Automatiserad, Kvantitativ Kognitiv / Behavioral Screening av möss: För genetik, farmakologi, Animal Cognition och Grundutbildning Instruktion

Summary

Helt automatiserat system för att mäta fysiologiskt betydelsefulla egenskaper hos de mekanismer som medierar rumslig lokalisering, tids lokalisering, varaktighet, hastighet och sannolikhetsuppskattning, riskbedömning, impulsivitet, och den noggrannhet och precision av minne, för att kunna bedöma effekterna av genetiska och farmakologiska manipulationer på grundläggande mekanismen av kognition hos möss.

Abstract

Vi beskriver en hög genomströmning, hög volym, helt automatiserad, live-in 24/7 beteende testsystem för utvärdering av effekterna av genetiska och farmakologiska manipulationer på grundläggande mekanismerna för kognition och lärande i möss. En standard polypropen mus hölje tub är ansluten via en akrylröret till en standard kommersiell mus testlåda. Test box har 3 trattar, varav 2 är anslutna till pellets matare. Alla är internt illuminable med en lysdiod och övervakas för huvudposter med infraröd (IR) balkar. Möss lever i miljön, vilket eliminerar hantering vid screening. De får sin mat under två eller flera dagliga utfodringsperioder genom att utföra i operant (instrumental) och Pavlovsk (klassisk) protokoll, som vi har skrivit protokoll-styrprogram och kvasi-realtid dataanalys och diagram programpaket. De dataanalys och graf rutiner är skrivna på ett MATLAB-baserade språk som skapats för att förenkla avsevärt analysen av stora tid-stamped beteendemässiga och fysiologiska händelseposter och för att bevara en fullständig uppgifter spår från rådata genom alla mellanliggande analyser till den publicerade grafer och statistik inom en enda datastruktur. Den dataanalys kod skördar data flera gånger om dagen och underställer detta statistiska och grafiska analyser, som automatiskt lagras i "molnet" och på in-lab datorer. Således är utvecklingen av individuella möss visualiseras och kvantifieras dagligen. Den dataanalys kod pratar med protokollet-kontrollkod, tillåter den automatiserade förskott från protokoll till protokoll för enskilda individer. Beteende protokoll förda matchar, autoshaping, tidsinställda hopper-växling, riskbedömning i tids hopper-växling, impulsivitet mätning och dygnsrytm väntan på livsmedel tillgänglighet. Open-source-protokoll-kontroll och dataanalys koden gör att nya protokoll enkelt. Åtta testmiljöer passa i en 48 cm x 24 cm x 78 i skåp, två sådan hyttinets (16 miljöer) kan styras av en dator.

Introduction

För att få de kraftfulla tekniker för genetik, molekylärgenetik, molekylärbiologi och neurofarmakologi att bära på att belysa de cellulära och molekylära mekanismer som förmedlar grundläggande mekanismerna för kognition, vi behöver stora volymer med hög genom-sätta psykoscreeningmetoder som kvantifierar fysiologiskt meningsfull egenskaper kognitiva mekanismer. En psychophysically mätbara, fysiologiska meningsfull kvantitativ egenskap av en mekanism är en egenskap som kan mätas med beteende sätt och även av elektrofysiologiska eller biokemiska medel. Exempel är absorptionsspektrumet av rhodopsin, den frilöpande period av den cirkadiska klockan, och den refraktära perioden av belönings axoner i den medial forebrain bundle ^1,2. Psykofysiska mätningar som kan jämföras med cellulära och molekylära mätningar lägga en grund för att länka cellulära och molekylära mekanismer för att psykologiska mekanismer genom kvantitativ korrespondens. För example, det faktum att i absorption situ-spektrum av rhodopsin i de yttre segmenten av stavarna överlagrar på den mänskliga scotopic spektral känslighetsfunktionen är starka bevis för att fotontriggad isomerisering av rhodopsin är det första steget i mörkerseende. De kvantitativa aspekterna av komplexa beteendemönster är också centrala för användningen av QTL metoder i beteendegenetik ^3,4.

Prestandan hos möss (och råttor) på väletablerade instrumentella och Pavlovian inlärningsprotokoll beror på hjärnmekanismer som mäter abstrakta storheter som tid, antal, längd, hastighet, sannolikhet, risk, och rumslig plats. Till exempel hastigheten på förvärvet av Pavlovian betingade svaren beror på förhållandet mellan det genomsnittliga intervallet mellan armerings händelser (typiskt matleveranser) och den genomsnittliga latensen till armering efter debuten av signalen för hotande förstärkning ^5-7. För en andra exemle, förhållandet mellan den genomsnittliga längden på besöken till två utfodrings trattar i ett överensstämmande protokoll är ungefär lika med förhållandet mellan andelen förstärkning vid dessa två trattar ^8-10.

De beteendemässiga testmetoder för närvarande allmänt använd av neuro intresserade av underliggande mekanismer är, för det mesta, låg volym, låg genomströmning, och arbetskrävande ^26. Dessutom har de inte mäter mängder som kan jämföras med de kvantiteter som mäts av elektrofysiologiska och biokemiska metoder, som till exempel kan de beteendemässigt uppmätta perioder och faser av dygnsrytm oscillatorer jämföras med elektrofysiologiska och biokemiska åtgärder av dygnsrytm period och fas. Aktuella beteende testmetoder fokus på kategorier av lärande, t.ex. spatial inlärning, temporal inlärning, eller rädsla att lära, snarare än på bakomliggande mekanismer. Den allmänt använda vattenlabyrinttest av spatial inlärning ^11-15 är ett exempel på dessa shortcomings. Spatial lärande är en kategori. Att lära sig i den kategorin beror på många mekanismer, varav en är den mekanism av död räkning ^16,17. Död räkning beror i sin tur på vägmätaren, den mekanism som mäter tillryggalagd sträcka ^18. På samma sätt är tids lärande en kategori. En dygnsrytm klocka är en av de mekanismer som lärande i den kategorin är beroende, eftersom en oscillator med en ca 24 tim period krävs för djuren att lära sig den tid på dagen då händelser inträffar ^17,19. Klockan som gör mat förväntan har ännu inte upptäckt ^19.

En klocka är en tidsmätningsmekanismen. Endogena oscillatorer med ett brett spektrum av perioder tillåter hjärnan att lokalisera händelser i tiden genom registrering av faserna i dessa klockor ^16,17. Förmågan att spela in platser i tid gör det möjligt att mäta varaktigheter, det vill säga avståndet mellan lägena i tiden. Associativ inlärning är beroende av tHan hjärnans mätningar av löptider ^5,6,20,21. Räknare är nummer-mätning mekanismer. Antal mätning möjliggör sannolikhetsuppskattning, eftersom en sannolikhet är proportionen mellan numerosity av en delmängd och numerosity av superset. Nummer mätning och varaktighet mäta aktivera takt uppskattning, eftersom en kurs är antalet händelser dividerat med längden av det intervall under vilket den siffran uppmättes. Mätningar av längd, antal, hastighet, och sannolikheten möjliggör beteende justeringar förändrade risker. ^22,23 Vår metod fokuserar på mätning av noggrannhet och precision av dessa grundläggande mekanismer. Noggrannhet är i vilken utsträckning hjärnans åtgärden motsvarar ett objektivt mått. Precision är variationen eller osäkerhet i hjärnans mått på ett fast mål värde, till exempel, en fast tidsperiod. Webers lag är den äldsta och mest säkert etablerade resultat i psykofysik. Den hävdar att precisionen hoshjärnans mått på en mängd är en fast del av denna kvantitet. Weber fraktion, som är statistiker s variationskoefficienten i en fördelning (σ / μ), mäter precision. Förhållandet mellan den psyko medelvärdet (t.ex. betyda bedömas varaktighet) till det mål medelvärdet (medel objektiv varaktighet) är ett mått på noggrannhet.

Den metod som presenteras här maximerar volymen (antal djur som kontrolleras vid en viss tidpunkt i en given mängd labbutrymme) och kapacitet (mängd information som erhålls divideras med den genomsnittliga löptiden för screening av ett enskilt djur) samtidigt minimera mängden mänskliga arbete som krävs för att göra mätningar och maximera omedelbarhet med vilken resultaten av screeningen blir kända.

Arkitekturen dataanalys programvara presenteras här sätter rådata och alla Sammanfattande resultat och statistik från data i en enda d automatisktata struktur, med fältrubriker som gör begripliga det stora hav av siffror anges där. Den analytiska programvara fungerar bara på data i denna struktur, och alltid lagrar resultatet av sin verksamhet inom områden inom samma struktur. Detta garanterar en intakt leden från rådata till publicerade sammanfattningar och diagram.

Programmet skriver automatiskt in i konstruktionen av experimentet-kontrollprogram som styrde den helt automatiserade tester, och det visar automatiskt vilka rådata kommer från vilket program. Således bevarar det en oklanderlig uppgifter spår, med något tvivel om vilka experimentella förhållanden gällde för varje djur vid varje punkt i testning och ingen tvekan om hur den övergripande statistik härrör från rådata. Denna metod för säkrande av uppgifter underlättar i hög grad utvecklingen av standardiserade beteende screening databaser, vilket gör det möjligt för andra laboratorier att ytterligare analysera dessa rika datamängder.

Screeningssystemet schematiseras i figur 1. Tio skåp, får var och en innehåller 8 testmiljöer sättas upp i en 10 fot x 15 fot laboratorierummet, vilket gör att 80 möss to köras vid en tidpunkt. Kablar som passerar genom en port i ett parti vägg bör ansluta miljöer för att de elektroniska / elektriska gränssnittskort och datorer i ett annat rum. Datorerna kör protokoll-kontrollprogram. En dator krävs för varje 2 skåp (16 testmiljöer). De datorer måste anslutas via ett lokalt nätverk till en server som kör dataanalys och diagram programpaket.

Protocol

De tre helautomatiska protokoll i TSsystem (matchning, appetitive instrument och klassisk betingning) och omkopplaren protokollet har godkänts av Animal Care och faciliteter kommittén vid Rutgers New Brunswick.

1. Konfigurera det fysiska systemet

1. Ställ in testmiljöer i skåp (se figur 1).
2. Installera experimentet-styrprogram försett med testmiljöer på protokoll-styrdatorer.
   OBS: Använd inte dessa datorer för andra ändamål!

2. Ställa in Software System

1. Ställ in LAN (Local Area Network), så att den server där dataanalys programvara installeras kan komma åt hårddiskarna i datorn (s) som styr testmiljöer (se figur 1).
2. Upprätta en fil-synkroniseringskonto för datalagring i "molnet".
3. Put det TSsystem mappen och dess undermappar på sökvägen för den kommersiella programmeringsspråk i ett moln-synkroniserad mapp.
   Obs! TSsystem är en programvara verktygslåda, det vill säga ett bibliotek med över 30 hög nivå funktioner som underlättar skapandet av komplexa data-analys och data-grafer kod som automatiskt bearbetar data när den skördas från utdatafiler genereras av experimentet-kontrollprogrammet. Alla kommandon fungerar på data i fält av experimentet struktur och sätta resultatet i andra fält i samma struktur (se figur 2). Dessa öppen källkod kommandon är skrivna i ett av de mest använda kommersiella vetenskaplig programmering och graf språk. Det har många andra "verktygslådor", bland de med fördel en statistikverktygslåda.

3. Starta ett experiment

1. Ring TSbegin (se figur 3).
   OBS: TSbegin är en integreradractive GUI (G raphic U ser jag nterface) i TSsystem verktygslådan. Den leder användaren genom processen att skapa den hierarkiska datastrukturen i vilken rådata och alla resultat som härrör från den kommer att placeras med övriga funktioner i TSsystem verktygslåda.
2. Ring TSaddprotocol (se Figur 4).
   OBS: TSaddprotocol är ett GUI i TSsystem verktygslådan. Den leder användaren genom processen att specificera parametrarna för ett experimentellt protokoll, som anger besluts kod som automatiserar beslutet att säga upp protokollet och gå vidare till nästa, och ange beslutskriterierna som ska användas.
3. Placera möss i 24/7 live-in testmiljöer, en mus per miljö.
   Obs: Var noga med att notera det ID-nummer för musen som går till var och en av de numrerade experimentella miljöer (Box 1, Box 2, etc.). Observera också den bokstav som identifierar experiment-kontrolldator på det lokala nätverket (LAN) och IP-adress.
4. Ring TSstartsession (Figur 5).
   OBS: TSstartsession är ett GUI i TSsystem verktygslådan. Den leder användaren genom processen att starta en försökssession. Experimentella sessioner varar en eller två veckor, under vilken flera olika beteendetestprotokoll körs. TSstartsession lagrar informationen som går in i makrot att protokollet-styrprogram läser när en session startas. Inkluderat är sökvägen till och namnet på den kod-filen att protokollet-styrprogram läser. TSsystem s analytiska programvara läser den här koden i den hierarkiska datastrukturen, så det finns aldrig tvivla om den exakta gällande protokoll som helst.
5. Gå till styrdatorer och kalla makron skrivna till mappen MedPC, för att starta sessionen för de rutor som styrs av datorn.

4. Dataanalys

1. Om du har skapat ett nytt protokoll, skriva lämplig dataanalys och grafer kod med hjälp av kommandon i TSsystem verktygslåda, vilket i hög grad förenklar skapandet av komplexa dataanalyser.
   Anm: Data-analys och grafer kod för de tre protokollen vars resultat beskrivs nedan ingår i TSsystem verktygslådan. Därför att de är öppen källkod, kan de ändras efter behag. Koden för dessa analyser är flitigt kommenterade, vilket gör det enklare att skapa kod för att analysera resultaten från användardefinierade protokoll.
2. Under den tid av experimentet (24 timmar till flera veckor), övervaka e-post för varningar från servern som indikerar möjliga utrustning fel (elavbrott, spontana, kontroll-datorn startas om, pelletsmatar fel, etc.), som TSsystem data analysera Programmet upptäcker.
3. Studera tomter av prestanda som dataanalys kod skriven i TSsystem producerar varje gång den kallas av the analys timer (vanligtvis 2-4 gånger / dag).
   Anm: Analysen timer anropar dataanalys och grafritande program på användardefinierade intervaller. Det anropade programmet är skrivet med funktioner i TSsystem. Den läser in i den hierarkiska datastrukturen rådata som skördas från filen som protokollstyrprogram skriver. Därefter analyserar den data och plottar resultaten av analyserna. Den fil som innehåller den hierarkiska datastrukturen lagras i en fil-synkronisering av mappar i molnet. Detta ger automatisk off-site backup. De automatiska fil-synkronisering lagrar kopior av struktur-filen på datorerna för all personal och samarbetspartners som har beviljats ​​tillträde. Angivna grafer automatiskt skickas till angivna personal och samarbetspartners. En ansvarig prövare kan följa utvecklingen av testningen från var som helst i världen när som helst, och vid behov revidera den experimentella protokollet, på rad, på avstånd från site där mössen testas.
4. Använd TSbrowser att studera data och sammanfattande statistik i den hierarkiska datastrukturen när de blir tillgängliga, i nästan realtid (se figur 2).

Representative Results

Systemet kan och bör användas för att köra protokoll som är anpassade till målen för den enskilde forskaren eller klassrum lärare. Vi har dock utvecklat en svit av tre protokoll som visar sig användbara i storskalig screening av genmanipulerade möss och storskaliga farmakologisk testning: matchningsprotokoll, den 2-hopper autoshaping protokoll, och omkopplaren protokollet. Den matchande Protokollet mäter musens förmåga att uppskatta inkomsterna (mat pellets per tidsenhet) på två olika platser, för att komma ihåg vilken plats avkastning som inkomster, för att matcha förhållandet mellan dess genomsnittliga besöks löptider till förhållandet mellan inkomster, och den snabbhet med som den upptäcker och justerar för förändringar i tal. De 2-hopper autoshaping protokoll mäter andelen instrumentella och klassisk betingning (associativa inlärningspriser). Switchen protokollåtgärder intervall timing noggrannhet och precision, förmågan att uppskatta sannolikheter (relativa frekvenser)och att anpassa sig till förändringar i sannolikheter (riskbedömning). Det ger också ett mått på impulsivitet.

Matchning. Matare i var och en av de två sido trattar (matningsbord) är oberoende beväpnade med en exponentiellt varierande fördröjning efter varje pelletsleverans. En pellet avges när mataren är inkopplat och musen utlöser pelleten frisättning genom att peta in i lagringsbehållaren, och därigenom avbryta den infraröda (IR) strålen. Intervallen som förflyta innan nästa tillkoppling dras från exponentiella fördelningar, vars förväntningar anges i parameterfilen (tabell 1). I detta protokoll, möss börjar snabbt att växla mellan de två utfodrings trattar, peta en stund till en, sedan flytta till den andra och sedan tillbaka till den första. Förhållandet mellan den genomsnittliga varaktigheten för deras vistelse på de två trattarna matchar approximativt förhållande av pelletsen per min på att erhålla från de två trattar (NB Pellets per min imiljön, är att de "inkomster" från trattar, inte pellets per min av att peta in i tratten, är att "återvänder" från sina investeringar i de två trattar). Alltså, om de får i genomsnitt tre gånger så många pellets från Hopper 1 från Hopper 2, då den genomsnittliga längden på ett besök på Hopper 1 är ungefär 3 gånger så lång som den genomsnittliga längden på ett besök i tratten 2. Vi kör detta protokoll först på grund av den snabbhet med vilken den matchande beteende visas ^8. Det är oftast mätbar inom de första 24 timmar av tester, förutom, naturligtvis, i enstaka mus som är för blygsamma för att besöka magasinen inom de första 24 tim.

Matchande beteende innebär att de mekanismer för att mäta längd och antal samt beräkna relativa priser är intakt, liksom de rumsliga lokalisering av mekanismer som gör det möjligt för en mus att associera korrekt de två olika satser med de två olika tråg platser. Sålunda är det en utmärkt sammanfattning avtest av grundläggande kognitiv funktion. Den precision med vilken en mus stämmer förhållandet mellan dess förväntade besök löptider till förhållandet mellan de erfarna inkomster är en indikation på den precision med vilken musen kan representera mängder.

Den precision med vilken en mus matchar grafiskt visualiseras av i vilken utsträckning två samtidigt ritas kumulativa register har samma lutning (Figur 6). En kumulativ post är den kumulerande summan av en sekvens av mätningar. I det här fallet är en tomt (de röda i figur 6) den kumulativa dokumentation av pellets-av-pelletsinkomst obalans mått, den andra (de svarta i Figur 6) är den kumulativa dokumentation av pellet-genom- pellets besök-obalans åtgärd. För en enda intermatningsintervall, är den inkomst obalans antingen -1 eller +1 beroende på om pellets erhållits i slutet av intervallet kom från Hopper 1 (obalans = -1) eller 2 (obalans =1). Lutningen på den kumulativa register över dessa obalanser är den genomsnittliga obalans inkomster (obalansen per utfodring). Om i 10 intervaller, blir musen 5 pellets från Hopper 1 och 5 från Hopper 2, då den genomsnittliga inkomsten obalans över att dessa 10 inter-feed mellanrum är , Om alla 10 pelletarna kom från Hopper 2, så är det , Och om alla 10 kom från matartratt 1, då är det . Således kan den genomsnittliga obalans inkomster varierar från -1 till 1, och det är 0 när det finns i genomsnitt ingen obalans. Besöket obalans under en inter-matning Intervallet är den tid på Hopper 2 (T2) minus den tid som tillbringas på Hopper 1 (T 1), divided med summan av de två gånger. För en enda intermatningsintervall, kan åtgärden ta på ett värde mellan -1 och 1, till skillnad från inkomst obalansen, som måste vara antingen -1 eller 1. Emellertid lutningen av den kumulativa dokumentation av denna åtgärd återspeglar dess genomsnittsvärde, precis som är fallet för den inkomst åtgärd. När de två sluttningarna av de två kumulativa register (den röda och den svarta register i Figur 6) är lika, är lika med den genomsnittliga besöket obalans genomsnitts obalans inkomster, vilket innebär att musen är att matcha förhållandet mellan dess genomsnittliga besöks löptider till förhållandet av sina inkomster från de två trattar.

För tre av mössen i figur 6 (5027, 5015 och 5024), varvid lutningen av den kumulativa besök obalans plot (svart) spår nära lutningen på kumulativ obalans SMS (röd), som anger nästan perfekt matchning av förhållandet mellan genomsnittligt besöks löptider till förhållandet mellan de inkomster. Notera hur snabbt förhållandetbesöket löptider anpassar sig till förändringen i förhållandet mellan inkomster, på de ställen nedåt böjningsformer. Å andra sidan, Mouse 5034 (längst ner till vänster tomt) misslyckades med att matcha under andra matningssessionen, lutningen på den kumulativa besöket variga obalansen plot (svart) är 0, medan lutningen på inkomst obalansen (röd) är i huvudsak positiv. Men under det tredje matningsfasen (efter den svarta vertikala), backarna är parallella, vilket innebär att den här musen började plötsligt i början av denna fas för att matcha sitt besök förhållande till tal. Helt klart, därför var det inte utrustad för detta, men gjorde det inte av någon anledning under en del av testningen. Detta illustrerar vikten av att visualisera det hela håller på att genomföras i stället för att förlita sig helt på några sammanfattande statistik. Mouse 5028 matchas exakt under första tal, men när det vände, gjorde det inte helt vända. Mouse 5025 "overmatched" under ^{3: e} inmatningszong fasen (efter grön lodrät), det vill säga det genomsnittliga besöket obalans var större än genomsnittet obalans inkomst och det inte fullt ut anpassa sig till återföring av inkomst obalans. Observera dock att alla sex möss, både de tre vilda typer och de tre heterozygoter matchade med precision under den allra första 4-hr inmatningsfasen. Observera också att dessa register täcker bara 36-48 tim (1,5-2 dag / natt cykler med 2 utfodring faser / cykel), under vilken man observerar inte bara initialt matchning men en plötslig reaktion på återföring av tal. Som tidigare förklarats, visar detta intakt funktion i heterozygoter för många grundläggande mekanismerna för kognition, nämligen, varaktighet uppskattning, antal uppskattning, takt uppskattning, spatial lokalisering (inkomsträntor till trattar), och förmågan att komma ihåg enkla abstrakta mängder. De kvantitativa resultaten, som är typiska, erhålles från automatiserad testning i en live-in miljö, utan någon hantering av mössen bortom deras initiala placering i miljön.

Som framgår av figur 6, möss matcha förhållandet mellan deras besök löptider till förhållandet mellan inkomster så fort de börjar cykla mellan magasinen. Den snabbhet med vilken musen börjar cykla mellan magasinen är ett mått på vad som kan kallas dess djärvhet eller tendens att utforska. Detta visualiseras genom att plotta den kumulativa dokumentation av cykler, dvs antalet cykler genomförda som en funktion av sessionstiden. Figur 7 visar dessa diagram för samma möss som i figur 6. Fem av de sex visade viss prospektering för starten av den första matningsfasen och började plötsligt att växla mellan magasinen så fort det började. En mus, dock (nederst till vänster), visade inte någon undersökande beteende alls (inte en enda cykel) tills halvvägs in i ^{2: a} utfodring fas, vid vilken tidpunkt började det plötsligt att växla mellan magasinen.

. t "> Instrumental och Classical Conditioning traditionell inlärningsteori skiljer mellan två typer av associativ inlärning:.. klassisk konditionering (även kallad Pavlovsk betingning) och instrumentanläggningar (även kallad operant betingning) Den fysiologiskt meningsfull parameter i båda fallen är inlärningshastigheten här är tänkt att mäta den hastighet som synaptiska styrkor justeras som svar på ihopkopplingen av två sensoriska händelser i klassisk betingning (t.ex. hopper belysning och livsmedel leverans) eller som svar på parning av en SR händelse och en förstärkande händelse i instrumentkonditionering. Den lärande mäts med motsvarigheten försök till förvärv, det vill säga antalet pair innan utseendet på rade beteende. Vår andra protokoll mäter dessa priser. Den lär också de ämnen matnings latenser att vänta på två pellets leverera trattar, vilka kunskaper som testas i det tredje protokollet.

En väntan på rättegång i detta protokoll börjar med belysningen av mellersta tratten, den där pelletsen aldrig levereras, för det finns ingen pellets matare för det (se diagram över test Box, uppe till höger i figur 1). När musen petar i den upplysta mitten tratten, ljuset där går ut, och ett slumpmässigt valt ett av de två flankerande trattar tänds. Om det är den vänstra tratten som lyser, då en pellet levereras dit 4 sek efter belysning, oberoende av vad musen gör. Om det är rätt tratten som lyser, då en pellet levereras det 12 sekunder efter belysning, oavsett igen vad musen gör. Sålunda är peta in den belysta mitten tratten instrumentella i att initiera ett försök, när detta sopbehållaren är upplyst, händer vidare ingenting tills musen petar i den, musen måste peta in i denna tratt för att få en pellet. När musen har gjort denna instrumentutslag, kommer en pellet att levereraed i vilket som hopper lyser sedan upp, vid leverans-latens är utmärkande för denna tratt, oavsett om musen går till tratten eller inte under tiden som förflyter innan pelletsleverans.

Programvaran gör automatiskt tre tomter av prestanda i denna uppgift: 1) den kumulativa rekord prövningens initiering hastighet (Figur 8), den kumulativa fördelningen av trial-invignings latenser (Figur 9) och de kumulativa register av CS-ITI poke-ränta skillnader (Figur 10). Och, härleder det från dessa register tre uppsättningar av sammanfattande statistik: 1) försök till förvärv av instrumentutslag (instrumental inlärning hastighet), 2) median trial-initiering latens, och 3) försök till förvärv av föregripande peta in både kort latens och de långa latens utfodring trattar (autoshaped, det vill säga klassisk inlärnings priser).

Begränsad beslut. Tredje protokollet ärden "switch"-protokoll användes först med duvor från Fetterman och Killeen ²⁴ och anpassad för musen genom Balci et al ^22. Liksom i det tidigare protokollet, är försök initieras när musen petar in den upplysta mitt tratten. Men i detta protokoll, belyser denna studie-initiera peta båda flankerande trattar, varav en är tyst och slumpmässigt valts av datorn som den "heta" tratt för den rättegången. Matnings latenser är förknippade med de två trattar är de samma som i det tidigare protokollet (4 sek och 12 sek). Emellertid levererar endast den varma lagringsbehållare, och det levererar endast som svar på säcken gjort det vid eller efter "sin" utfodring latens. Om kort latens hopper är varm, då om musen är vid denna tratt i slutet av den korta latens, den första säcken gjorde där vid eller efter det latens levererar en pellet i denna tratt. Om lång latens tratten är den varma tratten, då den första säcken gjorde där vid eller efter den långa latency levererar en pellet till att sopbehållaren. Möss snabbt lära sig att åka först till kort latens tratt på de flesta rättegångar och sedan, på "lång" försök, växla till lång latens tratt när peta på kort latens hopper inte levererar en pellet i slutet av den korta latens på 4 sek. Musen får sina pellets på det stora flertalet av försöken. Men om det förblir alltför länge i den korta latenstid tratten på en lång prov, med det resultatet att den första säcken vid eller efter den långa fördröjningen är i fel tratten slutar försöket utan en pellet leverans. Likaså om den växlar för tidigt på en kort latens rättegång, så att den första säcken vid eller efter kort latens är i fel (lång latens) hopper, avslutar rättegången utan pelletsleverans. Data av intresse är de latenser av omkopplarna på de långa försöken, som definieras som den avslutande latens av den sista peta in den korta tratten före den första peta in den långa tratten.

I detta paradigm, varierar vi på lång latens. Vi börjar med en lång latens på 12 sekunder, vilket är 3 gånger 4 sek kort latens, eftersom mössen lär sig att byta mush snabbare när uppgiften är gjord så lätt. Vi förkorta sedan lång latens till 8 sek eller till och med till 7 sek eller 6 sek för att testa hur tätt mössen kan tid deras omkopplings (se figur 11). Måttet på tidsprecision är variationskoefficienten i Gauss del av distributionen av switch latenser. Gaussisk Variationskoefficienten är kvoten mellan standardavvikelsen och medelvärdet (σ / μ i figur 11).

Vi varierar också sannolikheten för en lång rättegång, och därmed varierar den relativa risken för att byta i förtid jämfört byta för sent. När sannolikheten för en lång rättegång är hög, är den risk som en tidig avgång från kort hopper minskas, eftersom på en lång rättegång, det spelar ingen roll hur snabbt musen växlar. Dessutom är risken incurred av en alltför sen avgång i motsvarande förhöjd. Omvänt, när sannolikheten för ett långt prov är låg, den relativa risken för en för tidig avgång kontra en alltför sen avgång förskjuts i den motsatta riktningen. En rationell beslutsfattare bör skifta distributionen av sina växlar så att ungefär jämställa riskerna, vilket är vad möss i själva verket gör ^22,23 (Figur 12). Att mäta de skiften som induceras genom att ändra sannolikheten för en lång rättegång bedömer musen förmåga att uppskatta sannolikheten (för en lång kontra en kort rättegång), att uppskatta variationerna i fördelningen av sina växlar, samt att beräkna de relativa risker som följer av dessa två källor till osäkerhet.

Impulsivitet. Fördelningen av switch latenser är en blandning fördelning. I de allra flesta möss under de flesta förhållanden är fördelningen domineras av omkopplings latenser från en Gauss-fördelning, såsom i fig. 11. Hurnågonsin, finns det ofta en liten del av "impulsiva växlar", som förekommer mycket för tidigt, verkar inte vara noggrant tidsinställda, och är helt klart inte är optimala (till skillnad från Gauss-komponent, som är ungefär optimalt placerad mellan de temporala målstolparna, som kan ses i Figur 11). Frekvensen av dessa impulsiva växlar varierar påfallande mellan möss och med villkor. Göra det långa försöket mycket sannolikt ökar deras frekvens i de flesta möss, liksom vilket gör uppgiften svårare genom att förflytta lång latens närmare kort latens (se fig. 11). Fördelningen av switch latenser kan nästan alltid passar med imponerande noggrannhet av en "weibgauss"-funktion, som är en blandning av en Weibull fördelning och en normalfördelning. Måttet på impulsivitet är fraktionen av omkopplarna skrivas Weibull-fördelning.

Circadian minne. Djur spela in i minnet tideni dag (fas av sin dygnsrytm klocka) där motivationally viktiga händelser inträffar ^17. När samma händelse återkommer rutinmässigt på ungefär samma dygnsrytm fas, börjar sitt beteende för att förutse att detta inträffar igen. Ett vanligt studerat indikation på denna förmåga att minnas och därmed förutse en daglig upprepning matar-gripande beteende ^25. Vi mäter detta när du kör det som beskrivs ovan (eller nästan alla andra) protokoll, helt enkelt genom att begränsa de intervall under vilken mössen kan få pellets till två 4 timmars intervall kring skymning (hus ljus ut) och gryning (hus ljus på). Under andra intervaller, mössen är fortfarande i testmiljön, men inget protokoll är operativ. Alltså, de får pellets bara under de schemalagda utfodringsintervaller. I någonstans mellan 6-15 dagar efter början av att testa, verkar föregripande peta aktivitet i en timme eller så innan skymningen matningsintervall (Figur 13). Den cirka-skymning matning iterval börjar utan någon signal en timma före släckning av huset ljus (skymning).

På dessa dagar då 3/4 av de beteendemässiga händelser inträffar under den sista 1/3 av de 9-hr fasen av no-mattillgänglighet föregår uppkomsten av skymningen matningsfasen, räknar vi det som ett exempel på mat-gripande aktivitet. Förutseende verksamhet därmed gjorde (blå asterisker i figur 13) förekommer inte under de första dagarna av testning. Vårt mått på "försök" (dagar)-till-förvärv av dygnsrytm mat-gripande aktivitet är den dag efter vilken frekvensen av föregripande verksamhet visar den första statistiskt signifikant ökning.

Figur 1. Schematisk bild av screening system. Varje skåp innehåller8 testmiljöer, vardera bestående av en polypropen mus badkar ansluten med en akryl tub till en mus Testa låda med 3 trattar (H) som övervakas av IR-strålar, varav två trattar har fäst pellets matare (P). En enda dator (In-lab datorer) som kör ett protokoll-styrprogram som styr de miljöer i två sådana frysdiskar (16 miljöer) och loggar tidsstämplade uppgifter om stimulans och svarshändelser. En enda protokoll-styrprogram genomför alla de olika protokoll. Vilket protokoll är operativ och med vilka parametrar som bestäms av innehållet i en textfil (Param-fil), som läses regelbundet av protokollstyrprogrammet. Ändra innehållet i den här textfilen ändrar operativa protokollet. Det protokoll-styrprogrammet skriver händelsepost varje 10 min till en annan textfil. Den TSsystem dataanalys programvara, som körs på en fjärrserver, skördar data var 15 min. Med jämna mellanrum (vanligtvis var 8 eller 12 h), utför den en omfattande statistiskoch grafisk analys av de data som erhållits hittills och lägger in resultaten i filer på ett moln synkronisering lagringsplats, där de kan nås av vem som helst i labbet när som helst från var som helst. Den analysprogram flyttar automatiskt individuella möss till nästa protokollet i en angiven rad protokoll genom att skriva nya parametrar i parameterfilen (Param File) läsas av protokollstyrprogrammet. Det gör man när data från att musen uppfyller användardefinierade beslutskriterier. LAN = Local Area Network. Klicka här för att visa en större bild .

Fig. 2A. Skärmdump av TSbroswer GUI. Webbläsaren gör det möjligt att surfa via den komplexa hierarkiska data som file som innehåller rådata och alla resultat som härrör från det. Funktionerna i TSsystem verka på data i fält i denna struktur och lagra resultatet i andra områden inom samma struktur. Underordnad till fälten på alla nivåer, men den lägsta är terminaldatafält som innehåller sammanfattande statistik, anteckningar och numeriskt indexe lägre nivåer: Huvud numeriskt indexeras lägre nivåer är: ämnesnivå, Session nivå, och Trial nivå (se efterföljande paneler i denna siffra). Klicka här för att visa en större bild .

Figur 2B. Skärmdump av webbläsaren efter valet av ett ämne. I det nedre vänstra fönstret är data fields direkt underställd det ämnet. De innehåller sammanfattande statistik för det ämnet. I Sessions fönstret är de numeriskt indexe sessioner för detta ämne och andra områden som, i likhet med Session fältet, har underordnade fält av sina egna. Den MacroInfo fält har underfält med information om testet-kontroll macro, inklusive sökvägen till och filnamnet av koden filen läses av processen-styrprogram i början av en session. Det protokoll området har underfält som ger parametrarna för de olika protokollen körs i den valda sessionen besluts fält som innehåller de uppgifter som beslutet att avsluta ett protokoll grundar sig på, den kod som gör att beslut och beslutskriterierna. Välja ett datafält i nedre vänstra fönstret visar data i det fältet i nedre högra fönstret. Klicka här för att visa en större bild .

Figur 2C. Skärmdump efter val av en session. Fälten direkt underställd den valda sessionen visas i det nedre vänstra fönstret. Bland dessa områden är sådana som innehåller rådata och dess delområden och de som innehåller sammanfattande statistik som hämtats från dessa rådata. När ett datafält i det här fönstret är valt, är dess innehåll som visas i fönstret nere till höger. I den här skärmbilden har området som innehåller rådata från matchningsprotokoll valts. I Trial Type fönstret till höger om sessionsfönstret visas de typer provkörning under den valda sessionen. En "rättegång" är alla användarspecificerad sekvens av icke-nödvändighet sammanhängande händelser som definierar flera sträckor av uppgifter som ska analyseras för Thei r innehåll. Användaren kan definiera godtyckligt många olika typer av försök. Klicka här för att visa en större bild .

Figur 2D. Skärmdump av webbläsaren efter valet av en typ rättegång. De numeriskt indexe försök av denna typ visas i fönstret Trials. Som alltid, de datafält direkt underställd valda området visas i det nedre vänstra fönstret, och om ett av dessa områden har valts, är dess innehåll visas i det nedre högra fönstret. Klicka här för att visa en större bild .

sätt ">
Figur 2E. Skärmdump av webbläsaren efter valet av en individuell prövning. Datafälten underställda den visas i det nedre vänstra fönstret, och om ett av dessa områden har valts, är dess innehåll visas i det nedre högra fönstret. Bland de områden som automatiskt ingår i varje försök är fält som anger sessions tidpunkt då rättegången började, sessions tidpunkt då det slutade, dess varaktighet, och radnummer i rådatafilen som kompass rättegången. De andra fälten (här "Petar, '" NumPks ", och" AutoLngPkRate' är användardefinierade. Innehållet i alla fält beräknas från de uppgifter som lagras i ett fält vid sessionen nivå. Klicka här för att visa en störreimage.

Figur 3. Skärmdump av den initiala prompt från TSbegin. TSbegin använder anvisningarna för att leda användaren genom processen att skapa den hierarkiska datastrukturen i vilken rådata och alla sammanfattande statistik och andra resultat som härrör från dessa data kommer att gå. Klicka här för att visa en större bild .

Figur 4. Skärmdump av hjälp för TSaddprotocol. Denna interaktiva GUI leder användaren genom det förfarandess för att skapa en ny version av en försöksprotokoll. För att göra detta måste användaren ange nya värden för parametrarna i det protokoll (till exempel nya värden för de samtidiga variabla intervallscheman i överensstämmande protokoll). Användaren måste också ange (eller välj tidigare angivna) för beslutet att säga upp protokollet och gå vidare till nästa protokoll. Användaren måste också ange (eller välj tidigare angivna) beslutsfält och beslutskriterier. Klicka här för att visa en större bild .

Figur 5. Initial prompt från TSstartsession. TSstartsession är en interaktiv GUI som leder användaren genom processen att starta en experimental session. En session driver vanligen från en eller två dagar till flera veckor, med flera olika protokoll (uppgifter) som utförs i samband med att en session. Klicka här för att visa en större bild .

Figur 6. Ackumulerade obalans tomter för inkomster (pellets erhållits, i rött) och längd på besök (i svart) för 3 vildtyp möss och 3 L1 heterozygoter. Den relativa rikedomen i de två samtidiga scheman VI vände vid den punkt där backarna vända nedåt (markerad med vertikal streckad röd linje). Mus ID-nummer finns på varje tomt. De gröna vertikaler markerar starten av skymningen matningsfasen, de svarta vertikaler markerar uppkomsten av gryningen utfodring PHAe. ER (för fel) gäller skillnaderna i sluttningen mellan inkomst tomten och besöket-varaktighet tomt. Dessa obalans fel är dubbelt fel i Herrnstein fraktionen. Den Herrnstein inkomst fraktionen är den fraktion av den totala inkomsten som erhållits från en tratt, besök-varaktighet fraktionen är den del av den totala tid som tillbringas på en tratt (i förhållande till kombinerad tid i båda magasinen). Ett plustecken anger "overmatching", det vill säga är mer extrem än den inkomst fraktion tidsfraktion; ett negativt tecken indikerar "undermatching", det vill säga den tid fraktionen är mindre extrem än inkomst fraktionen. Mer information om dessa experiment se Gallistel m.fl. ^28. Klicka här för att visa en större bild .

Figur 7. Kumulativa cykler (Hopper ett besök, följt av Hopper 2 besök, följt av en återgång till Hopper 1) som funktion av provtiden för samma sex möss som i figur 6. Streckade gröna vertikaler markera ansats av utfodringsfaser,. Fasta röda vertikaler, förskjutningarna Klicka här för att visa en större bild .

Figur 8. Ackumulerade uppgifter om rättegång-initiering hastigheter under den instrumentala / klassisk betingprotokoll, samma 6 möss som i fig. 6 och 7. De korta tunga vertikala streckade linjer markerar förvärvs försök i varje post, definierad som den första rättegången där det fanns en significa nt ökning av medelhastigheten till ett värde som är större än den genomsnittliga hastigheten i det första segmentet av posten. Klicka här för att visa en större bild .

Figur 9. Kumulativa fördelningar av försöks initiering latenser, samma möss som i tidigare figurer. Fördelning har stympad vid 0,7, eftersom det är extremt långa initiering latenser från prövningar när musen inte var närvarande i testrutan när rättegången-initiering hopper lyste upp, eller musen var mätta. Den punkt ovanför x-axeln, vid vilken den horisontella linjen vid 0,5 skär den kumulativa fördelningen är median latens för att initiera ett försök.51047/51047fig9highres.jpg "target =" _blank "> Klicka här för att visa en större bild.

Figur 10. Kumulativa register över skillnaderna mellan den peta hastigheten under belysning av en matningstratten och peta hastigheten under den föregående intertrial intervall. Samma möss såsom i tidigare figurer. Inledningsvis är lutningen hos denna post 0 eller negativt, eftersom musen petar mindre under tratten belysning än under intertrial intervallet. Lutningen vänder positiva när musen börjar peta in den belysta tratten i väntan på den nära förestående leverans av en pellet. Detta förutseende peta är klassiskt rade eftersom pelleten avges vid slutet av tratten specifik avgivning latens om musen petar i den hopper eller inte. De fasta punkterna markerar den punkt där lutningen blir positivt, vilket är den rättegång där den rade svaret först tillförlitligt visas (försök till förvärv). Detta är en mycket bullriga (variabel) åtgärd som är uppenbart i detta prov. Klicka här för att visa en större bild .

Figur 11. Den något ojämna tunga blå linjerna är empiriska kumulativa fördelningsfunktioner, som visar den kumulativa fördelningen av switch latenser för mus # 5024 vid tre olika inställningar av matnings latens på den långa tratten (tunga svarta vertikaler på 12, 8 och 7 sek uppifrån tomten till botten tomt, respektive). Den korta matar latens var alltid 4 sek (Tung streckad lodrät). Den tunna röda kurvor som överlagra nästan exakt på de empiriska funktionerna är de 6-parameter Weibull-Gaussiska funktioner passar till dessa uppgifter. De tunga röda distributioner är motsvarande sannolikhetstäthetsfunktioner för Weibull-gaussiska blandningen distributioner. (De är derivat av den kumulativa fördelningsfunktioner.) Parametrarna i Gauss del av dessa blandnings distributioner visas på tomterna. Förkorta långa matar latens orsakade musen för att förkorta den genomsnittliga sina switch latenser (μ) och öka deras precision (σ / μ). Det orsakade också uppkomsten av vissa impulsiva växlar (knölen i vänstra svansen av sannolikhetstäthetsfunktionen i botten tomten). Måttet på denna impulsivitet är fraktionen av blandningen tillskrivas Weibull komponenten genom den bäst passande version av Weibull-Gaussisk blandning distribution.target = "_blank"> Klicka här för att visa en större bild.

Figur 12. Switch latenser (små öppna cirklar) skiftar plötsligt strax efter förändringar i den relativa frekvensen av korta och långa rättegångar. De korta prövningar är markerade med små röda plussidan på botten av tomten, medan de långa prövningar är markerade med små röda plussidan överst i diagrammet. Förändringen i densiteten hos de resulterande röda strimmor vid botten och toppen indikerar förändringen i den relativa frekvensen (sannolikhet) för de korta och långa försöken. Observera att när den röda längst ner blir tätare (när de korta försöken blir mer troligt), de små cirklar (switch latenser) flyttas uppåt och när den röda överst blir tätare (en ökning av lång rättegång sannolikhet), cirklarnaförskjutas nedåt. De blå linjerna är medianerna för distributioner. Utdrag från figur 2 i Kheifets och Gallistel ^23. Klicka här för att visa en större bild .

Figur 13. 24 tim raster tomt på beteendemässiga och miljömässiga händelser under en 90 dagars testperiod svarta prickar rekord petar,. Röda och gröna prickar rekordleveranser pellets vid de två utfodrings trattar. Svart högerpekande trianglar rekord hus-ljus offs, svarta kvar pekande trianglar rekord hus-ljus tillägg, cyan vänsterpekande trianglar spela in (unsignaled) inträden i skymningen matningsintervallet, som inträffar 1 timme före skymningen själv, cyan höger- pekar trianglar registreraförskjutningar i skymningen matningsintervallet (3 tim efter hus-ljus av), vänsterpekande magenta trianglar spela in (unsignaled) inträden av gryning utfodringsintervaller (2 tim innan hus-ljus på), höger pekar magenta trianglar registrera förskjutningar i gryningen matning. Den 24 hr tidsaxeln är konventionell midnatt till vår midnatt, inte tvärtom-cykeltiden för testmiljö i vilken mus levde. Den ansats av matning-gripande aktivitet före skymningen utfodring är markerade med blå asterisker. Klicka här för att visa en större bild .

Discussion

Vår metod ger ett brett utbud av fysiologiska meningsfulla, kvantitativa resultat på funktionen av flera olika mekanismer för kognition, inlärning och minne, för många möss på en gång, på ett minimum av tid, med ett minimum av mänsklig arbetskraft, och utan hantering av de försökspersoner under dagar, veckor eller månader av testning. Dessa attribut passar den för genetiska och farmakologiska screeningprogram. Den använder minimalt modifierad off-the-shelf hårdvara (provrutor och kapsla baljor). Den producerar mer data från fler möss på fler aspekter av grundläggande kognition på kortare tid än andra för närvarande använda metoder för provning av kognitiva kapacitet genetiskt och / eller farmakologiskt manipulerade möss.

Det beror på två typer av programvara med öppen källkod, skriven i kommersiellt tillgängliga, väl-stödda språk: 1) Ett språk som tillhandahålls av tillverkaren av testutrustning (se Material) för genomförande av experimentella protokoll ochregistrering av uppgifter, 2) en öppen källkod verktygslåda, TSsystem, för nätet, kvasi-realtid dataanalys, grafer, och beslutsfattandet. Verktygslådan är skrivet på ett av de mest använda och grundligt stöd proprietära vetenskapliga dataanalys och diagram språk (se Material).

Den TSsystem verktygslåda ger en tydlig och säker data spår, eftersom experimentet-kontrollkod som styrde de experimentella protokoll, tillsammans med rådata och alla resultat som härrör från rådata, hålls i ett enda datastruktur. Denna hierarkiska datastrukturen har fältnamn, som fungerar som rubrikerna i ett kalkylblad genom att de visar innehållet i fältet. Till skillnad från rubrikerna i ett kalkylblad, fältnamnen i denna datastruktur är vänd. Data sammanfatta och grafkommandon kan komma åt data var som helst i strukturen genom att ange en väg genom rubriker, till exempel:

"Experiment.Subject (3).Session (2). TrialTypeCS.Trial (5). NumPokes. "
Kommandona i den anpassade verktygslåda, TSsystem, verka på uppgifter inom dessa områden och lagra resultatet i ett annat fält eller fält inom samma struktur. Vanligtvis det eller de fält där resultatet av en operation lagras skapas av kommandot TSsystem. Data-analys kod kan själv vara lagrad i samma struktur. De olika nivåerna i strukturen innehåller påpekanden fält, där förklarande noter av godtycklig längd kan sättas. Användaren kan göra ytterligare anteckningar fält, förklara och tolka innehållet i datafälten. Således, arkivering struktur eller tar den på nätet i en offentligt tillgänglig databas lagrar varje relevant aspekt av experimentet och dataanalysen i en enda fil. Medan experimentet är igång, är den fil som innehåller datastrukturen i en mapp som synkroniseras i "molnet." Detta arrangemang försäkrar externa lagerlokaler och toppmodern backup. Det ger tillgång tillden senaste versionen av analys-och grafikdata när och var en utredare har tillgång till Internet.

Kritiska steg. De kritiska steg i byggandet av ett testprotokoll är:

1. Skrivandet och felsökning av process kontrollkod på det språk som den kommersiella leverantören av datorstyrda mus-testapparat (se Utrustning och tillbehör). En användare som fastnar med protokollen vars representativa resultat granskades ovan kan använda koden tillhandahålls i den kompletterande material. Denna enda kodfil implementerar någon eller alla av de ovan beskrivna testprotokoll. Den operativa protokollet för ett visst ämne vid en given punkt i test beror på vilken kolumn av protokollparametervärden är i kraft vid denna tidpunkt. Användaren bestämmer vilka av dessa protokoll bedrivs där sekvensen med hjälp TSaddprotocol innan testningen börjar. Ingår i Stämmning är protokollspecifika decemberIsion koder och beslutsfält. Användaren behöver bara ange beslutskriterierna. Dessa beslutskriterier styr hur mycket data som samlas in från ett givet protokoll för ett visst ämne. Eftersom resultaten från varje ämne är grafiskt skil flera gånger i varje 24 tim period, kan användaren justera kriterierna uppåt eller nedåt på en mus-för-mus fall mot bakgrund av de resultat som hittills erhållits från varje mus.
2. Skrivandet och felsökning av kvasi-realtidsdataanalys och grafer kod med biblioteket av kommandon i TSsystem verktygslådan. En användare som fastnar med protokollen vars representativa resultat granskades ovan kan använda koden ges i kompletterande material. Det finns en master analysfunktion för varje testprotokoll (matchning, instrumental och klassisk betingning, och tids hopper växling). En annan huvudfunktion (DailyAnalysis.m), vilket gör protokolloberoende felsökningsanalyser och anropar protokollspecifika anasis fungerar när det har avslutat sin felsökning.
3. Den dagliga övervakningen av grafer produceras av dataanalys koden för att vara säker på att protokollet fungerar korrekt och att alla möss är att få tillräckligt med pellets för att hålla dem vid god hälsa.

Felsökning. Den DailyAnalysis.m funktionen kallas 2 eller flera gånger i varje 24 timmar med en timerfunktion när en eller flera experiment körs. När det kallas, laddar den filen som innehåller den hierarkiska datastrukturen och läser in den strukturen rå datafiler för alla aktiva ämnen. Dessa råa datafiler skrivs till varje 10 min med den process-styrprogram. Den DailyAnalysis funktion kör en serie grundläggande kontroller. Den producerar grafer som möjliggör för användaren att kontrollera att pelleten automater fungerar korrekt, att varje mus är aktiv, och att varje mus har erhållit ett tillräckligt antal pellets inom det sista 24 tim. Frånvaron av data från en mus för vissa användar visst antal timmar, ett antal pellets erhållits som faller under en användarspecificerad kritiskt värde, eller numeriska resultat tyder på att en pellet dispenser inte fungerar korrekt, utlösa e-postmeddelanden.

Ändringar. Eftersom process kontrollkod och TSsystem koden är öppen källkod och i stor utsträckning kommenterade, kan användare utforma sina egna protokoll. Protokollen för vilken kod som finns i de kompletterande material är bara begärs protokoll. De använder mat belöning för att framkalla beteende de kvantitativa aspekterna av som är beroende av hur de mål kognitiva mekanismer. Dock kan de kommersiella mus testkammare beställas i en konfiguration som gör att rädsla konditione genom fots chock. Därmed kan systemet genomföra både kontextuella, söks upp, och tids av dagen rädsla konditionering för användare som kan skriva erforderlig datakod för både processtyrning och kvasi realtidsdata anallys. De tungt kommenterade kod filer som finns i den kompletterande material bör underlätta skapandet av den nödvändiga nya koden.

Begränsningar. De grundläggande mekanismerna för kognition är de som djuren kan lokalisera sig i tid och rum och att uppskatta händelse sannolikheter och tillhörande risker. Den helt automatiserade testsystem här beskrivningen ger omfattande tester av de mekanismer som gör att möss att lokalisera sig i tid, och att uppskatta sannolikheter och tillhörande risker. Men det ger mycket begränsad information om de mekanismer som gör det möjligt för dem att etablera sig i rymden. Både matchande protokollet och den tidsinställda switchprotokoll testa om musen kan skilja övrigt identiska trattar på grund av deras placering i testrutan. Men ingen av dessa protokoll tester, till exempel, den mekanism som gör det möjligt för djuren att orientera sig med hjälp av geometri av en välbekant plats ²⁶ eller ee vägmätare som mäter hur långt en mus har kör och som spelar en central roll i död räkning ^18.

. Betydelsen av teknik Den beteende testa tekniken här beskrivna skiljer sig från de flesta andra tekniker i allmänt bruk i beteende farmakologi och beteendegenetik på fem viktiga sätt:

För det första, gör det fysiologiskt meningsfulla mätningar. Dessa mätningar, såsom noggrannhet och precision i återgivningen av ett intervall varaktighet, som kan upprepas på de elektrofysiologiska och biokemiska analysnivåer med jämförbara resultat. Fysiologiskt meningsfulla beteende mätningar spelar en avgörande roll för att etablera säkra länk hypoteser om hur denna molekyl eller cell-eller kretsnivå mekanism är den neurobiologiska förverkligandet av det beteendemässigt uppenbar mekanism. Exempel är beteende mätning av spektrala känslighetsfunktioner samt perioder och phases av oscillatorer, såsom dygnsrytm klocka. Olika exempel på beteende mätningar som inte är fysiologiskt meningsfull är den tid som en mus kan hänga på en rotarod, medel latens för att hitta en nedsänkt plattform i ett vatten labyrint, den andel av en simtur bana i kvadranten där plattformen var tidigare hittas, och den del av tiden som en mus fryser i en provkammare där den tidigare varit chockad.

För det andra, det är en automatiserad, hög volym, hög genomströmning förfarande. Mössen inte hanteras under testning. Många möss kan testas samtidigt i en begränsad mängd laboratorieutrymme, med minimal investering i tid, under framförandet av flera olika protokoll som ger kvantitativ information om grundläggande kognitiva mekanismer. De flesta beteendetester kräver daglig hantering av möss för att placera dem i och ta bort dem från testapparaten. Några av de mest populära förfaranden (vattnet labyrint och conte xtual rädsla konditionering, till exempel) behöver hantera musen omedelbart före och omedelbart efter varje åtgärd vidtas och tidskrävande att göra poäng av videoinspelningar.

För det tredje, är resultaten analyseras och visas i nästan realtid, och framstegen från prov till prov sker automatiskt för varje mus individuellt. Detta gör det möjligt att avstämma förfarandet (genom att till exempel ändra beslutskriterier) mus genom mus mot bakgrund av upp-to-the-timme data från varje mus. Data från vanligen använda tester är ofta analyseras långt efter att testet har körts. Detta kräver rinnande möss kollektivt för samma tid i varje förfarande. Detta är slöseri eftersom olika möss behärska olika förfaranden efter vitt skilda tidsperioder. Om den kollektiva testtid görs för kort, behöver flera möss som inte behärskar uppgiften, om det görs tillräckligt lång så att nästan alla möss bemästra uppgiften, är några möss springa mycket längre än nödvändigt.

ent "> För det fjärde, utformningen av TSsystem verktygslådan ger en intakt, lätt spårbar spår från de offentliggjorda sammanfattande statistik och grafer tillbaka till rådata, utan osäkerhet om vilket protokoll och vilka parametrar som var verksam vid någon punkt i test av mus. Många nuvarande tester får väldigt lite data för varje mus, och i så fall, är data leden kort och lätt följas. När testerna får en stor mängd data (tusentals tidsstämplade händelser) från varje mus, då data trail kan bli lång, mycket uppsplittrade och svårt att följa med tiden, är något olika process-kontroll kodfiler genereras;. många olika data analyse kodfiler är skrivna, de olika kodfiler producerar många olika resultatfiler genom att arbeta på olika tidigare resultatfiler. Det blir svårt att hålla reda på de komplexa relationerna mellan de många olika elektroniska filer och svårt att se till att de alla sparade ihop. I TSsystem, rådata ochallt som kommer från dem är lagrade i samma hierarkiska datastrukturen. Sålunda kan publicerade resultat inte blivit separerade från de underliggande rådata. Processen-styrkod för varje session automatiskt läsas av TSsystem mjukvara och jämförs tecken för tecken för alla föregående process-styrkoden i samma experiment. Om det är någon skillnad, är koden för den nya sessionen lagras i strukturen tillsammans med data och ett nummer som identifierar den process-styrning versionen automatiskt i ett fält för den sessionen i denna mus. Således är varje version av process kontrollkod lagras automatiskt i samma struktur som de uppgifter som erhålls från genomförandet av denna kod. Med detta system, en aldrig är osäker på vilka data kom från vilken version av en multi-version-protokollet. Data-analys kod filer, som vanligtvis är få till antalet, kan också lagras i denna struktur efter slutförandet av analysen. Detta sätter allt i en enda data struktur, vilket indikerar såväl av dess grenstruktur (vad är underordnad vad) och dess fältnamnen relationerna mellan de många olika typer av information.

Femte, gör den hierarkiska datastrukturen i centrum för den TSsystem, där all relevant information lagras, tillsammans med de mycket höga dataanalys kommandon som används för att utvinna sammanfattningar och konstruera grafer, möjligt att dela av komplexa beteende fenotypning data mellan laboratorier . En enda elektronisk fil ger andra forskare begripliga, exploaterbara tillgång till alla nivåer i databehandlingen, och till datorn kod som rötas, sammanfattas och visas data. Det gör den senare ny analys av rika äldre dataset möjligt. Den gör det också möjligt att skapa stora användbara offentliga beteende-och kognitiva fenotypning databaser.

Framtida applikationer. Den fullt automatiserat system kan visa sig användbart i laboratoriekurser in djurens beteende. Det finesser den alltmer besvärande frågan om instruera ett stort antal studenter i korrekt hantering av möss och åtföljande oro för möjliga hot mot deras hälsa från att göra så. Det gör att många studenter att utforma och genomföra experiment med riktiga möss utan att någonsin hantera dem. För instruktions bruk, kanske man vill sätta små billiga IR-videokameror i testlådor, så att eleverna kunde observera musen utför i det protokoll som de har utarbetat. Placeringen av rådata i en enda hierarkisk datastruktur som lagras i molnet gör det möjligt för många olika studenter att analysera samma data som data kommer in

Materials

Name	Company	Catalog Number	Comments
SmartCtrl Connection Panel	Med Associates	SG-716B (115)	control panel for inputs/outputs
SmartCtrl Interface Module	Med Associates	DIG-716B (114)	smart card for each chamber
Universal Cable	Med Associates	SG-210CB (115)	cable from smart card to control panel
Tabletop Interface Cabinet	Med Associates	SG-6080C (109)	cabinet to hold smart cards
Rack Mount Power Supply	Med Associates	SG-500 (112)	28 volt power
Wide Mouse Test Chamber	Med Associates	ENV-307W (31)	test chamber
Filler Panel Package	Med Associates	ENV-307W-FP (32)	various-size panels for test chamber
Wide Mouse Modular Grid Floor	Med Associates	ENV-307W-GF (31)	test chamber floor grid
Head Entry Detector	Med Associates	ENV-303HDW (62)	head entry/pellet entry into hopper
Pellet Dispenser	Med Associates	ENV-203-20 (73)	feeder
Pellet Receptacle	Med Associates	ENV-303W (61)	hopper
Pellet Receptacle Light	Med Associates	ENV-303RL (62)	hopper light
House Light	Med Associates	ENV-315W (43)	house light
IR Controller	Med Associates	ENV-253B (77)	entry detector for tube between nest and test
Fan	Med Associates	ENV-025F28 (42)	exhaust fan for each chamber
Polypropylene Nest Tub			nest box
Acrylic Connection Tube			connection between nest and test areas
Steel Cabinet			cabinet to hold test chambers (78"H, 48"W, 24"D)
Windows computer			running MedPC experiment-control software
Server			running Matlab, linked to exper-control computer by LAN
Software
MedPC software	Med Associates		proprietary process-control programming language
Matlab w Statistics Toolbox	Matlab		proprietary data analysis and graphing programing system
TSsystem		in Supplementary Material w updates from senior author	Open-source Matlab Toolbox
Note: This is the euipment needed for one cabinet, containing 8 test environments. Hardware must be replicated for each such cabinet. However one computer can control 2 cabinets (16 test environments)