É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Uma plataforma flexível para monitorar o aprendizado associativo sensorial dependente do cerebellum

2.9K visualizações

⸱

DOI:

10.3791/63205

⸱

19 de janeiro de 2022

 ,  ,  , 
1Neuroscience Institute, Princeton University

Neste artigo

Resumo

Desenvolvemos uma única plataforma para rastrear o comportamento animal durante duas tarefas de aprendizagem associativa dependentes de fibras. O design de baixo custo permite a integração com experimentos optogenéticos ou de imagem direcionados à atividade cerebelar associada à fibra.

Resumo

As entradas de fibra de escalada para as células Purkinje fornecem sinais instrutivos críticos para o aprendizado associativo dependente do cerebelo. Estudar esses sinais em camundongos fixos na cabeça facilita o uso de métodos de imagem, eletrofisiológico e optogenético. Aqui, foi desenvolvida uma plataforma comportamental de baixo custo (~US$ 1000) que permite o rastreamento do aprendizado associativo em ratos fixos que locomotem livremente em uma roda de corrida. A plataforma incorpora dois paradigmas comuns de aprendizagem associativa: condicionamento de olho e condicionamento tátil retardado. O comportamento é rastreado usando uma câmera e o movimento da roda por um detector. Descrevemos os componentes e a configuração e fornecemos um protocolo detalhado para treinamento e análise de dados. Esta plataforma permite a incorporação de estimulação optogenética e imagens de fluorescência. O design permite que um único computador hospedeiro controle várias plataformas para treinar vários animais simultaneamente.

Introdução

O condicionamento pavloviano da associação subcaída entre estímulos para obter uma resposta condicionada tem sido usado há muito tempo para sondar o aprendizado dependente de cerebelar. Por exemplo, no condicionamento clássico de desintegação (DEC), os animais aprendem a fazer um piscar de proteção bem cronometrado em resposta a um estímulo condicional neutro (CS; por exemplo, um flash de luz ou tom auditivo) quando é emparelhado repetidamente com um estímulo incondicional (EUA; por exemplo, um sopro de ar aplicado à córnea) que sempre provoca um reflexo piscando, e que vem no final ou perto do CS. A resposta aprendida é referida como uma resposta condicionada (CR), enquanto a resposta reflexa é referida como a resposta incondicionada (UR). Em coelhos, lesões específicas de cerebelo interrompem essa forma de aprendizado 1,2,3,4. Além disso, os picos complexos de células Purkinje, impulsionados por suas entradasde fibra de escalada 5, fornecem um sinal necessáriode 6,7 e 8,9 suficientes para a aquisição de CRs devidamente cronometrado.

Mais recentemente, paradigmas de aprendizagem associativa dependentes de fibras foram desenvolvidos para ratos com fixação de cabeça. O DEC foi o primeiro paradigma de aprendizagem associativa a ser adaptado a essa configuração10,11. DEC em camundongos fixos na cabeça tem sido usado para identificar regiões cerebelares 11,12,13,14,15,16,17 e elementos de circuito11,1 2,13,14,15,18,19 que são necessários para aquisição e extinção de tarefas. Essa abordagem também tem sido usada para demonstrar como a representação fisiológica de nível celular dos parâmetros de tarefa evolui com o aprendizado 13,15,16.

Além do eyeblink, o paradigma de condicionamento tátil de início de partida (DTSC) foi recentemente desenvolvido como uma nova tarefa de aprendizagem associativa para ratos fixos na cabeça20. Conceitualmente semelhante ao DEC, o DTSC envolve a apresentação de um CS neutro com um US, um toque no rosto suficiente em intensidade para engajar um reflexo de medo 21,22 como ur. No paradigma DTSC, tanto a UR quanto a CR são lidas como locomoção retrógrada em uma roda. O DTSC tem sido usado agora para descobrir como o aprendizado associativo altera a atividade cerebelar e os padrões de expressão genética20.

Neste trabalho, foi desenvolvido um método para aplicar de forma flexível o DEC ou DTSC em uma única plataforma. Os atributos de estímulo e plataforma são esquematizados na Figura 1. O design incorpora a capacidade de rastrear o comportamento animal com uma câmera, bem como um codificador rotativo para rastrear a locomoção do rato em uma roda. Todos os aspectos da estrutura de registro e ensaio de dados são controlados por microcontroladores emparelhados (Arduino) e um computador de placa única (SBC; Raspberry Pi). Esses dispositivos podem ser acessados através de uma interface de usuário gráfica fornecida. Aqui, apresentamos um fluxo de trabalho para configuração, preparação e execução de experimentos e um pipeline de análise personalizado para visualização de dados.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Os protocolos animais descritos aqui foram aprovados pelos Comitês de Cuidados e Uso de Animais da Universidade de Princeton.

1. Configuração do SBC

  1. Conecte o cabo de interface serial da câmera (CSI) à câmera Raspberry NoIR V2 e à porta da câmera no SBC.
  2. Baixe o sistema operacional para o SBC no computador hospedeiro. Escreva a imagem do sistema operacional para um cartão digital micro seguro (microSD).
    NOTA: Instruções detalhadas para estes procedimentos para um Raspberry Pi SBC podem ser encontradas em outros lugares23. O sistema foi testado usando os seguintes sistemas operacionais: Stretch, Buster, Bullseye.
  3. Para habilitar a comunicação segura do shell, crie um arquivo sem extensão chamado "ssh" na partição inicial do cartão microSD. Feito isso, ejete o cartão microSD da máquina host e insira-o no slot do cartão microSD SBC. Ligue o SBC conectando sua fonte de alimentação.
  4. Prepare o SBC para aceitar uma conexão com fio com o host.
    1. Conecte um monitor com um cabo apropriado ao SBC. Abra um terminal, digite o comando ifconfig e regise o endereço IP ethernet do SBC.
      NOTA: O raspberry Pi modelo 3B+ tem uma porta de tela HDMI, enquanto o modelo 4B tem uma porta micro-HDMI.
    2. Vá para a guia Interface da configuração Raspberry Pi e habilite as opções para Câmera, protocolo de rede shell seguro (SSH) e Virtual Network Computing (VNC).
  5. Estabeleça uma conexão com fio entre o computador host e o SBC.
    1. Conecte um cabo ethernet à porta ethernet no SBC e um computador host. Conecte a outra extremidade desses cabos a um interruptor ethernet.
    2. Use um cliente de computação de rede virtual, como o VNC viewer24 e acesse a área de trabalho usando o endereço IP SBC e a autenticação padrão (usuário = "pi", senha = "framboesa").
  6. Baixe o software necessário incluído nas etapas do protocolo.
    ATENÇÃO: Altere o nome de usuário e a senha padrão para evitar acesso não autorizado ao SBC.
    1. Digite o seguinte comando no terminal SBC para baixar o software da plataforma:
      clone git --profundidade=1 https://github.com/gerardjb/assocLearnRig
    2. Digite os seguintes comandos para baixar as bibliotecas python necessárias.
      cd assocLearnRig
      setup.py python3
    3. Para permitir o controle direto sobre o microcontrolador, conecte-se ao SBC e baixe o microcontrolador ambiente de desenvolvimento integrado (IDE) seguindo as etapas 1.6.4-1.6.7.
    4. Abra o navegador da Web no desktop SBC e navegue até https://arduino.cc/en/software. Baixe a versão mais recente do Linux ARM de 32 bits do IDE.
    5. Abra uma janela de terminal na área de trabalho SBC e navegue até o diretório de downloads digitando cd Downloads/
    6. Para instalar o IDE, digite os seguintes comandos no terminal:
      tar -xf arduino--linuxarm.tar.xz
      sudo mv arduino- /opt
      sudo /opt/arduino-/install.sh
      (aqui é a versão do IDE baixado)
    7. Abra uma instância do IDE microcontrolador na área de trabalho SBC. Selecione a opção de menu Ferramentas > Gerenciar bibliotecas. Instale a biblioteca "Encoder" de Paul Stoffregen.
  7. Expanda a memória a bordo do SBC com um pen drive USB.
    1. Insira um pen drive em uma porta USB no SBC. Use uma porta USB 3.0 se estiver disponível.
    2. Digite as ls terminais -l /dev/disk/by-uuid/ para encontrar o pen drive e sua referência única (UUID). Grave o UUID.
    3. Para permitir que o usuário pi escreva para o dispositivo USB, digite os seguintes comandos um a um no terminal:
      sudo mkdir /media/usb
      sudo chown -R pi:pi /media/usb
      sudo mount /dev/sda1 /media/usb -o uid=pi,gid=pi
      NOTA: O pen drive pode ser adicionado como um dispositivo que será montado automaticamente quando o SBC reiniciar adicionando a seguinte linha ao final do arquivo fstab em /etc/fstab:
      UUID= /media/usb vfat auto,nofail,noatime,users,rw,uid=pi,gid=pi 0 0

2. Hardware de estímulo de fiação e estágio de montagem

  1. Conecte e prepare microcontroladores.
    1. Conecte o SBC à porta de programação do microcontrolador (Arduino Due) com um cabo USB2 tipo A a USB2 micro.
      NOTA: Utilize um cabo de alta qualidade, como o produto na Tabela de Materiais , para garantir o bom funcionamento.
    2. Localize "dueAssocLearn.ino" no repositório do projeto baixado. Abra o esboço com o IDE microcontrolador e carregue-o para o microcontrolador conectado ao SBC.
    3. Baixe e instale a versão apropriada do IDE Arduino no computador host.
    4. Conecte o computador hospedeiro ao microcontrolador (Arduino Uno) com um cabo USB2 tipo B a USB2 tipo A.
    5. Vá ao repositório do GitHub (https://github.com/gerardjb/assocLearnRig) e baixe o esboço "DTSC_US.ino" para o computador hospedeiro.
    6. No computador host, execute o IDE microcontrolador e abra o esboço "DTSC_US.ino" e, em seguida, carregue-o para o microcontrolador.
  2. Conecte fios aos microcontroladores, prancha, LEDs, codificador rotativo, motor stepper com motorista e válvula solenoide com driver como indicado no diagrama fritzing na Figura 2.
  3. Ligue o motor do estepe e a válvula solenoide.
    1. Conecte corretamente um canal de uma fonte de alimentação aos pinos +V e GND do motor do estepe.
    2. Ligue a fonte de alimentação e coloque a tensão do canal anexada em 25 V.
      NOTA: Se as conexões entre o motor do estepe, o motorista e a fonte de alimentação estiverem corretamente configuradas, um LED indicador verde no motor do estepe acenderá.
    3. Conecte corretamente o chumbo positivo de uma fonte de alimentação ao pino de tensão da válvula solenoide e o outro chumbo positivo para o pino de tensão de espeto.
    4. Conecte as pistas negativas a um solo compartilhado com o sinal de controle.
    5. Ligue a fonte de alimentação e coloque o canal conectado à tensão de retenção em cerca de 2,5 V e o canal conectado à tensão de espigão a cerca de 12 V.
  4. Conecte uma fonte de ar regulada a uma pressão de ~20 PSI à válvula solenoide usando o adaptador luer.
  5. Teste que todos os componentes de estímulo e câmera estão funcionando corretamente.
    1. Abra um terminal no SBC e digite cd ~/assocLearnRig para navegar até o repositório do GitHub clonado.
    2. No terminal, digite python3 assocLearnRig_app.py para iniciar a interface gráfica de usuário de controle.
    3. Inicie o fluxo da câmera apertando o botão Stream .
    4. Selecione o botão DE Rádio DEC , faça upload para o microcontrolador e inicie uma sessão com parâmetros padrão apertando o botão Iniciar Sessão .
      NOTA: Após esta etapa, uma impressão do registro de dados deve aparecer no terminal, a mensagem no fluxo da câmera deve desaparecer e o LED CS e a válvula solenoide US devem ligar e desligar em momentos apropriados durante cada teste.
    5. Após o término da sessão, repita as etapas anteriores com o botão de rádio DTSC selecionado.
      NOTA: Esboços no repositório do GitHub ("testStepper.ino", "testRotary.ino" e "testSolenoid.ino") podem ser usados para testar componentes individuais se as etapas acima não fornecerem resultados satisfatórios.
  6. Faça a roda de corrida.
    1. Corte uma roda de 3" de um rolo de espuma. Faça um furo de 1/4" no centro exato da roda para que a roda não oscilar quando for virada pela locomoção do mouse.
    2. Insira um eixo de 1/4" na roda e fixe-o no lugar usando cubos de fixação colocados em cada lado da roda.
  7. Afixe o codificador rotativo em um canal de alumínio de 4,5" usando um parafuso M3. Estabilize o canal de alumínio na placa de alumínio usando um suporte de ângulo reto com um parafuso de 1/4", porca e arruela, como mostrado.
  8. Fixar a roda e o codificador rotativo usando uma manga de acoplamento de eixo.
  9. Estabilize o lado livre do eixo da roda com um rolamento inserido em um grampo final de ângulo reto instalado em um poste óptico montado em breadboard.
    NOTA: Certifique-se de que a roda gira livremente sem balançar quando girada à mão.
  10. Posicione o hardware de estímulo, a contenção da cabeça, a matriz de luz infravermelha e a picamera ao redor da roda montada.
    1. Posicione as amarras da cabeça usando postes ópticos e grampos postais de ângulo reto para que os postes da cabeça estejam 1,5 cm à frente do eixo da roda e 2 cm acima da superfície da roda. (Os valores são para um mouse de 20 g).
    2. Posicione o LED CS e a saída da válvula solenoide utilizada para o DEC US a menos de 1 cm do olho utilizado para o DEC.
    3. Monte o motor de estepe usado para o DTSC US
    4. Monte a picamera em um poste óptico ~10 cm de onde o animal estará.
      NOTA: O design para a montagem picamera pode ser feito em uma impressora 3D a partir do arquivo em "RaspPiCamMount1_1.stl" no repositório do GitHub.
    5. Coloque a matriz de luz infravermelha ligeiramente acima e voltada diretamente para a posição do rosto do mesmo lado que a picamera.
    6. Faça um estímulo tátil para DTSC, gravando espuma na borda de um pedaço de acrílico montado em um eixo de 1/4" usando um cubo de fixação. Conecte o estímulo tátil ao eixo do motor do estepe.
      NOTA: O design da peça acrílica pode ser cortado a laser seguindo o padrão em "TactileStimDesign.pdf" no repositório do GitHub.

3. Preparar e executar experimentos de comportamento

  1. Implantando placa de cabeça do rato.
    1. Anestesiar um mouse usando 2% de isoflurane e correção da cabeça em um quadro estereotático.
    2. Aplique uma pomada oftalmica aos olhos.
    3. Raspe o couro cabeludo usando água com sabão e um bisturi estéril. Injete lidocaína diretamente sob a pele do local da incisão e limpe o local cirúrgico com povidone.
    4. Faça uma incisão com um bisturi ao longo da linha média do couro cabeludo da borda traseira dos olhos até a borda traseira do crânio, tomando cuidado para não pressionar muito forte no crânio.
    5. Espalhe a incisão aberta e aperte ambos os lados com hemostatas estéreis para mantê-la aberta. Remova suavemente o periosteum usando um cotonete mergulhado com etanol e permita que a superfície do crânio exposto seque.
    6. Posicione o nível da placa de cabeça no crânio, certificando-se de posicionar a frente da placa posterior aos olhos. Use cola cianoacrilato para prender a placa do crânio e permitir que a cola seque completamente.
    7. Misture o pó de cimento dental (1 colher), solvente (2 gotas) e catalisador (1 gota) em um prato de mistura e aplique em todas as áreas do osso exposto. Adicione camadas até que a superfície esteja alinhada com a borda superior da placa, certificando-se de que a placa está bem presa ao crânio.
    8. Sutura a pele fechada atrás e na frente da placa, se necessário.
    9. Injete analgesia pós-operatória, como carprofeno por diretrizes institucionais, permitindo que o animal se recupere por pelo menos 5 dias.
  2. Preparando-se para sessões de comportamento.
    1. Permita que os animais de teste se habituam à plataforma, montando-os na contenção da cabeça para sessões de 30 minutos durante 5 dias de experimentos anteriores.
      NOTA: Ao final das sessões de habituação, os animais devem correr confortavelmente ao volante.
    2. (Somente DEC) Antes das sessões, certifique-se de que a saída da válvula solenoide esteja centrada no olho alvo posicionado a > 1 cm de distância.
    3. (Somente DEC) Atue manualmente um sopro de ar usando o botão de pressão. Certifique-se de que o mouse produz prontamente um piscar de olhos sem mostrar sinais de estresse, como adotar uma postura curvada ou agarrar a região periocular afetada com a prenéus ipsilateral.
    4. (Somente DTSC) Antes das sessões, certifique-se de que o estímulo tátil esteja centrado no nariz do animal posicionado ~1,5 cm de distância.
      NOTA: Quando uma sessão comportamental DTSC não está em funcionamento, o motor do estepe é automaticamente inativado para permitir o reposicionamento manual.
    5. (Somente DTSC) No terminal SBC, digite python3 assocLearnRig_app.py para iniciar a GUI.
    6. (Somente DTSC) Execute uma sessão de teste de três ensaios com os parâmetros padrão apertando o botão Iniciar sessão na GUI.
    7. (Somente DTSC) Certifique-se de que os dados registrados que imprimem no terminal mostram uma deflexão superior a 20, mas menos de 100 etapas registradas no codificador rotativo após os EUA em cada teste.
      ATENÇÃO: Para evitar danos e reduzir o estresse ao animal, inicie o estímulo mais longe do animal e aproxime-o até que as condições necessárias sejam atendidas.
  3. Executando sessões comportamentais com registro de dados.
    1. Monte um rato na contenção da cabeça.
    2. No terminal da SBC, o tipo python3 assocLearnRig_app.py para iniciar a GUI.
    3. Para permitir gravações de câmera durante os testes comportamentais, aperte o botão Stream .
      NOTA: As sessões podem ser executadas sem uma câmera. Neste caso, apenas dados do codificador rotativo e dos horários de apresentação de estímulo são registrados.
    4. Insira informações de identificação do animal no campo de identificação animal e aperte o botão Definir .
    5. Selecione o DEC ou O DTSC do botão de rádio sob o título Tipo de sessão , dependendo do paradigma comportamental desejado.
    6. Insira os parâmetros de experimento desejados para os campos abaixo do campo Animal ID e aperte o botão Upload para Arduino .
      NOTA: Detalhes dos parâmetros do experimento podem ser encontrados na seção README do repositório do GitHub.
    7. Aperte o botão Sessão iniciar para iniciar a sessão.
    8. Quando uma sessão é inicializada, os dados começarão a ser logados em um novo diretório criado em "/mídia/usb" no ponto de montagem do pen drive SBC.

4. Exportar e analisar dados

  1. Para exportar todas as sessões gravadas para o computador host, abra um prompt de comando e insira o comando pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination e, em seguida, autentique com a senha SBC.
    NOTA: O comando acima é para uma máquina Windows. Nas máquinas Mac e Linux, use o terminal e substitua o "pscp" por "scp".
  2. Instale o Anaconda25 ou outro gerenciador de pacotes python (PPM) no computador host.
  3. Vá ao repositório do GitHub e baixe "analyzeSession.py", "summarizeSessions.py", "session2mp4s.py" e "requirementsHost.txt".
  4. Abra um prompt PPM e tipo conda install --file directory_containing_requirementsHostrequirements Host.txt para garantir que a instalação do pacote Python tenha as bibliotecas python necessárias.
  5. No prompt, digite cd directory_containing_analyzeData para navegar até o diretório contendo "analyzeData.py" e "session2mp4s.py". Execute o programa de análise digitando analyzeSession.py python
    NOTA: Uma mensagem de erro será gerada se usar uma versão Python 2 como python. Para verificar a versão, digite python -V no prompt.
  6. Selecione o diretório contendo os dados quando solicitado. Diretórios com subdiretórios múltiplos serão analisados sequencialmente.
  7. Para sessões de DEC, para cada diretório de sessão analisado, selecione uma região de interesse (ROI) contendo o olho do mouse a partir de uma imagem média de ensaio.
    NOTA: Os arquivos de dados de análise final e os gráficos de resumo serão preenchidos em um subdiretório de cada diretório de sessão analisado.
  8. Digite summarizeSessions.py python para gerar dados de resumo em várias sessões.
  9. Digite a session2mp4s.py de python imediata para converter arquivos de dados de imagem em arquivos .mp4 visualizados.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Fluxo de trabalho para experimentos e análises de DEC
A seleção adequada de parâmetros experimentais é importante para o treinamento bem sucedido de condicionamento de de atmoscção (DEC). Para os dados aqui apresentados, a GUI foi utilizada para escolher uma duração CS de 350 ms e uma duração norte-americana de 50 ms. Essa combinação resulta em um intervalo de inter-estímulo de 300 ms: tempo suficiente para evitar a produção de CR de baixa amplitude10 e curto o suficiente para ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

A plataforma com protocolos associados aqui descritos pode ser usada para rastrear de forma confiável o comportamento animal em duas tarefas de aprendizagem associativa sensorial. Cada tarefa depende da comunicação intacta através da via de fibra de escalada. No design aqui descrito, incorporamos elementos para facilitar o aprendizado e gravação/perturbação da resposta cerebelar. Estes incluem uma roda para permitir locomoção gratuita 11,18, bem como fixação da c...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm conflitos de interesse para divulgar.

Agradecimentos

Este trabalho é apoiado por subvenções dos Institutos Nacionais de Saúde Mental NRSA F32 MH120887-03 (para G.J.B.) e R01 NS045193 e R01 MH115750 (para S.S-H.W.). Agradecemos aos Drs. Bas Koekkoek e Henk-Jan Boele por discussões úteis para otimizar a configuração do DEC e os Drs. Yue Wang e Xiaoying Chen por discussões úteis para otimizar a configuração do DTSC.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Base Rápida "B" para C& B METABOND - Garrafa de 10 mLParkellS398Solvente de cimento dental
"C" Catalisador TBB Universal - 0,7 mLParkellS371Catalyst
#8 ArruelasThorlabsW8S038Arruelas
0.250" (1/4") x 8.00" Aço Inoxidável Shafting de PrecisãoServocity 6341721/4" eixo
0.250" (0,770") Cubo de FixaçãoServocity 545588Cubo de Fixação
1/4" a 6 mm Parafuso de Fixação Acoplador de Eixo- pacote com 5Actobotics625106Manga de acoplamento de eixo
1/4"-20 Parafusos de Cabeça, 3/4" de ComprimentoThorlabsSH25S075parafuso de 1/4"
100 pcs 5 mm 395– Diodo Emissor de Luz LED Ultravioleta UV 400 nm Lente Redonda Transparente 29 mm de Chumbo Longo (DC 3V) LEDs Luzes +100 pcs ResistoresEDGELEC‎ ED_YT05_U_100PcsCS LEDs
Cabo Micro HDMI para DVI-D de 2 m - M/M - Cabo Micro HDMI para DVI de 2 m - HDMI (D) de 19 pinos Macho para DVI-D Macho - 1920 x 1200 VídeoStar-tech‎ HDDDVIMM2MCabo de monitor Raspberry Pi4B para monitor
256 GB Ultra Fit USB 3.1 Flash DriveSanDisk‎ SDCZ430-256G-G46USB thumb drive
3.3 V– Conversor de Nível Lógico 5 V 4 Canais Módulo Shifter BidirecionalAmazonB00ZC6B8VMLogic level shifter
32 GB 95 MB/s (U1) microSDHC EVO Select Memory CardSamsung‎ Cartão microSD MB-ME32GA / AM
4,50 "Servocidade de canal de alumínio5854444,5" canal de alumínio
48-LED CCTV Ir Iluminador de visão noturna infravermelhaTowallmarkSODIALMatriz de luz infravermelha
4PCS Kit de placas de ensaio Inclui 2 PCS 830 Pontos 2 PCS 400 Pontos Placas de Ensaio sem solda para Blocos de Conexão de Distribuição Proto ShieldREXQualisB07DL13RZHBreadboard
Switch de Rede Ethernet Não Gerenciado Gigabit de 5 PortasTP-Link‎ TL-SG105Switch Ethernet
5 V 2.5 A Raspberry Pi 3 B+ Fonte de Alimentação/AdaptadorCanakit‎ DCAR-RSP-2A5 Fonte dealimentação para Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3Ethicon668GSuturas Codificador de
eixo de 6 mm 2000 PPR Pushpull Line Driver Universal Output Line Driver Output 5-26 V dc SupplyCalt  B01EWER68IEncoder rotativo
Ø Poste Óptico de 1/2", SS, Parafuso de Fixação 8-32, Torneira de 1/4"-20, L = 1", Pacote com 5Postes ÓpticosThorlabsTR1-P5
Oslash; Poste Óptico de 1/2", SS, Parafuso de Fixação 8-32, Torneira de 1/4"-20, L = 2", Pacote com 5Postes ÓpticosThorlabsTR2-P5
Oslash; Poste Óptico de 1/2", SS, Parafuso de Fixação 8-32, Torneira de 1/4"-20, L = 4", Pacote com 5Postes ÓpticosThorlabsTR4-P5
Oslash; Poste Óptico de 1/2", SS, Parafuso de Fixação 8-32, Torneira de 1/4"-20, L = 6", Pacote com 5Postes Ópticos ThorlabsTR6-P5
Oslash; Suporte de Poste de 1/2", Parafuso de Polegar com Travamento Hexagonal com Mola, L = 2"de Suporte de Poste ÓpticoThorlabs
X LUER LOCK-FThe Lee Co.TMRA3201950ZAdaptador luer de válvula solenóide
Aeromat Foam Roller Tamanho: 36" ComprimentoAeromatB002H3CMUEFoam roller
Placa de Ensaio de Alumínio 10" x 12" x 1/2", 1/4"-20 TorneirasThorlabsMB1012Placa de Alumínio
Cabo Adaptador HDMI para DVI Amazon Basics, Preto, 6 Pés, 1-PackAmazonHL-007347Raspberry Pi3B+ para cabo
de monitorArduino  Uno R3ArduinoA000066Arduino Uno (placa microcontroladora)
Arduino DueArduino‎ A000062Arduino Due (placa microcontroladora)
Fonte de Alimentação de Bancada, Única, Ajustável, 3 Saídas, 0 V, 24 V, 0 A, 2 ATenma72-8335AFonte de Alimentação
Folha de Acrílico Fundido Resistente a Riscos e UV, 12" x 24" x 1/8"McMaster Carr8560K257Folha de Acrílico
Driver de Motor de Passo CNC 1.0– 4.2 A 20– Resoluções de Micro-Step 50 V DC 1/128 para Nema 17 e 23Stepper Motor Stepper OnlineB06Y5VPSFNStepper driver
Regulador de Ar Comprimido Compacto, Alívio em Linha, Carcaça de Latão, 1/4 NPTMcMaster Carr6763K13Regulador de fonte de ar
CotonetePuritan806-WCCotonete
Dell 1908FP 19" Monitor de Tela Plana Dell 1908FP - 1908FPCDell1908FPCCabo Flexível para Monitor
de Computador para Câmera Raspberry Pide interface serial da câmeraAdafruit2144
Motor de Passo Bipolar Nema 17 de Alto Torque 92 oz· in/65 N· cm 2.1 A Motor de ExtrusoraStepper Online17HS24-2104SMotor de Passo
IsofluranoHenry Schein66794001725Isoflurane
Krazy Cola Permanente de Ligação Máxima, 0.18 oz.Cola de cianoacrilatoKrazy GlueKG483
Lidocaína HClVetOne510212
Porca sextavada de aço de baixa resistência Lidocaína, grau 2, zincado, tamanho da rosca 1/4"-20PorcasMcMaster Carr90473A029
M3 x 50 mm Parafusos de cabeça sextavada parcialmente rosqueados 10 pcsUxcellA16040100ux1380M3 parafuso
NEMA 17 Suporte de motorde passoACTOBOTICS555152Suporte para motor de passo
Fonte de alimentação oficial Raspberry Pi 5,1 V 3 A com USB C - 1,5 m de comprimentoAdafruit4298para Raspberry Pi 4B
Optixcare Dog & Gel Lubrificante Cat Eye, tubo de 0.70-ozOptixcare142422Opthalimic
Rolamento de esferas de aço inoxidável de precisão, blindado, Trade No. R188-2Z, 13000 rpm Velocidade máxima Rolamentos FêmeaMcMaster-Carr3759T57
Fios de Jumper - 40 x 6"Adafruit266Wires
Fios de Jumper 'Extension' Fêmea/Macho Premium - 40 x 6" (150 mm)Adafruit826Fios
Premium Macho/Macho Jumper Wires - 40 x 6"Adafruit758Fios
Radiopaco L-Powder para C& B METABOND - 5 gParkellS396Pó de cimento dental
Raspberry Pi (3B+ ou 4B)Adafruit3775 ou 4295Raspberry
Pi Raspberry Pi NoIR Camera Module V2 - 8MP 1080P30Raspberry Pi FoundationRPI3-NOIR-V2Raspberry NoIR V2 câmera
Suporte de ângulo reto, slot rebaixado de 1/4" (M6), 8-32 torneirasThorlabsAB90ESuporte
de ângulo retoGrampo de ângulo reto para Ø Postes de 1/2", 3/16" HexThorlabsRA90Grampo de poste óptico em ângulo reto
Grampo de extremidade em ângulo reto para Ø Postes de 1/2", 1/4"-20 Stud e 3/16" HexThorlabsRA180Grampo de extremidade em ângulo reto
RJ45 Cat-6 Ethernet Patch Cabo de InternetAmazon‎ Cabo Ethernet CAT6-7FT-5P-BLUE
Braçadeira Rotativa para Ø Postes de 1/2", 360° Continuamente ajustável, 3/16" encantaThorlabsSWCbraçadeiras óticas de gerencio do cargo
Spike & Segure o Driver-0.1 A 5 MSThe Lee Co.IECX0501350ADriver de válvula solenóide
Adaptador de base giratóriaThorlabsUPHAAdaptador de suporte de poste
USB 2.0 A-Macho para Micro B Cable, 6 pésAmazon‎ 7T9MV4USB2 tipo A para USB2 micro cabo
USB 2.0 Cabo de impressora - A-Macho para B-Macho, 6 pés (1,8 m)AmazonB072L34SZSUSB2 tipo B para USB2 tipo A
cabo VHS-M/SP-12 VThe Lee Co.INKX0514900AVálvula solenóide
de aço zincado 1/4" arruela, OD 1.000"McMaster Carr91090A108arruelas
&&&&Adaptador PH2-062-M Cabo Fonte de alimentação Pomada /Fêmea Premium

Referências

  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Explorar mais artigos

Aprendizagem Dependente do CerebeloCondicionamento do Piscar do OlhoSusto Tátil RetardadoCamundongos com Cabeça FixaCélulas de PurkinjeEstimulação OptogenéticaImagem de FluorescênciaPlataforma ComportamentalRoda de Corrida
Uma plataforma flexível para monitorar o aprendizado associativo sensorial dependente do cerebellum
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.