーがクラウド同期フォルダーであることを確認します。TSシステムは、MATLABで記述された30を超える高レベル関数のオープンソースソフトウェアライブラリであり、複雑なデータ解析およびデータグラフ作成コードの作成を容易にします。

TS システム ツールボックスでは、関数 Ts begin を呼び出して、生データとそこから派生したすべての結果が TS システム ツールボックス内の他の関数によって配置される階層データ構造を作成します。次に、ts add protocol を呼び出して、実験プロトコルの制御パラメーターを指定し、プロトコルを終了して次のプロトコルに進む決定を自動化する決定コードを指定し、使用する決定基準を指定します。次に、マウスを 24 7 のライブインテスト環境に、環境ごとに 1 匹ずつ配置します。

マウスのID番号、ボックス番号、ローカルエリアネットワーク上の実験制御コンピュータを識別する文字とそのIPアドレスをメモします。次の呼び出しは、ts start session で実験セッションを開始します。実験セッションは1〜2週間続き、その間にいくつかの異なる行動テストプロトコルが実行されます。

次に、1 つの制御コンピューターで、そのコンピューターによって制御されるすべてのボックスを開始するマクロを呼び出します。このマクロは、TS 開始セッションによって作成されました。これを他の制御コンピュータで繰り返します。

データ分析は、TS システム ツールボックスのコマンドを使用して新しいデータ分析およびグラフ化コードを記述するか、Ts ライブラリに用意されている既存のデータ分析およびグラフ化コードを使用または変更することで実行できます。実験が開始されると、実験はほとんど自動的に実行されますが、実験の期間中はある程度の監視が必要です。停電、自発制御、コンピューターの再起動、ペレットフィーダーの誤動作など、機器の誤動作の可能性を示すTIAシステムデータ分析プログラムからのアラートを電子メールで監視します。

これらの電子メールアラートにより、1日に2〜4回、故障をタイムリーに修理できます。TS システム データ分析コードが分析タイマーによって呼び出されるたびに生成されるパフォーマンスのプロット。これらのプロットは、いつでも世界中のどこからでも監視でき、必要に応じて、マウスがテストされているサイトからオンラインで実験プロトコルをリモートで修正できます。

また、TSブラウザを使用して、階層データ構造のデータと要約統計量を準リアルタイムのデータで調査します。得られたペレットの累積不均衡プロットは、収入と呼ばれ、赤でプロットされ、訪問時間は3つの野生型マウスと3つのL1ヘテロ接合体について黒でプロットされます。スケジュールの逆転は、3匹のマウスの垂直の赤い破線でマークされた傾斜が下向きに転じた時点で発生しました。累積訪問不均衡プロットの傾きは、黒線が累積所得不均衡の傾きに密接に追跡します。

赤い線は、平均滞在時間と収入の比率の比率がほぼ完全に一致していることを示しています。訪問時間の比率が、下向きの変曲点での収入の比率の変化にどれだけ早く適応するかに注目してください。一方、2回目の給餌セッションでは、累積訪問の傾きがゼロであることで示されるように、別のマウスが一致しませんでした。

期間の不均衡は黒でプロットされ、赤で収入の不均衡の傾きは実質的に正です。しかし、3回目の給餌フェーズでは、傾斜が平行になっているため、このマウスは、このフェーズの初めに、訪問率と収入比率を一致させるために突然開始したことになります。したがって、明らかに、それはそうすることができたが、テストの一部では何らかの理由でそうしなかった。

これは、少数の要約統計に完全に依存するのではなく、パフォーマンスの全体の流れを視覚化することの重要性を示しています。このマウスは、最初の収入率では正確に一致しましたが、逆転したとき、マウスは3番目の給餌フェーズで別のマウスがオーバーマッチしたことで完全には逆転しませんでした。つまり、平均訪問の不均衡が平均収入の不均衡よりも大きく、収入の不均衡の逆転に完全には適応していなかったのです。

ただし、6匹のマウスすべて、3つの野生型と3つのヘテロ接合体の両方が、最初の4時間の摂食段階で正確に一致し、所得比率の逆転に対して突然の反応を示したことに注意してください。これは、持続時間、推定、数、推定率推定、空間的位置推定、単純な抽象的量を記憶する能力など、多くの基本的な認知メカニズムのヘテロ接合体における無傷の機能を実証しています。認知神経遺伝学では、何がまだ正常に機能しているかを判断することと同じくらい重要であり、何が機能していないか、またはその動作に興味深い定量的変化があるものを見つけることと同じくらい重要です。

累積サイクル、またはホッパー 1 への訪問、それに続くホッパー 2 への訪問、およびホッパー 1 への復帰は、セッション時間の関数としてプロットされます。ここでは、緑色の破線の垂直線が摂食フェーズの開始を示しています。赤色の縦線のマーク。

ネズミがホッパー間を循環し始める速さを餌に与えるオフセットは、その大胆さまたは探索傾向と呼ばれるものの尺度です。6つのうち5つは、最初の供給フェーズの開始前にいくつかの探索を示し、それが始まるとすぐに突然ホッパー間を循環し始めました。しかし、1匹のマウスは探索的な行動をまったく示さず、2回目の摂食フェーズの途中で突然ホッパー間を循環し始めるまで、1サイクルも示さなかった。

機器および古典的条件付け実験の分析により、試験開始速度の累積記録が得られます。これらの実験では、条件付けされた動作が現れる前のペアの数である学習率を測定しました。縦の破線は、各レコードの買収試行を示します。

取得試行は、新しい高速が最初のセグメントの速度よりも大きい場合に、試験開始速度が大幅に増加する最初の試行です。このはしご規定が必要なのは、最初の大幅な増加の前に大幅な減少が発生する場合があるためです。ここでは、試用開始のレイテンシの累積分布を示します。

X 軸の上の点で、0.5 の水平線が累積分布と交差する点が、試行を開始するまでのレイテンシの中央値です。ここには、供給ホッパーの中のポーキング速度と、前の試行間隔中のポーキング速度の差の累積記録が示されています。最初は、このレコードの傾きはゼロまたは負です。これは、マウスがホッパー照明中にマウスを突く回数が試行間インターバル中よりも少ないためです。

ネズミが照らされたホッパーに突っ込み始めると、傾斜は正に変わります。実線の点は、傾きが正になる点を示しており、これは、これらのプロットで条件応答が最初に確実に現れる試行です。青い線は、ロングホッパーでのフィードレイテンシの3つの異なる設定における1つのマウスのスイッチレイテンシの累積分布を示す経験的な累積分布関数です。

経験関数にほぼ正確に重ね合わされた細い赤い曲線は、これらのデータに適合する6つのパラメータbelga関数です。太い赤い線は、belga 混合分布に対応する確率密度関数です。長いフィードの待ち時間が短くなると、マウスはスイッチの待ち時間の平均を短くし、精度を向上させました。

また、下のプロットの確率密度関数の左裾の隆起で示されているように、いくつかのインパルススイッチの出現も引き起こしました。このインパルス性の尺度は、ワイベル ガウス混合物分布の最適なバージョンによってワイベル成分に起因する混合物の割合です。この分析では、短い試行はプロットの下部に小さな赤いプラスでマークされ、長い試行はプロットの上部に小さな赤いプラスでマークされます。

下部と上部に生じる赤い縞の密度の変化は、短期試行と長期試行の相対頻度の変化を示しています。スイッチの遅延は、小さな白丸でマークされます。下部の赤が濃くなると、つまり短い試行の確率が高くなると、小さな円が上に移動し、上部の赤が濃くなると、つまり長い試行の確率が増加すると、円は下に移動します。

青い線は分布の中央値です。ここには、90 日間のテスト期間にわたる行動イベントと環境イベントの 24 時間のラスター プロットが示されています。黒い点はポークを記録し、赤と緑の点は2つの給餌ホッパーでのペレットの配達を記録します。

最初の黒い三角形はライトオフを記録し、2 番目の黒い三角形はシアンの三角形の最初の列のライトを記録し、夕暮れ自体の 1 時間前に発生する夕暮れの供給間隔の開始を記録し、シアンの三角形の 2 番目の列は、ライトが消えてから 3 時間後に発生する夕闇の供給間隔のオフセットを記録します。これらのマゼンタの三角形は、ライトが点灯する2時間前に発生する夜明けの供給間隔の符号なしの開始を記録し、マゼンタの三角形の最後の列は、夜明けの供給のオフセットを記録します。夕暮れ時の摂食前の摂食予測活動の開始は、6〜15日の間に青いアスタリスクでマークされます。

試験開始後、マウスは夕暮れの摂食間隔の約1時間前に摂食予測的な突出活動を示し始め、概日記憶の確立を示しています。L one遺伝子に変異を持つヘテロ接合体は、野生型の同腹仔制御よりも高いインターバルタイミング精度を示します。この図は、時間的なゴールポスト間の間隔がますます狭くなる試行のブロックで実行した場合、野生型コントロールの精度推定値の累積分布を実線でプロットし、その接合子のリタを破線でプロットしたものです。これは色の違いで示されています。

対照的に、コウモリの顔を持つヘテロ接合体またはBFC変異を持つヘテロ接合体は、野生型の食動物対照よりも低い間隔タイミング精度を示します。このテクニックを習得すれば、テストは最短で1日、最大で数週間で完了します。マッチングには1日の食事しかかかりません。

予測学習には2〜3週間かかります。