頭部拘束マウスの空間学習計測のためのオープンソースバーチャルリアリティシステム
March 3rd, 2023
ここでは、仮想現実(VR)を使用してマウス空間学習を調査するための簡略化されたオープンソースのハードウェアとソフトウェアのセットアップを紹介します。このシステムは、マイクロコントローラのネットワークと使いやすいPythonグラフィカルソフトウェアパッケージを実行するシングルボードコンピュータを利用して、車輪の上で動作するヘッド拘束マウスに仮想リニアトラックを表示します。
このオープンソースのバーチャルリアリティシステムは、研究者がシンプルなモジュラー電子セットアップを使用して、頭を拘束されたマウスに一貫した空間刺激のセットを提示できるため、脳内の空間学習の研究にとって重要なツールです。このシステムの利点は、安価でセットアップが簡単で、コンパクトでモジュール式であるため、トレーニング用の複数の行動設定を構築したり、既存の頭を拘束した行動設定と統合したりできることです。このシステムは、空間学習や頭部拘束マウスの測定に最適ですが、人間の心理物理学や神経イメージングなど、他の種や準備での実験のための視覚的バーチャルリアリティ環境も同様に提供できます。
この手順を実演するのは、私たちの研究室の研究助手であるカーラ・ディアスとハンナ・チャンです。まず、ロータリーエンコーダーコンポーネントとロータリーESP32の間のワイヤーを接続します。ロータリーエンコーダーには通常、プラス、GND、A、およびBの4本のワイヤがあり、ジャンパー線を介してこれらをESP32、3 0.3ボルト、GND 25および26ピンに接続します。
シリアルRX / TXワイヤをロータリーESP32とビヘイビアESP32の間に接続します。ロータリーESP32、シリアル0 RX / TXと動作ESP2のシリアル32ポートの間に単純な2線接続を行います。ロータリーESP32とシングルボードコンピューターのGPIOまたは直接USB接続の間にシリアルRX / TXワイヤを接続します。
シングルボードコンピュータのGPIOピン14、15、RX / TXとロータリーESP32、シリアル2、TX / RXピン1716の間に2線接続を行います。次に、ロータリーESP32 USBをシングルボードコンピューターのUSBに接続して、最初のロータリーエンコーダコードをアップロードします。12ボルトの液体ソレノイドバルブをOMW小型PCBの左端にあるULN2803IC出力に接続し、リックポートをESP32タッチ入力に接続します。
USBをシングルボードコンピューターのUSBポートに接続して、さまざまな実験パラダイムの新しいプログラムを動作ESP32にアップロードし、付属の処理スケッチを使用して動作データをキャプチャします。次に、12ボルトのDCウォールアダプターを、動作ESP2.1 OMW小型PCBの32ミリメートルバレルジャックコネクタに接続して、報酬ソレノイドバルブに電力を供給します。シングルボードコンピュータのHDMI 2出力をプロジェクターのHDMIポートに接続します。
これにより、シングルボードコンピューターGPUによってレンダリングされたグラフィカルソフトウェア環境が投影スクリーンに運ばれます。シングルボードコンピューターでターミナルウィンドウを開き、ホールパスVRフォルダーに移動します。指定されたバーチャルリアリティまたはVRグラフィカルユーザーインターフェイスまたはGUIを実行して、GUIウィンドウを開きます。
トラックに沿った 3 つのパターンのそれぞれについて、リスト ボックスから 4 つの要素を選択して追加し、[生成] をクリックします。ドロップダウンメニューから[床と天井の画像]を選択し、このコード例ではトラックの長さを2メートルに設定します。必要に応じて、このパターンに名前を付けます。
[スタート]ボタンをクリックし、VRウィンドウが起動するまで待ってから、他の場所をクリックします。グラフィカルソフトウェア環境が画面2に表示されます。処理スケッチを実行して、動作データの動きを取得してプロットします。
処理中の IDE で、指定されたコマンドを開きます。動物をマウス番号変数に変更し、セッション分を行動セッションの長さ(分単位)と等しく設定します。処理中の IDE の [実行] ボタンをクリックします。
ホイールが30秒ごとに更新されるリック、ラップ、報酬のヒストグラムとともに回転すると、仮想線形トラック上の現在のマウス位置を示す処理プロットウィンドウを確認します。ランニングホイールを手で進めて、テスト用のマウスの実行をシミュレートするか、初期設定にテストマウスを使用します。プロットウィンドウをクリックし、キーボードのQキーを押して、行動データの取得を停止します。
動作イベントと時間のテキストファイルとPNGの最終プロットウィンドウの画像は、セッション分が経過するか、ユーザーがQキーを押して終了したときに保存されます。非オペラント報酬によるランダム鍛造の場合は、任意の視覚要素のパスを使用してグラフィカルソフトウェアGUIプログラムを実行します。次に、複数の非オペラント報酬を備えた動作プログラムを動作ESP32にアップロードして、マウスを実行してなめるように調整します。
マウスを頭固定装置にそっと置き、舐め口をマウスの口のすぐ前の位置に調整し、マウスホイールを投影スクリーンゾーンの中央に配置します。処理スケッチで動物の名前を設定し、処理IDEで[実行]を押して、行動データの取得とプロットを開始します。マウスがセッションごとに少なくとも20周実行されるまで、20〜30分のセッションでマウスを実行し、ランダムな場所で提示される報酬をなめます。
交互のラップでオペラント報酬を使用してランダムに採餌するには、交互オペラントが1に等しい動作プログラムをアップロードし、非オペラント報酬ゾーンとオペラント報酬ゾーンの両方をなめるまでマウスをトレーニングします。完全にオペラントランダム採餌を行うには、4つのオペラントランダム報酬ゾーンを含む行動プログラムをアップロードし、トラックに沿って一貫して報酬を得るまでマウスをトレーニングします。次に空間学習を行うには、中央に1つの視覚的な手がかりがある暗い廊下の経路でグラフィカルソフトウェアプログラムを実行します。
次に、単一の隠された報酬ゾーンを持つ行動プログラムを行動ESP32にアップロードします。マウスを 30 分間実行し、1 つの非表示の報酬ゾーンと 1 つのビジュアル キュー VR 廊下を使用し、前述のようにセッション中にデータをキャプチャします。加工スケッチフォルダからtxtデータファイルをダウンロードし、行動データを解析することで、空間学習の指標としての空間選択的舐めの出現を観察します。
グラフィカルソフトウェア環境を使用した空間学習を示します。ランダムな採餌に関するトレーニングの段階を通じて、マウスは車輪の上を走り、低レベルでトラックに沿って一貫して舐めることを学び、その後、空間学習を示すために単一の隠された報酬の場所に切り替えられました。この研究では、7匹のマウスのうち4匹が、選択性を高めながら報酬ゾーンの近くを舐めることによって示されるように、2〜4回のセッションで単一の視覚的手がかりで隠された報酬タスクを学習しました。
さらに、マウスは、セッション内およびセッション間の学習の両方で実質的なものを示した。2日目の1周あたりの空間舐めは、報酬ゾーンの前に舐めが増加し、他の場所での舐めが減少し、空間的に特異的な予測舐めの発達を示しました。システムを使用するときに覚えておくべき主なことは、マウスはランニングホイールで強化されて快適な場合にのみうまく機能するということです。
したがって、水は動物を適切に制限し、優しく扱い、投影画面を見ながら走るのに最適な頭の拘束位置を確保します。神経科学の研究者は、このオープンソースのVRシステムをin vivoイメージングまたは電気生理学と組み合わせて、脳内の空間学習の基礎となるニューロン回路を調査できます。このオープンソースVRシステムのシンプルさにより、研究者はシステムをさまざまなニューロレコーディングセットアップに統合できるようになると考えています。
VR環境での空間刺激の正確な制御により、研究者は空間学習に対する特定のニューロン回路の寄与を調べることができます。
View the full transcript and gain access to thousands of scientific videos
概要
この研究は、仮想現実（VR）を用いてマウスの空間学習を調査するための簡易化されたオープンソースのハードウェアおよびソフトウェアセットアップを提示します。このシステムは、マイクロコントローラーとPythonのグラフィカルソフトウェアパッケージを実行するシングルボードコンピュータによって、頭部を固定したマウスが仮想直線軌道を移動することを可能にします。
主要な研究要素
科学の分野
- 神経科学
- 行動研究
- 研究における仮想現実の応用
背景
- このオープンソースのVRシステムは一貫した空間刺激を提供します。
- セットアップは費用対効果が高く、コンパクトで、モジュール式です。
- 既存の頭部固定型行動セットアップとの統合を可能にします。
- このシステムはマウス以外の様々な種や研究にも適用可能です。
研究目的
- 頭部固定マウスの空間学習を測定するための使いやすいシステムを提示すること。
- セットアップと運用プロトコルを示し、説明すること。
- 空間学習タスク中の行動データを分析すること。
使用方法
- プラットフォームはマイクロコントローラーとシングルボードコンピュータを使用するオープンソースのハードウェアシステムで構成されています。
- 生物モデルには、仮想環境を探索する頭部固定マウスが含まれます。
- この研究ではマルチオミクスワークフローは使用されていません。
- ステップには、コンポーネント間の配線接続、ソフトウェアのアップロード、グラフィカルユーザーインターフェースとの相互作用が含まれます。
- 行動データが収集され、様々な実験パラダイムを通じた空間学習の分析が可能になります。
主要な結果
- このシステムは仮想軌道上でのマウスの行動を追跡し、空間学習能力を示すことができます。
- 重要な行動データが捕捉され、空間タスクにおける条件反応の可能性が明らかになります。
- 結果は、特定の場所を報酬と関連付けるためにマウスを訓練できることを示唆しています。
- 7匹のマウスのうち4匹が特定の条件下で隠れた報酬タスクを正常に学習しました。
結論
- この研究は、ロバストにおける空間学習の研究を促進するVRシステムの能力を確認しました。
- これは、異なる種にわたる行動実験を含む将来の研究のためのモデルを提供します。
- 得られた洞察は、空間学習と記憶のより広範なメカニズムの理解に貢献することができます。
よくある質問
Executive Industry Relevance
Open-source virtual reality (VR) systems for head-restrained mice enable high-resolution, quantitative measurement of spatial learning and behavior, supporting mechanistic de-risking in early neuroscience discovery. The modular, low-cost platform facilitates integration with electrophysiology and imaging, providing precise control over spatial and contextual cues for target validation. This capability enhances predictive confidence in neural circuit-behavior relationships, informing portfolio decisions in CNS drug discovery.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of spatial learning mechanisms in defined neural circuits under controlled sensory conditions.
- Supports functional target validation by linking circuit activity to behavioral outputs in a reproducible system.
- Facilitates mechanistic de-risking by isolating variables and quantifying behavioral responses to specific cues.
Screening & Assay Development
- Provides a standardized behavioral assay platform for evaluating genetic or pharmacological interventions in spatial learning.
- Delivers reproducible, quantitative outputs such as lap counts, lick rates, and reward zone selectivity.
- Enables scalable, parallelized behavioral testing through modular hardware and software design.
Translational & Preclinical Research
- Aligns behavioral outputs with neural circuit activity, supporting translational biomarker development in CNS research.
- Maintains continuity from in vitro circuit interrogation to in vivo behavioral validation.
- Reduces translational risk by enabling direct measurement of disease-relevant spatial learning phenotypes.
Pipeline & Workflow Integration
This VR system positions within the early discovery to preclinical continuum, bridging neural circuit analysis and behavioral phenotyping for CNS target validation.
- Discovery Biology: Supports hypothesis testing on spatial learning and circuit function with precise stimulus control.
- Screening: Offers assay readiness and reproducibility for compound or genetic screening in behavioral paradigms.
- Analytics: Provides quantitative behavioral metrics and time-stamped event logs for robust statistical analysis.
- Translational Research: Connects neural activity to behavioral endpoints, informing biomarker strategies.
- Enterprise Reuse: Modular, open-source design enables adaptation across diverse neurobehavioral research programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in CNS target validation by linking neural circuits to spatial learning behavior.
- Operational Value: Standardizes behavioral assays, improving reproducibility and scalability across research teams.
- Strategic Value: Informs go/no-go decisions by providing quantitative, mechanistically anchored behavioral data.
- Portfolio Impact: Enables risk-adjusted prioritization of CNS targets based on robust behavioral phenotyping.
Implementation Considerations
- Requires expertise in behavioral neuroscience and basic electronics for setup and operation.
- Needs integration with imaging or electrophysiology platforms for circuit-behavior studies.
- Demands cross-team standardization of behavioral protocols and data analysis pipelines.
- Adaptable to various species and experimental paradigms with appropriate hardware modifications.
- Performance depends on animal acclimation and reinforcement protocols, as supported by source guidance.
Biopharma FAQs
Chapters in this video
0:04
Introduction
1:03
Set Up the Rotary Encoder and ESP32 Connections
3:16
Running and Testing the Graphical Software Package
5:08
Mouse Training and Spatial Learning Behavior
7:11
Results: Spatial Learning Using the Graphical Software Environment
8:03
Conclusion
