March 3rd, 2023
Здесь мы представляем упрощенную аппаратную и программную установку с открытым исходным кодом для исследования пространственного обучения мыши с использованием виртуальной реальности (VR). Эта система отображает виртуальную линейную дорожку для мыши с головой, работающей на колесе, используя сеть микроконтроллеров и одноплатный компьютер, на котором работает простой в использовании графический программный пакет Python.
Эта система виртуальной реальности с открытым исходным кодом является важным инструментом для изучения пространственного обучения в мозге, поскольку она позволяет исследователям представлять последовательный набор пространственных стимулов мыши с ограниченной головой, используя простую модульную электронную установку. Преимущество этой системы заключается в том, что она недорогая, простая в настройке, компактная и модульная, что позволяет создавать несколько поведенческих установок для обучения и интеграции с существующими поведенческими установками с ограничением головы. Эта система идеально подходит для измерения пространственного обучения и мышей с ограниченной головой, однако она в равной степени способна предоставлять визуальные среды виртуальной реальности для экспериментов на других видах и препаратах, включая психофизику человека и нейровизуализацию.
Продемонстрируют эту процедуру Карла Диас и Ханна Чанг, научные сотрудники нашей лаборатории. Для начала подсоедините провода между компонентом поворотного энкодера и поворотным ESP32. Поворотные энкодеры обычно имеют четыре провода: положительный, GND, A и B. Подключите их через перемычки к контактам ESP32, 3 0,3 В, GND 25 и 26.
Подключите последовательные провода RX/TX между поворотным ESP32 и поведением ESP32. Выполните простое двухпроводное соединение между поворотным ESP32, Serial0 RX/TX и портом Serial2 поведения ESP32. Подключите последовательные провода RX/TX между поворотным ESP32 и одноплатным компьютером GPIO или прямым USB-соединением.
Выполните двухпроводное соединение между контактами GPIO одноплатного компьютера, 14, 15, RX / TX и поворотными контактами ESP32, Serial2, TX / RX 1716. Затем подключите поворотный USB-накопитель ESP32 к USB-порту одноплатного компьютера, чтобы загрузить исходный код поворотного энкодера. Подключите жидкостный электромагнитный клапан на 12 вольт к выходу ULN2803 IC в крайнем левом углу небольшой печатной платы OMW, подключите порт лизи к сенсорному входу ESP32.
Подключите USB к USB-порту одноплатного компьютера, чтобы загрузить новые программы в поведение ESP32 для различных экспериментальных парадигм и захватить данные о поведении с помощью прилагаемого эскиза обработки. Затем подключите настенный адаптер постоянного тока 12 В к разъему 2.1-миллиметрового цилиндрического разъема на небольшой печатной плате ESP32 OMW, чтобы обеспечить питание электромагнитного клапана вознаграждения. Подключите двухвыходной HDMI одноплатного компьютера к порту HDMI проектора.
Это перенесет графическую программную среду, визуализированную графическим процессором одноплатного компьютера, на проекционный экран. Откройте окно терминала в одноплатном компьютере и перейдите в папку Hall Pass VR. Запустите указанный графический пользовательский интерфейс виртуальной реальности или VR или графический интерфейс, чтобы открыть окно графического интерфейса.
Выберите и добавьте четыре элемента из списка для каждого из трех шаблонов вдоль дорожки, а затем нажмите «Создать». Выберите «Изображения пола и потолка» в раскрывающемся меню и установите длину дорожки равной двум метрам для этого примера кода. При желании назовите этот шаблон.
Нажмите кнопку «Пуск» и дождитесь запуска окна VR, прежде чем нажимать в другом месте. Графическая программная среда появится на втором экране. Запустите эскиз обработки, чтобы получить и отобразить перемещение поведенческих данных.
Откройте указанную команду в среде IDE обработки. Измените животное на числовую переменную мыши и установите минуты сеанса, равные продолжительности поведенческого сеанса в минутах. Нажмите кнопку «Выполнить» в среде IDE обработки.
Проверьте окно графика обработки, которое должно отображать текущее положение мыши на виртуальной линейной трассе, когда колесо вращается вместе с зонами вознаграждений и беговыми гистограммами облизывания, кругов и наград, обновляемыми каждые 30 секунд. Продвигайте беговое колесо вручную, чтобы имитировать работу мыши для тестирования, или используйте тестовую мышь для первоначальной настройки. Нажмите на окно графика и нажмите клавишу Q на клавиатуре, чтобы остановить получение поведенческих данных.
Текстовый файл поведенческих событий и времени, а также изображение финального окна графика в формате PNG сохраняются, когда истекают минуты сеанса или пользователь нажимает клавишу Q, чтобы выйти. Для случайной подделки с неоперантными наградами запустите графическую программную программу с графическим интерфейсом с путем произвольных визуальных элементов. Затем загрузите программу поведения в поведение ESP32 с несколькими неоперантными наградами, чтобы заставить мышь бегать и лизать.
Аккуратно поместите мышь в аппарат фиксации головы, отрегулируйте носик облизывания в месте, расположенном непосредственно перед ртом мыши, и поместите колесико мыши в центр зоны проекционного экрана. Задайте имя животного в эскизе обработки, а затем нажмите кнопку "Выполнить" в интегрированной среде разработки, чтобы начать получение и построение данных о поведении. Запускайте мышь в течение 20-30 минут, пока мышь не пробежит не менее 20 кругов за сеанс, и облизывайте награды, представленные в случайных местах.
Для случайного кормления с оперантными наградами на чередующихся кругах загрузите программу поведения с чередующимся оперантом, равным единице, и тренируйте мышь, пока она не облизывает как неоперантные, так и оперантные зоны вознаграждения. Для полностью оперантного случайного кормления загрузите программу поведения с четырьмя оперантными случайными зонами вознаграждения и тренируйте мышь, пока она не будет постоянно лизать награды вдоль дорожки. Затем для пространственного обучения запустите графическую программу с траекторией темного коридора с одной визуальной подсказкой в центре.
Затем загрузите поведенческую программу с одной скрытой зоной вознаграждения в поведение ESP32. Позвольте мыши работать в течение 30-минутных сеансов с одной скрытой зоной вознаграждения и одной визуальной подсказкой VR-коридора и захватывать данные во время сеанса, как описано ранее. Загрузите файл данных txt из папки эскиза обработки и проанализируйте поведенческие данные, чтобы наблюдать появление пространственно-селективного облизывания как индикатора пространственного обучения.
Пространственное обучение с использованием графической программной среды показано здесь. Благодаря прогрессивным этапам обучения случайному поиску пищи мыши научились бегать по колесу и последовательно лизать дорожку на низких уровнях, прежде чем их переключили на одно скрытое место вознаграждения, чтобы показать пространственное обучение. В этом исследовании четыре из семи мышей выучили скрытую задачу вознаграждения с помощью одной визуальной подсказки за два-четыре сеанса, о чем свидетельствует их облизывание вблизи зоны вознаграждения с возрастающей избирательностью.
Кроме того, мыши демонстрировали как существенное обучение во время сеанса, так и между сеансами. Пространственные облизывания на круг во второй день показали увеличение облизывания до зоны вознаграждения и уменьшение облизывания в других местах, что указывает на развитие пространственно-специфического упреждающего облизывания. Главное, что нужно помнить при использовании системы, это то, что мыши будут хорошо работать только в том случае, если они усилены и удобны на беговом колесе.
Поэтому вода ограничивает животных соответствующим образом, обращайтесь с ними осторожно и следите за тем, чтобы их положение фиксатора головы было оптимальным для бега во время просмотра проекционного экрана. Исследователь нейробиологии может объединить эту систему виртуальной реальности с открытым исходным кодом с визуализацией in vivo или электрофизиологией для исследования нейронных цепей, лежащих в основе пространственного обучения в мозге. Мы думаем, что простота этой системы виртуальной реальности с открытым исходным кодом позволит исследователям интегрировать систему в различные настройки нейрозаписи.
Точный контроль над пространственными стимулами в среде виртуальной реальности позволит исследователям изучить вклад конкретных нейронных цепей в пространственное обучение.
View the full transcript and gain access to thousands of scientific videos
Это исследование представляет упрощенную открытую аппаратно-программную установку для исследования пространственного обучения мышей с использованием виртуальной реальности (VR). Система позволяет мышам с ограниченным движением головы перемещаться по виртуальному линейному треку, с помощью микроконтроллеров и одноплатного компьютера с графическим программным пакетом на Python.
Open-source virtual reality (VR) systems for head-restrained mice enable high-resolution, quantitative measurement of spatial learning and behavior, supporting mechanistic de-risking in early neuroscience discovery. The modular, low-cost platform facilitates integration with electrophysiology and imaging, providing precise control over spatial and contextual cues for target validation. This capability enhances predictive confidence in neural circuit-behavior relationships, informing portfolio decisions in CNS drug discovery.
This VR system positions within the early discovery to preclinical continuum, bridging neural circuit analysis and behavioral phenotyping for CNS target validation.