통합 행동 역으로 설치류 질병 모델의 행동 표현형 (INBEST)

이 방법론의 전반적인 목표는 친숙한 환경에서 기본 행동 측정을 지속적으로 모니터링하여 행동 표현형 및 실험용 마우스의 재현성과 표준화를 개선하는 것입니다. 이 모듈식 시스템은 디지털화된 등반 메쉬 컴퓨터 러닝 휠, 자동 식품 디스펜서, 2개의 포토 셀 제어 TER, 컴퓨터 제어 광 자극 및 대피소, 타사 구성 요소 및 비디오 추적 및 이벤트 기록과 통합된 적외선 MPEG 4가지 기술로 구성됩니다. 소프트웨어 패키지는 8개의 경기장을 만들기 위해 인터페이스되어 4개의 실험 동물과 4개의 제어 동물을 동시에 모니터링할 수 있습니다. 특정 행동의 잠복기, 빈도 및 지속 시간은 MED PC 4 소프트웨어를 사용하여 분석됩니다.

운동 활동과 이동 경로의 지형은 포괄적인 통계 분석을 사용하여 ETH ovision XT 8.5 소프트웨어로 평가됩니다. 데이터는 종종 다양한 마우스 모델에서 질병 진행으로 인한 행동 변화를 나타내기 위해 처리되었습니다. 행동의 복잡하고 민감한 특성으로 인해 만성 질환을 앓고 있는 쥐에서 신뢰할 수 있는 측정이 매우 어려운 경우가 많습니다.

정확하고 편견 없는 행동 분석을 가능하게 하는 새로운 기술을 사용합니다. 우리는 Inves 또는 Integrated behavioral station이라고 하는 맞춤형 모니터링 시스템에 대해 설명합니다. 이 장치는 스트레스가 적은 가정 기반 환경에서 자발적 활동, 음식 및 물 섭취, 정서적 반응, 동기 부여 행동과 같은 기본 기능 출력을 장기간 측정하도록 설계되었습니다.

단일 행동 테스트에 비해 투자의 주요 이점으로는 지속적인 모니터링, 운송 스트레스 감소, 편향되지 않은 컴퓨터 분석을 위해 즉시 제공되는 여러 데이터 세트의 신속한 수집이 있습니다. 지속적인 모니터링 다루는 것은 전통적인 연구에서 흔히 볼 수 있는 혼란스러운 문제이지만, 신경학적 기능 및 공간 학습과 같은 일부 행동 영역은 가정 케이지 환경에서 연구할 수 없으므로 추가 테스트가 필요하다는 점에 유의하는 것이 중요합니다. 행동 프로필의 평가를 완료하려면 실험 시작 1-2주 전에 다음을 수행해야 합니다. 생쥐를 12-12 밝기에서 어두운 주기로 습관화하기 시작하십시오. 생쥐는 밤에 가장 활동적입니다.

실험자의 작업 시간과 평행하도록 어두운 주기 기간을 설정합니다. 이 기간 동안 온도 및 환기와 같은 다른 모든 환경 요인은 일정하게 유지되어야 합니다. 영구적인 숫자 식별을 위해 테스트 전 5-7일 동안 쥐의 꼬리 문신을 합니다.

하루에 최대 2시간 동안 정기적으로 생쥐를 다루어 스트레스를 측정하고 체중, 직장 온도를 기록하고 일반적인 모습을 기록하는 습관을 들입니다. 낮은 음식 또는 물 섭취, 체중 감소, 구부정한 자세, 주름지거나 얼룩진 털, 수두증, 눈 주위에서 포르피린 분비물과 같은 심각한 이상을 보이는 마우스를 연구에서 제외합니다. 또한 이 기간 동안 오픈 필드와 같은 다양한 행동 테스트를 수행할 수 있으므로 성능 결함에 대한 보다 포괄적인 이해를 할 수 있습니다.

장기간의 행동 연구를 위해 식품 디스펜서에는 마우스 차우 펠릿이 가득 차 있어야 합니다. 각각의 무게는 20mg입니다. 한 병에는 항상 신선한 수돗물을 채워야 합니다.

선호도 테스트에서 두 번째 병은 설탕이 함유된 병과 같은 관심 있는 대체 솔루션을 제공할 수 있습니다. 병의 무게를 측정하여 세션 사이에 소비된 양을 추정합니다. 음주 시합의 대기 시간과 빈도를 측정하려면 병 주둥이를 TER에 부착해야 합니다.

적외선 센서가 핥는 것을 감지하므로 스파우트 노즐에 의해 센서가 막히지 않았는지 확인하십시오. 그렇다면 케이지 내에 맞도록 스파우트 길이를 변경합니다. 대피소는 주행 휠에서 원위 모서리 모서리에 배치해야 합니다.

비디오 추적을 위해서는 바닥이나 벽에서 반사되지 않는 희미한 확산광으로 방을 조명해야 합니다. 조명이 올바르게 설정되면 테스트 소프트웨어를 위해 테스트 경기장을 디지털화할 수 있습니다. 이 데모에서는 ETH Ovision XT 8.5 소프트웨어 패키지를 사용하여 경기장을 설정합니다.

먼저 기본 추적 프로젝트를 열고 실험 설정을 입력합니다. 그런 다음 비디오 소스(이 경우 피콜로 부지런한 그래버)를 선택합니다. 추적 경기장 수를 4로 설정합니다.

추적점으로 중앙 노즈와 테일을 선택하고 시험 목록에서 다음 측정 단위를 선택합니다. setup menu(설정 메뉴)에서 add trials(시도 추가) 버튼을 클릭하여 시도 수를 정의합니다. 그런 다음 변수 추가 옵션을 전환하여 마우스 ID, 성별 그룹, 대입 및 변형률과 같은 독립 변수를 지정합니다.

이제 경기장 설정 탭을 클릭하고 경기장을 정의한 후 사용 가능한 그리기 도구를 사용하여 경기장 둘레를 정의하여 경기장의 배경 이미지를 캡처하고, 구역 추가 옵션을 사용하여 바닥, TER, 음식 디스펜서 등과 같은 관심 구역을 간략하게 표시합니다. 그런 다음 숨겨진 영역 그룹 추가 옵션을 사용하여 마우스를 볼 수 없는 영역을 추가합니다. 여기에는 대피소와 달리는 바퀴가 포함됩니다.

또한 각 숨겨진 영역에는 지정된 진입 출구 지점이 있어야 합니다. 각 경기장의 둘레와 구역을 정의한 후 소프트웨어의 보정 옵션을 사용하여 보정 테스트를 수행합니다. scale access 도구를 사용하여 각 경기장의 너비와 길이를 결정합니다.

그런 다음 유효성 검사 버튼을 사용하여 각 경기장의 설정을 확인하고 평가판 매개 변수 설정 및 데이터 수집을 진행합니다. 데이터 수집 매개 변수를 수집하려면 프로그램에서 먼저 설정해야 합니다. 먼저 시험판 제어 설정 탭에 액세스하고 시험판 세트의 기간을 지정합니다.

경기장에서 센터 포인트의 지속 시간이 1초를 초과할 때 시작되는 시작 조건, 정지 조건 상자를 확장하고 10시간과 같은 사전 설정된 지연 후에 시련을 종료하도록 설정하여 시험 기간을 설정하며, 이제 감지 설정 탭 아래의 감지 방법에서 옵션을 선택합니다. 그런 다음 설정 버튼을 사용하여 빈 경기장의 참조 이미지를 잡고 감지 모듈에 있는 동안 현재 가져오기를 선택하고 중앙 노즈 및 테일 감지 지점의 대비 범위를 조정합니다. 범위를 연속으로 설정합니다.

그런 다음 마우스가 배경보다 더 밝거나 어둡다고 표시합니다. 이제 카메라의 화각을 기반으로 하는 피사체 크기 설정을 조정합니다. 그런 다음 필요한 경우 컴퓨터의 기능에 따라 분석의 초당 프레임 수를 조정합니다.

14.9 프레임 처리. 일반적으로 두 번째면 충분합니다. 감지 모듈 옵션에 대한 모든 변경 사항이 적용되면 동작 동작의 대기 시간, 빈도 및 지속 시간을 측정하기 전에 저장해야 합니다.

MED PC four의 맞춤형 루틴은 마우스 ID, 트라이얼 기간, 러닝 휠 시합 등과 같은 세션 매개변수를 단계별로 입력하는 데 사용됩니다. 이러한 매개변수가 모두 입력되고 모든 테스트 장비가 켜지면 마우스를 경기장에 배치하여 진행합니다. 그런 다음 녹화 버튼을 동시에 눌러 비디오 및 이벤트 추적 패키지를 동기화하고 나중에 녹화 기간이 만료되면 조용히 방을 나간 다음 마우스를 가정용 케이지로 되돌리고 병 무게를 측정하고 기록된 모든 데이터를 디지털 미디어에 저장합니다.

원시 데이터는 분석을 위해 스프레드시트로 출력할 수 있으며, 원시 비디오 파일은 고정관념이나 발작과 같은 드문 행동에 대해 점수를 매길 수 있습니다. 최고를 사용하는 CD 한 마리의 쥐를 대상으로 한 장기간의 연구는 수술 전 며칠 동안 수행되었습니다. 기준선 데이터를 수집한 후 뇌 반응성 항체의 지속적인 대뇌내 심실 투여를 포함하는 수술 후 데이터를 수집했습니다.

5일째부터 실험군은 물병을 핥는 횟수가 줄어든 등 다양한 장애를 보였다. 그들은 또한 수크랄로스 용액이 있는 병에 접근하는 데 있어 대기 시간이 증가했으며 음식 섭취가 감소한 것으로 나타났습니다. 이러한 변화와 동시에 뇌 반응성 항체를 투여한 마우스는 비디오 추적 소프트웨어로 측정한 대조군 마우스의 보행 횟수도 감소한 것으로 나타났습니다.

실험군에서, 치료받은 쥐는 대피소에서 시간을 보내는 것을 선호했다. 이 데이터를 사용하여 이러한 행동 차이를 설명하기 위해 간단한 로그램을 구성했습니다. 이 비디오를 시청한 후에는 편향되지 않은 행동 분석을 위한 맞춤형 모니터링 장치를 설정하는 방법을 잘 이해하게 될 것입니다.

가정 기반 환경에서 자동화된 홈 케이지 표현형은 일관되지 않은 환경 환경, 운송, 스트레스 및 Inves와 같은 반복적인 취급 장치와 관련된 문제를 최소화함으로써 자발적 운동 동기 부여 행동 및 정서적 반응과 관련된 질병으로 인한 행동 결핍의 발병 역학 및 중증도에 대한 보다 정확한 평가를 허용하는 풍부한 정보를 제공하여 행동 결과의 일관성과 정확성을 크게 향상시킬 수 있습니다 별도의 연구에 걸쳐.