2025年1月24日
ここでは、MRI環境内の行動モニタリングの課題を克服し、外部の手がかりに対する指示されていない行動反応の検出を可能にするビデオ分析パイプラインを紹介します。この分析により、誘発された内部状態の変化と脳全体の活動について、より包括的な理解が促進されます。
養育者が乳児の合図をどのように認識し、反応するかによって、乳児が生存に必要なケアを受けられるかどうかが決まります。マウスでは、子犬の発声は複雑な行動反応を呼び起こすため、脳領域のネットワーク全体で協調的な活動を呼び起こす可能性があります。私たちは、さまざまな母体経験の背景を持つマウスでこのネットワークを特定したいと考えており、覚醒マウスFMRIはそのための優れたツールです。
覚醒マウスFMRIが広く使用されるようになると、目標指向行動の神経相関を調査するエキサイティングな研究が出現しています。これらの動作は通常、ビームブレーカーなどのツールを使用して評価され、漏れを検出したり、圧力センサーで動きを検出したりします。私たちのプロトコルにより、技術的に困難なMRI環境でも、自発的な行動反応を評価することができます。
私たちの目標は、最終的には自発的な行動の尺度を使用して、FMRIで獲得した脳全体の活動をよりよく理解することです。私たちの以前の研究では、母親と処女の動物の聴覚皮質は、子犬の鳴き声に対して異なる反応を示すことが明らかになりました。お母さんの場合、彼らの神経反応は子犬の泣き声にタイムロックされています。
処女では、そうではありません。しかし、処女が母親の行動を表現することを学ぶにつれて、聴覚中枢はこの新しいスキルを反映するように変化します。私たちの先行研究は、麻酔マウスの聴覚皮質に焦点を当てていました。
この研究は、聴覚皮質の境界を超えて、動物が母親になることを学ぶように行動するマウスが覚醒しているときに脳全体と行動がどのように変化するかを調べています。まず、MathWorks の Web サイトから MATLAB をダウンロードします。画像処理ツールボックスを MATLAB アドオンに追加するには、[アドオンの管理]、[アドオンの取得] の順にクリックし、アドオンを検索して追加します。
同様に、Computer Vision Toolbox を MATLAB アドオンに追加します。分析パイプラインのスクリプト 1 を開いた後、スクリプトのセクション 1、2、3、4、5、6 を編集して、指定されたデータ構造に合わせます。セクション 1 を実行します。
スクリプトのセクション 2 を実行して、各ビデオの最初のフレームをプルアップします。マウスを使用して最初の2つのポイントを1回クリックし、次に3番目のポイントをダブルクリックします。ビデオの最後のポイントを選択したら、Enterキーを押します。
セクション 3 とセクション 4 を実行します。フラグを 0 に設定し、セクション 5 を実行します。次に、フラグを 1 に揃えて、セクション 5 を再度実行します。
次に、セクション 6 を実行し、結果を並べて比較します。次に、スクリプト 2 を開き、スクリプトのセクション 1 を編集してデータ構造に合わせます。次に、セクション 1 を実行します。
スクリプトのセクション 2 を編集してデータ構造を合わせ、セクション 2 を実行します。結果の画像を使用して、分析されたビデオのどこでオプティカルフローが最も大きく変動するかを確認します。スクリプトのセクション 3 を編集して、データ構造と分析のニーズに合わせます。
フル ビデオ FOV を分析するには、フラグ select ROI を設定し、ROI を 0 にします。次に、セクション 3 を実行します。新しい ROI を分析するには、フラグ select ROI を 1 に設定し、ROI を 0 に設定します。
次に、newCoordsNameを編集し、セクション3を実行します。表示された例のフレームで新しい ROI を選択するには、クリックしてドラッグします。以前に描画された ROI を分析するには、フラグ select ROI を 0 に設定し、ROI を 1 にします。
次に、inputCoords を編集して、あらかじめ決められた座標のセットを提供し、セクション 3 を実行します。スクリプト 3 を開き、スクリプトのセクション 1 から 3 を編集して、データ構造と分析のニーズに合わせます。セクション 1 では、解析オプション・フラグ ZSC、BLRM、BLZSC、demeanPerTrial、および applyLPfilter を 0 または 1 に設定します。
LPfilter を、目的のローパス フィルターをヘルツ単位で表す数値に設定します。次に、セクション 1 から 3 を実行します。スクリプト 4 を開き、データ構造と分析のニーズに合わせてスクリプトのセクション 1 を編集します。
セクション 1 を実行します。スクリプト 5 を開き、スクリプトのセクション 1 を編集して、データ構造と分析に合わせます。次に、セクション1とセクション2を実行します。
セクション 3 の入力の group、myTitle、threshT 変数を変更して、必要なグループ分析を反映させます。関心のあるグループごとにセクション 3 を実行します。次に、視覚化のために必要に応じてC軸の範囲とカラーバーの制限を調整します。
セクション 4 の入力の mag、myTitle、threshT 変数を変更して、必要なグループ比較を反映させます。関心のあるグループ比較ごとにセクション 4 を実行し、必要に応じて Z 軸の範囲とカラー バーの制限を調整して視覚化します。オプティカルフローベクトルは、動物の動きの領域、特に鼻と足の周りを示しました。
オプティカルフローの大きさの標準偏差により、移動変動が大きい領域と低い領域が特定されました。母親は、処女と比較して子犬の鳴き声に対して高い動きの反応を示しましたが、純粋なトーンではありませんでした。主成分分析により、両方の刺激提示中に、母親は処女と比較して鼻の領域でより多くの動きがあったことが明らかになりました。
検証データセットのオプティカルフロー定量化により、高水報酬と低水報酬に対する行動反応に大きな違いがあることが明らかになりました。これらの結果は、提示されたビデオ分析パイプラインを使用して、条件間での動物の行動の意味のある違いを捉えることができることをさらに示唆しています。
この研究は、MRI環境内のマウスの自発的な行動反応をモニタリングするために設計されたビデオ分析パイプラインを提示します。覚醒マウスfMRIを活用することで、この研究は子マウスの鳴き声に対する母親の行動の神経相関を明らかにすることを目指しています。
Integrating behavioral profiling with whole-brain imaging in awake mice enables biopharma teams to link neural circuit activity to complex, ethologically relevant behaviors under constrained experimental conditions. This approach enhances predictive confidence in target validation by correlating quantitative behavioral outputs with brain-wide functional responses. The pipeline supports translational continuity from early discovery through preclinical model development, especially for neurobehavioral and CNS-targeted portfolios.
This behavioral video analysis pipeline bridges early discovery and preclinical research by enabling synchronized acquisition of behavioral and neural data in challenging environments such as MRI. It is positioned for use in target validation, lead identification, and translational model development.