Artykuł metodologiczny

Zadanie motoryczne w celu badania kinematyki stawów w przedklinicznym modelu chorób neurodegeneracyjnych

DOI:

10.3791/68128

⸱

13 czerwca 2025

 ,  ,  ,  ,  , 
1Department of Psychology, Arizona State University, 2Phoenix Country Day School, 3School of Biological and Health Systems Engineering, Arizona State University

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Obecne badanie opisuje test zachowania motorycznego do analizy deficytów motorycznych w modelach gryzoni, w tym szczura TgF344-AD, z wykorzystaniem uczenia maszynowego.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dysfunkcja ruchowa jest kluczowym, choć często niedocenianym składnikiem chorób neurodegeneracyjnych, takich jak choroba Alzheimera (AD) i powiązane demencji. Nowe badania wykazały, że zadania związane z zachowaniem motorycznym w zakresie drobnej motoryki, zdolności wzrokowo-przestrzennych i funkcji wykonawczych u ludzi mogą mieć potencjał we wczesnym wykrywaniu chorób. Jednak niewiele wiadomo o dokładnych mechanizmach, dzięki którym te zadania przewidują spadek funkcji poznawczych i funkcjonalnych związany z AD. W obecnej metodzie stworzono zadanie motoryczne Kinematic Motor Ability Task (KINEMAT), aby zbadać zmiany zdolności motorycznych w przebiegu choroby w przedklinicznych modelach AD w porównaniu do innych chorób neurodegeneracyjnych i normalnego starzenia się, wykorzystując darmowe, otwartoźródłowe oprogramowanie uczenia maszynowego. W tym miejscu dowód koncepcji został ustanowiony poprzez projektowanie, testowanie i wdrożenie zadania motoryki drobnej w pilotażowym badaniu szczurów Fisher 344 CDF z i bez zaburzeń motorycznych wywołanych przez harmalinę. Dodatkowa walidacja, z modelem szczura z chorobą Alzheimera (TgF344-AD), dodatkowo wykazała wykonalność modelu i czułość na zadania. Szczury były szkolone, by sięgać przez mały szczelinę z przodu komory, by z różnym trudem wyciągnąć granulkę cukrową z jednej z trzech misek. Odzyskiwanie pelletów oceniano według jednej z trzech klasyfikacji: sukces (pomyślne złapanie i zjedzenie granulki cukrowej), drop (chwyta, ale upuszcza smakołyk po uścisku) lub niepowodzenie (zasięg, w którym nie zostaje zebrany pellet lub granulki są wypadające z miski podczas próby chwycenia). Zaobserwowano istotne różnice w zdolnościach motorycznych między szczurami kontrolnymi a poddanymi harmalinie, co potwierdza zmniejszenie całkowitych zasięgów i zwiększona zmienność pozycji łapy. Szczury TgF344-AD również wykazywały zmniejszony zasięg oraz mniejsze sukcesy we wszystkich bowlach. Potwierdzając to jako zadanie motoryczne u gryzoni, ma potencjał do badania prawidłowego starzenia się i przedklinicznych modeli chorób neurodegeneracyjnych, w tym AD, w miarę jak patologia i objawy będą się ujawniać z czasem.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wykazano, że funkcje motoryczne są upośledzone u osób z demencją z powodu choroby Alzheimera (AD) lub innych podtypów (np. demencji z ciałami Lewy'ego). Siła chwytu i szybkość chodu pozwalają rozróżnić starszych dorosłych z zaburzeniami poznawczymi i bez nich 1,2, ale nie mogą koniecznie rozróżniać różnych podtypów otępień (tj. niskiej swoistości)1,2. W związku z tym nadal istnieje potrzeba nowych narzędzi diagnostycznych dla wczesnej demencji, być może w połączeniu z uczeniem maszynowym, do oceny złożonych wzorców i zależności między zachowaniem a stanem choroby 3,4. Modele zwierzęce są cenne do badania postępu chorób neurodegeneracyjnych, dostarczając wglądu w wczesny początek choroby, korelaty behawioralne oraz integrację uczenia maszynowego w pipeline'ach analitycznych, aby rozróżnić nasilenie od objawów 5,6,7.

Nowe metody behawioralne u ludzi zidentyfikowały zadania wymagające precyzyjnej motoryki wraz z przetwarzaniem poznawczym, takie jak zdolności wizualnoprzestrzenne i funkcje wykonawcze 8,9,10. Na przykład funkcjonalne zadanie kończyny górnej może śledzić wzorce neurodegeneracji i odróżniać łagodne zaburzenia poznawcze (MCI) od AD. W tym zadaniu ludzie przenoszą surowe fasolki nerkowe (po dwie naraz) z centralnego kubeczka domowego do kubka docelowego za pomocą łyżki. Faza zadania, w której fasola jest pozyskiwana łyżką, wykazuje silniejsze powiązania z poznaniem (konkretnie pamięcią wzrokowo-przestrzenną) niż faza, w której ziarna są transportowane do docelowej filiżanki11,12. Gdy łyżka wchodzi do filiżanki, może zakłócać fasolę w filiżance, co oznacza, że ruchy uczestnika mogą utrudnić zadanie. Ponadto, w miarę postępu próby i malejącej liczby ziaren w domowej filiżance, zadanie staje się trudniejsze (czyli czas na zdobycie fasoli łyżką rośnie)13. Wykazano, że to zadanie koreluje z patologią specyficzną dla AD (amyloid)9,14 oraz neurodegeneracją (zanik hipokampa)10,15, co sugeruje, że jego wydajność może zależeć od obwodów nerwowych i procesów behawioralnych, które są dotknięte we wczesnym stadium choroby. Wiadomo, że inicjacja, planowanie, wykonanie i korekcja ruchu są kontrolowane przez różnorodną sieć przebiegającą przez mózg, w tym korę ruchową, przy czym ciała komórek górnych neuronów ruchowych zlokalizowane w korze mózgowej synapsują na dolnych neuronach ruchowychrdzenia kręgowego. Te dolne neurony ruchowe bezpośrednio komunikują się z mięśniami, kontrolując ruch na styku nerwowo-mięśniowym. Drogi wznoszące się przenoszą informacje sensoryczne z obwodów do rdzenia kręgowego, podczas gdy drogi schodzące w mózgu przekazują kierunkowe informacje dotyczące tego, jak i gdzie wrócić do mięśni17,18. Zrozumienie, jak te szlaki są selektywnie wpływane przez patologię AD, jest kluczowe dla zrozumienia postępu choroby, zwłaszcza że genetyczne modele zwierzęce, w tym mysz 3xTg-AD i szczur TgF344-AD, były wcześniej wykorzystywane do badania, jak geny AD wpływają na lokomocję, koordynację i inne zaburzenia ruchowe 19,20,21. Zazwyczaj zadania te koncentrują się na dużych zaburzeniach ruchowych związanych z ruchem całego ciała, ale deficyty ruchowe u ludzi są znacznie bardziej zmienne, co u gryzoni może być trudne do zidentyfikowania22. Dlatego potrzebne są nowe zadania, aby zbudować most między modelami ludzkimi a zwierzęcymi i uchwycić tę zmienność.

Jednym z obszarów mózgu, który często kojarzy się z zaburzeniami motorycznymi i drżeniami, jest móżdżek23. Móżdżek jest istotnym regulatorem precyzyjnych i skoordynowanych ruchów oraz pełni funkcję procesora informacji sensorycznej, dostarczając sprzężenia zwrotnego poprzez ścieżki opadające, korygując i adaptując ten dobrowolny ruch24,25. Ważne jest, aby zauważyć, że zanik móżdżku został wykryty u osób z AD, ale w przeciwieństwie do innych regionów, takich jak hipokamp, zwiększone odkładanie się amyloidu w móżdżku nie koreluje ze zwiększonym zanikiem26. Chociaż postęp patologii AD jest inny w móżdżku, istnieją wielosynaptyczne dwukierunkowe połączenia między móżdżkiem a hipokampem, które prawdopodobnie zostaną zakłócone wlatach 27, 28, 29 n.e. Warto zauważyć, że istnieją funkcjonalne powiązania między móżdżkiem a hipokampem, ponieważ udokumentowano deficyty pamięci po resekcji guza móżdżku30,31,32,33,34,35,36,37. U gryzoni komórki hipokampa są zakłócane przez zaburzenia mózgu38. Te nakładające się deficyty w pamięci, towarzyskości i kontroli motorycznej podkreślają znaczenie odkrywania potencjalnych wczesnych zmian w szlakach ruchowych, które zachodzą przed spadkiem funkcji poznawczych 30,31,38,39. Dzięki wdrożeniu zadań motoryki drobnej we wczesnych badaniach nad AD możemy zacząć przekształcać tradycyjne rozumienie AD jako jedynie zaburzenia poznawczego i skierować wysiłki diagnostyczne na wczesne zmiany ruchowe, które mogą przewidywać postęp choroby i być bardziej rozróżnialne między osobami z zaburzeniami poznawczymi i nieupośledzonymi w starzejącym się.

Aby zrozumieć, jak zachowania motoryczne mogą wskazywać na zmiany w strukturze mózgu, stworzono i przetestowano gryzonią wersję opisanego wcześniej zadania ludzkiego. To zadanie dla gryzoni nazwano KINEMAT (KINEmatic Motor Ability Task) i różni się od wcześniejszych zadań sięgających wymagających pobrania pojedynczej kulki z piedestału lub schodów oraz prostszego oceniania dzięki konsekwentnemu rozmieszczeniu pelletów na wszystkich etapach zadania40,41,42,43,44,45,46, 47,48. To zadanie precyzyjnej motoryki obejmuje nowe metody punktacji, miski o różnych trudnościach oraz samonapędzające się funkcje naśladujące ludzkiego przeciwnika, z ruchem kulek i późniejszymi zmianami strategii zawodnika kluczowymi elementami projektu. Zadanie to wykorzystuje narzędzia uczenia maszynowego: Social LEAP Estimates Animal Poses (SLEAP) oraz keypoint-MoSeq49,50, umożliwiając obiektywne i ilościowe pomiary zdolności motoryki drobnej oraz zachowań sięgających. Chociaż opracowano inne znaczące modele obliczeniowe dla profesjonalnych zadań sięgających u gryzoni44, 45, 51, keypoint-MoSeq eliminuje szumy, umożliwiając precyzyjne określenie ruchu i chwytanie pozycji50. Wydajność zadań i strategia uczenia się motorycznego zostały zrekonstruowane za pomocą wysokowydajnej kamery do widzenia maszynowego u typowych i zakłóconych przez silnik szczurów przy użyciu Harmaline52. Harmalina hiperaktywuje dolne jądro oliwkowe i zakłóca funkcję móżdżku poprzez włókna glutamatergiczne wspinającesię 53,54. Ponadto u podgrupy szczurów TgF344-AD zbadano zdolności motoryczne precyzyjne. Dlatego oczekiwano, że zadanie motoryczne precyzyjne wykryje mierzalne upośledzenia u szczurów leczonych Harmaliną i TgF344-AD w porównaniu do ich typowych odpowiedników jako dowód koncepcji. Protokół ten opisuje konstruowanie zadania motorycznego do precyzyjnej motoryki, szkolenie i testowanie zwierząt oraz ilościowe określenie zachowań osiągających za pomocą SLEAP i MoSeq z kluczowymi punktami.

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

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wszystkie opisane tutaj metody zostały zatwierdzone przez Komitet ds. Opieki i Wykorzystania Zwierząt Instytucjonalnych (IACUC) Uniwersytetu Stanowego Arizony.

1. Projekt i budowa komory

  1. Przygotuj przezroczyste, akrylowe panele. Schematy pudełka znajdują się na https://github.com/verpeutlab/ADFineMotorTask. Wycinaj przezroczyste panele akrylowe o następujących wymiarach (wszystkie panele mają grubość 1 cm):
    1. Wytnij dwa boczne panele: 26 cm × 22 cm.
    2. Wytnij górny panel: 27 cm × 12 cm.
    3. Wytnij pierwszy dolny panel: 26 cm x 10 cm
    4. Wytnij drugi dolny panel: 26 cm x 11 cm
    5. Wycięcie przedniej części: 20 cm × 11 cm.
    6. Wytnij tylny panel: 20 cm x 12 cm
    7. Wytnij szczelinę na przedni panel (140 mm x 12 mm). Umieść szczelinę centralnie, z dolną krawędzią wyrównaną z dolną częścią panelu.
    8. Wytnij wewnętrzny rowek: 1 cm. Na wewnętrznych krawędziach paneli bocznych wykonaj wgłębienie lub rowek, który pozwoli na bezpieczne wsuwanie i wysuwanie panelu przedniego.
      UWAGA: Jeśli funkcja przesuwna nie jest wymagana, przednia płyta może być trwale przyklejona, aby ułatwić konstrukcję.
    9. Wywierć równomiernie rozmieszczone otwory (o średnicy 5 mm) w drugim dolnym panelu, aby po upuszczeniu peletki mogły przez nie wpadnąć. Rozstaw otwory co 1 cm w siatkę.
  2. Złóż komorę za pomocą kleju (rysunek 1A).
    UWAGA: Użyj mocnego, przezroczystego kleju zaprojektowanego specjalnie do materiałów akrylowych.
    1. Panele boczne: Nałóż ciągłą linię kleju wzdłuż krawędzi dolnej płyty. Ustaw boczne panele pionowo i mocno dociśnij. Pozwól klejowi utwardzić zgodnie z instrukcjami produkcyjnymi.
    2. Tylny panel: Nałóż klej na tylne krawędzie bocznych i dolnych paneli. Ustaw tylny panel i dociskaj go na miejsce.
    3. Górny panel: Nałóż klej na górne krawędzie bocznych i tylnych paneli. Ustaw górny panel i mocno dociśnij.
    4. Panel przedni: Ostrożnie wsuń przedni panel w rowki na panelach bocznych, dbając o ciasne, ale gładkie dopasowanie, lub nałóż klej na krawędzie panelu przedniego i przymocuj go do paneli bokowych, górnych i dolnych.
      1. Sprawdź ruch panelu i popewnij, że jest on dokładnie wyrównany z resztą komory.
  3. Oświetlenie montażowe
    1. Umieść światło podczerwieni (IR) na przeciwległym końcu komory testowej, skierowanym w stronę komory. Połóż na komorze arkusz białego papieru kolorowego, aby odbijać światło w dół.
      UWAGA: Oświetlenie jest kluczowe dla prawidłowego śledzenia i wszystkie nagrania powinny być wykonywane w świetle podczerwieni w ciemnym pomieszczeniu.
  4. Przygotuj miskę treningową.
    1. Wykonaj miskę treningową o promieniu 31 mm i przedłużeniu 32 mm za pomocą drukarki 3D. Plik STL dostępny na https://github.com/verpeutlab/ADFineMotorTask (Rysunek 1B: góra)
    2. Przymocuj miskę treningową na dnie komory bezpośrednio przed szczeliną. Ustaw miskę tak, aby jej górna krawędź była mniej więcej powyżej poziomu oczu szczura w komorze, używając podstawy podtrzymującej, takiej jak blok drewna.
  5. Przygotuj miski testowe (Rysunek 1B: środek i dół).
    1. Wydrukuj miski za pomocą udostępnionych plików STL. Dostępne są dwa różne wzory misek: "Plain-Less" i "Plinko." (https://github.com/verpeutlab/ADFineMotorTask)
      1. Sprawdź dokładność wymiarową i trwałość (wymiary: 50 mm głębokości x 40 mm szerokości).

2. Sprzęt komputerowy i kamerowy

  1. Użyj statywu, aby bezpiecznie zamontować kamerę.
  2. Umieść kamerę około 15-20 cm od przedniego panelu komory.
    1. Reguluj wysokość i kąt statywu, aby kamera uchwyciła izometryczny, 45° widok zarówno szczeliny, jak i misy.
      UWAGA: Upewnij się, że pole widzenia kamery obejmuje łapę szczura i pełny zasięg, szczelinę oraz miskę treningową lub testową. Testuj różne kąty i odległości, jeśli to konieczne, aby osiągnąć optymalną widoczność.
  3. Pobierz oprogramowanie do sparowania z kamerą do nagrywania zachowań (https://www.teledynevisionsolutions.com/products/spinnaker-sdk) i otwórz program, aby używać kamery do rejestrowania zachowań.
    1. Użyj następujących ustawień aparatu: tryb akwizycji: ciągły, liczba klatek na sekundę: 216 Hz, tryb ekspozycji: czasowy, automatyczna ekspozycja: wyłączony, czas ekspozycji: 4430 μs, automatyczne wzmocnienie: wyłączone, wzmocnienie: 16,85 dB, gamma: 0,8.
    2. Ustawienia nagrywania są następujące: typ pliku H264, przepływność 5 milionów (5 000 000).
    3. Aby nagrywać przez 10 minut, wpisz 130 000 klatek i użyj trybu streamingu, aby zapisać zapis.
      UWAGA: Zaleca się używanie dedykowanego urządzenia z minimum 16 GB RAM oraz wewnętrznym dyskiem twardym SSD o pojemności 1 TB do przechowywania danych.

figure-protocol-1
Rysunek 1: Schemat zadania motoryki drobnej. (A) Kreskówkowe przedstawienie zadania motorycznego w stylu drobnym, podczas którego szczur sięga przez szczelinę, by zdobyć granulkę cukrową. Zasięgi są rejestrowane do analizy uczenia maszynowego. Używa się trzech oddzielnych misek: (lewy dolny) treningowy, (dolny środek) Plain/Less oraz (dolny prawy) Plinko z przeszkodami zakreślonymi na czerwono. (B) Schematy każdego projektu miski, w tym (górna) misa treningowa, (środkowa) zwykła/mniejsza oraz (dolna) miska Plinko. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

3. Przygotowanie zwierząt

  1. Para trzyma (co najmniej) szczury Fisher 344 CDF (samiec i samica, >3 miesiące) w cyklu odwrotnym światła/ciemności, aby umożliwić testowanie, kiedy zwierzęta są najbardziej aktywne.
  2. Waż wszystkie gryzonie tydzień przed rozpoczęciem przyzwyczajania się i dostarczaj ~30 g pokarmu dla gryzonia ważącego ponad 300 g oraz ~15 g dla gryzonia 100-300 g, aby utrzymać zwierzęta przy masie ciała w 90%.
    1. Codziennie waż szczury i dostosowuj karmę, zmniejszając ilość podawanej karmy o 1-2 g dziennie, aż gryzoń osiągnie 90% masy ciała. Codzienne obchodzenie się z nimi również pomoże przyzwyczaić zwierzęta do eksperymentatora.
    2. Podczas habituacji i testów kontynuuj ten zabieg, korygując dawkę o +/- 0,5 g, gdy waga spada poniżej lub przekracza próg.
    3. Podczas testów waż zwierzęta przed rozpoczęciem zadania, a po jego zakończeniu natychmiast po powrocie do klatki podawaj przydzielone jedzenie.
      UWAGA: Każda nagła utrata wagi (>15%) w ciągu 1-2 dni może wskazywać na ukryty problem, dlatego należy skonsultować się z weterynarzem.

4. Przyzwyczajenie (2 dni)

  1. Włącz światło IR, aparat i komputer.
  2. Umieść miskę treningową z kulkami w otworze otwieranym, dbając o to, by czubek miski lekko wysuwał się do środka (początkowo około 2 cm).
  3. Przenieś klatki do pomieszczenia testowego i pozwól szczurom się przyzwyczaić przez 5 minut.
  4. Dzień 1: Dodaj szczury w parach do komory i pozwól im eksplorować przez 20 minut. Po testach umieść 3-5 granulek cukrowych w klatce, aby szczury mogły się z nimi zapoznać.
    UWAGA: Granulat 45 mg pozwala na pobranie pojedynczego pelletu.
  5. Umyj komorę chusteczką dezynfekującą między szczurami. Na koniec dnia spryskaj etanolem, aby zdezynfekować.
  6. Dzień 2: Przyzwyczaj gryzonie indywidualnie do aparatu tą samą procedurą (20 min). Jeśli gryzonie wydają się przestraszone lub unikają frontu urządzenia i miski, kontynuuj habituację, aż to zachowanie ustąpi. Kontynuuj podawanie granulek jako smakołyków w klatce (3-5 granulek).
    1. Aby zachęcić do znajomości i podejścia do miski, stopniowo przesuwaj wydłużoną rurkę w zamk aparatu, przesuwając końcówkę o 0,5 cm bliżej gryzonia, aby ułatwić sięgnięcie.
      UWAGA: Przyzwyczajanie, testowanie i szkolenie powinny odbywać się w tym samym miejscu pod czerwonym oświetleniem, aby wyeliminować wpływ nowego otoczenia.

5. Kształtowanie (10 dni)

  1. Włącz światło IR, aparat i komputer.
  2. Przenieś klatki do pokoju i pozwól szczurom się przyzwyczaić przez 5 minut.
  3. Korzystając z miski treningowej, podaj 1-5 kulek wzdłuż przedłużenia, a przedłużenie umieszcza się całkowicie wewnątrz urządzenia pierwszego dnia. Trestruj zwierzęta w 10-minutowych sesjach. Nagrywanie podczas kształtowania jest opcjonalne.
    UWAGA: Aby zapoznać gryzonie z pelletami, ważne jest, aby w samym urządzeniu umieścić kilka granulek cukrowych, aby zmniejszyć awersję do granulek w misce. Gryzonie prawdopodobnie zjedzą pellety w urządzeniu, ponieważ są łatwo dostępne i rozpoznają je w misce. Ważne jest, aby przyzwyczaić je do ustawienia się w odpowiednim kierunku aparatu i do dotykania miski.
  4. W kolejnych dniach treningu zacznij chować wysunięcie miski z urządzenia. To wymaga, by gryzonie zbliżyły się do otworu aparatu z przodu i zachęciło do interakcji z przedłużeniem tuż za urządzeniem.
    1. Konstrukcja ta pozwala na precyzyjne rozmieszczenie pelletów. Na przykład umieść granulki na końcu miski najbliżej gryzonia i stopniowo oddalaj się, aby zachęcić gryzonia do wyciągnięcia ręki poza urządzenie.
  5. Gdy gryzonie nauczą się swobodniej pobierać granulki z krawędzi przedłużeń, nawet tylko ustami, zacznij wprowadzać granulki przez pęsetę, aby zachęcić do sięgania.
    1. Trzymaj jedną granulkę w pęsetie tuż obok urządzenia, pozwalając gryzoniom po prostu dotknąć pęsety. Natychmiast nagradzaj to zachowanie, aby zachęcić do dalszego sięgania.
    2. Gdy gryzonie stają się coraz bardziej komfortowe z dotykaniem pęsety, pozwól im sięgnąć nieco dalej od urządzenia, by dotknąć lub chwycić granulat, trzymając pęsetę nieco dalej od otworu urządzenia.
      UWAGA: Prowadź notatki dotyczące wszystkich zachowań zwierząt, szczególnie jeśli boją się miski lub nie sięgają do niej. Te zwierzęta mogą potrzebować dodatkowych dni formowania.
  6. Gdy gryzonie będą sięgać nieprzerwanie i niezależnie przez co najmniej 3 dni (rysunek 2A), przechodzą do miski Plain, aż do wykształcenia zachowania sięgania (ciągłe sięganie przez 3 dni z co najmniej 10 niezależnymi sięgnięciami dziennie).
    1. Podczas wprowadzania gryzoni do miski Plain upewnij się, że misa jest wypełniona jak największą ilością pelletów, aby gryzonie mogły zobaczyć granulki nad krawędzią miski.
      UWAGA: Na tym etapie może być konieczne zachęcanie do sięgania pęsetą.
  7. Umyj komorę chusteczką dezynfekującą między szczurami. Na koniec dnia spryskaj etanolem, aby zdezynfekować.

6. Przygotuj się do testów:

  1. Testy trwają 9 dni (rysunek 2A), przy czym każdy gryzoń wykonuje 3 próby na miskę, przy czym każda 10-minutowa próba odbywa się w kolejnych dniach.
    UWAGA: Badania najlepiej przeprowadzać rano.
  2. Każdego dnia testów waż szczury. Po zakończeniu testu szczury pozostają w klatkach domowych na 30-60 minut przed testem, ponieważ ważenie może wywoływać stres i utrudniać zachowanie sięgania do ciała.
  3. Włącz komputer i ustaw miskę. Podłącz aparat i światło. Otwórz oprogramowanie do nagrywania i dostosuj ustawienia kamery zgodnie z sekcją 2 protokołu.
    UWAGA: Zaleca się nagrywanie co najmniej 200 klatek na sekundę (fps), aby uchwycić wszystkie ruchy łapy.
  4. Ustaw miskę w kadrze aparatu i zwizualizuj ją w oprogramowaniu nagrywającym, naciskając przycisk odtwarzania. Ustaw miskę równo z aparatem i aparatem pod kątem 45° do boku miski.
    1. Przesuń kamerę, aby uchwycić wyciąganie ręki bezpośrednio w stronę i obserwować ruchy poszczególnych palców i dłoni, a także ruchy związane z wysokością dłoni nad miską podczas sięgania.
    2. Umieść aparat dokładnie prostopadle do miski, aby uchwycić ruchy ramion i dłoni do i z misy, ale nie umiejętność palców ani szczegóły dotyczące zachowania chwytania.
      UWAGA: Chociaż zaleca się kąt 45° do uchwycenia ruchu wzdłuż płaszczyzn x, y i z, inne konfiguracje mogą łatwiej przechwycić informacje do pożądanego badania.

7. Testowanie (9 dni)

  1. Umieść szczury w pokoju, żeby przyzwyczajały się na godzinę.
  2. Pierwszą miskę umieść na platformie misy, zabezpieczając ją woskiem dentystycznym. Upewnij się, że przód miski jest równo i wycentrowany z otworem urządzenia.
  3. Nazwij plik wideo w Spinview numerem identyfikacyjnym szczura, datą nagrania i czasem nagrania.
  4. Włóż szczura do aparatu. Zamknij pokrywkę i połóż biały karton na wierzchu, aby odchylić światło.
  5. W tym momencie sprawdź dokładnie kąt kamery, aby upewnić się, że uchwycona jest odpowiednia scena, i dostosuj misę, jeśli nie jest wyśrodkowana.
  6. Wlej odpowiednią ilość granulek do miski i naciśnij Start nagrywania.
    Dzień 1-3 Zwykła miska: ~100 granulek
    Dzień 4-6 Mniej miski: ~50 granulek
    Dzień 7-9 Plinko bowl: ~50 granulek
  7. Pozostań w pomieszczeniu przez cały czas testowania, aby nieustannie obserwować szczura, robić notatki dotyczące osiągnięć i zachowania oraz dodawać granulki w razie potrzeby, aby utrzymać odpowiednią ilość.
    1. W przypadku miski Plain upewnij się, że gryzonie widzą granulki ponad krawędzią miski i że granulki zawsze są dostępne (czyli napełnianie miski przez cały czas próby, gdy granulki maleją, granulki są warstwowane).
    2. W przypadku miski Less: sprawdź, czy granulki nie są ułożone na siebie i jest trochę miejsca między nimi, co pozwala im się rozproszyć, gdy szczur próbuje się dosięgnąć.
    3. Jeśli chodzi o miskę Plinko: upewnij się, że jest wystarczająco dużo granulek, by były dostępne między przeszkodami.
  8. Oddaj zwierzęciu do jego klatki i dostarczaj mu przydzielone jedzenie. Umyj komorę chusteczką dezynfekującą między szczurami.
  9. Na koniec dnia spryskaj etanolem, aby zdezynfekować całą komorę i przygotować ją na kolejny dzień.
    UWAGA: Jeśli testujesz zarówno samce, jak i samice gryzoni, upewnij się, że zrównoważysz płcie – niektóre samice i samce są testowane wcześniej rano, a podobna mieszanka sprawdzona później. Utrzymuj kolejność testerów przez cały eksperyment.

figure-protocol-2
Rysunek 2: Szkolenie i testowanie szczurów wykonujących zadanie motoryczne w zakresie motoryki cienkiej. (A) Oś czasu eksperymentu. Szczury były przyzwyczajone do aparatu przez dwa dni, a następnie przez 10 dni przechodziły procedury formowania. Zwierzęta były testowane pod kątem zdolności motorycznych we wszystkich trzech miskach przez trzy dni każdej misy. Następnie zwierzęta były wstrzykiwane harmaliną i ponownie testowane na każdej misce przez trzy dni. (B) Szczury (n = 6) przechodziły przez dwie różne misy (treningową i Plain) podczas procedur kształtowania, a typ miski zmieniano 5. dnia, aby poprawić zasięg. Znacząco wzrosło kształtowanie w ciągu 10 dni, aby osiągnąć kryteria (F(9, 45) = 13,5, p < 0,001). Szary pasek oznacza przełącznik między oryginalną a obecną wydłużoną rurową misą treningową. (C) Dla testowania wszystkich trzech misek zaobserwowano istotną różnicę w łącznej liczbie zasięgów przez 9 dni testowania (F(8, 32) = 3,74, p = 0,003). Uwaga: Rat 2 został usunięty po ukształtowaniu. Miska Plinko powodowała istotne różnice między Less (p = 0,001) a Zwykłą (p = 0,027). Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

8. Modelowanie zakłóceń motoryki drobnej za pomocą harmaliny

UWAGA: Aby zidentyfikować wpływ zaburzeń ruchowych na zdolności i wydajność motoryki drobnej w zadaniu z motoryką drobną, szczurom wstrzykiwano harmalinę (10 mg/kg), alkaloid β-karboliny, który jest odwracalnym inhibitorem monoaminooksydazy-A i celuje w odmianę oliwki gorszej jakości 52,55,56,57. Harmaliny w modelach gryzoni wpływają na postawę i równowagę, ograniczają koordynację motoryczną oraz wywołują zaburzenia ruchowe w kończynach górnych.

  1. Zważ szczury, aby obliczyć właściwą dawkę harmaliny.
  2. Pozwól szczurom przyzwyczaić się do sali testowej przez godzinę.
  3. Włącz komputer i ustaw miskę. Podłącz aparat i światło. Otwórz oprogramowanie do nagrywania i dostosuj ustawienia kamery zgodnie z sekcją 2 protokołu.
  4. Wstrzyknij gryzoniom harmalinę (10 mg/kg, i.p.).
  5. Po 15 minutach wlej granulki do odpowiedniej miski i zacznij nagrywać. Testuj szczura na każdej misce przez 3 dni.
    Dzień 1 Zwykła miska: ~100 granulek
    Dzień 2 Mniej miski: ~50 granulek
    Dzień 3 Plinko bowl: ~50 granulek
    UWAGA: Monitoruj miejsce wstrzyknięcia pod kątem nieprawidłowości, w tym podrażnień skóry, bólowych zachowań, ataksji, hipotermii i zmian postawy przez maksymalnie 3 godziny po wstrzyknięciu. Po upływie 3 godzin nadal monitoruj wszelkie zmiany w zachowaniu, w tym opóźnienia w jedzeniu lub piciu lub ewentualne pozostałości drżeń.

9. Analiza wideo z wykorzystaniem uczenia maszynowego

UWAGA: Po zebraniu danych i nagraniu wideo zasięgi były liczone ręcznie i oceniane następująco: Sukces (odzyskanie i spożycie pelletu), Dropy (odzyskanie pelletu, ale upuszczanie pelletu przed spożyciem), Failure (brak możliwości odzyskania pelletu). Te ręcznie oceniane dane zostały wykorzystane jako dane fakticzne do analizy uczenia maszynowego.

  1. Korzystając z niestandardowego kodu Pythona w https://github.com/verpeutlab/ADFineMotorTask, porównano zwierzęta Baseline i Harmaline, aby zidentyfikować zmiany w wydajności zasięgu (Rysunek 3, Rysunek 4, Rysunek 5 i Rysunek 6).
  2. Aby analizować kinematykę stawów zachowań sięgających, w tym trajektorię sięgnięcia, konformację i pozycję łap oraz zmiany strategii wyciągnięcia w różnych typach misek, skorzystaj z darmowego i otwartego oprogramowania do uczenia maszynowego Social LEAP Estimates Animal Poses (SLEAP) (patrz https://sleap.ai/ po bardziej szczegółowe wyjaśnienie i krok po kroku przewodnik po korzystaniu z programu open source49).
    UWAGA: SLEAP49 można pobrać w https://github.com/talmolab/sleap.
  3. Otwórz nowy projekt i dodaj 3 filmy z zadaniem osiągającego sukcesu.
  4. Stwórz szkielet składający się z 15 węzłów: 1 górnej części ramienia, 1 nadgarstka, 1 środka dłoni, 4 podstawy, 4 kostki i 4 węzły na opuszkach palców (pobierz szkielet na https://github.com/verpeutlab/ADFineMotorTask).
  5. Dodaj krawędzie między węzłami tak, aby górna część ramienia łączyła się z nadgarstkiem, a następnie z centrum dłoni. Od środka dłoni połącz węzły podstawowe, kostkowe i opuszki palców tak, aby środek dłoni zawsze był węzłem startowym (Rysunek 7A).
  6. Oznacz co najmniej 50 klatek przed treningiem biegowym. Tutaj można wytrenować nowy model lub użyć modeli do centrowania i centroidu na githubie: https://github.com/verpeutlab/ADFineMotorTask.
  7. Po wytrenowaniu modelu otwórz nowy film i uruchom wnioskowanie: trackin.match: greedy, n_instances:1, tracking.clean_instance_count: 1, tracking.target_instance_count: 1, tracking.pre_cull_to_target: 1.
    UWAGA: Wnioskowanie może być uruchamiane jako skrypt bash na lokalnym klastrze. Śledzone filmy mogą wymagać korekty (zobacz https://sleap.ai/ instrukcje korekty).
  8. Aby dokładniej analizować węzły i zrozumieć różnice między grupami w kinematyce wspólnej, skorzystaj z darmowego i otwartoźródłowego keypoint-MoSeq50 (szczegóły dotyczące pobrania i instrukcje użycia https://github.com/dattalab/keypoint-moseq).
  9. Stwórz dyskretne sylaby zachowań za pomocą keypoint-MoSeq50 (Rysunek 7B). Wykonaj dodatkową analizę w celu mapowania częstotliwości przejścia, prawdopodobieństwa oraz zmian częstotliwości przejść między warunkami harmaliny a stanami wyjściowymi w pojedynczej misce (rysunek 7C, D). Zobacz https://github.com/verpeutlab/ADFineMotorTask dla kodu analitycznego.

figure-protocol-3
Rysunek 3: Zmiany w zasięganiu między miskami i leczeniem. (A) W testach bazowych (n = 5), we wszystkich 3 bowlach zaobserwowano istotną różnicę w łącznej liczbie zasięgów (H(df) = 8,48, p = 0,014, Kruskal-Wallis), przy czym więcej zasięgów miało miejsce przy typie bowl Plinko (p = 0,011, test Dunna po próbie Dunna z korektą Bonferroniego). (B) Perturbacja harmaliny (n = 5) nie powodowała różnic między typami misek. Błędy są zgłaszane jako S.E.M. *p < 0,05. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

figure-protocol-4
Rysunek 4: Porównanie wyników między warunkami i pomiędzy typami bowl .(A) Podczas testów wyjściowych zaobserwowano istotną różnicę w bowl (F(2) = 5,78, p = 0,007) i wynikach (F(2) = 3,92, p = 0,029). Próby zasięgu rosły, gdy typ bowl stawał się trudniejszy, choć w każdym bowlie w stanie harmalinowym były skraczone od linii bazowej. (B) Nie stwierdzono różnic w liczeniu zasięgu w miskach u szczurów poddanych Harmaline. (C) Podczas testów wyjściowych analizowanych według wyników występowała istotna różnica w wynikach (F(2) = 2,07, p < 0,001). (D) Nie stwierdzono różnic w wynikach w miskach ani wynikach szczurów poddanych harmalinie. Błędy zgłaszane są jako S.E.M. Prosimy kliknąć tutaj, aby zobaczyć większą wersję tego wykresu.

figure-protocol-5
Rysunek 5: Porównanie stanów wyjściowych i warunków harmaliny. (A) Nie stwierdzono różnic w skuteczności wydajności między schorzeniami. (B) Dla liczenia awarii zaobserwowano istotną różnicę między stanami wyjściowymi a harmalinami (H(df) = 4,85, p = 0,028, Kruskal-Wallis) z istotnym efektem stwierdzonym w stanie harmalinowym (p = 0,028, test Dunna powojenny z korektą Bonferroniego). Błędy zgłaszane są jako S.E.M. Prosimy kliknąć tutaj, aby zobaczyć większą wersję tego wykresu.

figure-protocol-6
Rysunek 6: Tempo uczenia się i osiągania. (A) Zwierzęta harmalinowe miały zaburzenia uczenia się w porównaniu do stanu wyjściowego (t-stat = 2,833, p = 0,022). (B) Dla całkowitej liczby osiągnięć na minutę zachodziła istotna interakcja między miską (mniejszą) a stanem (harmalina) (F(1,5) = 9,83, p = 0,002, mieszany model liniowy) a miską (plinko) i stanem (harmalina) (F(1,5) = 22,67, p < 0,001, mieszany model liniowy). Harmalina zmniejszała łączną liczbę zasięgów na minutę we wszystkich typach miks (mniej: p = 0,01, Plinko: p < 0,001) w porównaniu do poziomu wyjściowego. Błędy zgłaszane są jako S.E.M. *p < 0,05, ***p < 0,001. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

figure-protocol-7
Rysunek 7: Uczenie maszynowe identyfikuje unikalne pozy i strategię zadań. (A) Lokalizacje węzłów na łapie szczura oznaczone za pomocą SLEAP. (B) Przykłady sylab identyfikowanych przez punkt kluczowy MoSeq podczas osiągania. (C) Macierz częstotliwości przejść bigramów pomiędzy kolejnymi sylabami. Prawdopodobieństwa przejścia są normalizowane przez całkowitą liczbę bigramów. (D) Wykres przejść porównujący różnice między przejściami sylab między Harmaline a Baseline. Węzły grafu reprezentują sylaby, a krawędzie wskazują przejścia między nimi. Bardziej wyraźne krawędzie wskazują na przejścia sylab o wyższych częstotliwościach. Czerwone połączenia oznaczają przejście z wyregulowaną regulacją, natomiast niebieskie oznacza obniżenie przejścia u zwierząt leczonych Harmalinem. Czerwone kółka wskazują na zwiększone użycie, natomiast niebieskie kółko oznacza obniżenie użycia wskazanej sylaby u zwierząt leczonych Harmalinem. Pary sylab o częstotliwościach mniejszych niż 0,005 zostały wykluczone. Proszę kliknąć tutaj, aby zobaczyć większą wersję tej figurki.

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

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Po osiągnięciu ograniczenia karmy do 90% masy ciała, szczury były przyzwyczajone do komory przez 2 dni, a następnie poddawane zabiegom formowania przez 1-2 tygodnie. Liczba udanych, porzuconych i nieudanych osiągnięć była oceniana przez wykwalifikowanego obserwatora, który nie znał żadnego warunku. W ciągu 9 dni (Baseline) szczury były testowane pod kątem drobnej motoryki w 3 różnych konfiguracjach misek (Plain, Less i Plinko). Następnie te same szczury (n = 5 na grupę, 1 usunięty po treningowym kształtowaniu misy z powo...

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

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Zadania sięgania u gryzoni są zazwyczaj ograniczone do pojedynczych pelletów i nie zawierają przeszkód ani cech samouszkodliwiających, co jest częstym problemem u pacjentów z patologią neurodegeneracyjną. Przedstawiona tutaj metoda, wykorzystująca zarówno przemyślane zadanie sięgania po pelety, jak i uczenie maszynowe, może wykrywać zarówno koordynację, jak i strategię poprzez analizę cech pozycji i przejść, a także ruchy pojedynczych palców. Zadanie motoryczne uzyskane tutaj wykrywało koordynację i strategię poprzez ana...

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

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy deklarują brak konkurencyjnych interesów finansowych.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Prace te były wspierane przez Institute for Mental Health Research, Institute for Social Science Research, Arizona Department of Health Sciences [ADHS14-052688], US Department of Health and Human Services, National Institutes of Health [P30AG019610], Arizona Alzheimer's Research Center REC Fellows Program, Arizona Alzheimer's Consortium oraz Nancy Eisenberg Junior Faculty Scholar Award. Figurki tworzono przy użyciu Biorender.com. Chcielibyśmy podziękować Nelsonowi Yamadzie, Akashowi Kuppravalli i Jeanne Kamau za pomoc w projektowaniu.

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Materiały do druku 3DAmazon (Uwertura)B07PGY2JP1Filament PLA 1,75 mm PLA Filament do drukarek 3D, dokładność wymiarowa +/- 0,03 mm
KameraEdmond OpticsBFS-U3-13Y3M-C1.3 MP, Mono, 170 FPS, ON Semi PYTHON 1300 x2
Kable kameroweEdmond OpticsACC-01-2300USB 3.1, 3 m, kabel Type-A do Micro-B (blokujący)
Obiektyw aparatuLaboratoria ThoraMVL5WAObiektyw do widzenia maszynowego 4,5 mm EFL, F/1.4, format 1/2"
Połączenie kamery z statywemEdmond Optics88-210Połączenie kamery ze statywem
Chusteczki czyszcząceAmazon (Sani-Cloth)B00KMZ7KMOAF3 Surface Disinfect Cleaner Chusteczka Delikatny zapach 160 Ct P13872
KomputerDellPrecyzjaIntel Core i7-13700 @ 2,1 GHz, NVIDIA T1000 8 GB, RAM 16 GB
Światło IRAmazon (Serlium)B0BJFDBT44Kamera IR Light, 48 LED IR Illuminatory, Światła wodoodporne, podczerwień Night Visionss Light for Security CCTV Camera              
Klej panelowyAmazon (Sdintar)B0B1DLRPNZKlej do szkła
PlexiAmazon (TOOLINHAND  USA)B0BRJ1L8TR12 & razy; Przezroczyste arkusze akrylowo-pleksiglasowe 12" – przezroczyste 1/8" Gruba (3 mm)  
Python  Python Software FoundationPython 3.7
SpinviewTeledyne TechnologiesWersja 3.1.0.79 
Granulki cukrowe (45 mg)BioservF002345 mg, bez smaku 50 000/pudełko; Składniki: sacharoza, dekstroza, stearynian magnezu, krzemian wapnia, olej mineralny
TrójnógAmazon (YOUYI)B086PYJF9DStatyw Amazon Flexible Desk Webcam
PęsetaNarzędzia Nauki Ścisłej11064-07Kleszcze Iris
WoskAmazon (ortomechanika)B00FKDC0UUGenuine Orthowax 

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Hooyman, A., Malek-Ahmadi, M., Fauth, E. B., Schaefer, S. Y. Challenging the relationship of grip strength with cognitive status in older adults. Int J Geriatr Psychiatry. 36 (3), 433-442 (2021).
  2. Hooyman, A., et al. Remote, unsupervised functional motor task evaluation in older adults across the United States using the MindCrowd electronic cohort. Dev Neuropsychol. 46 (6), 435-446 (2021).
  3. Chudzik, A., Śledzianowski, A., Przybyszewski, A. W. Machine learning and digital biomarkers can detect early stages of neurodegenerative diseases. Sensors (Basel). 24 (5), 1572(2024).
  4. Félix, J. P., do Nascimento, H. A. D., Guimarães, N. N. Investigation of machine learning techniques to aid in the diagnosis of neurodegenerative diseases. Anais Estendidos do XXIV Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS). 2024, 115-120 (2024).
  5. Sabbagh, J. J., Kinney, J. W., Cummings, J. L. Alzheimer's disease biomarkers in animal models: closing the translational gap. Am J Neurodegener Dis. 2 (2), 108-120 (2013).
  6. Borchelt, D. R. Inherited neurodegenerative diseases and transgenic models. Lab Anim Sci. 48 (6), 604-610 (1998).
  7. Burré, J., Sharma, M. Cellular and small animal models of neurodegenerative diseases. J Vis Exp. (186), e64542(2022).
  8. Schaefer, S. Y., Hooyman, A., Duff, K. Using a timed motor task to predict one-year functional decline in amnestic mild cognitive impairment. J Alzheimer's Dis. 77 (1), 53-58 (2020).
  9. Schaefer, S. Y., et al. Improving prediction of amyloid deposition in mild cognitive impairment with a timed motor task. Am J Alzheimer's Dis Other Demen. 37, 15333175211048262(2022).
  10. Schaefer, S. Y., et al. Association between motor task performance and hippocampal atrophy across cognitively unimpaired, amnestic mild cognitive impairment, and Alzheimer's disease individuals. J Alzheimer's Dis. 85 (4), 1411-1417 (2022).
  11. Hooyman, A., Lingo VanGilder, J., Schaefer, S. Y. Mediation analysis of the effect of visuospatial memory on motor skill learning in older adults. J Motor Behav. 55 (1), 68-77 (2023).
  12. Hooyman, A., Wang, P., Schaefer, S. Y. Age-related differences in functional tool-use are due to changes in movement quality and not simply motor slowing. Exp Brain Res. 239 (5), 1617-1626 (2021).
  13. Schaefer, S. Y., Hengge, C. R. Testing the concurrent validity of a naturalistic upper extremity reaching task. Exp Brain Res. 234 (1), 229-240 (2016).
  14. Reed, A. M., et al. Examining the diagnostic accuracy of a novel performance-based test for Alzheimer's disease screening. J Prev Alzheimer's Dis. 11 (4), 903-907 (2024).
  15. Malek-Ahmadi, M., et al. Volumetric regional MRI and neuropsychological predictors of motor task variability in cognitively unimpaired, mild cognitive impairment, and probable Alzheimer's disease older adults. Exp Gerontol. 173, 112087(2023).
  16. Rawji, V., Rothwell, J. C., Jahanshahi, M. Motor control: response preparation, initiation, and inhibition. Cogn Syst Neurosci. , 379-397 (2024).
  17. Erzurumlu, R., Sengul, G., Ulupinar, E. Ascending and descending pathways of the spinal cord. Human Neuroanat. 215, 231(2024).
  18. Canedo, A. Primary motor cortex influences on the descending and ascending systems. Prog Neurobiol. 51 (3), 287-335 (1997).
  19. Castillo-Mariqueo, L., Pérez-García, M. J., Giménez-Llort, L. Modeling functional limitations, gait impairments, and muscle pathology in Alzheimer's disease: studies in the 3xTg-AD mice. Biomedicines. 9 (10), 1365(2021).
  20. Nyul-Toth, A., et al. Early manifestation of gait alterations in the Tg2576 mouse model of Alzheimer's disease. GeroScience. 43 (4), 1947-1957 (2021).
  21. Rutkowsky, J. M., et al. The impact of continuous and intermittent ketogenic diets on cognitive behavior, motor function, and blood lipids in TgF344-AD rats. Aging. 16 (7), 5811-5828 (2024).
  22. Wirths, O., Bayer, T. A. Motor impairment in Alzheimer's disease and transgenic Alzheimer's disease mouse models. Genes Brain Behav. 7 (s1), 1-5 (2008).
  23. Trujillo, P., Darby, R. R. The cerebellum as the central hub of a widespread network in essential tremor. Neurology. 101 (15), 639-640 (2023).
  24. Paulin, M. G. The role of the cerebellum in motor control and perception. Brain Behav Evol. 41 (1), 39-50 (1993).
  25. Ito, M. Mechanisms of motor learning in the cerebellum. Brain Res. 886 (1-2), 237-245 (2000).
  26. Jacobs, H. I. L., et al. The cerebellum in Alzheimer's disease: evaluating its role in cognitive decline. Brain. 141 (1), 37-47 (2018).
  27. Fouquet, C., et al. Complementary roles of the hippocampus and the dorsomedial striatum during spatial and sequence-based navigation behavior. PLoS One. 8 (6), e67232(2013).
  28. Rondi-Reig, L., et al. A liaison brought to light: cerebellum-hippocampus, partners for spatial cognition. Cerebellum. 21 (5), 826-837 (2022).
  29. Lefort, J. M., et al. Cerebellar contribution to spatial navigation: new insights into potential mechanisms. Cerebellum. 14 (1), 59-62 (2015).
  30. Badura, A., et al. Normal cognitive and social development require posterior cerebellar activity. eLife. 7, e36401(2018).
  31. Stoodley, C. J., et al. Altered cerebellar connectivity in autism and cerebellar-mediated rescue of autism-related behaviors in mice. Nat Neurosci. 20 (12), 1744-1751 (2017).
  32. Klibaite, U., et al. Deep phenotyping reveals movement phenotypes in mouse neurodevelopmental models. Mol Autism. 13 (1), 12(2022).
  33. van der Heijden, M. E. Converging and diverging cerebellar pathways for motor and social behaviors in mice. Cerebellum. 23 (5), 1754-1767 (2024).
  34. Gibson, J. M., et al. A critical period for development of cerebellar-mediated autism-relevant social behavior. J Neurosci. 42 (13), 2804-2822 (2022).
  35. Chao, O. Y., et al. Functional convergence of motor and social processes in lobule IV/V of the mouse cerebellum. Cerebellum. 20 (6), 836-852 (2021).
  36. Chao, O. Y., et al. Social memory deficit caused by dysregulation of the cerebellar vermis. Nat Commun. 14 (1), 6007(2023).
  37. Yu, W., Krook-Magnuson, E. Cognitive collaborations: bidirectional functional connectivity between the cerebellum and the hippocampus. Front Syst Neurosci. 9, 177(2015).
  38. Grossauer, S., et al. Behavioral disorders and cognitive impairment associated with cerebellar lesions. J Mol Psychiatry. 3 (1), 5(2015).
  39. Verpeut, J. L., Oostland, M. The significance of cerebellar contributions in early-life through aging. Front Comput Neurosci. 18, 1449364(2024).
  40. Montoya, C. P., et al. The "staircase test": a measure of independent forelimb reaching and grasping abilities in rats. J Neurosci Methods. 36 (2-3), 219-228 (1991).
  41. Bova, A., et al. Automated rat single-pellet reaching with 3-dimensional reconstruction of paw and digit trajectories. J Vis Exp. (149), e59979(2019).
  42. Chen, C. -C., Gilmore, A., Zuo, Y. Study motor skill learning by single-pellet reaching tasks in mice. J Vis Exp. (85), e51238(2014).
  43. Salameh, G., et al. The home-cage automated skilled reaching apparatus (HASRA): individualized training of group-housed mice in a single pellet reaching task. eNeuro. 7 (5), (2020).
  44. Becker, M. I., Person, A. L. Cerebellar control of reach kinematics for endpoint precision. Neuron. 103 (2), 335-348.e5 (2019).
  45. Whishaw, I. Q., Alaverdashvili, M., Kolb, B. The problem of relating plasticity and skilled reaching after motor cortex stroke in the rat. Behav Brain Res. 192 (1), 124-136 (2008).
  46. Klein, A., et al. The use of rodent skilled reaching as a translational model for investigating brain damage and disease. Neurosci Biobehav Rev. 36 (3), 1030-1042 (2012).
  47. Farr, T. D., Whishaw, I. Q. Quantitative and qualitative impairments in skilled reaching in the mouse (Mus musculus) after a focal motor cortex stroke. Stroke. 33 (7), 1869-1875 (2002).
  48. Whishaw, I. Q., et al. Proximal and distal impairments in rat forelimb use in reaching follow unilateral pyramidal tract lesions. Behav Brain Res. 56 (1), 59-78 (1993).
  49. Pereira, T. D., et al. SLEAP: a deep learning system for multi-animal pose tracking. Nat Methods. 19 (4), 486-495 (2022).
  50. Weinreb, C., et al. Keypoint-MoSeq: parsing behavior by linking point tracking to pose dynamics. Nat Methods. 21 (7), 1329-1339 (2024).
  51. Ryait, H., et al. Data-driven analyses of motor impairments in animal models of neurological disorders. PLoS Biol. 17 (11), e3000516(2019).
  52. Martin, F. C., et al. Harmaline-induced tremor as a potential preclinical screening method for essential tremor medications. Mov Disord. 20 (3), 298-305 (2005).
  53. Vrieler, N., et al. Variability and directionality of inferior olive neuron dendrites revealed by detailed 3D characterization of an extensive morphological library. Brain Struct Funct. 224 (4), 1677-1695 (2019).
  54. Lefler, Y., Yarom, Y., Uusisaari, M. Y. Cerebellar inhibitory input to the inferior olive decreases electrical coupling and blocks subthreshold oscillations. Neuron. 81 (6), 1389-1400 (2014).
  55. Khan, F. A., et al. Recent pharmacological developments in β-carboline alkaloid "harmaline.". Eur J Pharmacol. 721 (1-3), 391-394 (2013).
  56. Woodward, K., et al. Cerebello-thalamo-cortical network dynamics in the harmaline rodent model of essential tremor. Front Syst Neurosci. 16, 899446(2022).
  57. Guo, D., et al. In vivo calcium imaging in mouse inferior olive. J Vis Exp. (172), (2021).
  58. Zemmar, A., et al. Acquisition of a high-precision skilled forelimb reaching task in rats. J Vis Exp. (100), e53010(2015).
  59. Lemke, S. M., et al. Information flow between motor cortex and striatum reverses during skill learning. Curr Biol. 34 (9), 1831-1843.e7 (2024).
  60. Pierre, P. J., et al. A behavioral characterization of the effects of food deprivation on food and nonfood object interaction: an investigation of the information-gathering functions of exploratory behavior. Physiol Behav. 72 (1-2), 189-197 (2001).
  61. Machado, A. S., et al. A quantitative framework for whole-body coordination reveals specific deficits in freely walking ataxic mice. eLife. 4, e07892(2015).
  62. Aljovic, A., et al. A deep learning-based toolbox for Automated Limb Motion Analysis (ALMA) in murine models of neurological disorders. Commun Biol. 5 (1), 131(2022).
  63. Sheppard, K., et al. Stride-level analysis of mouse open field behavior using deep-learning-based pose estimation. Cell Rep. 38 (2), 110231(2022).
  64. Kim, B., et al. Impact of motor task conditions on end-point kinematics and trunk movements during goal-directed arm reach. Sci Rep. 14 (1), 4520(2024).
  65. Sugioka, J., et al. Relationship between finger movement characteristics and brain voxel-based morphometry. PLoS One. 17 (10), e0269351(2022).

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

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Model choroby neurodegeneracyjnejdysfunkcja motorycznaanaliza uczeniem maszynowymledzenie cz ci cia aszczury Fisher 344leczenie harmalinwydobywanie peletuklasyfikacja behawioralna

Powiązane artykuły