신경행동학적 임베딩에서 자연 행동 해독

내 연구 범위는 신경역학이 자연 행동을 어떻게 암호화하는지, 그리고 뇌가 자연 환경에서 생존을 지원하는 복잡한 행동을 제어하는 방법을 이해하는 것입니다. 전통적인 머리 고정 패러다임은 자연 행동에 대한 우리의 이해를 제한합니다. 우리의 프로토콜은 자연적인 뇌 지능을 향해 자유롭게 움직이는 동물의 정확한 신경 행동 디코딩을 구현하여 이 패러다임을 업데이트합니다.

우리는 복잡한 생명 시스템의 지능을 이해하기 위한 전체적인 접근 방식을 사용하여 디지털 라이프 모델을 구축하기 위해 통제되지 않은 풍부한 데이터를 수집하는 데 중점을 둘 것입니다. 시작하려면 3차원 동작 장치의 동기화 모듈의 범용 직렬 버스 케이블을 동일한 장치의 워크스테이션에 연결하십시오. 그런 다음 하나의 SMA 케이블을 사용하여 mTPM 장치의 동기화 모듈을 컨트롤러에 연결합니다.

SMA BNC 변환 케이블 1개를 사용하여 3차원 동작 장치의 동기화 모듈의 TTL 출력 포트를 mTPM 장치의 동기화 모듈의 TTL 입력 포트에 연결합니다. 보정을 시작하려면 4대의 카메라 모두의 촬영 각도를 조정하여 열린 필드의 전체 바닥을 덮고 가장 먼 경계에서 최소 20cm 이상 시야를 확장하여 마우스 사육 동작을 캡처합니다. 그런 다음 보정 모듈을 촬영 영역 중앙에 놓습니다.

모든 조명을 끄고 카메라 보정 소프트웨어를 실행합니다. 이제 마우스 구속기를 mTPM의 마이크로 조작기에 고정합니다. 금속판을 사용하여 마우스 헤드를 고정 장치에 고정합니다.

모든 조명을 끕니다. 그런 다음 mTPM을 홀더에 고정하고 이미징 시스템을 켜서 형광 신호를 찾습니다. 두개골 창 상단에 카보머 아이 젤 한 방울을 추가합니다.

두개골 창이 mTPM의 대물렌즈 바로 아래에 정렬되도록 모션 플랫폼을 사용하여 마우스를 움직입니다. 마이크로 매니퓰레이터를 수직으로 움직여 이미징 평면을 찾습니다. 그런 다음 마이크로 매니퓰레이터를 평면에서 이동하여 이미징 평면을 중앙에 배치합니다.

그런 다음 상부 베이스를 mTPM에 고정합니다. 접착제를 바르고 하부 베이스를 상단 베이스에 붙이고 두개골 창에 고정합니다. 구조적 안정성을 보장하려면 두 베이스와 마우스 헤드에 부착된 금속판 브래킷 사이의 틈을 고성능 아크릴 구조용 접착제를 사용하여 채웁니다.

그런 다음 핀셋으로 베이스를 부드럽게 조사하여 결합 안정성을 평가합니다. 그런 다음 베이스 챔버에 카보머 아이 젤 한 방울을 추가합니다. mTPM을 통해 신경 형광을 관찰합니다.

형광이 명확하게 보이지 않으면 두개골 드릴을 사용하여 접착제를 제거하여 베이스를 분리합니다. 그런 다음 선명한 형광이 나타날 때까지 절차를 반복합니다. 그런 다음 mTPM의 섬유와 두개창 사이에 테이프로 알루미늄 호일을 고정합니다.

실내 조명을 켜고 mTPM으로 캡처한 프레임의 선명도를 테스트합니다. 마우스를 탁 트인 들판에 두려면 최소 10개의 헬륨 풍선을 부풀리고 각 풍선을 면 끈으로 별도로 묶습니다. 그런 다음 마우스 고정 장치에서 금속판을 분리합니다.

한 손으로 마우스의 꼬리를 부드럽게 잡습니다. 다른 한편으로는 mTPM의 광섬유를 지지합니다. 마우스를 열린 필드에 조심스럽게 놓습니다.

면 꼬기를 섬유에 부착하여 헬륨 풍선을 매달아 놓습니다. 마우스가 제한 없이 열린 들판을 움직이고 탐색할 수 있도록 풍선의 수를 조정하세요. 외부 방해를 줄이기 위해 mTPM 인클로저의 도어를 닫으십시오.

mTPM 녹화 소프트웨어 및 동기화 소프트웨어를 시작합니다. 플랫폼 설정 절차에 따라 파일 경로 및 녹음 매개변수를 설정합니다. 녹화 소프트웨어를 통해 mTPM 녹화를 시작합니다.

동기화 소프트웨어를 확인하여 각 2광자 프레임에 대해 시간 마커가 정확하게 기록되었는지 확인합니다. 기록하는 동안 2광자 이미지의 대비가 안정적으로 유지되는지 평가합니다. 또한 마우스의 움직임이 이미징 프레임의 안정성을 방해하지 않는지 확인합니다.

이제 사용자 지정 카메라 동기화 스크립트를 시작하여 동작 녹화를 시작합니다. 플랫폼 설정 절차에 따라 파일 경로와 매개변수를 설정합니다. 그런 다음 사용자 지정된 동기화 스크립트를 사용하여 동작 기록을 시작합니다.

동작 비디오의 30프레임마다 동기화 소프트웨어에 시간 마커가 있는지 확인합니다. 카메라의 4개 비디오 스트림이 모두 올바르게 동기화되었는지 확인합니다. 3차원 행동 추적 시스템의 비디오 캡처 매개변수가 올바르게 설정되었는지 확인합니다.

동작 기록이 자동으로 중지되면 mTPM 기록 및 동기화 소프트웨어를 모두 수동으로 꺼서 평가판을 종료합니다. 상관 계수 행렬은 피험자 자세, 물체 자세 또는 신체 거리에 대해 뚜렷한 뉴런 특정 패턴을 나타내지 않았으며, 이는 신경 신호와 행동 지표 간의 약한 일치를 나타냅니다. 모든 뉴런 행동 상관 계수는 0.3에서 0.3 사이로 떨어졌으며 자연주의적 조건에서 약한 연관성을 확인했습니다.

얼룩말 유래 신경 임베딩은 여러 관절 임베딩의 구성 요소를 통합하여 복잡한 패턴을 형성합니다. 얼룩말 임베딩은 특히 신체 거리 및 사회적 모티프에 대해 세 개의 마우스 쌍에 걸쳐 행동 및 신경 변수의 일관된 정렬을 보여주었습니다. 신체 거리 임베딩에 대한 디코딩 오류는 피사체 및 물체 포즈보다 훨씬 높았지만 예상 추적 오류 한계 내에서 유지되었습니다.

다양한 행동 변수와 신경 활동의 공동 임베딩은 피사체 포즈, 객체 포즈 및 모티프에 걸쳐 높은 디코딩 정확도를 보여주었습니다. S1-주제 포즈 임베딩을 참조로 사용한 코사인 유사성 분석은 객체 관련 모티프에 대한 정렬이 더 낮은 것으로 나타났으며, 이는 자기 및 사회적 행동의 기본 인코딩을 시사합니다.