Профилирование реакций материнского поведения во время визуализации всего мозга

От того, как воспитатель воспринимает сигналы младенца и реагирует на них, зависит, получит ли он уход, необходимый для выживания. У мышей вокализация детенышей вызывает сложные поведенческие реакции и, таким образом, вероятно, вызывает скоординированную активность в сети областей мозга. Мы хотим идентифицировать эту сеть у мышей с разным материнским опытом, и FMRI пробужденной мыши является отличным инструментом для этого.

По мере того, как FMRI для бодрствующих мышей становится все более широко используемым, появляются захватывающие исследования, которые изучают нейронные корреляты целенаправленного поведения. Эти характеристики обычно оцениваются с помощью таких инструментов, как балочные выключатели для обнаружения утечек и датчики давления для обнаружения движений. Наш протокол позволяет нам оценивать спонтанные поведенческие реакции даже в технически сложных условиях МРТ.

Наша цель состоит в том, чтобы в конечном итоге использовать измерения спонтанного поведения, чтобы лучше понять активность всего мозга, которую мы приобрели с помощью FMRI. Наша предыдущая работа показала, что слуховая кора мам и девственных животных по-разному реагирует на крики детенышей. У мам их нейронные реакции привязаны к крику щенка.

У девственниц это не так. Однако, по мере того как девственница учится выражать материнское поведение, слуховые центры меняются, чтобы отразить этот новый навык. Наши предыдущие исследования были сосредоточены на слуховой коре у мышей, находящихся под наркозом.

Это исследование выходит за рамки слуховой коры, изучая, как весь мозг и поведение мышей в сознании по мере того, как животное учится становиться мамой. Для начала загрузите MATLAB с веб-сайта MathWorks. Чтобы добавить набор инструментов для обработки изображений в дополнения MATLAB, нажмите «Управление дополнениями», «Получить дополнения», а затем найдите и добавьте их.

Аналогичным образом добавьте Computer Vision Toolbox в дополнения MATLAB. После открытия первого сценария конвейера анализа отредактируйте разделы первого, второго, третьего, четвертого, пятого и шестого скрипта, чтобы они соответствовали указанным структурам данных. Запустите раздел первый.

Запустите вторую часть сценария, чтобы получить первый кадр каждого видео. Используйте мышь, чтобы щелкнуть один раз по первым двум точкам, затем дважды щелкните по третьей точке. Выделив последние точки видео, нажмите Enter.

Проведите третий и четвертый разделы. Установите флаг на ноль и запустите пятый раздел. Затем установите флаг на единицу и снова запустите пятую секцию.

Теперь запустите шестой раздел и сравните результаты рядом друг с другом. Затем откройте второй сценарий и отредактируйте первый раздел сценария в соответствии со структурами данных. Затем запустите раздел первый.

Отредактируйте второй раздел скрипта в соответствии со структурами данных и запустите второй раздел. Используйте полученное изображение, чтобы увидеть, где оптический поток колеблется наиболее сильно в анализируемых видео. Отредактируйте третий раздел скрипта в соответствии со структурами данных и потребностями анализа.

Чтобы проанализировать полное поле зрения видео, установите флажок выберите ROI и укажите ROI равным нулю. Затем выполните третий раздел. Чтобы проанализировать новый ROI, установите флаг выберите ROI равным единице и укажите ROI равным нулю.

Затем отредактируйте newCoordsName и запустите раздел три. Выберите новый ROI в отображаемом кадре примера, щелкнув и перетащив его. Для анализа ранее построенного ROI установите флаг select ROI в ноль и укажите ROI равным единице.

Затем отредактируйте inputCoords, чтобы предоставить заранее определенный набор координат, и запустите третий раздел. Откройте третий сценарий и отредактируйте разделы с первого по третий сценария в соответствии со структурами данных и потребностями анализа. В первом разделе установите флаги параметров анализа ZSC, BLRM, BLZSC, demeanPerTrial и applyLPfilter в ноль или единицу.

Установите LPfilter на число, представляющее желаемый фильтр нижних частот в герцах. Затем выполните разделы с первого по третий. Откройте четвертый сценарий и отредактируйте первый раздел сценария в соответствии со структурами данных и потребностями анализа.

Запустите раздел первый. Откройте пятый сценарий и отредактируйте первый раздел сценария в соответствии со структурами данных и анализом. Затем запустите первый и второй разделы.

Измените переменные group, myTitle и threshT в входных данных третьего раздела, чтобы отразить требуемый групповой анализ. Запустите третий раздел для каждой группы интересов. Затем отрегулируйте диапазон оси C и пределы цветовой полосы по мере необходимости для визуализации.

Измените переменные mag, myTitle и threshT во входных данных четвертого раздела, чтобы отразить желаемое сравнение групп. Запустите четвертый раздел для каждого интересующего вас сравнения групп, затем отрегулируйте диапазон оси Z и пределы цветовой полосы по мере необходимости для визуализации. Векторы оптического потока указывают на области движения животных, особенно вокруг морды и лап.

Стандартное отклонение величины оптического потока выявило области с высокими и низкими колебаниями движения. Матери показали более высокую реакцию движений на крики щенков по сравнению с девственницами, но не на чистые тона. Компонентный анализ показал, что матери имели больше движений в области носа по сравнению с девственницами во время предъявления обоих стимулов.

Количественная оценка оптического потока валидационного набора данных выявила значительные различия в поведенческих реакциях на вознаграждение за высокую и низкую воду. Эти результаты также свидетельствуют о том, что представленный конвейер видеоанализа может быть использован для фиксации значимых различий в поведении животных в разных условиях.