Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Elastyczna platforma do monitorowania sensorycznego uczenia się asocjacyjnego zależnego od móżdżku

2.9K wyświetleń

⸱

DOI:

10.3791/63205

⸱

19 stycznia 2022

 ,  ,  , 
1Neuroscience Institute, Princeton University

W tym artykule

Podsumowanie

Opracowaliśmy pojedynczą platformę do śledzenia zachowań zwierząt podczas dwóch zadań związanych z nauką asocjacyjną zależnych od włókien wspinaczkowych. Niedroga konstrukcja umożliwia integrację z eksperymentami optogenetycznymi lub obrazowymi ukierunkowanymi na aktywność móżdżku związaną ze wspinaniem się włókien.

Streszczenie

Włókna wspinaczkowe do komórek Purkinjego dostarczają sygnałów instruktażowych krytycznych dla asocjacyjnego uczenia się zależnego od móżdżku. Badanie tych sygnałów u myszy z głową ułatwia stosowanie metod obrazowania, elektrofizjologicznych i optogenetycznych. Tutaj opracowano tanią platformę behawioralną (~ 1000 USD), która umożliwia śledzenie uczenia się asocjacyjnego u myszy z głową skupionych na głowie, które swobodnie poruszają się na kole biegowym. Platforma łączy w sobie dwa popularne paradygmaty uczenia się asocjacyjnego: warunkowanie mrugania oczami i warunkowanie opóźnionego dotykowego zaskoczenia. Zachowanie jest śledzone za pomocą kamery, a ruch koła przez detektor. Opisujemy komponenty i konfigurację oraz zapewniamy szczegółowy protokół szkolenia i analizy danych. Platforma ta pozwala na włączenie stymulacji optogenetycznej i obrazowania fluorescencyjnego. Konstrukcja pozwala jednemu komputerowi hostowi sterować wieloma platformami do jednoczesnego szkolenia wielu zwierząt.

Wprowadzenie

Pawłowskie warunkowanie subsekundowego związku między bodźcami w celu wywołania warunkowej reakcji od dawna jest używane do badania uczenia się zależnego od móżdżku. Na przykład, w klasycznym warunkowaniu opóźnionego mrugania oczami (DEC), zwierzęta uczą się wykonywać mrugnięcie ochronne w odpowiednim momencie w odpowiedzi na neutralny bodziec warunkowy (CS; np. błysk światła lub ton słuchowy), gdy jest on wielokrotnie sparowany z bodźcem bezwarunkowym (US; np. podmuch powietrza nałożony na rogówkę), który zawsze wywołuje odruchowe mrugnięcie. i który pojawia się na końcu lub w pobliżu końca CS. Wyuczona reakcja jest określana jako reakcja warunkowa (CR), podczas gdy reakcja odruchowa jest określana jako odpowiedź bezwarunkowa (UR). U królików zmiany specyficzne dla móżdżku zaburzają tę formę uczenia się1,2,3,4. Co więcej, kolce kompleksu komórkowego Purkinjego, napędzane przez ich wejścia włókien pnących5, dostarczają niezbędnego6,7 i wystarczającego8,9 sygnału do uzyskania prawidłowo wymierzonych CR.

Niedawno, dla myszy z głową opracowano paradygmaty uczenia się asocjacyjnego zależne od włókien. DEC był pierwszym paradygmatem uczenia asocjacyjnego, który został dostosowany do tej konfiguracji10,11. DEC u myszy z głową został użyty do identyfikacji regionów móżdżku11,12,13,14,15,16,17 i elementy obwodu11,12,13,14,15,18,19 które są wymagane do pozyskiwania i wyłączania zadań. Podejście to zostało również wykorzystane do zademonstrowania, w jaki sposób fizjologiczna reprezentacja parametrów zadania na poziomie komórkowym ewoluuje wraz z uczeniem się13,15,16.

Oprócz mrugnięcia oczami, paradygmat opóźnionego warunkowania dotykowego (DTSC) został niedawno opracowany jako nowatorskie zadanie asocjacyjnego uczenia się dla myszy z głową skupioną na głowie20. Koncepcyjnie podobny do DEC, DTSC polega na prezentacji neutralnego CS z US, stuknięciem w twarz o intensywności wystarczającej do uruchomienia odruchu zaskoczenia21,22 jako UR. W paradygmacie DTSC zarówno UR, jak i CR są odczytywane jako ruch do tyłu na kole. DTSC zostało teraz wykorzystane do odkrycia, w jaki sposób uczenie asocjacyjne zmienia aktywność móżdżku i wzorce ekspresji genów20.

W tej pracy opracowano metodę elastycznego stosowania DEC lub DTSC na jednej platformie. Atrybuty bodźca i platformy są schematyzowane w Rysunek 1. Konstrukcja obejmuje możliwość śledzenia zachowania zwierząt za pomocą kamery, a także enkoder obrotowy do śledzenia ruchu myszy na kole. Wszystkie aspekty rejestracji danych i struktury próbnej są kontrolowane przez sparowane mikrokontrolery (Arduino) i komputer jednopłytkowy (SBC; Raspberry Pi). Dostęp do tych urządzeń można uzyskać za pośrednictwem dostarczonego graficznego interfejsu użytkownika. W tym miejscu przedstawiamy przepływ pracy do konfiguracji, przygotowania i wykonania eksperymentu oraz dostosowany potok analizy do wizualizacji danych.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Opisane tutaj protokoły dotyczące zwierząt zostały zatwierdzone przez Komitety ds. Opieki nad Zwierzętami i Ich Użytkowania Uniwersytetu Princeton.

1. Konfiguracja kontrolera SBC

  1. Podłącz interfejsu szeregowego kamery (CSI) do kamery Raspberry NoIR V2 i portu kamery w kontrolerze SBC.
  2. Pobierz system operacyjny kontrolera SBC na komputer hosta. Zapisz obraz systemu operacyjnego na karcie micro secure digital (microSD).
    UWAGA: Szczegółowe instrukcje dotyczące tych procedur dla Raspberry Pi SBC można znaleźć gdzie indziej23. System został przetestowany z wykorzystaniem następujących systemów operacyjnych: Stretch, Buster, Bullseye.
  3. Aby umożliwić bezpieczną komunikację powłoki, utwórz plik bez rozszerzenia o nazwie "ssh" na partycji rozruchowej karty microSD. Po wykonaniu tej czynności wyjmij kartę microSD z komputera hosta i włóż ją do gniazda karty microSD SBC. Zasil kontroler SBC, podłączając jego zasilacz.
  4. Przygotuj kontroler SBC do akceptowania przewodowego połączenia z hostem.
    1. Podłącz monitor z odpowiednim do kontrolera SBC. Otwórz terminal, wpisz polecenie ifconfig i zapisz adres IP Ethernet SBC.
      UWAGA: Raspberry Pi model 3B+ posiada port wyświetlacza HDMI, natomiast model 4B posiada port micro-HDMI.
    2. Przejdź do zakładki Interface w ustawieniach konfiguracyjnych Raspberry Pi i włącz opcje Kamera, protokół sieciowy secure shell (SSH) i Virtual Network Computing (VNC).
  5. Nawiąż połączenie przewodowe między komputerem-hostem a kontrolerem SBC.
    1. Podłącz Ethernet do portu Ethernet w kontrolerze SBC i komputerze hosta. Podłącz drugi koniec tych do przełącznika Ethernet.
    2. Użyj klienta przetwarzania w sieci wirtualnej, takiego jak VNC viewer24 i uzyskaj dostęp do pulpitu przy użyciu adresu IP SBC i domyślnego uwierzytelniania (użytkownik = "pi", hasło = "malina").
  6. Pobierz wymagane oprogramowanie zawarte w protokole steps.
    UWAGA: Zmień domyślną nazwę użytkownika i hasło, aby zapobiec nieautoryzowanemu dostępowi do kontrolera SBC.
    1. Wprowadź następujące polecenie w terminalu SBC, aby pobrać oprogramowanie platformy:
      git clone --depth=1 https://github.com/gerardjb/assocLearnRig
    2. Wprowadź następujące polecenia, aby pobrać niezbędne biblioteki Pythona.
      cd assocLearnRig
      python3 setup.py
    3. Aby umożliwić bezpośrednią kontrolę nad mikrokontrolerem, połącz się z kontrolerem SBC i pobierz zintegrowane środowisko programistyczne (IDE) mikrokontrolera, wykonując kroki 1.6.4-1.6.7.
    4. Otwórz przeglądarkę internetową na pulpicie kontrolera SBC i przejdź do https://arduino.cc/en/software. Pobierz najnowszą 32-bitową wersję IDE systemu Linux ARM.
    5. Otwórz okno terminala na pulpicie SBC i przejdź do katalogu pobierania, wpisując cd Downloads/
    6. Aby zainstalować IDE, wpisz następujące polecenia w terminalu:
      tar -xf arduino--linuxarm.tar.xz
      sudo mv arduino- /opt
      sudo /opt/arduino-/install.sh
      (tutaj to wersja pobranego IDE)
    7. Otwórz instancję IDE mikrokontrolera na pulpicie kontrolera SBC. Wybierz opcję menu Narzędzia > Zarządzaj bibliotekami. Zainstaluj bibliotekę "Encoder" od Paula Stoffregena.
  7. Rozszerz pamięć wbudowaną SBC za pomocą pamięci USB.
    1. Włóż pendrive do portu USB w kontrolerze SBC. Użyj portu USB 3.0, jeśli jest dostępny.
    2. Wpisz w terminalu ls -l /dev/disk/by-uuid/, aby znaleźć pendrive i jego unikalne odniesienie (UUID). Zapisz identyfikator UUID.
    3. Aby umożliwić użytkownikowi pi zapis na urządzeniu USB, wpisz kolejno następujące polecenia w terminalu:
      sudo mkdir /media/usb
      sudo chown -R pi:pi /media/usb
      sudo mount /dev/sda1 /media/usb -o uid=pi,gid=pi
      UWAGA: Pendrive można dodać jako urządzenie, które zostanie automatycznie zamontowane po ponownym uruchomieniu kontrolera SBC, dodając następujący wiersz na końcu pliku fstab w /etc/fstab:
      UUID= /media/usb vfat auto,nofail,noatime,users,rw,uid=pi,gid=pi 0 0

2. Okablowanie sprzętu stymulacyjnego i etap montażu

  1. Podłącz i przygotuj mikrokontrolery.
    1. Podłącz SBC do portu programowania mikrokontrolera (Arduino Due) za pomocą micro USB2 typu A do USB2.
      UWAGA: Aby zapewnić prawidłowe działanie, należy używać wysokiej jakości, takiego jak produkt z Tabeli materiałów.
    2. Znajdź "dueAssocLearn.ino" w pobranym repozytorium projektu. Otwórz szkic za pomocą IDE mikrokontrolera i prześlij go do mikrokontrolera podłączonego do kontrolera SBC.
    3. Pobierz i zainstaluj odpowiednią wersję Arduino IDE na komputerze hosta.
    4. Podłącz komputer hosta do mikrokontrolera (Arduino Uno) za pomocą USB2 typu B do USB2 typu A.
    5. Przejdź do repozytorium GitHub (https://github.com/gerardjb/assocLearnRig) i pobierz szkic "DTSC_US.ino" na komputer hosta.
    6. Na komputerze hosta uruchom IDE mikrokontrolera i otwórz szkic "DTSC_US.ino", a następnie prześlij go do mikrokontrolera.
  2. Podłącz przewody do mikrokontrolerów, płytki stykowej, diod LED, enkodera obrotowego, silnika krokowego ze sterownikiem i zaworu elektromagnetycznego ze sterownikiem, jak pokazano na schemacie Fritzinga w Rysunek 2.
  3. Zasil silnik krokowy i zawór elektromagnetyczny.
    1. Prawidłowo podłącz jeden kanał zasilacza do pinów +V i GND sterownika silnika krokowego.
    2. Włącz zasilanie i ustaw napięcie dołączonego kanału na 25 V.
      UWAGA: Jeśli połączenia między silnikiem krokowym, sterownikiem i zasilaczem są prawidłowo skonfigurowane, zaświeci się zielona dioda LED na sterowniku silnika krokowego.
    3. Prawidłowo podłącz dodatni przewód zasilacza do sterownika elektrozaworu, przytrzymaj pin napięcia, a drugi dodatni przewód do pinu napięcia skokowego.
    4. Podłącz przewody ujemne do masy dzielonej z sygnałem sterującym.
    5. Włącz zasilanie i ustaw kanał podłączony do napięcia podtrzymania na około 2,5 V, a kanał podłączony do napięcia skokowego na około 12 V.
  4. Podłącz źródło powietrza o ciśnieniu regulowanym do ciśnienia ~20 PSI do zaworu elektromagnetycznego za pomocą adaptera luer.
  5. Sprawdź, czy wszystkie komponenty bodźca i kamera działają prawidłowo.
    1. Otwórz terminal na kontrolerze SBC i wpisz cd ~/assocLearnRig, aby przejść do sklonowanego repozytorium GitHub.
    2. W terminalu wpisz python3 assocLearnRig_app.py, aby uruchomić graficzny interfejs użytkownika sterowania.
    3. Rozpocznij transmisję z kamery, naciskając przycisk Strumień.
    4. Wybierz przycisk DEC Radio, prześlij do mikrokontrolera i rozpocznij sesję z domyślnymi parametrami, naciskając przycisk Start Session.
      UWAGA: Po tym kroku w terminalu powinien pojawić się wydruk dziennika danych, komunikat na strumieniu z kamery powinien zniknąć, a dioda CS i elektrozawór US powinny włączać się i wyłączać w odpowiednich momentach podczas każdej próby.
    5. Po zakończeniu sesji powtórz poprzednie kroki z wybranym przyciskiem radiowym DTSC.
      UWAGA: Szkice w repozytorium GitHub ("testStepper.ino", "testRotary.ino" i "testSolenoid.ino") mogą być wykorzystane do testowania poszczególnych komponentów, jeśli powyższe kroki nie przynoszą zadowalających wyników.
  6. Zrób koło do biegania.
    1. Wytnij 3-calowe koło z wałka piankowego. Wywierć otwór 1/4" dokładnie w środku koła, aby koło nie chwiało się po obróceniu przez ruch myszy.
    2. Włóż wałek 1/4" do koła i zamocuj go za pomocą zacisków piasty umieszczone po obu stronach koła.
  7. Przymocuj enkoder obrotowy do aluminiowego kanału 4.5" za pomocą M3. Ustabilizuj aluminiowy kanał na aluminiowej płytce stykowej za pomocą kątownika prostego ze śrubą 1/4", nakrętką i podkładką, jak pokazano.
  8. Zamocować koło i enkoder obrotowy za pomocą tulei sprzęgu wału.
  9. Ustabilizuj wolną stronę wału koła za pomocą łożyska umieszczonego w zacisku końcowym pod kątem prostym zamontowanym na słupku optycznym montowanym na płytce stykowej.
    UWAGA: Upewnij się, że koło obraca się swobodnie bez chybotania podczas obracania ręcznego.
  10. Umieść osprzęt stymulacyjny, zagłówek, układ światła podczerwonego i kamerę picamera wokół zmontowanego koła.
    1. Ustawić zagłówki za pomocą słupków optycznych i zacisków do słupków kątowych tak, aby słupki zagłówka znajdowały się 1,5 cm przed osią koła i 2 cm nad powierzchnią koła. (Wartości dotyczą myszy o wadze 20 g).
    2. Umieść diodę CS LED i wylot zaworu elektromagnetycznego używany do DEC US w odległości mniejszej niż 1 cm od oka używanego do DEC.
    3. Zamontuj silnik krokowy używany w DTSC US
    4. Zamontuj kamerę picamera na słupku optycznym ~10 cm od miejsca, w którym zwierzę będzie się znajdować.
      UWAGA: Projekt mocowania picamera można wykonać na drukarce 3D z pliku w "RaspPiCamMount1_1.stl" w repozytorium GitHub.
    5. Umieść matrycę światła podczerwonego nieco powyżej i bezpośrednio skierowaną w stronę twarzy po tej samej stronie co kamera pionowa.
    6. Stwórz bodziec dotykowy dla DTSC, przyklejając piankę do krawędzi kawałka akrylu zamontowanego na wale 1/4" za pomocą piasty zaciskowej. Przymocuj bodziec dotykowy do wału silnika krokowego.
      UWAGA: Projekt elementu akrylowego można wyciąć laserowo zgodnie ze wzorem w "TactileStimDesign.pdf" w repozytorium GitHub.

3. Przygotowywanie i przeprowadzanie eksperymentów behawioralnych

  1. Wszczepianie nakrycia głowy myszy.
    1. Znieczulij mysz za pomocą 2% izofluranu i mocuj głowę w ramce stereotaktycznej.
    2. Nałóż maść okulistyczną na oczy.
    3. Ogol skórę głowy za pomocą wody z mydłem i sterylnego skalpela. Lidokainę wstrzyknąć bezpośrednio pod skórę w miejscu nacięcia i oczyścić miejsce operacji powidonem.
    4. Wykonaj nacięcie skalpelem wzdłuż linii środkowej skóry głowy od tylnej krawędzi oczu do tylnej krawędzi czaszki, uważając, aby nie naciskać zbyt mocno na czaszkę.
    5. Rozłóż nacięcie otwarte i zaciśnij obie strony sterylnymi hemostatykami, aby utrzymać je otwarte. Delikatnie usuń okostną za pomocą bawełnianego wacika nasączonego etanolem i pozostaw powierzchnię odsłoniętej czaszki do wyschnięcia.
    6. Umieść nagłówek na poziomie czaszki, upewniając się, że przód nagłownika znajduje się z tyłu od oczu. Użyj kleju cyjanoakrylowego, aby przymocować nagłówek do czaszki i pozwól klejowi całkowicie wyschnąć.
    7. Wymieszaj cement dentystyczny w proszku (1 miarka), rozpuszczalnik (2 krople) i katalizator (1 kropla) w naczyniu do mieszania i nałóż na wszystkie obszary odsłoniętej kości. Dodawaj warstwy, aż powierzchnia zrówna się z górną krawędzią nakrycia głowy, upewniając się, że nakrycie głowy jest bezpiecznie przymocowane do czaszki.
    8. W razie potrzeby zszyj skórę zamkniętą z tyłu i z przodu nakrycia głowy.
    9. Wstrzyknąć pooperacyjne środki przeciwbólowe, takie jak karprofen, zgodnie z wytycznymi instytucjonalnymi, pozwalając zwierzęciu dojść do siebie przez co najmniej 5 dni.
  2. Przygotowanie do sesji behawioralnych.
    1. Pozwól zwierzętom doświadczalnym przyzwyczaić się do platformy, montując je w zagłówku na 30-minutowe sesje przez 5 dni poprzedzających eksperymenty.
      UWAGA: Pod koniec sesji przyzwyczajania zwierzęta powinny wygodnie biegać na kole.
    2. (Tylko DEC) Przed sesjami upewnij się, że wylot zaworu elektromagnetycznego jest wyśrodkowany na oku docelowym w odległości >1 cm.
    3. (Tylko DEC) Ręcznie uruchomić podmuch powietrza za pomocą przycisku. Upewnij się, że mysz natychmiast mruga, nie wykazując jawnych oznak stresu, takich jak przyjęcie zgarbionej postawy lub złapanie dotkniętego obszaru okołogałkowego ipsilateralną przednią łapą.
    4. (Tylko DTSC) Przed sesjami upewnij się, że bodziec dotykowy jest wyśrodkowany na nosie zwierzęcia w odległości ~1.5 cm.
      UWAGA: Gdy sesja behawioralna DTSC nie jest uruchomiona, silnik krokowy jest automatycznie dezaktywowany, aby umożliwić ręczną zmianę położenia.
    5. (Tylko DTSC) W terminalu SBC wpisz python3 assocLearnRig_app.py, aby uruchomić graficzny interfejs użytkownika.
    6. (Tylko DTSC) Uruchom sesję testową składającą się z trzech prób z parametrami domyślnymi, naciskając przycisk Rozpocznij sesję w graficznym interfejsie użytkownika.
    7. (Tylko DTSC) Upewnij się, że zarejestrowane dane, które są drukowane do terminala, wykazują odchylenie większe niż 20, ale mniejsze niż 100 kroków zarejestrowanych na enkoderze obrotowym po USA w każdej próbie.
      UWAGA: Aby uniknąć szkód i zmniejszyć stres zwierzęcia, rozpocznij bodziec dalej od zwierzęcia i przesuwaj go bliżej, aż zostaną spełnione wymagane warunki.
  3. Prowadzenie sesji behawioralnych z rejestracją danych.
    1. Zamontuj mysz na zagłówku.
    2. W terminalu kontrolera SBC wpisz python3 assocLearnRig_app.py, aby uruchomić graficzny interfejs użytkownika.
    3. Aby zezwolić na nagrywanie z kamery podczas prób behawioralnych, naciśnij przycisk Strumień.
      UWAGA: Sesje można uruchamiać bez kamery. W takim przypadku rejestrowane są tylko dane z enkodera obrotowego i znaczniki czasu prezentacji bodźca.
    4. Wprowadź informacje identyfikujące zwierzę w polu Identyfikator zwierzęcia i naciśnij przycisk Ustaw.
    5. Wybierz DEC lub DTSC za pomocą przycisku radiowego pod nagłówkiem Typ sesji, w zależności od tego, który paradygmat zachowania jest pożądany.
    6. Wprowadź żądane parametry eksperymentu w polach poniżej pola Identyfikator zwierzęcia i naciśnij przycisk Prześlij do Arduino.
      UWAGA: Szczegóły parametrów eksperymentu można znaleźć w sekcji README repozytorium GitHub.
    7. Naciśnij przycisk Rozpocznij sesję, aby rozpocząć sesję.
    8. Po zainicjowaniu sesji dane zostaną zarejestrowane w nowym katalogu utworzonym w folderze "/media/usb" w punkcie montowania pendrive'a SBC.

4. Eksport i analiza danych

  1. Aby wyeksportować wszystkie nagrane sesje do komputera hosta, otwórz wiersz polecenia i wprowadź polecenie pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination, a następnie uwierzytelnij się za pomocą hasła SBC.
    UWAGA: Powyższe polecenie jest przeznaczone dla komputera z systemem Windows. Na komputerach Mac i Linux użyj terminala i zamień "pscp" na "scp".
  2. Zainstaluj Anaconda25 lub inny menedżer pakietów Pythona (PPM) na komputerze hosta.
  3. Przejdź do repozytorium GitHub i pobierz "analyzeSession.py", "summarizeSessions.py", "session2mp4s.py" i "requirementsHost.txt".
  4. Otwórz wiersz polecenia PPM i wpisz conda install --file directory_containing_requirementsHostrequirements Host.txt , aby upewnić się, że instalacja pakietu języka Python ma wymagane biblioteki języka Python.
  5. W wierszu polecenia wpisz cd directory_containing_analyzeData, aby przejść do katalogu zawierającego "analyzeData.py" i "session2mp4s.py". Uruchom program do analizy, wpisując python analyzeSession.py
    UWAGA: Komunikat o błędzie zostanie wygenerowany, jeśli używasz wersji Python 2 jako Python. Aby sprawdzić wersję, wpisz python -V w wierszu polecenia.
  6. Po wyświetleniu monitu wybierz katalog zawierający dane. Katalogi z wieloma podkatalogami będą analizowane sekwencyjnie.
  7. W przypadku sesji DEC, dla każdego analizowanego katalogu sesji, wybierz obszar zainteresowania (ROI) zawierający oko myszy z próbnego średniego obrazu.
    UWAGA: Pliki danych końcowej analizy i wykresy podsumowujące zostaną wypełnione w podkatalogu każdego analizowanego katalogu sesji.
  8. Wpisz python summarizeSessions.py, aby wygenerować dane podsumowujące z wielu sesji.
  9. Wpisz monit python session2mp4s.py, aby przekonwertować pliki danych obrazowania na widoczne pliki .mp4
    10. .

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Schemat eksperymentów i analizy DEC
Właściwy dobór parametrów eksperymentalnych jest kluczowy dla skutecznego treningu warunkowania mrugania z opóźnieniem (DEC). W przypadku zaprezentowanych tutaj danych, za pomocą GUI wybrano czas trwania CS wynoszący 350 ms oraz czas trwania US wynoszący 50 ms. Takie zestawienie skutkuje odstępem między bodźcami (ISI) wynoszącym 300 ms: jest on wystarczająco długi, aby zapobiec produkcji odpowiedzi warunkowej (CR) o niskiej amplitudzie10, a ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Platforma wraz z opisanymi tutaj protokołami może być używana do niezawodnego śledzenia zachowania zwierząt w dwóch zadaniach sensorycznego uczenia się asocjacyjnego. Każde zadanie zależy od nienaruszonej komunikacji przez ścieżkę włókien pnących. W opisanym tu projekcie włączamy elementy ułatwiające uczenie się i rejestrowanie/zaburzenie reakcji móżdżku. Należą do nich koło umożliwiające swobodne poruszanie się 11,18, a także mocowanie głowy. Kółko pozwala mysom...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają do ujawnienia żadnych konfliktów interesów.

Podziękowania

Ta praca jest wspierana przez granty z National Institutes of Mental Health NRSA F32 MH120887-03 (dla G.J.B.) oraz R01 NS045193 i R01 MH115750 (dla S.S-H.W.). Dziękujemy doktorom Basowi Koekkoekowi i Henkowi-Janowi Boele za pomocne dyskusje na temat optymalizacji konfiguracji DEC oraz doktorom Yue Wang i Xiaoying Chen za pomocne dyskusje na temat optymalizacji konfiguracji DTSC.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
"B" Szybka baza dla C& B METABOND - Butelka 10 mlParkellS398Rozpuszczalnik do cementu dentystycznego
"C" Uniwersalny katalizator TBB - 0,7 mlKatalizator ParkellS371
8 PodkładkiThorlabsW8S038
0,250" (1/4") x 8,00" Precyzyjny wałek ze stali nierdzewnej634172Wał 1/4"
0,250" (0,770") Piasta zaciskowaServocity545588Piasta zaciskowa
1/4" do 6 mm Śruba ustalająca Łącznik wału - 5 sztukActobotics625106Tuleja sprzęgła wału
1/4"-20 z walcowym, 3/4" długaśruba SH25S0751/4"
100 szt 5 mm 395– 400 nm UV Ultrafioletowa dioda elektroluminescencyjna LED Przezroczysta okrągła soczewka 29 mm Długi przewód (DC 3V) Diody LED Światła +100 sztuk RezystoryEDGELEC‎ ED_YT05_U_100PcsDiody LED CS
2 m Micro HDMI do DVI-D - M/M - 2 m Micro HDMI do DVI - 19 pin HDMI (D) męski na DVI-D męski - 1920 x 1200 WideoStar-tech‎ HDDDVIMM2Mdo Raspberry Pi4B do monitora
256 GB Ultra Fit USB 3.1 Flash DriveSanDisk‎ SDCZ430-256G-G46Pamięć USB
3,3 V– 5 V 4-kanałowy konwerter poziomu logicznego Dwukierunkowy moduł zmiany biegówAmazonB00ZC6B8VMLogic przesuwnik
poziomu 32 GB 95 MB/s (U1) microSDHC EVO Select Karta pamięciSamsung‎ Karta microSD MB-ME32GA/AM
4,50-calowy aluminiowy kanałServocity5854444,5-calowy aluminiowy kanał
48-LED CCTV Ir Oświetlacz noktowizyjny na podczerwieńTowallmarkSODIALTablica światła podczerwonego
SZTUK Zestaw płytek do krojenia chlebowego Zawiera 2 SZTUK 830 punktów 2 SZTUK 400 punktów Bezlutowe płytki stykowe do dystrybucji Proto Shield Bloki połączenioweREXQualisB07DL13RZHPłytka stykowa
5-portowy gigabitowy niezarządzalny przełącznik sieciowy EthernetTP-Link‎ TL-SG105Przełącznik Ethernet
5 V 2,5 A Raspberry Pi 3 B+ Zasilacz/ adapter Canakit‎ DCAR-RSP-2A5Zasilacz do Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3Ethicon668GSzwy
6 mm Enkoder wału 2000 PPR Sterownik linii pushpull Uniwersalny sterownik linii wyjściowej Wyjście 5-26 V DC ZasilanieCalt  B01EWER68IEnkoder obrotowy
i Oslash; Słupek optyczny 1/2", SS, śruba dociskowa 8-32, kran 1/4"-20, L = 1", 5 sztukSłupki optyczneThorlabsTR1-P5
Ø Słupek optyczny 1/2", SS, śruba dociskowa 8-32, kran 1/4"-20, L = 2", 5 sztukSłupki optyczneThorlabsTR2-P5
Oslash; Słupek optyczny 1/2", SS, śruba dociskowa 8-32, kran 1/4"-20, L = 4", 5 sztukSłupki optyczneThorlabsTR4-P5
Oslash; Słupek optyczny 1/2", SS, śruba dociskowa 8-32, kran 1/4"-20, L = 6", 5 sztukSłupki optyczneThorlabsTR6-P5
Oslash; Uchwyt słupka 1/2", śruba skrzydełkowa z blokadą sześciokątną sprężyną, L = 2"ThorlabsPH2Uchwyt optyczny
Adapter-062-M X LUER LOCK-FLee Co.TMRA3201950ZAdapter luer zaworu elektromagnetycznego
Wałek piankowy Aeromat Rozmiar: 36 cali długościAeromatB002H3CMUEWałek piankowy
Aluminiowa płytka stykowa 10 "x 12" x 1/2", 1/4"-20 KranówThorlabsMB1012Aluminiowa płytka stykowa
Amazon Basics adaptera HDMI na DVI,, 6 stóp, 1 opakowanieAmazonHL-007347Raspberry Pi3B+ do monitora
Arduino  Uno R3ArduinoA000066Arduino Uno (płytka mikrokontrolera)
Arduino DueArduino‎ A000062Arduino Due (płytka mikrokontrolera)
Zasilacz laboratoryjny, pojedynczy, regulowany, 3 wyjścia, 0 V, 24 V, 0 A, 2 AZasilaczTenma72-8335A
Przezroczysty, odporny na zarysowania i promieniowanie UV odlew akrylowy, 12 "x 24" x 1/8"McMaster Carr8560K257Arkusz akrylowy
Sterownik silnika krokowego CNC 1.0– 4.2 A 20– Rozdzielczości mikrokrokowe 50 V DC 1/128 dla silnika krokowego Nema 17 i 23Sterownik silnika krokowegoonlineB06Y5VPSFN
Kompaktowy regulator sprężonego powietrza, odciążanie liniowe, obudowa mosiężna, 1/4 NPTMcMaster Carr6763K13Regulator źródła powietrza
Wacik bawełnianyPuritan806-WCWacik bawełniany
19-calowy monitor płaskoekranowy Dell 1908FP — 1908FPCDell1908FPCElastyczny do monitora komputerowego
do kamery Raspberry Piinterfejsu szeregowego kameryAdafruit2144
wysokim momencie obrotowym Nema 17 Bipolarny silnik krokowy 92 uncje i middot; w/65 N· cm 2.1 A Silnik wytłaczarkiStepper Online17HS24-2104SSilnik krokowy
IzofluranHenry Schein66794001725Isoflurane
Krazy Maximum Bond Permanent Glue, 0.18 uncji.Krazy GlueKG483Klej cyjanoakrylowy
Lidokaina HClVetOne510212Nakrętka
sześciokątna ze stali lidokainowej o niskiej wytrzymałości, klasa 2, ocynkowana, 1/4"-20 Rozmiar gwintuMcMaster Carr90473A029Nakrętki
M3 x 50 mm Częściowo gwintowane z sześciokątnym z walcowym 10 sztUxcellA16040100ux1380Śruba M3
NEMA 17 Mocowaniesilnika krokowegoACTOBOTICS555152Mocowanie silnika krokowego
Oficjalny zasilacz do Raspberry Pi 5,1 V 3 A z USB C - 1,5 m długości ZasilaczAdafruit4298do Raspberry Pi 4B
Optixcare Dog & Żel nawilżający Cat Eye Lube, tubka 0,70 uncjiMaść optyczna Optixcare142422
Precyzyjne łożysko kulkowe ze stali nierdzewnej, ekranowane, nr handlowy R188-2Z, prędkość maksymalna 13000 obr./min ŁożyskoMcMaster-Carr3759T57Wysokiej
jakości żeńskie/żeńskie przewody połączeniowe - 40 x 6 "Adafruit266
Przewody Wysokiej jakości żeńskie/męskie przewody połączeniowe "przedłużające" - 40 x 6" (150 mm)Przewody Adafruit826
Premium męskie/męskie przewody połączeniowe - 40 x 6 "PrzewodyAdafruit758
Radionieprzepuszczające promieniowania L-Powder do C& B METABOND - 5 gParkellS396Cement dentystyczny w proszku
Raspberry Pi (3B+ lub 4B)Adafruit3775 lub 4295Raspberry Pi
Moduł kamery Raspberry Pi NoIR V2 - 8MP 1080P30Raspberry Pi FoundationRPI3-NOIR-V2Kamera Raspberry NoIR V2
Kątownik kątowy, 1/4" (M6) Pogłębienie kątowe, 8-32 kranyWspornik
kątowy Thorlabs AB90EZacisk kątowy do Ø Słupki 1/2", 3/16" sześciokątnyzacisk słupkakątowegoRA90
Kątowy zacisk końcowy kątowy do Ø Słupki 1/2 ", 1/4"-20 kołków i 3/16" sześciokątnyzacisk końcowyRA180
RJ45 Cat-6 Ethernet Patch internetowyAmazon‎ Ethernet CAT6-7FT-5P-BLUE
Obrotowy zacisk do Ø Słupki 1/2", 360° Bezstopniowo regulowane, 3/16" sześciokątneThorlabsSWCObrotowe zaciski optyczne
Spike & Trzymaj sterownik-0,1 DO 5 MSLee Co.IECX0501350ASterownik zaworu elektromagnetycznego
Obrotowy adapter podstawyThorlabsUPHAAdapter uchwytu na słupki
USB 2.0 A-męski na Micro B, 6 stópAmazon‎ 7T9MV4micro USB2 typu A do USB2
drukarki USB 2.0 - męski A na męski B, 6 stóp (1,8 m)AmazonB072L34SZSUSB2 typu B do USB2 typu A
VHS-M/SP-12 VThe Lee Co.INKX0514900AZawór elektromagnetyczny
Podkładka 1/4 "ze stali ocynkowanej, podkładki o średnicy zewnętrznej 1.000"McMaster Carr91090A108
# 4 &&& o

Bibliografia

  1. McCormick, D. A., Lavond, D. G., Clark, G. A., Kettner, R. E., Rising, C. E., Thompson, R. F. The engram found? Role of the cerebellum in classical conditioning of nictitating membrane and eyelid responses. Bulletin of the Psychonomic Society. 18 (3), 103-105 (1981).
  2. McCormick, D. A., Clark, G. A., Lavond, D. G., Thompson, R. F. Initial localization of the memory trace for a basic form of learning. Proceedings of the National Academy of Sciences of the United States of America. 79 (8), 2731-2735 (1982).
  3. McCormick, D. A., Thompson, R. F. Cerebellum: essential involvement in the classically conditioned eyelid response. Science. 223 (4633), New York, N.Y. 296-299 (1984).
  4. Krupa, D. J., Thompson, J. K., Thompson, R. F. Localization of a memory trace in the mammalian brain. Science. 260 (5110), New York, N.Y. 989-991 (1993).
  5. Llinás, R., Sugimori, M. Electrophysiological properties of in vitro Purkinje cell dendrites in mammalian cerebellar slices. The Journal of Physiology. 305, 197-213 (1980).
  6. Mintz, M., Lavond, D. G., Zhang, A. A., Yun, Y., Thompson, R. F. Unilateral inferior olive NMDA lesion leads to unilateral deficit in acquisition and retention of eyelid classical conditioning. Behavioral and Neural Biology. 61 (3), 218-224 (1994).
  7. Welsh, J. P., Harvey, J. A. Cerebellar lesions and the nictitating membrane reflex: performance deficits of the conditioned and unconditioned response. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 9 (1), 299-311 (1989).
  8. Mauk, M. D., Steinmetz, J. E., Thompson, R. F. Classical conditioning using stimulation of the inferior olive as the unconditioned stimulus. Proceedings of the National Academy of Sciences of the United States of America. 83 (14), 5349-5353 (1986).
  9. Steinmetz, J. E., Lavond, D. G., Thompson, R. F. Classical conditioning in rabbits using pontine nucleus stimulation as a conditioned stimulus and inferior olive stimulation as an unconditioned stimulus. Synapse. 3 (3), New York, N.Y. 225-233 (1989).
  10. Chettih, S. N., McDougle, S. D., Ruffolo, L. I., Medina, J. F. Adaptive timing of motor output in the mouse: The role of movement oscillations in eyelid conditioning. Frontiers in Integrative Neuroscience. 5, 72(2011).
  11. Heiney, S. A., Wohl, M. P., Chettih, S. N., Ruffolo, L. I., Medina, J. F. Cerebellar-dependent expression of motor learning during eyeblink conditioning in head-fixed mice. The Journal of Neuroscience. 34 (45), 14845-14853 (2014).
  12. Heiney, S. A., Kim, J., Augustine, G. J., Medina, J. F. Precise control of movement kinematics by optogenetic inhibition of purkinje cell activity. Journal of Neuroscience. 34 (6), 2321-2330 (2014).
  13. Ten Brinke, M. M., et al. Evolving models of pavlovian conditioning: Cerebellar cortical dynamics in awake behaving mice. Cell Reports. 13 (9), 1977-1988 (2015).
  14. Gao, Z., et al. Excitatory cerebellar nucleocortical circuit provides internal amplification during associative conditioning. Neuron. 89 (3), 645-657 (2016).
  15. Giovannucci, A., et al. Cerebellar granule cells acquire a widespread predictive feedback signal during motor learning. Nature Neuroscience. 20 (5), 727-734 (2017).
  16. Ten Brinke, M. M., et al. Dynamic modulation of activity in cerebellar nuclei neurons during pavlovian eyeblink conditioning in mice. eLife. 6, 28132(2017).
  17. Wang, X., Yu, S., Ren, Z., De Zeeuw, C. I., Gao, Z. A FN-MdV pathway and its role in cerebellar multimodular control of sensorimotor behavior. Nature Communications. 11 (1), 6050(2020).
  18. Albergaria, C., Silva, N. T., Pritchett, D. L., Carey, M. R. Locomotor activity modulates associative learning in mouse cerebellum. Nature Neuroscience. 21 (5), 725-735 (2018).
  19. Kim, O. A., Ohmae, S., Medina, J. F. A cerebello-olivary signal for negative prediction error is sufficient to cause extinction of associative motor learning. Nature Neuroscience. 23 (12), 1550-1554 (2020).
  20. Yamada, T., et al. Sensory experience remodels genome architecture in neural circuit to drive motor learning. Nature. 569 (7758), 708-713 (2019).
  21. Horlington, M. Startle response circadian rhythm in rats: lack of correlation with motor activity. Physiology & Behavior. 5 (1), 49-53 (1970).
  22. Yeomans, J. S., Li, L., Scott, B. W., Frankland, P. W. Tactile, acoustic and vestibular systems sum to elicit the startle reflex. Neuroscience and Biobehavioral Reviews. 26 (1), 1-11 (2002).
  23. Raspberry Pi Operating system images. , Available from: https://www.raspberrypi.com/software/operationg-systems/ (2021).
  24. VNC Server. VNC® Connect. , Available from: https://www.realvnc.com/en/connect/download/vnc/ (2021).
  25. Anaconda: The world's most popular data science platform. , Available from: https://xddebuganaconda.xdlab.co/ (2021).
  26. De Zeeuw, C. I., Ten Brinke, M. M. Motor learning and the cerebellum. Cold Spring Harbor Perspectives in Biology. 7 (9), 021683(2015).
  27. Badura, A., et al. Normal cognitive and social development require posterior cerebellar activity. eLife. 7, 36401(2018).
  28. Koekkoek, S. K. E., Den Ouden, W. L., Perry, G., Highstein, S. M., De Zeeuw, C. I. Monitoring kinetic and frequency-domain properties of eyelid responses in mice with magnetic distance measurement technique. Journal of Neurophysiology. 88 (4), 2124-2133 (2002).
  29. Kloth, A. D., et al. Cerebellar associative sensory learning defects in five mouse autism models. eLife. 4, 06085(2015).
  30. Boele, H. -J., Koekkoek, S. K. E., De Zeeuw, C. I. Cerebellar and extracerebellar involvement in mouse eyeblink conditioning: the ACDC model. Frontiers in Cellular Neuroscience. 3, (2010).
  31. Lin, C., Disterhoft, J., Weiss, C. Whisker-signaled eyeblink classical conditioning in head-fixed Mice. Journal of Visualized Experiments: JoVE. (109), e53310(2016).
  32. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  33. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Przeglądaj więcej artykułów

uczenie zależne od móżdżkuwarunkowanie mrugania powiekamiopóźniona reakcja zaskoczenia na bodziec dotykowymyszy z unieruchomioną głowąkomórki Purkinjegostymulacja optogenetycznaobrazowanie fluorescencyjneplatforma behawioralnakoło biegowe
Elastyczna platforma do monitorowania sensorycznego uczenia się asocjacyjnego zależnego od móżdżku
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.