神経変性疾患の前臨床モデルにおける関節運動学を研究するための微細運動課題

私たちの研究は神経変性のモデルにおける微細運動技能に焦点を当てています。具体的には、新しい課題を運動機能障害の新しいバイオマーカーとして活用することを目指しています。機械学習アルゴリズムはシステム神経科学を進歩させ、人間の目では通常解読できない集団化した動物の動きを偏りなく自動的に分析する方法を提供しています。

体の部位追跡とコンピュータクラスタリング手法を組み合わせることで、私たちは新しい微細運動課題において動物の動き間の遷移を確実に検出、分類、予測することが可能です。10日間の成形フェーズを開始するには、まず赤外線ライト、カメラ、コンピューターを点灯させます。ラットを入れたケージを検査室に移し、5分間慣れさせてください。

トレーニングボウルを使って、エクステンションに沿って1〜5粒のペレットを用意し、初日はエクステンションを完全に装置内に置きます。各動物と10分間のトレーニングセッションを実施してください。その後の日は、餌を齧歯類に最も近いボウルの端に置き、徐々に遠ざけて手を伸ばす行動を促します。

齧歯類が延長部分の端からペレットを取ったら、たとえ口だけでも、ピンセットでペレットを出すようにして手を伸ばす行動を促進しましょう。ピンセットに触れたらすぐにお褒美をあげてください。そして、ピンセットを少し遠くに持って、ネズミがもっと手を伸ばすように促します。

9日間のテスト段階では、ラットを部屋に入れて1時間慣れさせます。プラットフォームにデンタルワックスを塗って固定し、最初のボウルを位置づけて前面が器具の開口部とほぼ揃っているか確認します。動画ファイルとスピンビューにネズミの識別番号、撮影日、撮影時間を付けて名前を付けます。

ネズミを装置に移せ。蓋を閉じて白いカードストックをその上に置いて光を反射させます。カメラアングルを再度確認して適切なシーンが撮られているか確認し、ボウルが中央に合っていなければ調整してください。

指定された数のペレットをボウルに注ぎ、「録画開始」を押します。部屋に留まり、ラットの様子を見守り、行動記録を取り、必要に応じてペレットを補充してください。プレーンボウルの場合は、ペレットがボウルの縁越しに見えるようにしてアクセスできるようにしてください。

Lessボウルの場合は、ペレットが積み重なっておらず、ゆるく散らばっていることを確認してください。Plinkoボウルの場合は、ペレットが障害物間に適切に分布しているか確認してください。ネズミを元のケージに戻し、割り当てられた餌を与えてください。

動物の間で消毒液でチャンバーを拭きましょう。1日の終わりには、消毒のためにチャンバー全体にエタノールをスプレーしてください。ベースライン試験では、ボウル設計が複雑になるにつれてラットは総リーチが増加しました。

ハルマリン治療下では、すべてのボウルタイプで総伸びがベースラインと比べて減少し、運動機能障害を示しました。ベースラインでは、ボウルの難易度とともに総リーチ数が増加し、課題の複雑さにもかかわらず行動の持続性を示しました。プリンクボウルでは故障が増加しました。

ハルマリンは通常のリーチパフォーマンスを妨げました。ハーマリン治療前は、ベースラインでは課題の難易度に伴い失敗が増加しましたが、ハーマリン治療下では一貫していました。ハルマリンは課題の学習速度と到達速度をすべてのボウルタイプで著しく低下させました。

機械学習を用いたリーチ解析により、ベースライン条件とハルマリン条件間および各ボウルタイプ内で独自のポーズとタスク戦略が明らかになりました。異なるボウルタイプ内および異なるボウルの条件下で、ラットは異なる音節を使い分けました。TgF344-ADトランスジェニックラットは、マッチした野生型ラットと比べて総到達範囲が減少していました。

野生型ラットはボウルの複雑さとともに総リーチの増加を示しました。各グループ内で性能タイプは異なりましたが、TgF344-ADラットは成功率が著しく低下しました。ボウルがより難しくなるにつれて、両方の遺伝子型で失敗数が増加しました。

行動は多くの騒音を生み出します。特に、プラットフォームからペレットを落とす作業に関しては。この問題はkeypoint-MoSeqで解決します。

本プロトコルは、自己破壊的な動きの特徴を認めない過去の研究行動パラダイムを改良しています。