Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Bioengineering
Click here for the English version

Bioengineering

"Avatar", en modifierad ex vivo-arbetsslinga som experimenterar med in vivo-stam och aktivering

Published: August 18, 2023 doi: 10.3791/65610
Automatic Translation
1, 1
1Northern Arizona University

Summary

Den här artikeln beskriver metodiken för att efterlikna in vivo muskelkraftproduktion under ex vivo-arbetsloopexperiment med hjälp av en "avatar"-muskel från en laboratoriegnagare för att bedöma bidragen från töjningstransienter och aktivering till muskelkraftsresponsen.

Abstract

Rörelsebeteenden är emergenta funktioner i dynamiska system som är ett resultat av muskelkraftproduktion och arbetsresultat. Samspelet mellan neurala och mekaniska system sker på alla nivåer av biologisk organisation samtidigt, från inställningen av benmusklernas egenskaper under löpning till dynamiken i lemmarna som interagerar med marken. Att förstå de förhållanden under vilka djur skiftar sina neurala kontrollstrategier mot inneboende muskelmekanik ("preflexer") i kontrollhierarkin skulle göra det möjligt för muskelmodeller att förutsäga muskelkraft in vivo och arbeta mer exakt. För att förstå in vivo muskelmekanik krävs ex vivo undersökning av muskelkraft och arbete under dynamiskt varierande belastnings- och belastningsförhållanden som liknar in vivo förflyttning. In vivo töjningsbanor uppvisar vanligtvis plötsliga förändringar (dvs. töjnings- och hastighetstransienter) som uppstår från interaktioner mellan neural aktivering, muskuloskeletal kinematik och belastningar som appliceras av miljön. Det huvudsakliga målet med vår "avatar"-teknik är att undersöka hur muskler fungerar under plötsliga förändringar i belastningshastighet och belastning när bidraget från inneboende mekaniska egenskaper till muskelkraftproduktionen kan vara som störst. I "avatar"-tekniken modifieras den traditionella arbetsloopen med hjälp av uppmätta in vivo-töjningsbanor och elektromyografiska (EMG) signaler från djur under dynamiska rörelser för att driva ex vivo-muskler genom flera stretch-förkortningscykler. Detta tillvägagångssätt liknar work-loop-tekniken, förutom att in vivo-töjningsbanor skalas på lämpligt sätt och appliceras på ex vivo-musmuskler som är fästa vid en servomotor. Denna teknik gör det möjligt för en att: (1) efterlikna in vivo-töjning, aktivering, stegfrekvens och arbetsloopmönster; (2) variera dessa mönster för att matcha in vivo-kraftresponser så exakt som möjligt; och (3) variera specifika egenskaper hos töjning och/eller aktivering i kontrollerade kombinationer för att testa mekanistiska hypoteser.

Introduction

Rörliga djur uppnår imponerande atletiska prestationer av uthållighet, snabbhet och smidighet i komplexa miljöer. Djurens rörelser är särskilt imponerande i kontrast till människokonstruerade maskiner – stabiliteten och smidigheten hos robotar, proteser och exoskelett med nuvarande ben är fortfarande dålig jämfört med djur. Förflyttning med ben i naturlig terräng kräver exakt kontroll och snabba justeringar för att ändra hastigheten och manövrera miljöegenskaper som fungerar som oväntade störningar 1,2,3,4. Ändå är det i sig en utmaning att förstå icke-stadig rörelse eftersom dynamiken beror på komplexa interaktioner mellan den fysiska miljön, muskuloskeletal mekanik och sensomotorisk kontroll 1,2. Förflyttning kräver att man reagerar på oväntade störningar med snabb multimodal bearbetning av sensorisk information och koordinerad aktivering av lemmar och leder 1,5. I slutändan möjliggörs rörelse av muskler som producerar kraft via inneboende mekaniska egenskaper i muskuloskeletala systemet samt från neural kontroll 1,5,6,7. En olöst fråga inom neuromekaniken är hur dessa faktorer samverkar för att producera koordinerad rörelse som svar på oväntade störningar. Följande teknik utnyttjar muskelns inneboende mekaniska svar på deformation med hjälp av in vivo-töjningsbanor under kontrollerbara ex vivo-experiment med en "avatar"-muskel.

Tekniken med muskelarbetsslingor har gett ett viktigt ramverk för att förstå inneboende muskelmekanik under cykliska rörelser 8,9,10. Den traditionella arbetslooptekniken driver muskler genom fördefinierade, vanligtvis sinusformade, töjningsbanor med hjälp av frekvenser och aktiveringsmönster som mäts under in vivo-experiment 2,8,9,11. Genom att använda sinusformade längdbanor kan man på ett realistiskt sätt uppskatta arbete och effekt under flygning12 och simning2 under förhållanden där djuren inte genomgår snabba förändringar i töjningsbanor på grund av interaktion med miljön och muskuloskeletala kinematik. In vivo uppstår dock muskelspänningsbanor under benrörelser dynamiskt från interaktioner mellan neural aktivering, muskuloskeletal kinematik och belastningar som appliceras av miljön 5,7,13,14. En mer realistisk arbetsloopteknik behövs för att efterlikna belastningar, töjningsbanor och kraftproduktion som motsvarar in vivo muskel-sendynamik och ger insikt i hur inneboende muskelmekanik och neural kontroll samverkar för att producera koordinerad rörelse inför störningar.

Här presenterar vi ett nytt sätt att efterlikna in vivo-muskelkrafter under löpbandsförflyttning genom att använda en "avatar"-muskel från en laboratoriegnagare under kontrollerade ex vivo-experiment med in vivo-stambanor som representerar tidsvarierande in vivo-belastningar. Genom att använda de uppmätta in vivo-töjningsbanorna från en målmuskel på muskler från ett försöksdjur under kontrollerade ex vivo-experiment kommer belastningar som upplevs under förflyttning att efterliknas. I de experiment som beskrivs här används ex vivo-musmuskeln extensor digitorum longus (EDL) som en "avatar" för muskeln medial gastrocnemius (MG) in vivo under skritt, trav och galopp på ett löpband13. Detta tillvägagångssätt liknar work-loop-tekniken, förutom att in vivo-töjningsbanor skalas på lämpligt sätt och appliceras på ex vivo-musmuskler som är fästa vid en servomotor. Även om EDL-muskler hos möss skiljer sig åt i storlek, fibertyp och arkitektur jämfört med råttans MG, är det möjligt att kontrollera för dessa skillnader. "Avatar"-tekniken gör det möjligt för en att: (1) efterlikna in vivo-töjning, aktivering, stegfrekvens och arbetsloopmönster; (2) variera dessa mönster för att matcha in vivo-kraftresponser så exakt som möjligt; och (3) variera specifika egenskaper hos töjning och/eller aktivering i kontrollerade kombinationer för att testa mekanistiska hypoteser.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Alla djurstudier godkändes av Institutional Animal Care and Use Committee vid Northern Arizona University. Extensor digitorum longus (EDL) muskler från han- och honmöss av vildtyp (stam B6C3Fe a/a-Ttnmdm/J), i åldrarna 60-280 dagar, användes för den aktuella studien. Djuren erhölls från en kommersiell källa (se Materialförteckning) och etablerades i en koloni vid Northern Arizona University.

1. Val av in vivo-töjningsbana och förberedelse för användning under ex vivo-experiment med arbetsslingor

OBS: I detta protokoll användes tidigare mätningar från dynamisk rörelse in vivo, som gavs direkt till författarna (Nicolai Konow, UMass Lowell, personlig kommunikation), i ex vivo-experiment. Originaldata samlades in för Wakeling et al.15. Tid, längd eller töjning, EMG/aktivering och kraftdata krävs för att replikera protokollet.

  1. Segmentera hela in vivo-prövningen i individuella steg med hjälp av valfri programmeringsplattform (MATLab-kod finns i Suplementary Coding File 1).
    1. Plotta längdändringarna kontra. Dags för hela in vivo-prövningen . Detta används för att visualisera individuella steg (ställning till ställning) och för att bedöma variationen mellan steg (figur 1).
    2. Beräkna töjning för hela försöket (längd (L) /maximal isometrisk kraft vid optimal längd L0).
    3. Välj ett steg från hela försöket som är representativt för alla steg och som börjar och slutar med liknande längd. Detta kan göras visuellt genom att rita upp längderna ovanpå varandra för att jämföra varje steg.
    4. Efter att ett representativt steg har valts, segmentera ut töjning, EMG/aktivering och tvinga data från hela försöket med valfri programmeringsplattform (se Kompletterande kodning File 1 för koderna som används i MATLab16).
    5. Om provtagningsfrekvensen skiljer sig åt beroende på töjning, EMG/aktivering eller kraft, interpolera datapunkterna så att alla provtas med samma frekvens.
      OBS: Forskare kan bestämma fångstfrekvensen baserat på tidsintervallen mellan varje punkt som samplas i hela försöket. Om variabler samlas in med samma frekvens blir samplingstiderna desamma.
  2. Beräkna frekvensen för segmenterade steg.
    1. Beräkna frekvensen genom att bestämma varaktigheten för ett segmenterat steg i sekunder och dividera 1 (sekund) med varaktigheten (1/varaktighet = # steg per sekund).
    2. Bestäm manuellt hur många datapunkter som måste samlas in i ex vivo-experiment för att matcha frekvensen.
    3. Beräkna den tid som krävs för två steg. Upprepa stegen minst en gång för att uppskatta inom muskelmätningsfelet, vilket kommer att krävas för efterföljande statistisk analys.
  3. Bestäm stimuleringsfasen i förhållande till töjningstillförseln med hjälp av den uppmätta EMG-aktiviteten för att bestämma stimuleringens början och varaktighet för ex vivo-arbetsslingorna . Vilken programmeringsplattform som helst kan användas (se Supplementary Coding File 1 för den kod som används i denna studie).
    1. View EMG-signal över samma x-axelområde (tid) som töjningsförändring (figur 1). Förstora EMG-signalen så att den blir synlig; detta kan göras genom att multiplicera EMG-signalen med ett godtyckligt tal, skala om töjningen och EMG så att de är på samma skala och/eller lägga till EMG-signalen till töjningen.
      OBS: Författarna skalade om stammen och EMG så att de var på samma skala med hjälp av "rescale"-funktionen i MATLab (se kompletterande figur 1).
    2. Ta reda på var EMG-aktiviteten börjar och slutar, vilket indikeras av en förändring i intensitet på två standardavvikelser17,18.
      OBS: Beroende på djur och muskel kan EMG-debut eller inte motsvara fotkontakt (Monica Daley, UC Irvine, personlig kommunikation) (se avsnittet Diskussion).
    3. Beräkna procentandelen av töjningscykeln (t.ex. 40 %) vid vilken EMG-aktiveringen inträffar och hur länge stimuleringen kommer att ske (t.ex. 222 ms).
      OBS: Forskare kommer att behöva ta hänsyn till en fördröjning av excitationskontraktionskoppling (ECC) som skiljer sig mellan in vivo-rörelse och ex vivo-arbetsslingor och kan vara olika för varje djur och muskel (t.ex. in vivo ECC är 24,5 ms för råtta MG, ex vivo ECC är ~5 ms för mus EDL).
  4. Förbered representativa töjningsingångar för arbetsloopens styrenhetsprogram. Alla program som kan fånga kraftutmatning med ingång för töjning och stimulering kan användas för arbetsloopens kontrollprogram (se avsnittet Diskussion).
    1. Ta det valda steget och interpolera till det lämpliga antal punkter som krävs för att få steget fångat med in vivo-frekvens under två cykler (se steg 1.2).
    2. Skala om steget för att starta och stanna vid "noll belastning" (t.ex. L 0 eller 95 % L0) efter stretching med en förutbestämd längdavvikelse (se steg 3.3).
    3. "Skala" valt steg, om det behövs, för att använda som indata för töjningsförändringar i musens EDL (se avsnittet Diskussion). För att skala, välj en längdavvikelse till vilken musens EDL kan sträckas ut utan att skadas (t.ex. sträcker vi vanligtvis musens EDL med 10 % L0 oavsett in vivo-art ). Detta kan behöva ändras baserat på preliminära resultat (se steg 3.3).

Figure 1
Figur 1: Längd över tid för in vivo hela prövningen. Längd (mm) plottad mot tiden för råttan MG. Stegen avgränsas av cirklar, från kortaste längd till kortaste längd, vilket anses vara ett enda steg. Klicka här för att se en större version av denna figur.

2. Utvärdering av maximal isometrisk kraft hos musmuskeln ex vivo

  1. Uppsättning utrustning och operation.
    OBS: Se avsnittet Diskussion för en förklaring av den utrustning som behövs för ex vivo-arbetsslingan .
    1. Förbered ett vävnadsorganbad genom att föra in nålventilen i vattenmantelns vävnadsbad (se materialförteckning). Anslut oxyslangen till en gasflaska med 95% 0 2-5% CO2. Låt 20 psi fylla vattenmantelns vävnadsbad.
    2. Förbered operationsområdet genom att köra en extra oxytube från gasledningen till en kristalliserande skål fylld med Krebs-Henseleit-lösning (steg 2.1.3) nära operationsområdet. Detta kommer att användas för att hålla musklerna luftade och hydrerade under och efter operationerna.
      OBS: Muskler kan också lagras i denna kolsyrade lösning upp till 4 timmar, om mer än en muskel tas ut ur musen åt gången.
    3. Bered 1 l Krebs-Henseleit-lösning innehållande (i mmol l-1): NaCl (118); KCl (4,75); MgSO4 (1,18); KH2PO4 (1,18); CaCl 2 (2,54); och glukos (10,0) vid rumstemperatur och pH till 7,4 med HCl och NaOH (se Materialförteckning). Vid hantering av HCl och NaOH, använd rätt personlig skyddsutrustning med skyddsglasögon och handskar.
    4. Fyll badet med Krebs-Henseleit-lösning vid rumstemperatur och pH 7,4. Sänk ner muskeln och kroken helt i lösningen.
    5. Slå på all utrustning; dual-mode muskelspaksystem, stimulator och signalgränssnitt (DAQ-kort) (se materialförteckning).
  2. Dissektion av EDL-muskeln.
    1. Bedöva musen djupt och utför sedan avlivning genom cervikal luxation. Lägg musen i antingen höger eller vänster sidoliggande läge med den övre bakbenen sträckt och tårna i kontakt med dissektionsbrädan. Ta bort pälsen från fotleden till ovanför knäleden.
    2. Tälta huden med pincett och skär från fotleden till höftområdet. När muskeln har exponerats, klipp runt fotleden som en "fåll" av byxor. Dra upp huden för att exponera benmusklerna tydligare.
    3. Leta reda på fascialinjen som separerar tibialis anterior (TA) och gastrocnemius, separera med dissektionssax för att exponera knäsenorna. Placera dissektionssaxen mellan de två exponerade knäsenorna. Saxen kommer att "fastna" i fickan strax under de exponerade knäsenorna. Blunt dissekera en "ficka" medan du drar saxen bort från benet tills saxen når fotleden för att exponera EDL.
    4. Använd en förknuten ögleknut i storlek 4-0 silkeskirurgisk sutur (se materialtabell), spetsa ena änden av suturen under senan närmast knäet. Knyt en dubbel fyrkantig knut ovanför den proximala muskel-senan utan att placera den på muskeln eller inkludera senan. Klipp ovanför knuten. Dra försiktigt i öglan som är knuten till senan, så kommer EDL ut ur "fickan".
    5. Tejpa fast öglan på dissektionsområdet för att skapa spänning i EDL. Knyt en dubbel fyrkantsknut med en annan förknuten ögleknut vid den distala muskel-senkorsningen utan att placera den på muskeln eller inkludera senan. Klipp knuten på sidan närmare benet för att ta bort hela EDL:en från musen. Skär bort den extra suturen från de dubbla fyrkantiga knutarna på de proximala och distala sidorna av muskeln och placera muskeln i det luftade badet vid operationsområdet.
      OBS: Se till att notera vilken sida som är proximal och/eller distal om du placerar muskeln i ett luftat bad.
    6. För att placera på servomotorspaksriggen, fäst EDL vertikalt mellan upphängda platinaelektroder. Fäst den distala ögleknuten på den stationära kroken och fäst den proximala ögleknuten på kroken som är fäst vid servomotorarmen. Höj vävnadsbadet för att sänka ner muskeln i den kolsyrade Krebs-Henseleit-lösningen.
      OBS: Luftning bör inte störa muskeln när den är nedsänkt. Om den gör det, sänk gastrycket. Låt muskeln komma i jämvikt i 10 minuter innan du börjar stimulera.
  3. Mät den maximala isometriska kraften hos EDL-muskeln.
    OBS: Se tabell 1 för protokoll om hur man mäter maximal isometrisk kraft med hjälp av ryckning och stelkramp. Se kompletterande figur 1 för en illustration av programmet som används av författarna.
    1. Stimulera muskeln med en supramaximal ryckning för att säkerställa att muskeln inte har skadats under operationen (80 V, 1 pps, 1ms; Tabell 1; se kompletterande figur 2). Om ingen skada har uppstått, använd längdratten på muskelspakssystemet för att hitta en muskellängd med hjälp av ryckstimulering vid vilken den aktiva spänningen är ~1V / 0.1271 N med mindre än ~0.1V / 0.01271N passiv spänning.
    2. Registrera muskelns startlängd från suturknut till suturknut i volt och millimeter. Mata in mätningar i kalibreringsdelen av programmet för startlängd (se kompletterande figur 1).
    3. Hitta maximal isometrisk kraft vid supramaximal ryckning vid optimal längd (L0) av EDL (tabell 1). Ingen viloperiod behövs tekniskt sett, men att vänta 1 minut mellan stimuleringarna kommer att stabilisera passiv spänning. Anteckna längden (i volt) vid vilken den supramaximala ryckningen är maximal. Detta är den muskeloptimala längden (L0) för ryckningar.
    4. Mät muskeln med skjutmått i denna längd. Mät muskeln från suturknut till suturknut. När L 0 har hittats, förkorta muskeln tillbaka till startlängden (aktiv spänning ~1V / 0.1271 N).
    5. Hitta supramaximal stelkramp maximal isometrisk kraft för EDL (80 V, 180 pps, 500 ms; (se tabell 1). Registrera längden (i volt och millimeter) av supramaximal tetanisk kraft vid L0 och mät fibrerna från suturknut till suturknut igen med skjutmått.
      OBS: Att öka muskellängden i steg om 0.5 V/0.65 mm kommer att resultera i mer exakt L0 för både ryckning och stelkramp.
    6. Hitta den submaximala isometriska kraften för EDL (45 V, 110 pps, 500ms; Tabell 1) vid L0 före och efter experimentet för att säkerställa att trötthet inte uppstod från stimuleringsprotokollet. En 10% minskning av kraften anses vara en "trött" muskel.
Experiment Simuleringens intensitet (V) Pulsfrekvens (pps / Hz) Stimulering Varaktighet (ms) Kommentarer
1. "Uppvärmning" 80 1 1 Öka eller minska längden med 0,50 V för att hitta passiv spänning på 1 V
2. Optimal muskellängd ryckning (L0) 80 1 1 Öka eller minska längden med 0,50 V för att hitta passiv spänning på ~1 V
3. Optimal muskellängd stelkramp (L0) 80 180 500 Vila 3 min mellan längdbyten med 0,50 V
4. Submaximalt L0 före experimentet 45 110 500 Vid längden av L0
6. Experiment med avatarer 45 110 Använd cykliskt representativa längdändringar för EDL på möss
7. Submaximalt L0 efter experimentet 45 110 500 Återgå till L0 efter experimentet och mät L0

Tabell 1: Stimuleringsprotokoll. Stimuleringsprotokoll för att hitta supramaximal och submaximal ryckning och stelkramp optimal längd. Protokollet varierar beroende på stimuleringsintensitet, timing och pulser per sekund.

3. Slutförande av "avatar"-arbetsloopteknik med hjälp av utvalda in vivo-töjningsbanor

  1. Ställ in den programvara som krävs för att slutföra "avatar"-arbetslooptekniker (se materialförteckning).
    OBS: En indata file (.csv eller liknande) som anger muskellängden vid varje tidssteg behövs (se steg 1.4). Ingångar för procententage av cykeln vid vilken stimuleringen startar och för stimuleringens varaktighet är nödvändiga (se kompletterande figur 3 för example).
  2. Slutför "avatar"-arbetsloopteknik.
    OBS: Medan vi använder ett anpassat LabView-program kan forskare använda vilket program som helst som tillåter kontroll av längdförändringar i musens EDL på en servomotorisk spak, kontroll av stimuleringens början (% cykel) och varaktighet (ms) vid angivna tidpunkter och mätning av muskelkraft. Se kompletterande figur 3 för en illustration av det program som författarna använder.
    1. Ladda upp de skalade töjningsändringarna med skalad längdavvikelse till programmet från steg 1.4. Se steg 1.4, 3.3 och avsnittet Diskussion för mer information om "skalade töjningsändringar".
    2. Justera muskelns startlängd vid behov (se avsnitt 3.3). Ange startlängden i V och mm för att kalibrera resultaten (se kompletterande figur 3).
    3. Använd stimuleringsstart och varaktighet beräknad i steg 1.3.
    4. Kör muskeln genom de skalade längdförändringarna med bestämd längdutflykt i två cykler.
    5. Spara data. Om flera stimuleringsprotokoll samlas in på samma muskel, vänta 3 minuter mellan varje stimulering.
    6. Stimulera vid optimal längd (L0) med submaximal aktivering för att avgöra om trötthet har uppstått. Om kraften minskar med mer än 10 % anses musklerna vara trötta. Se tabell 1 för stimuleringsprotokoll.
    7. Ta bort muskeln från badet. Skär knutar från muskeln och dutta bort överflödig lösning från muskeln. Väg muskeln. Bestäm fysiologisk tvärsnittsarea med hjälp av standardformeln: muskelmassa/(L0*1,06)19.
  3. Justera parametrar för "avatar"-arbetsloopteknik (se avsnittet Diskussion).
    1. Bestäm startlängden och längdavvikelsen genom att matcha den passiva spänningsökningen ex vivo med den passiva spänningsökningen som observerats in vivo (figur 2).
      OBS: I denna studie användes procent L 0 för att skala startlängd (mm) och utflykt (% L0; se steg 1.4 och avsnittet Diskussion). För att matcha spänningsökningen i ex vivo-mus-EDL med den hos in vivo-råttan MG, fann författarna att startlängden vid L0 gav den bästa passformen (Figur 2).
    2. Välj tre startlängder (t.ex. -5 % L 0, L 0 och +5 % L0). Utför arbetsslingan "avatar" vid var och en av dessa startlängder med en specificerad längdavvikelse (t.ex. 10 % L0).
      OBS: I de nuvarande "avatar"-experimenten med mus-EDL användes en längdavvikelse på 10 % L0 .
    3. Upprepa med nya startlängder och/eller utflykter tills den passiva spänningsökningen ex vivo är densamma som den passiva spänningsökningen in vivo (se figur 2B).
    4. Beroende på fibertyper och aktiveringsdynamik hos de muskler som används, öka eller minska stimuleringstiden för att optimera matchningen mellan ex vivo och in vivo kraft. Således kan det vara nödvändigt att ändra stimuleringens uppkomst och/eller varaktighet för att bäst matcha kraftproduktion in vivo under "avatar"-experiment.
    5. För att avgöra om detta är nödvändigt (se avsnittet Diskussion), plotta kraften över tiden för "avatar" och in vivo-muskeln (Figur 3) och beräkna bestämningskoefficienten R2 genom att kvadrera den skalade korrelationen mellan mål- och "avatar"-muskelkraften (se Representativa resultat).

Figure 2
Figur 2: Matchande passiv spänningsökning. Arbetsslingor som visar in vivo och ex vivo ökning av passiv spänning (pilar). In vivo skalad arbetsslinga från råtta MG (svart) som går vid 2,9 Hz (data från Wakeling et al.15). Ex vivo-skalade arbetsslingor från mus EDL (grön) vid 2.9 Hz. (A) Startlängden på musens EDL-muskel är +5 % L0. (B) Startlängden för musens EDL-muskel är L0. Observera att den passiva spänningsökningen ex vivo matchar spänningsökningen in vivo i A men inte i B. Tjockare linjer indikerar stimulering. Klicka här för att se en större version av denna figur.

Figure 3
Figur 3: Optimering av stimuleringstiden för EDL hos möss för att matcha in vivo-kraften hos råttans MG (svart linje). Kraften som genereras av musens EDL med hjälp av den EMG-baserade stimuleringen (grön streckad linje) minskar tidigare än in vivo-kraften, sannolikt på grund av snabbare inaktivering av musens EDL jämfört med råttans MG. För att optimera anpassningen mellan in vivo- och ex vivo-krafterna stimulerades musens EDL under en längre tid (heldragen grön linje). EMG-baserad stimulering R 2 = 0,55, Optimerad stimulering R2 = 0,91. Klicka här för att se en större version av denna figur.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Målet med "avatar"-experimenten är att replikera in vivo-kraftproduktion och arbetsresultat så nära som möjligt under ex vivo-arbetsloopexperiment. Denna studie valde att använda mus-EDL som en "avatar" för rått-MG eftersom mus-EDL och rått-MG båda består av mestadels snabba muskelryckningar20,21. Båda musklerna är primära drivkrafter i fotleden (EDL fotled dorsalflexor, MG fotled plantarflexor) med liknande pennationsvinklar (mus EDL 12,4 + 2,12°22, råtta MG 20° som användes i denna studie15). Skalade representativa arbetsloopar av råtta MG15 jämfördes med ex vivo "avatar"-experiment (Figur 4) med användning av två olika stimuleringsprotokoll (ett från uppmätt EMG-aktivitet och ett optimerat som i steg 3.3). R 2-värdena som presenteras här beräknades med hjälp av hela den skalade stretchförkortningscykeln (2 cykler/kondition), där varje cykel har mer än 2000 poäng som motsvarar rörelsehastigheten (skritt = 5521 poäng, trav = 5002, galopp = 2502 poäng). Arbetsslingorna skalades för att ta hänsyn till skillnader i muskelstorlek, P0 och PCSA. Skalning gjordes genom linjär kartläggning av kraft och töjning på en liknande skala (0-1) för att jämföra råttans MG och mus EDL. Visuellt är det uppenbart att optimering av stimuleringsprotokollet (Figur 4B) för att ta hänsyn till olika aktiveringsdynamik hos mössens EDL- och MG-muskler förbättrar anpassningen till MG-kraften hos råtta in vivo jämfört med den EMG-baserade aktiveringen (se avsnittet Diskussion). För EDL hos möss ökade ungefär en fördubbling av stimuleringstiden för långsammare töjningsbanor (skritt och trav) R2 med62 % i skritt och 109 % i trav. För den snabbare töjningsbanan (galopp) ökade stimuleringstiden med hälften av den observerade tiden R2 med 22 %.

Figure 4
Figur 4: Jämförelse av in vivo- och ex vivo-arbetsslingor. Arbeta med in vivo råtta MG (svart) och ex vivo mus EDL (grön) under gång (2,9 Hz) med hjälp av in vivo-töjningsbanor. Den tjockare linjen indikerar stimulering i både in vivo och ex vivo arbetsslingor. (A) Arbeta med in vivo råtta MG (svart) och ex vivo mus EDL (streckad grön) under gång med hjälp av EMG-baserat stimuleringsprotokoll. (B) Arbeta med in vivo råtta MG (svart) och ex vivo mus EDL (fast grönt) under gång (2.9Hz) med optimerad stimulering. Klicka här för att se en större version av denna figur.

HögtR2 mellan EDL ex vivo kraftproduktion i möss och in vivo kraftproduktion av medial gastrocnemius hos råtta (MG)15 indikerar god replikation (figur 5). I EMG-baserade stimuleringsexperiment var de genomsnittliga R2-värdena 0,535, 0,428 och 0,77 för skritt, trav respektive galopp. I optimerade stimuleringsexperiment var de genomsnittliga R2-värdena 0,872, 0,895 och 0,936 i skritt, trav respektive galopp. Som tidigare diskuterats (steg 3.3, figur 5), beroende på aktiveringsdynamiken hos de muskler som används, kan stimuleringsprotokollet också behöva optimeras. Prediktion av in vivo MG-kraft med ex vivo-mus-EDL förbättrades över alla lokomotoriska hastigheter genom att optimera stimuleringen, öka R2 (Figur 5A, B) och minska kvadratrotens medelvärde (RMSE). RMSE minskade efter optimering för alla hastigheter (figur 6). Genomsnittlig RMSE för EMG-baserad stimulering var 0,31, 0,43 och 0,158 för skritt, trav och galopp. Medelvärdet för RMSE för optimerad stimulering var 0,181, 0,116, 0,101 för skritt, trav och galopp.

Figure 5
Figur 5: R 2 Värden för kraftproduktion in vivo och ex vivo: Rut- och morrhårsdiagram över R2-värden för in vivo- och ex vivo-kraftjämförelser . Individuella observationer plottade, median, 25:e och 75:e percentilen indikerade. A) R 2-värden för kraftproduktion in vivo och ex vivo med hjälp av stimuleringsprotokoll baserat på uppmätt EMG-signal in vivo under skritt vid 2,9 Hz (grönt), trav vid 3,2 Hz (magenta) och galopp vid 6,2 Hz (cyan). B) R 2-värden för kraftproduktion in vivo och ex vivo med optimerad stimulering (se figur 2). Optimering av stimuleringsstart och varaktighet ökade R2 för alla gångarter. EMG-baserad stimulering: skrittR 2 = 0,50-0,55, trav R 2 = 0,37-0,47, galopp R2 = 0,62-0,90; optimerad stimulering: skritt R 2 = 0,74-0,93, trav R 2 = 0,85-0,92, galopp R2 = 0,87-0,97. Klicka här för att se en större version av denna figur.

Figure 6
Figur 6: Rotmedelkvadratfel (RMSE) för kraftproduktion in vivo och ex vivo. Låd- och morrhårsdiagram över RMSE-värden för in vivo- och ex vivo-kraftjämförelser. Individuella observationer plottade, median, 25:e och 75:e percentilen indikerade. (A) RMSE-värden för kraftproduktion in vivo och ex vivo med hjälp av EMG-baserat stimuleringsprotokoll. B) RMSE-värden för in vivo och ex vivo med optimerat stimuleringsprotokoll. Optimering av stimuleringsstart och varaktighet minskade RMSE för alla gångarter. Skritt vid 2,9 Hz (grönt), trav vid 3,2 Hz (magenta) och galopp vid 6,4 Hz (cyan). Klicka här för att se en större version av denna figur.

För att testa prestandan hos traditionella arbetsloopmetoder för att förutsäga muskelkrafter in vivo, utfördes sinusformade arbetsslingor också för musens EDL med samma frekvens, längdavvikelse, startlängd, stimuleringsstart och varaktighet som för "avatar"-experimenten med in vivo råtta MG-stambanor. R2-värdena var signifikant lägre än för in vivo-töjningsbanorna för både EMG-baserade och optimerade stimuleringsprotokoll (figur 7). Genomsnittliga R2-värden för EMG-baserad stimulering med sinusformade längdbanor var 0,062, 0,067 och 0,141 vid skritt, trav och galopp. Genomsnittliga R2-värden för optimerad stimulering med sinusformade längdbanor var 0,09, 0,067 och 0,141 vid skritt, trav och galopp.

Figure 7
Figur 7: R2 Värden för kraftproduktion in vivo och ex vivo med sinusformade längdförändringar. Låd- och morrhårsdiagram över RMSE-värden för in vivo- och ex vivo-kraftjämförelser. Individuella observationer plottade, median, 25:e och 75:e percentilen indikerade. R 2-värden för skritt (grönt, 2,9 Hz), trav (magenta, 3,2 Hz) och galopp (cyan,6,2 Hz) med sinusformade längdförändringar med EMG-baserade (genomskinliga) och optimerade (ogenomskinliga) stimuleringsprotokoll. För både EMG-baserad och optimerad stimulering varR2-värdena lägre för sinusformade längdförändringar än för in vivo-längdförändringar. EMG-baserad stimulering: skritt R 2 = 0,00 - 0,30, trav R 2 = 0,00 - 0,02, galopp R2 = 0,03 - 0,07; optimerad stimulering: skritt R 2 = 0,02 - 0,21, trav R 2 = 0,02 - 0,12, galopp R2 = 0,12 - 0,17. Klicka här för att se en större version av denna figur.

Arbetsslingor som produceras av ex vivo-musens EDL-muskel med sinusformade längdbanor efterliknar inte lika exakt in vivo råttans MG-kraft jämfört med in vivo-töjningsbanor (Figur 8). Förändringen i arbete som produceras av sinusformade kontra in vivo töjningsbanor kan förklaras av frånvaron av töjnings- och hastighetstransienter i den sinusformade banan (figur 9). Medan musklerna stimulerades i liknande längder under den aktiva förkortningsfasen av kontraktionerna i både sinusformade trajektorier och in vivo-baserade töjningsbanor, inträffade stimuleringen i olika faser av cykeln (t.ex. inträffade stimuleringen i en fas på 74 % för EMG-stimulering i trav, men i en fas på 43 % för EMG-stimulering i gång; se avsnittet Diskussion).

Figure 8
Figur 8: Jämförelse av sinusformade arbetsslingor in vivo och ex vivo. (A) In vivo-arbetsslinga (svart) från råtta MG och ex vivo-arbetsslinga (streckad magenta) från mus-EDL med sinusformad töjningsbana och EMG-baserad stimulering. (B) In vivo arbetsslinga (svart) från råtta MG och ex vivo arbetsslinga (fast magenta) från mus EDL med sinusformad töjningsbana och optimerad stimulering. Observera att de sinusformade arbetsslingorna överskattar in vivo-arbetet på grund av frånvaron av töjnings- och hastighetstransienter i den sinusformade banan. EMG-baserad stimulering R 2 = 0,0003, optimerad stimulering R2 = 0,084. Klicka här för att se en större version av denna figur.

Figure 9
Figur 9: Jämförelse av in vivo-stambanor och ex vivo-sinusformade längdbanor. Jämförelse av in vivo-stam och ex vivo sinusformade längdbanor i skritt (grönt), trav (magenta) och galopp (blått). Den heldragna linjen är in vivo-stambana. Streckad linje ex vivo sinusformad längdbana. Den markerade delen är stimulering. Stimuleringen började i samma längd under den förkortade fasen av steget. Pilar som indikerar töjnings- och hastighetstransienter. Avvikelser från sinusformade är impedans från yttre krafter på muskeln. Klicka här för att se en större version av denna figur.

Tilläggsfigur 1: Program som används för att samla upp isometrisk maximal kraft vid optimal längd. Programmet används för att bestämma optimal längd under supramaximal och submaximal ryckning och tetanisk stimulering. Klicka här för att ladda ner den här filen.

Kompletterande figur 2: Livskraftig ryckrespons. Twitch-svar från mus EDL. Ryckkraften stiger och faller snabbt och bör nå aktiv spänning på ~1 V. "Brus" bör vara minimalt efter att den maximala aktiva spänningen har uppnåtts. Klicka här för att ladda ner den här filen.

Kompletterande figur 3: Program som används för att samla in data om arbetsslingan. Programmet används för att styra muskellängd och tidpunkt för stimulering i ex vivo arbetsloopar. Klicka här för att ladda ner den här filen.

Kompletterande kodningsfil 1: MATLab-kod som används för att segmentera och skapa ett experimentellt protokoll för arbetsloopen. MATLab-kod som användes för att segmentera målstegsinformation (längd, EMG-aktivering och kraft) i individuella steg. Koden innehåller skalning och interpolering av måldjurssteg i längder som ex vivo mus EDL kan sträcka ut. Inkluderar dessutom kod för att jämna ut EMG-signalen och jämföra aktivering för att välja start och varaktighet av stimulering i ex vivo-arbetsloopexperiment . Klicka här för att ladda ner den här filen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Organismer rör sig obehindrat över landskap, men de underliggande belastningarna och påfrestningarna som musklerna utsätts för varierar drastiskt 1,6,23. Under både in vivo locomotion 1,24 och i "avatar"-experiment stimuleras musklerna submaximalt under cykliska, icke-stationära förhållanden. De isometriska kraft-längd- och isotoniska kraft-hastighetssambanden är inte väl lämpade för att förutsäga muskelkraft under dessa förhållanden2. Att förstå effekterna av icke-stationär töjning (dvs. transienter) och belastning är viktigt för att förutsäga kraftproduktion under in vivo-rörelse, och är därför den huvudsakliga motiveringen för att utveckla dessa "avatar"-experiment2. "Avatar"-experiment gör det möjligt för oss att kontrollera muskelbelastning och töjningsbanor samtidigt som vi mäter kraftutmatning. "Avatar"-tekniken undersöker musklernas kraftrespons under in vivo-liknande förhållanden, utan förväxlingsfaktorer som neural kontroll och senföljsamhet. För att utföra "avatar"-experimenten kommer forskarna att behöva ett program som gör det möjligt för en muskel att gå igenom föreskrivna längdförändringar med förmågan att stimulera vid olika startlängder och under olika varaktighet (se kompletterande figur 3 för det program som författarna använder). Forskare måste ange startmuskellängd (mm), utflyktslängd (mm), stimuleringens början (% av cykelns varaktighet) och stimuleringens varaktighet (ms) innan de gör experiment (se steg 1.3-1.4 för att få värden för dessa parametrar). I allmänhet är det ofta önskvärt att välja steg som är representativa för alla steg i försöket (t.ex. börjar och slutar vid en liknande längd, når en liknande toppkraft, har genomsnittlig EMG-aktivitet, etc.). Att avgöra om EMG/aktivering och kraftdata från ett valt steg är representativt för andra steg i samma försök kan vara till hjälp för "justering" senare, vilket kan göras genom att plotta arbetsloopar (kraft kontra längd) för hela försöket med hjälp av måldjurets muskel. Under tvåbent och fyrbent rörelse avgränsar den kortaste längden till den kortaste längden i allmänhet ett helt steg (tå-från-tå-frånlande), men EMG-aktivering kan variera. Hos vissa djur och muskler är EMG-aktiveringen nära korrelerad till fotkontakt, som till exempel MG hos råtta som visas här22. Hos andra djur, t.ex. pärlhöns laterala gastrocnemius, sker EMG-aktivering i allmänhet på den längsta längden för att uppnå mer stabilitet under okänd terräng25.

För att utföra "avatar"-experiment är det viktigt att minimera bruset i ex vivo-kraftdata . Kraftmätningar är känsliga för flera frågor, inklusive men inte begränsat till slitning av musklerna under operationen, följsamhet av suturerna om ögleknutarna är för långa, felaktig skalning av längdinmatningarna och utflykten och muskeltrötthet. Muskelbristning sker ofta när man "dissekerar fickan" (steg 2.2.3) och knyter ögleknuten runt den proximala delen av senan (steg 2.2.4). När du "dissekerar fickan", håll dissektionssaxen platt och horisontell mot muskeln för att förhindra att spetsarna hackar EDL. Att dra dissektionssaxen bort och distalt under trubbig dissekering kommer också att begränsa kontakten mellan dissektionssaxen och EDL-musklerna. Dessutom bör musklerna hållas fuktiga med Krebs-Henseliet-lösning under operationsförberedelserna och när de används på riggen.

Det är mer komplicerat att skala indata med längd. Muskelns passiva och aktiva kraft kan påverkas om startlängden och/eller utflykten inte är korrekt skalad. Ökningen av passiv spänning ex vivo bör motsvara ökningen av passiv spänning in vivo (se figur 1). Ett skalningsproblem som har observerats i tidigare experiment är att både passiv och aktiv spänning kan påverkas om längdavvikelsen (startlängd till längsta längd) är för liten eller för stor. Teoretiskt sett bör musklerna nå toppkraft nära sin optimala längd (L 0)26, vilket är anledningen till att vi använder optimal längd (L0) för att skala in vivo muskellängder i ex vivo "avatar"-experiment för att exakt replikera in vivo kraftproduktion. Arkitektoniska skillnader mellan muskler kommer att spela en roll för att bestämma startlängden och längdutflyktsparametrarna. Även om optimal längd (L0) hittas under supramaximalt stimulerade isotoniska och isometriska förhållanden, kan användning av den som ett skalningsmått i "avatar"-experiment potentiellt belysa begränsningar i kraft-längd- och kraft-hastighetsförhållandena under cyklisk rörelse som behöver undersökas mer. I de flesta steady-state-förhållanden kan musklernas momentana längd, hastighet och aktivering (dvs. kraft-längd och kraft-hastighetsegenskaper) användas för att förutsäga kraft och arbetsresultat med rimlig noggrannhet 12,24,27. Under dynamiska förhållanden med variabel belastning ökar kraften som en funktion av hastigheten28 och har ett komplext förhållande till töjning och aktivering29,30. Detta motsäger musklernas isotoniska krafthastighet och isometriska kraftlängdsegenskaper28. Hos råttans MG är töjnings- och hastighetstransienter tecken på belastning, såsom fotkontakt eller interaktion med omgivningen (dvs. ojämn terräng, vind, plötslig riktningsförändring för att undvika predation) (figur 9). Dessa MG-töjningsbanor för råttor, liksom de flesta realistiska förhållanden, har plötsliga förändringar i den applicerade belastningen, kraftproduktionen och arbetsresultatet 2,28. Denna experimentella metod syftar till att belysa dessa komplexa interaktioner mellan töjnings-, hastighets- och aktiveringsdynamik under in vivo-förhållanden som inte förklaras väl av traditionella kraft-längd- och kraft-hastighetsförhållanden.

Andra problem kan uppstå när muskelns startlängd är för kort eller lång. En för kort startlängd kommer att resultera i en minskad ökningshastighet av spänningen under den passiva och aktiva sträckningen (visas inte), medan en för lång startlängd kommer att resultera i en ökad ökningshastighet av passiv spänning (se figur 1B). Att använda förhållandet mellan aktiv och passiv spänning kan vara till hjälp. Till exempel, hos råtta MG, är den passiva spänningen (N) i allmänhet ungefär hälften av den aktiva spänningen (figur 2). Om en muskel börjar med för lång längd och/eller sträcks till en längd som är för lång, kan den passiva spänningen vara för hög i förhållande till den aktiva spänningen (se figur 1B), och kraften kan minska snabbt på grund av översträckning. Att sträcka sig till en längd som är för lång kommer också potentiellt att skada muskeln och kan göra att muskeln tröttnar snabbare. Dessutom kan aktiv spänning verka osammansmält om startlängden är för kort och/eller muskeln inte sträcks till en tillräckligt lång längd.

Preliminära experiment är nödvändiga för att bestämma startlängd och utflykt baserat på L0. Ytterligare preliminära experiment kan behövas för att justera stimuleringens varaktighet om aktiveringsdynamiken i de muskler som används är olika. Dessa optimeringar behövs eftersom fibertypssammansättningen och/eller aktiveringsdynamiken i in vivo- och ex vivo-muskler kan vara olika. I våra representativa resultat (Figur 4 och Figur 5) använde vi två stimuleringsprotokoll för EDL på möss under ex vivo-experiment för att replikera in vivo råtta MG-kraftproduktion. För att optimera kraftproduktionen i EDL hos möss så att den bäst passar in vivo råtta MG ökades stimuleringstiden (Figur 2 och Figur 3). Rat MG består av långsammare fibertyper än mus EDL31,32,33. Detta var tydligt i "avatar"-experiment eftersom ex vivo-mus-EDL-muskler producerade kraft snabbare efter excitation, och kraften minskade i en snabbare takt efter deaktivering än vad som observerats in vivo i råtta MG15 (Figur 2), även efter att ha tagit hänsyn till skillnader i excitationskontraktionsfördröjning mellan in vivo- och ex vivo-förhållanden 34. Beroende på ex vivo- och in vivo-målmusklerna kan optimering av stimuleringen behövas även i andra "avatar"-experiment. Antingen EDL- eller solusmusklerna (SOL) hos möss kan användas i denna ex vivo-arbetsloopteknik. EDL valdes som en "avatar" för råttan MG på grund av likheterna i muskelfibertyp och pennationsstruktur. Det är möjligt att vissa muskler kan ha en komplex struktur och inte kan efterliknas med hjälp av muskler från laboratoriegnagare som en "avatar".

Även om "avatar"-experiment kräver viss manuell optimering för att på bästa sätt replikera in vivo-kraftproduktion, är tekniken tillämplig på en mängd olika djur och rörelselägen. "Avatar"-tekniken kan vara särskilt användbar för att förstå in vivo-kraftproduktion hos djur vars muskler är för stora eller på annat sätt oåtkomliga för ex vivo-experiment. Även om endast preliminärt arbete har gjorts på större djur35, har detta arbete visat potential för tillämpbarheten av denna teknik på djur, muskler och rörelsemönster med laboratoriemöss som "avatarer". Användbarheten av "avatar"-experiment beror på hur exakt en bekväm, billig, lättillgänglig och välkarakteriserad laboratoriemodell av gnagare (dvs. mus EDL) kan användas för att förstå in vivo-mekanik hos olika muskler från olika arter av ryggradsdjur. Resultat från preliminära "avatar"-experiment som presenteras här (råtta MG) och på andra ställen (pärlhöns LG19) tyder på att denna teknik kan användas för att exakt förutsäga in vivo-krafter och kan tillämpas på andra djur. Framtida tillämpningar av denna metod bör utöka de typer av muskler och djur som har använts som både måltavlor och "avatarer" under ex vivo- och in vitro-experiment. "Avatar"-experiment gör det möjligt för oss att undersöka faktorer som påverkar muskelkraft och arbetsresultat under in vivo-rörelse när muskelbelastning och belastning varierar abrupt 1,2,19. Specifikt gör "avatar"-metoden det möjligt för oss att undersöka effekterna av töjnings- och hastighetstransienter på muskelkraft som inte fångas upp av traditionella muskelmodeller eller sinusformade arbetsloopexperiment.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Alla författare erkänner att det inte finns någon intressekonflikt.

Acknowledgments

Vi tackar Dr. Nicolai Konow för att ha tillhandahållit de data som använts i denna studie. Finansierat av NSF IOS-2016049 och NSF DBI-2021832.

Materials

Name Company Catalog Number Comments
Braided Non-Absorbable Silk Suture 4-0  Mersilk  734H
Calcium Chloride Dihydrate (CaCl2) Sigma-Aldrich 1086436 Krebs-Henseleit solution
Dextrose  Sigma-Aldrich D9434 Krebs-Henseleit solution
HEPES Sigma-Aldrich PHR1428 Krebs-Henseleit solution
Hydorchloric Acid (HCl)  Sigma-Aldrich 1.37055 Krebs-Henseleit solution
LabView Data Collection  Lab-View
Magnesium Sulfate (MgSO4) Sigma-Aldrich M7506 Krebs-Henseleit solution
Potassium Chloride (KCl)  Sigma-Aldrich P3911 Krebs-Henseleit solution
Potassium Phosphate Monobasic (KH2PO4) Sigma-Aldrich 5.43841 Krebs-Henseleit solution
S88 Stimulator Grass M643H05 Available for purchase on Ebay
Series 300B Lever System Aurora 1200A includes water-jacket tissue bath
Sodium Bicarbonate (NaHCO3) Sigma-Aldrich S5761 Krebs-Henseleit solution
Sodium Chloride (NaCl)  Sigma-Aldrich S9888 Krebs-Henseleit solution
Sodium Hydroxide (NaOH) Sigma-Aldrich S5881 Krebs-Henseleit solution
Wild Type Mice Jackson Laboratory B6C3Fe a/a Ttn mdm/J

DOWNLOAD MATERIALS LIST

References

  1. Dickinson, M. H. How Animals move: an integrative view. Science. 288 (5463), 100-106 (2000).
  2. Sponberg, S., Abbott, E., Sawicki, G. S. Perturbing the muscle work loop paradigm to unravel the neuromechanics of unsteady locomotion. Journal of Experimental Biology. 226 (7), 243561 (2023).
  3. Daley, M. A., Biewener, A. A. Running over rough terrain reveals limb control for intrinsic stability. Proceedings of the National Academy of Sciences. 103 (42), 15681-15686 (2006).
  4. Daley, M. A., Usherwood, J. R., Felix, G., Biewener, A. A. Running over rough terrain: guinea fowl maintain dynamic stability despite a large unexpected change in substrate height. Journal of Experimental Biology. 209 (1), 171-187 (2006).
  5. Daley, M. A. Understanding the agility of running birds: Sensorimotor and mechanical factors in avian bipedal locomotion. Integrative and Comparative Biology. 58 (5), 884-893 (2018).
  6. Biewener, A. A. Animal locomotion. , Oxford University Press. Oxford New York. (2003).
  7. Robertson, B. D., Sawicki, G. S. Unconstrained muscle-tendon workloops indicate resonance tuning as a mechanism for elastic limb behavior during terrestrial locomotion. Proceedings of the National Academy of Sciences. 112 (43), E5891-E5898 (2015).
  8. Josephson, R. K. Mechanical power output from striated muscle during cyclic contraction. The Journal of Experimental Biology. 114, 493-512 (1985).
  9. Ahn, A. N. How muscles function - the work loop technique. Journal of Experimental Biology. 215 (7), 1051-1052 (2012).
  10. Sawicki, G. S., Robertson, B. D., Azizi, E., Roberts, T. J. Timing matters: tuning the mechanics of a muscle-tendon unit by adjusting stimulation phase during cyclic contractions. Journal of Experimental Biology. 218 (19), 3150-3159 (2015).
  11. Libby, T., Chukwueke, C., Sponberg, S. History-dependent perturbation response in limb muscle. Journal of Experimental Biology. 223 (1), (2020).
  12. Askew, G. N., Marsh, R. L., Ellington, C. P. The mechanical power output of the flight muscles of blue-breasted quail ( Coturnix chinensis ) during take-off. Journal of Experimental Biology. 204 (21), 3601-3619 (2001).
  13. Sponberg, S., Libby, T., Mullens, C. H., Full, R. J. Shifts in a single muscle's control potential of body dynamics are determined by mechanical feedback. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences. 366 (1570), 1606-1620 (2011).
  14. Loeb, G. E., Brown, I. E., Cheng, E. J. A hierarchical foundation for models of sensorimotor control. Experimental Brain Research. 126 (1), 1-18 (1999).
  15. Wakeling, J. M., Tijs, C., Konow, N., Biewener, A. A. Modeling muscle function using experimentally determined subject-specific muscle properties. Journal of Biomechanics. 117, 110242 (2021).
  16. The Mathworks. MATLAB:R2021a. The Mathworks. , (2021).
  17. Tenan, M. S., Tweedell, A. J., Haynes, C. A. Analysis of statistical and standard algorithms for detecting muscle onset with surface electromyography. PLOS ONE. 12 (5), 0177312 (2017).
  18. Roberts, T. J., Gabaldón, A. M. Interpreting muscle function from EMG: lessons learned from direct measurements of muscle force. Integrative and Comparative Biology. 48 (2), 312-320 (2008).
  19. Rice, N., Bemis, C. M., Daley, M. A., Nishikawa, K. Understanding muscle function during perturbed in vivo locomotion using a muscle avatar approach. Journal of Experimental Biology. 226 (13), 244721 (2023).
  20. Silva Cornachione, A., CaçãoOliveiraBenedini-Elias, P., Cristina Polizello , P., César Carvalho, L., CláudiaMattiello-Sverzut, A. Characterization of Fiber types in different muscles of the hindlimb in female weanling and adult wistar rats. Acta Histochemica Et Cytochemica. 44 (2), 43-50 (2011).
  21. Hämäläinen, N., Pette, D. The histochemical profiles of fast fiber types IIB, IID, and IIA in skeletal muscles of mouse, rat, and rabbit. Journal of Histochemistry & Cytochemistry. 41 (5), 733-743 (1993).
  22. Charles, J. P., Cappellari, O., Spence, A. J., Hutchinson, J. R., Wells, D. J. Musculoskeletal geometry, muscle architecture and functional specialisations of the mouse hindlimb. PLOS ONE. 11 (4), 0147669 (2016).
  23. Nishikawa, K. Titin: A Tunable spring in active muscle. Physiology (Bethesda, Md). 35 (3), 209-217 (2020).
  24. Dick, T. J. M., Biewener, A. A., Wakeling, J. M. Comparison of human gastrocnemius forces predicted by Hill-type muscle models and estimated from ultrasound images). The Journal of Experimental Biology. 220, 1643-1653 (2017).
  25. Daley, M. A., Biewener, A. A. Leg muscles that mediate stability: mechanics and control of two distal extensor muscles during obstacle negotiation in the guinea fowl. Philosophical Transactions of the Royal Society B: Biological Sciences. 366 (1570), 1580-1591 (2011).
  26. Seth, A., Sherman, M., Reinbolt, J. A., Delp, S. L. OpenSim: a musculoskeletal modeling and simulation framework for in silico investigations and exchange. Procedia IUTAM. 2, 212-232 (2011).
  27. Sandercock, T. G., Heckman, C. J. Doublet potentiation during eccentric and concentric contractions of cat soleus muscle. Journal of Applied Physiology. 82 (4), Bethesda, Md. 1219-1228 (1997).
  28. Marsh, R. L. How muscles deal with real-world loads: the influence of length trajectory on muscle performance. The Journal of Experimental Biology. 202, 3377-3385 (1999).
  29. Hessel, A. L., Monroy, J. A., Nishikawa, K. C. Non-cross bridge viscoelastic elements contribute to muscle force and work during stretch-shortening cycles: evidence from whole muscles and permeabilized fibers. Frontiers in Physiology. 12, 648019 (2021).
  30. Lindstedt, S., Nishikawa, K. Huxleys' missing filament: form and function of titin in vertebrate striated muscle. Annual Review of Physiology. 79, 145-166 (2017).
  31. Abbate, F., De Ruiter, C. J., Offringa, C., Sargeant, A. J., De Haan, A. In situ rat fast skeletal muscle is more efficient at submaximal than at maximal activation levels. Journal of Applied Physiology. 92 (5), 2089-2096 (2002).
  32. Eng, C. M., Smallwood, L. H., Rainiero, M. P., Lahey, M., Ward, S. R., Lieber, R. L. Scaling of muscle architecture and fiber types in the rat hindlimb. Journal of Experimental Biology. 211 (14), 2336-2345 (2008).
  33. Manuel, M., Chardon, M., Tysseling, V., Heckman, C. J. Scaling of motor output, from mouse to humans. Physiology (Bethesda, Md). 34 (1), 5-13 (2019).
  34. Zajac, F. E. Muscle and tendon: properties, models, scaling, and application to biomechanics and motor control. Critical Reviews in Biomedical Engineering. 17 (4), 359-411 (1989).
  35. Rice, N. Understanding muscle function during in vivo locomotion using a novel muscle avatar approach. ProQuest Dissertations and Theses. , https://libproxy.nau.edu/login?url=https://www.proquest.com/dissertationstheses/understanding-muscle-function-during-em-vivo/docview/2444890224/se-2?accountid=12706 (2020).

Tags

Avatar Ex Vivo Work Loop Experiments In vivo-stam aktivering av rörelsebeteenden muskelkraftsproduktion arbetsresultat neurala och mekaniska system biologisk organisation kontrollhierarki muskelmodeller in vivo muskelkraft in vivo muskelarbete muskelmekanik töjnings- och belastningsförhållanden in vivo-rörelse töjnings- och hastighetstransienter neural aktivering muskuloskeletal kinematik miljöbelastningar avatarteknik
"Avatar", en modifierad ex vivo-arbetsslinga som experimenterar med <em>in vivo-stam</em> och aktivering <em></em>
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bemis, C., Nishikawa, K. "Avatar", a … More

Bemis, C., Nishikawa, K. "Avatar", a Modified Ex vivo Work Loop Experiments Using In vivo Strain and Activation. J. Vis. Exp. (198), e65610, doi:10.3791/65610 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter