Geautomatiseerde, Kwantitatieve Cognitieve / Behavioral Screening van Muizen: Voor Genetica, Farmacologie, Animal Cognition and Undergraduate Instructie

Summary

Volledig geautomatiseerd systeem voor het meten fysiologisch zinvolle eigenschappen van de mechanismen bemiddelende ruimtelijk lokaliseren, temporele lokalisatie, duur, snelheid en waarschijnlijkheid schatting risicobeoordeling, impulsiviteit, en de nauwkeurigheid en precisie van het geheugen, om de effecten van genetische en farmacologische manipulaties op beoordelen fundamentele mechanismen van cognitie bij muizen.

Abstract

We beschrijven een high-throughput, high-volume, volledig geautomatiseerde, inwonende 24/7 gedrags testen systeem voor de beoordeling van de effecten van genetische en farmacologische manipulaties op fundamentele mechanismen van cognitie en leren in muizen. Een standaard polypropyleen muis behuizing bad is aangesloten via een acrylbuis een standaard commerciële muis test box. De test doos heeft 3 hoppers, waarvan er 2 zijn aangesloten op feeders pellet. Allen zijn intern verlichtbaar met een LED en gecontroleerd op hoofd inzendingen via infrarood (IR) stralen. Muizen wonen in de omgeving, die behandeling elimineert tijdens de screening. Zij krijgen hun voedsel tijdens twee of meer dagdelen voeding door het uitvoeren van in operant (instrumental) en Pavlov (klassieke) protocollen, waarvoor wij hebben geschreven protocol-besturingssoftware en quasi-real-time data-analyse en grafische software. De data-analyse en grafische routines zijn geschreven in een MATLAB-gebaseerde taal gecreëerd aanzienlijk te vereenvoudigen de analyse van grote tijd-saangestampt gedrags-en fysiologische event verslagen en een volledige gegevens spoor te bewaren van ruwe data door alle tussenliggende analyses aan de gepubliceerde grafieken en statistieken binnen een datastructuur. De data-analyse code oogst meerdere malen per dag en onderwerpen aan statistische en grafische analyses, die automatisch worden opgeslagen in de "cloud" en de in-laboratoriumcomputers gegevens. Aldus wordt de voortgang van de afzonderlijke muizen gevisualiseerd en dagelijks gekwantificeerd. De data-analyse code praat met de protocol-controle code, waardoor het automatische voorschot van protocol tot protocol van afzonderlijke onderwerpen. De gedragsprotocollen geïmplementeerd zijn bijpassende, autoshaping, getimede hopper-switching, risicobeoordeling in getimede hopper-switching, impulsiviteit meet, en de circadiane afwachting van de beschikbaarheid van voedsel. Open-source-protocol-controle en data-analyse code maakt de toevoeging van nieuwe protocollen simpel. Acht testomgevingen passen in een 48 cm x 24 cm x 78 in de kast; twee van dergelijke cabineinets (16 omgevingen) kunnen worden bestuurd door een computer.

Introduction

Om de krachtige technieken van de genetica, moleculaire genetica, moleculaire biologie, en neurofarmacologie uit te oefenen op het ophelderen van de cellulaire en moleculaire mechanismen die fundamentele mechanismen van cognitie bemiddelen, high-volume, high-through zetten psychofysische screeningsmethoden die fysiologisch zinvol te kwantificeren moeten we eigenschappen van cognitieve mechanismen. Een psychofysisch meetbare, fysiologische zinvolle kwantitatieve eigenschap van een mechanisme is een eigenschap die kan worden gemeten door gedrags-middelen en ook door elektrofysiologische of biochemische middelen. Voorbeelden zijn het absorptiespectrum van rhodopsin, vrijlopende periode van de circadiane klok, en de refractaire periode van beloning axonen in de mediale voorhersenen bundel ^1,2. Psychofysische metingen die kunnen worden vergeleken met de cellulaire en moleculaire metingen leggen een basis voor het koppelen van cellulaire en moleculaire mechanismen aan psychologische mechanismen via kwantitatief correspondentie. Voor example, dat de in situ absorptiespectrum van de rhodopsine in de buitenste segmenten staven superponeert op de menselijke scotopic spectrale gevoeligheid functie is sterk bewijs dat de foton geactiveerd isomerisatie van rhodopsine is de eerste stap in Scotopic. De kwantitatieve aspecten van complexe gedragspatronen ook centraal in het gebruik van QTL methoden gedragsgenetica ^3,4.

De prestaties van muizen (en ratten) op gevestigde instrumentale en Pavlov leren protocollen is afhankelijk van de hersenen mechanismen die abstracte grootheden, zoals het meten van tijd, aantal, duur, snelheid, waarschijnlijkheid, risico-, en ruimtelijke locatie. Bijvoorbeeld, de snelheid van de verwerving van Pavlov geconditioneerde responsen afhankelijk van de verhouding tussen de gemiddelde interval tussen de versterkende gebeurtenissen (typisch voedsel leveringen) en de gemiddelde latentie wapening na het begin van het signaal voor naderende versterking ^5-7. Voor een tweede voorble, de verhouding van de gemiddelde duur van de bezoeken twee vultrechters in bijpassende protocol ongeveer gelijk aan de verhouding van de tarieven van wapening die twee hoppers ^8-10.

De gedrags-testmethoden momenteel veel gebruikt door neurologen geïnteresseerd in de onderliggende mechanismen zijn, voor het grootste deel, een laag volume, lage doorzet, en arbeidsintensief ^26. Bovendien zijn ze niet grootheden worden vergeleken met de hoeveelheden berekend door elektrofysiologische en biochemische assays meten, zoals bijvoorbeeld de gedragsmatig gemeten perioden en fasen van circadiane oscillatoren kan worden vergeleken met elektrofysiologische en biochemische maatregelen van circadiane periode en fase. Huidige gedrags testmethoden richten op categorieën van leren, zoals ruimtelijke leren, tijdelijke leren, of angst leren, in plaats van op de onderliggende mechanismen. De veel gebruikte water maze test van de ruimtelijke leren ^11-15 is een voorbeeld van deze shortcomings. Ruimtelijke leren is een categorie. Leren in die categorie afhankelijk van veel mechanismen, waarvan het mechanisme van gegist bestek ^16,17. Gegist bestek hangt weer op de teller, het mechanisme dat de afgelegde afstand ¹⁸ meet. Evenzo, temporele leren is een categorie. Een circadiane klok is een van de mechanismen waarop leren in die categorie afhangt, omdat een oscillator met een ongeveer 24 uur wordt verlangd dat dieren het tijdstip waarop gebeurtenissen ^17,19 leren. De klok die eten kunnen anticiperen moet nog worden ontdekt ^19.

Een klok is een tijdmeting mechanisme. Endogene oscillatoren met een breed scala aan periodes kan de hersenen om gebeurtenissen in de tijd te lokaliseren door het opnemen van de fasen van die klokken ^16,17. De mogelijkheid om locaties te nemen in de tijd maakt het meten van lengtes, dat wil zeggen de afstanden tussen locaties in de tijd. Associatief leren hangt af van thij metingen van duur ^5,6,20,21 hersenen. Tellers zijn nummer meten mechanismen. Aantal metingen maakt waarschijnlijkheid schatten, omdat een kans is de verhouding tussen de numerosity van een deelverzameling en numerosity van de superset. Aantal meet-en duur meten stellen tarief schatting, omdat een percentage is het aantal gebeurtenissen gedeeld door de duur van het interval waarover dat aantal werd gemeten. Metingen van duur, aantal, percentage, en de waarschijnlijkheid staat gedragsmatige aanpassingen aan veranderende risico's. ^22,23 Onze methode richt zich op het meten van de nauwkeurigheid en precisie van deze fundamentele mechanismen. Nauwkeurigheid is de mate waarin het meten van de hersenen overeen met een objectieve maat. Precisie is de variatie of onzekerheid mate van vaste objectieve waarde van de hersenen, bijvoorbeeld, een vaste duur. Weber's Law is de oudste en meest veilig gevestigde resultaat in psychofysica. Zij stelt dat de precisie van demaatregel van een hoeveelheid hersenen is een vaste fractie van die hoeveelheid. De Weber Fraction, dat is variatiecoëfficiënt de statisticus in een distributiecentrum (σ / μ), meet precisie. De verhouding van de psychofysische gemiddelde (bijv. gemiddelde duur geacht) de doelstelling gemiddelde (gemiddelde doelstelling duur) is de mate van nauwkeurigheid.

De hier gepresenteerde methode maximaliseert volume (aantal dieren worden gescreend op een bepaald moment in een bepaalde hoeveelheid laboratoriumruimte) en debiet (hoeveelheid informatie die gedeeld door de gemiddelde duur van de screening van een dier) met een minimale hoeveelheid menselijke arbeid nodig is om de metingen en het maximaliseren van de directheid waarmee de resultaten van het onderzoek bekend worden.

De data-analyse software architectuur hier gepresenteerde zet automatisch de ruwe data en alle beknopte resultaten en statistieken afgeleid uit de gegevens samen in een enkele data structuur, met veldkoppen dat begrijpelijk de grote zeeën van getallen maken daarin. De analytische software werkt alleen op gegevens in die structuur, en slaat altijd de resultaten van haar verrichtingen op gebieden binnen die dezelfde structuur. Dit verzekert een intacte parcours van ruwe gegevens tot gepubliceerde overzichten en grafieken.

Schrijft de software automatisch in de structuur van de experiment-controleprogramma's die het volledig geautomatiseerd testen beheerst, en het automatisch aangegeven welke ruwe gegevens afkomstig van welk programma. Zo, het bewaart een onberispelijke data parcours, zonder twijfel bestaat welke experimentele omstandigheden van kracht waren voor elk dier op elk punt in het testen en geen twijfel over hoe de samenvattende statistieken zijn afgeleid van de ruwe data. Deze methode gegevensbevriezing vergemakkelijkt aanzienlijk de ontwikkeling van gestandaardiseerde gedrags screening gegevensbanken, waardoor het voor andere laboratoria om deze rijke datasets verder te analyseren.

Het bewakingssysteem is schematisch in figuur 1. Tien kasten, kan elk met 8 testomgevingen worden opgezet in een 10 ft x 15 ft laboratoriumruimte, waardoor 80 t muizeno worden uitgevoerd in een keer. Kabels die door een poort in een partij muur moet de omgevingen aan te sluiten op de elektronische / elektrische interface-kaarten en pc in een andere kamer. De PC's draaien de protocol-controleprogramma's. Een computer is vereist voor elke 2 kasten (16 testomgevingen). De PC's worden verbonden via een Local Area Network met een server waarop de data-analyse en grafische software.

Protocol

De drie volledig geautomatiseerde protocollen in de TSsystem (matching, appetitieve instrumentaal en klassieke conditionering) en de schakelaar protocol werden door het Comite Animal Care en de faciliteiten van Rutgers New Brunswick goedgekeurd.

1. Het opzetten van het fysieke systeem

1. Stel de testomgeving in de kasten (zie figuur 1).
2. Installeer de experiment-control software die bij de testomgevingen op het protocol-controle computers.
   Opmerking: Gebruik deze computers niet gebruiken voor andere doeleinden!

2. Opstellen van de Software System

1. Stel de LAN (local area network) zodat de server waarop data-analyse software geïnstalleerd toegang tot de harde schijf van de computer (s) regelen de testomgeving (zie figuur 1).
2. Stel een-bestand synchroniseren rekening voor data opslag in de "cloud".
3. Put de map TSsystem en de submappen op het zoekpad van de commerciële programmeertaal in een cloud-gesynchroniseerde map.
   Opmerking: De TSsystem is een software toolbox, dat is, een bibliotheek van meer dan 30 high-level functies die het maken van complexe data-analyse en data-grafische code te vergemakkelijken die automatisch verwerkt de gegevens wanneer het wordt geoogst uit de output bestanden gegenereerd door de proef-besturingsprogramma. Alle commando werken op gegevens in velden van het experiment structuur zet de resultaten in andere velden in dezelfde structuur (zie figuur 2). Deze open-source commando's zijn geschreven in een van de meest gebruikte commerciële wetenschappelijke programmering en grafische talen. Het heeft vele andere "gereedschapskisten", waaronder de meeste nuttig een statistische toolbox.

3. Het starten van een experiment

1. Bel TSbegin (zie figuur 3).
   Opmerking: TSbegin is een interactive GUI (G raphic U ser I nterface) in de TSsystem toolbox. Het leidt de gebruiker door het maken van de hiërarchische gegevensstructuur waarin de ruwe gegevens en alle resultaten afgeleid door andere functies van de TSsystem toolbox worden geplaatst.
2. Bel TSaddprotocol (zie figuur 4).
   Opmerking: TSaddprotocol is een GUI in de TSsystem toolbox. Het leidt de gebruiker door het proces van het opgeven van controle parameters voor een experimenteel protocol, met vermelding van de beslissing code dat de beslissing om het protocol te beëindigen en ga naar de volgende zal automatiseren, en vermelding van de beslissing te hanteren criteria.
3. Plaats muizen in de 24/7 live-in testomgevingen, een muis per omgeving.
   Opmerkingen: Zorg ervoor dat de ID-nummer van de muis dat gaat in elk van de genummerde experimentele omgevingen (Box 1, Box 2, enz.) mee. Let ook op de brief die het experiment-control identificeertcomputer op het Local Area Network (LAN) en het IP-adres.
4. Bel TSstartsession (figuur 5).
   Opmerking: TSstartsession is een GUI in de TSsystem toolbox. Het leidt de gebruiker door het proces van het starten van een experimentele sessie. Experimentele sessies duren een of twee weken, waarin verschillende gedrags testprotocollen worden uitgevoerd. TSstartsession slaat de informatie dat gaat in de macro die de protocol-control software leest wanneer een sessie wordt gestart. Inbegrepen is het pad naar en de naam van de code-bestand dat de protocol-control software leest. TSsystem's analytische software leest deze code in de hiërarchische datastructuur, dus er is nooit twijfel over de precieze protocol van kracht is op elk moment.
5. Naar het regelcomputers en bel de macro geschreven naar de map MedPC, om de sessie voor de vakken die door deze computer te starten.

4. Data Analysis

1. Als u een nieuw protocol hebt gemaakt, schrijf passende data-analyses en grafieken code met behulp van de opdrachten in het TSsystem toolbox, die sterk te vereenvoudigen het maken van complexe data-analyses.
   Opmerking: Data-analyse en grafische code voor de drie protocollen waarvan de resultaten worden hierna beschreven in de TSsystem gereedschapskist. Omdat ze open source, kunnen zij worden aangepast naar wens. De code voor deze analyses wordt uitvoerig ingegaan, wat het makkelijker maakt om code te creëren voor het analyseren van de resultaten van de gebruiker opgegeven protocollen.
2. Voor de duur van het experiment (24 uur tot vele weken), monitor e-mail voor waarschuwingen van de server aangeeft mogelijke storingen in de apparatuur (stroomstoringen, spontane, controle-computer herstart, pellet feeder storingen, enz.), die de TSsystem data-analyse detecteert.
3. Bestudeer de percelen van de prestaties die de data-analyse code geschreven in TSsystem produceert elke keer dat het wordt genoemd door the analyse timer (typisch 2-4 keer / dag).
   Opmerking: De analyse timer noemt de data-analyse en grafische programma op door de gebruiker gespecificeerde intervallen. De opgeroepen programma is geschreven met functies in TSsystem. Het leest in de hiërarchische datastructuur de ruwe data geoogst van het bestand waarnaar de protocol-control software schrijft. Vervolgens analyseert de gegevens en grafieken de resultaten van de analyses. Het bestand met de hiërarchische datastructuur wordt opgeslagen in een map-synchronisatie in de cloud. Dit zorgt voor automatische off-site back-up. De automatische file-synchronisatie slaat kopieën van de structuur bestand op de computers van alle medewerkers en medewerkers die al toegang hebben verleend. Gespecificeerde grafieken worden automatisch gemaild naar gespecificeerde personeel en medewerkers. Een hoofdonderzoeker kan de voortgang van het testen van overal in de wereld op elk gewenst moment, en, indien nodig, een herziening van de experimentele protocol, on line, op afstand van de site wanneer de muizen worden getest.
4. Gebruik TSbrowser tot de gegevens en samenvattende statistieken in de hiërarchische datastructuur bestuderen zodra ze beschikbaar zijn, in quasi real time (zie figuur 2).

Representative Results

Het systeem kan en moet worden gebruikt om protocollen afgestemd op de doelstellingen van de individuele onderzoeker of docent draaien. De bijbehorende protocol, de 2-hopper autoshaping protocol, en de schakelaar protocol: Maar we hebben een suite van 3 protocols die nuttig zijn bij grootschalige screening van genetisch gemanipuleerde muizen en grootschalige farmacologische testen moeten bewijzen uitgewerkt. De bijpassende protocol meet de capaciteit van de muis om de inkomens (voedsel pellets per tijdseenheid) schatten op twee verschillende locaties, om te onthouden welke locatie opbrengsten die inkomen, om de verhouding van de gemiddelde bezoek duur overeenkomen met de verhouding tussen het inkomen en de snelheid die het detecteert en past zich aan veranderingen in de winst-verhouding. De 2-hopper autoshaping protocol maatregelen tarieven van de instrumentele en klassieke conditionering (associatief leren tarieven). De schakelaar protocol maatregelen interval timing nauwkeurigheid en precisie, de mogelijkheid om probabiliteiten te schatten (relatieve frequenties)en aan te passen aan veranderingen in de waarschijnlijkheden (risicobeoordeling). Het geeft ook een zekere mate van impulsiviteit.

Matching. De voeders in elk van de twee laterale hoppers (de vultrechters) onafhankelijk worden ingeschakeld bij een exponentieel variërende latentie na elke pellet levering. Een pellet wordt geleverd wanneer de feeder is ingeschakeld en de muis triggers pellet vrijgave door porren in de trechter, waardoor de infrarood-straal (IR) te onderbreken. De intervallen die verstrijkt voordat de volgende inschakeling zijn afkomstig uit exponentiële distributies, wiens verwachtingen zijn opgegeven in de parameter bestand (tabel 1). In dit protocol muizen snel beginnen om tussen de twee vultrechters, poking een tijd in een, die zich dan aan de andere, dan terug naar de eerste. De verhouding van de gemiddelde duur van het verblijf in de twee hoppers ongeveer overeenkomt met de verhouding van de pellets per min dat zij om van de twee hoppers (NB Pellets per min inhet milieu, dat is de "inkomsten" van hoppers, niet pellets per min te porren in de trechter, dat is het "rendement" van hun investeringen in de twee hoppers). Dus, als ze gemiddeld 3 keer krijg zo veel pellets uit Hopper 1 vanaf Hopper 2, dan is de gemiddelde duur van een bezoek aan Hopper 1 is ongeveer 3 keer zo lang als de gemiddelde duur van een bezoek aan reservoir 2. We lopen dit protocol eerste omdat de snelheid waarmee de bijbehorende gedrag weergegeven ^8. Het is meestal meetbaar binnen de eerste 24 uur van testen, behalve natuurlijk in de muis die is toe te voorzichtig de hoppers binnen de eerste 24 uur bezoeken.

Passende gedrag impliceert dat de mechanismen voor het meten duur en aantal en informatica relatieve snelheden intact, evenals het ruimtelijk lokaliseren mechanismen die een muis staat om passend associëren de twee verschillende tarieven met twee verschillende locaties hopper. Het is dus een uitstekende snelletest van de fundamentele cognitieve functie. De precisie waarmee een muis overeenkomt met de verhouding tussen de verwachte lengtes bezoek aan de verhouding van het inkomen ervaren een indicatie van de nauwkeurigheid waarmee de muis hoeveelheden kan vertegenwoordigen.

De precisie waarmee een muis resultaat wordt grafisch gevisualiseerd door de mate waarin twee gelijktijdig uitgezet cumulatieve records dezelfde helling (figuur 6). Een cumulatieve record is de cumulatie som van een reeks metingen. In dit geval is een grafiek (de rode figuur 6) is de cumulatieve opname van de pellet per pellet inkomen-onbalans maat, de andere (de zwarte figuur 6) is de cumulatieve opname van de pellet-door- pellet bezoek-onbalans maatregel. Voor een enkele inter-voeding interval, het inkomen onbalans is ofwel -1 of 1, afhankelijk van de vraag of de pellet verkregen aan het einde van het interval kwam van Hopper 1 (onbalans = -1) of 2 (= onbalans1). De helling van de cumulatieve verslag van deze onevenwichtigheden is het gemiddelde inkomen onbalans (de onbalans per voeding). Als in 10 intervallen, de muis krijgt 5 pellets uit Hopper 1 en 5 van Hopper 2, dan is het gemiddelde inkomen onbalans dan dat die 10 inter-voeding intervallen , Indien alle 10 pellets kwam Hopper 2, dan is het En als alle 10 kwam Hopper 1, dan is het . Aldus kan het gemiddelde inkomen onbalans variëren van -1 tot 1 en is 0 wanneer er gemiddeld niet onbalans. Het bezoek onbalans tijdens een inter-voeden interval is de tijd doorgebracht op Hopper 2 (T2) minus de tijd die op Hopper 1 (T 1), divided door het totaal van de tijden. Voor een enkele inter-voeding interval, kan deze maatregel op een waarde tussen -1 en 1 nemen, in tegenstelling tot de inkomsten onbalans, die ofwel -1 of 1 moet zijn. Echter, de helling van de cumulatieve verslag van deze maatregel weerspiegelt de gemiddelde waarde, net zoals het geval is voor de inkomsten maatregel. Wanneer de twee hellingen van de twee cumulatieve platen (de rode en zwarte records in figuur 6) gelijk zijn, de gemiddelde bezoek onbalans gelijk aan het gemiddelde inkomen onbalans, waardoor de muis overeenkomt met de verhouding van de gemiddelde lengtes bezoek aan de verhouding van haar inkomsten uit de twee hoppers.

Voor drie van de muizen in figuur 6 (5027, 5015 en 5024), de helling van de cumulatieve bezoek onbalans perceel (zwart) nauw volgt de helling van de cumulatieve inkomen onbalans (rood), met vermelding van bijna perfecte afstemming van de verhouding van de gemiddelde bezoek duur om de verhouding van de inkomens. Merk op hoe snel de verhoudinghet bezoek duur aanpast aan de verandering in de verhouding van de inkomsten, op de punten van neerwaartse buiging. Aan de andere kant, Mouse 5034 (linksonder perceel) niet in geslaagd aan te passen tijdens de tweede voeding sessie, de helling van de cumulatieve bezoek-duur onbalans perceel (zwart) is 0, terwijl de helling van de inkomsten onbalans (rood) in hoofdzaak positief. Tijdens de derde fase voeding (na de zwarte verticaal), de hellingen zijn parallel, waardoor deze muis abrupt begon aan het begin van deze fase zijn bezoek verhouding overeenkomen met de batenverhouding. Het is dus duidelijk, het was niet in staat dit te doen, maar niet zo een of andere reden doen tijdens een deel van de testen. Dit illustreert het belang van het visualiseren van het gehele verloop van prestaties in plaats van te vertrouwen volledig op een paar samenvattende statistieken. Mouse 5028 precies afgestemd tijdens de eerste income ratio, maar toen het werd teruggedraaid, heeft zij niet volledig omkeren. Mouse 5025 "overmatched" tijdens de ^3e feeding fase (na groene verticale), dat wil zeggen, de gemiddelde bezoekduur onbalans was groter dan het gemiddelde inkomen onbalans en het niet volledig aan te passen aan de omkering van de inkomsten onbalans. Opmerking echter dat alle 6 muizen, zowel de 3 wildtype en heterozygoten 3 gekoppeld aan nauwkeurigheid bij de eerste 4 h toevoerfase. Merk ook op dat deze gegevens slechts betrekking 36-48 uur (1,5-2 dag / nacht cycli met 2 fasen voeden / cyclus), waarbij men merkt niet alleen de initiële matching maar een abrupte reactie op de omkering van de income ratio. Zoals eerder uitgelegd, dit toont de intacte functioneren in de heterozygoten van vele fundamentele mechanismen van cognitie, te weten, duur schatting, het aantal schatten, tarief schatting, ruimtelijke lokalisatie (van inkomsten tarieven hoppers), en de mogelijkheid om eenvoudige abstracte grootheden herinneren. De kwantitatieve resultaten, die typisch zijn, worden verkregen uit geautomatiseerde testen in een live-in-omgeving, zonder behandeling van de muizen buiten hun oorspronkelijke plaatsing in het milieu.

Zoals blijkt uit figuur 6, muizen overeen met de verhouding van hun bezoek duur met de verhouding tussen het inkomen zodra ze beginnen om tussen de hoppers. De snelheid waarmee de muis begint om tussen de trechters is een maatstaf van wat zou zijn lef of neiging te verkennen genoemd. Dit wordt gevisualiseerd door het uitzetten van de cumulatieve opname van cycli, dat wil zeggen het aantal cycli voltooid als een functie van de zitting tijd. Figuur 7 toont deze grafieken voor dezelfde muizen als in figuur 6. Vijf van de zes toonde enkele verkenning voor het begin van de eerste voeding fase en begon abrupt te fietsen tussen de hoppers, zodra het begon. Een muis is echter (linksonder), leverde geen verkennend gedrag bij alle (niet een cyclus) weer, totdat halverwege de 2 ^e fase voeden, op welk punt, het begon abrupt te fietsen tussen de hoppers.

. t "> Instrumentaal en klassieke conditionering Traditionele leertheorie een onderscheid tussen twee vormen van associatief leren:.. klassieke conditionering (ook wel Pavlov-conditionering) en instrumentele conditionering (ook wel operante conditionering) De fysiologisch zinvolle parameter in beide gevallen is het leren tarief Dit wordt gedacht aan de snelheid die synaptische sterktes worden aangepast naar aanleiding van de koppeling van twee zintuiglijke gebeurtenissen in klassieke conditionering (bijv. hopper verlichting en eten bezorgen) of in antwoord op de koppeling van een SR evenement en een versterkende evenement in instrumentale conditionering meten. De leren wordt gemeten door de reciproke van proeven te verwerven, dat is, het aantal paringen vóór het verschijnen van het geconditioneerd gedrag. Ons tweede protocol meet deze tarieven. Het leert ook de onderwerpen het voederen latencies bij de te verwachten twee-pellet leveren hoppers, waarin kennis wordt getest in de derde protocol.

Een pretrial in dit protocol begint met de belichting van de middelste hopper, die waar pellets nooit worden afgeleverd, omdat er geen pellettoevoerinrichting voor (zie schema van testkit, rechtsboven in figuur 1). Wanneer de muis steekt in de verlichte midden hopper, het licht er uit gaat, en een willekeurig gekozen een van de twee flankerende hoppers brandt. Als het links hopper die oplicht dan een korrel wordt er 4 seconden na belichting geleverd, ongeacht wat de muis doet. Als het de juiste trechter die oplicht, dan is een pellet wordt er 12 seconden na verlichting ingeschakeld ongeacht weer wat de muis doet geleverd,. Zo is de porren in de verlichte midden hopper is instrumenteel in het initiëren van een proces en wanneer dit hopper brandt, gebeurt er niets meer, totdat de muis steekt erin, de muis moet steken in deze trechter om een ​​pellet te krijgen. Zodra de muis deze instrumentele gevolg is, zal een pellet te leverened in welke hopper vervolgens oplicht, bij de levering-latency eigen aan dat hopper, ongeacht of de muis gaat naar de hopper of niet tijdens de pauze die verstrijkt voordat pellet levering.

De software maakt automatisch drie percelen van de prestaties in deze taak: 1) de cumulatieve staat van proefinitiatie snelheid (figuur 8), de cumulatieve verdeling van trial-initiatie latenties (Figuur 9) en de cumulatieve gegevens van de CS-ITI poke-tarief verschillen (figuur 10). En, het gevolg is van deze records drie sets van de samenvattende statistieken: 1) proeven om de verwerving van de instrumentele respons (instrumental learning rate), 2) de mediaan trial-initiatie latency, en 3) proeven om overname van anticiperende porren in zowel de korte latentie en de lange-latentie voedingstrechters (autoshaped, dat wil zeggen, klassieke leren tarieven).

Timed beslissingen. Het derde protocol isde "switch" protocol voor het eerst gebruikt met duiven door Fetterman en Killeen ²⁴ en aangepast voor de muis door Balci et al. ^22. Net als in het vorige protocol, worden proeven gestart wanneer de muis steekt in de verlichte midden hopper. Echter, in dit protocol, dit proces initiëren poke verlicht zowel flankerend hoppers, waarvan er een stilte en willekeurig gekozen door de computer als de "hot" hopper voor dat proces. De voeding latencies verbonden met de twee hoppers zijn dezelfde als in de vorige protocol (4 sec en 12 sec). Echter, alleen de hete hopper levert, en het levert alleen in reactie op de zak er gedaan op of na "haar" feeding latency. Als de korte latentie hopper heet, dan als de muis is dat trechter aan het einde van de korte latentie, de eerste zak die daar op of na latentie levert een pellet in die hopper. Als de lange latentietijd hopper is de hete hopper, dan is de eerste poke er gedaan op of na de lange latency levert een pellet in die trechter. Muizen snel leren om eerst naar de korte-latency hopper op de meeste proeven en vervolgens op "lange" proeven, over te schakelen naar de lange-latentie hopper bij prikken in de korte latentie hopper niet in slaagt om een ​​pellet te leveren aan het einde van de korte latentie van 4 sec. De muis krijgt zijn pellets op de grote meerderheid van de studies. Echter, als het te lang blijft op korte latentie hopper op een lang proces, zodat de eerste por bij of na de lange latentie in de verkeerde trechter, het proces eindigt zonder pellet levering. Evenzo, als schakelt voortijdig op korte latentie proces, zodat de eerste por bij of na de korte latentie is in de verkeerde (lange-latentie) hopper, het proces eindigt zonder pellet levering. De gegevens van belang zijn de latencies van de schakelaars op de lange proeven, gedefinieerd als de beëindiging-latentie van de laatste zak in de korte hopper voorafgaand aan de eerste zak in de lange hopper.

In deze paradigm, variëren we de lange-latentie. We beginnen met een lange latentietijd van 12 sec, dat is 3 keer de 4 sec korte latency, omdat muizen leren brij sneller schakelen wanneer de taak die gemakkelijk wordt gemaakt. We verkorten dan de lange latentie tot 8 seconden of zelfs 7 sec of 6 seconden te testen hoe strak de muizen hun schakeling tijdmeting (zie figuur 11). De mate van precisie timing is de variatiecoëfficiënt van de Gaussische component van de verdeling van de schakelaar latencies. De Gaussische variatiecoëfficiënt is de verhouding tussen de standaardafwijking en de gemiddelde (σ / μ in figuur 11).

We varieert de waarschijnlijkheid van een lang proces, waarbij het relatieve risico van voortijdig inschakelen versus te laat schakelen variëren. Wanneer de kans op een lang proces is hoog, is het risico dat een voortijdig vertrek uit de korte-hopper verminderd, want op een lange proef, maakt het niet uit hoe snel de muis schakelaars. Bovendien is het risico incurred door een te late vertrek is navenant verhoogd. Omgekeerd, wanneer de waarschijnlijkheid van een lang proces is, het relatieve risico van voortijdig vertrek versus een te late vertrek verschuivingen in de tegengestelde richting. Een rationele beslisser moet de distributie van haar switches verschuiven om zo ongeveer gelijk de risico's, dat is wat muizen in feite doen ^22,23 (figuur 12). Het meten van de veranderingen geïnduceerd door verandering van de waarschijnlijkheid van een lange proef evalueert het vermogen van de muis om kans te schatten (een lange versus korte proef), een schatting van de variabiliteit in de verdeling van de schakelaars, en de relatieve risico gesuggereerd door deze twee berekenen bronnen van onzekerheid.

Impulsiviteit. De verdeling van de schakelaar latencies is een mengsel distributie. In de overgrote meerderheid van muizen onder de meeste omstandigheden wordt de distributie gedomineerd door schakelaar latencies van een Gauss-verdeling, zoals in figuur 11. Hoeooit is er vaak een klein onderdeel van "impulsieve switches," die optreden veel te snel lijken niet zorgvuldig worden getimed en zijn duidelijk niet optimaal (anders dan de Gaussian component, namelijk ongeveer optimaal gepositioneerd tussen de temporele doelpalen, zoals kan worden gezien in figuur 11). De frequentie van deze impulsieve schakelaars varieert opvallend tussen muizen en met voorwaarden. Het maken van de lange proces zeer waarschijnlijk verhoogt hun frequentie meeste muizen, evenals waardoor de taak bemoeilijkt door het bewegen van de lange latentie dichter bij de korte latentie (zie figuur 11). De verdeling van de schakelaar latenties bijna altijd uiterst accurate te passen door een functie "weibgauss", dat het mengsel van een Weibull-verdeling en een Gaussische verdeling. De mate van impulsiviteit is de fractie van de schakelaars toegerekend aan de Weibull-verdeling.

Circadiane geheugen. Dieren nemen in het geheugen van de tijdvan de dag (fase van hun circadiane klok) waarop motivationally belangrijke gebeurtenissen gebeuren ^17. Wanneer dezelfde gebeurtenis routinematig terugkeert op ongeveer dezelfde circadiane fase hun gedrag begint te anticiperen herhaling ervan. Een vaak bestudeerd indicatie van dit vermogen om te onthouden en daarmee anticiperen op een dagelijkse herhaling voedt-anticiperend gedrag ^25. We meten dit tijdens het uitvoeren van de hierboven beschreven (of bijna elk ander) protocollen, simpelweg door het beperken van de intervallen waarin de muizen pellets kunnen verkrijgen tot twee 4 uur intervallen rond de schemering (huis licht uit) en zonsopgang (huis licht op). In andere intervallen, de muizen nog in de testomgeving, maar geen protocol werkzaam. Zo, ze pellets krijgen alleen tijdens het voeden op schema intervallen. Ergens tussen de 6-15 dagen na het begin van het testen, lijkt anticiperende porren activiteit in het uur of zo voordat de schemering voeding interval (figuur 13). De circa-schemering voeden ininterval begint zonder enige signaal een uur voor het blussen van het huis licht (schemering).

Op die dagen dat 3/4 van de gedrags gebeurtenissen zich voordoen tijdens de laatste 1/3 van de 9-uur fase van no-beschikbaarheid van voedsel vóór het intreden van de schemering toevoerfase, tellen we dat als een geval van voedsel-anticiperende activiteit. Anticiperende activiteit dus gescoord (blauwe sterretjes in figuur 13) treedt niet op tijdens de eerste paar dagen van het testen. Onze maatstaf voor "proeven" (dagen) te verwerven van circadiane voedsel-anticiperende activiteit is de dag na die van de frequentie van anticiperende activiteit toont de eerste statistisch significante toename.

Figuur 1. Schematische screening systeem. Elke kast bevat8 testomgevingen, elk bestaande uit een polypropyleen muis bad verbonden door een acrylbuis een muis testapparaat met 3 hoppers (H) gecontroleerd door IR stralen, waarvan twee hoppers pellet feeders (P) hebben gehecht. Een enkele pc (In-lab computers) runnen van een protocol-controle-programma dat de omgevingen in twee van dergelijke kasten (16 omgevingen) controleert en registreert tijdstempel verslagen van stimulus en respons evenementen. Een protocol-besturingsprogramma implementeert alle verschillende protocollen. Welk protocol is in werking en met welke parameters wordt bepaald door de inhoud van een tekstbestand (Param File), die regelmatig wordt gelezen door de protocol-besturingsprogramma. Wijziging van de inhoud van deze tekst bestand verandert de operatieve protocol. Het protocol-besturingsprogramma schrijft het evenement registreren elke 10 min naar een ander tekstbestand. De TSsystem data-analyse software, die draait op een externe server, oogsten de gegevens elke 15 minuten. Op regelmatige tijdstippen (meestal om de 8 of 12 uur), voert een uitgebreide statistischeen grafische analyse van de tot nu toe verkregen en plaatst de resultaten in bestanden op een cloud-synch opslagplaats, waar ze kunnen worden geraadpleegd door iedereen in het lab op elk moment vanaf elke locatie gegevens. De analysesoftware beweegt automatisch individuele muizen naar de volgende protocol in een bepaald aantal protocollen door het schrijven van nieuwe parameters Parameterbestand (Param File) door de protocol-besturingsprogramma. Zij doet dit wanneer de gegevens van die muis meet-gebruiker opgegeven beslissingscriteria. LAN = Local Area Network. Klik hier voor grotere afbeelding .

Figuur 2A. Screenshot van de TSbroswer GUI. De browser kan bladeren door de complexe hiërarchische gegevens file de ruwe gegevens en alle resultaten afgeleid bevat. De functies in het TSsystem werken op gegevens op gebieden van deze structuur en de resultaten opslaan in andere gebieden die dezelfde structuur. Ondergeschikt aan de velden op alle niveaus, maar de laagste zijn terminal velden met summiere statistieken, notities en numeriek geïndexeerd lagere niveaus: De voornaamste numeriek geïndexeerd lagere niveaus zijn: het onderwerp Level, de Session niveau, en de Trial niveau (zie volgende panelen in dit cijfer). Klik hier voor grotere afbeelding .

Figuur 2B. Screenshot van de browser na selectie van een onderwerp. In de linker raam zijn de gegevens fields rechtstreeks ondergeschikt aan dat onderwerp. Ze bevatten beknopte statistieken voor dat onderwerp. In het venster Sessies zijn de numeriek geïndexeerd sessies voor dit onderwerp en andere gebieden die, net als het veld Sessie, hebben ondergeschikte velden van hun eigen land. Het veld MacroInfo heeft subvelden met informatie over het protocol-controle macro, inclusief het pad en de bestandsnaam van de code-bestand gelezen door het proces-control software aan het begin van een sessie. Het veld protocollen heeft deelgebieden waardoor de parameters van de verschillende protocollen draaien in de geselecteerde sessie, de beslissing velden met de gegevens waarop het besluit om een ​​protocol te beëindigen is gebaseerd, de code die die beslissing neemt, en de beslissingscriteria. Een data veld te selecteren in de linker venster geeft de gegevens in dat veld in het venster rechts onderaan. Klik hier voor grotere afbeelding .

Figuur 2C. Screen shot na selectie van een sessie. De velden direct ondergeschikt aan de geselecteerde sessie worden weergegeven in het linker venster. Onder deze gebieden zijn die welke de ruwe data en onderverdelingen daarvan en die met summiere statistieken gewonnen uit deze ruwe data. Wanneer een data veld in dit venster wordt geselecteerd, wordt de inhoud weergegeven in het venster rechtsonder. In deze screenshot, heeft het veld met de ruwe data van de matching protocol geselecteerd. In de Trial Type venster aan de rechterkant van de sessie venster worden weergegeven de proef types uitgevoerd tijdens de geselecteerde sessie. Een "proef" is een door de gebruiker opgegeven reeks niet-noodzakelijk continu gebeurtenissen die meerdere stukken data te definiëren die moeten worden geanalyseerd thei r inhoud. De gebruiker kan willekeurig veel verschillende soorten proeven definiëren. Klik hier voor grotere afbeelding .

Figuur 2D. Screenshot van de browser na selectie van een soort proef. Het numeriek geïndexeerd proeven van dat type worden weergegeven in het venster Trials. Zoals altijd, de datavelden direct ondergeschikt aan het geselecteerde gebied worden weergegeven in het linker venster, en, als een van die velden is geselecteerd, wordt de inhoud weergegeven in het venster rechts onderaan. Klik hier voor grotere afbeelding .

ways ">
Figuur 2E. Screenshot van de browser na selectie van een individuele proef. De datavelden daaraan ondergeschikt worden weergegeven in het venster links onderaan en, indien een van deze velden wordt geselecteerd, wordt de inhoud weergegeven in het venster rechts onderaan. Tussen de velden automatisch opgenomen in elke beproeving zijn velden met vermelding van de sessie tijdstip waarop het proces begon, de sessie tijdstip waarop het eindigde, de duur, en de rij getallen in de ruwe data bestand dat de proef kompas. De overige velden (hier 'Pokes,' 'NumPks' en 'AutoLngPkRate' worden door de gebruiker gedefinieerd. De inhoud van alle velden worden berekend op basis van de ruwe gegevens die zijn opgeslagen in een veld op de zitting niveau. Klik hier voor vergrotingafbeelding.

Figuur 3. Screenshot van de eerste prompt uit TSbegin. TSbegin maakt gebruik van instructies om de gebruiker te leiden door het proces van het creëren van de hiërarchische datastructuur waarin de ruwe gegevens en de samenvattende statistieken en andere resultaten zijn afgeleid van die gegevens zal gaan. Klik hier voor grotere afbeelding .

Figuur 4. Screenshot van hulp voor TSaddprotocol. Deze interactieve GUI leidt de gebruiker door de proceduress van het creëren van een nieuwe versie van een experimenteel protocol. Om dit te doen, moet de gebruiker nieuwe waarden voor de parameters van dat protocol (bijvoorbeeld nieuwe waarden voor de gelijktijdige variabele interval schema's in de bijbehorende protocol) opgeven. De gebruiker moet ook opgeven (of kies eerder opgegeven) code voor het maken van de beslissing om het protocol te beëindigen en verder gaan met het volgende protocol. De gebruiker moet ook opgeven (of kies eerder opgegeven) beslissing velden en beslissingscriteria. Klik hier voor grotere afbeelding .

Figuur 5. Initial prompt uit TSstartsession. TSstartsession is een interactieve GUI die de gebruiker leidt door het proces van het starten van een experimental sessie. Een sessie loopt meestal van een dag of twee tot enkele weken, met verschillende protocollen (taken) uitgevoerd in de loop van die ene sessie. Klik hier voor grotere afbeelding .

Figuur 6. Cumulatieve onbalans percelen voor inkomen (pellets verkregen, in het rood) en duur van het bezoek (in het zwart) voor 3 wild type muizen en 3 L1 heterozygoten. Het percentage verrijking van de twee gelijktijdige VI's werd omgekeerd op het punt waar de helling naar beneden draaien (gemarkeerd door verticale onderbroken rode lijn). Muis ID-nummers zijn op elk perceel. De groene verticals markeren het begin van de schemering toevoerfase, de zwarte verticalen markeren het begin van de dageraad voeden PHAse. De ER (voor fouten) waarden zijn de verschillen in helling tussen het inkomen plot en het bezoek-duur plot. Deze onbalans fouten zijn twee keer de fout in de Herrnstein fractie. De Herrnstein inkomen fractie is de fractie van het totale inkomen verkregen uit een trechter, het bezoek-duur fractie is de fractie van de totale tijd doorgebracht in een hopper (ten opzichte van gecombineerde tijd doorgebracht op beide hoppers). Een positief teken geeft "overmatching", dat wil zeggen de tijd fractie is extremer dan het inkomen fractie; een negatief teken geeft "undermatching", dat wil zeggen de tijd fractie is minder extreem dan het inkomen fractie. Voor meer informatie over deze experimenten zien Gallistel et al. ^28. Klik hier voor grotere afbeelding .

Figuur 7. Cumulatieve cycli (Hopper 1 bezoek, gevolgd door Hopper 2 bezoek, gevolgd door een terugkeer naar Hopper 1) versus tijd van beproeving voor dezelfde 6 muizen als in figuur 6. Binnen de groene verticals markeren het aanzetten van het voeden fasen. Stevige rode verticals, de offsets Klik hier voor grotere afbeelding .

Figuur 8. Cumulatieve gegevens van trial-initiatie snelheden tijdens de instrumentale / klassieke conditionering protocol, dezelfde 6 muizen als in de figuren 6 en 7. De korte hevige verticale stippellijnen markeren de overname proces in elke record, gedefinieerd als de eerste rechtszitting, waarbij was er een significa nt toename in de gemiddelde snelheid op een hogere waarde dan de gemiddelde snelheid in het eerste segment van het record. Klik hier voor grotere afbeelding .

Figuur 9. Cumulatieve verdelingen van proefinitiatie latencies, dezelfde muizen als in de voorgaande figuren. De distributies zijn afgekapt op 0,7, omdat er extreem lange initiatie latencies van proeven als de muis niet aanwezig was in de test vak wanneer het proces-initiatie hopper verlicht, of met de muis werd verzadigd. De punt boven de x-as waar de horizontale lijn 0.5 snijdt de cumulatieve verdeling is de mediaan latentie een proces initiëren.51047/51047fig9highres.jpg "target =" _blank "> Klik hier voor grotere afbeelding.

Figuur 10. Cumulatieve registers van de verschillen tussen de porren tarief gedurende het oplichten van een hopper en het porren tarief in de voorafgaande interval tussen. Zelfde muizen als in de vorige figuren. Aanvankelijk was de helling van deze plaat is 0 of negatief is, omdat de muis steekt minder tijdens hopper verlichting dan tijdens de interval tussen. De helling wordt positief wanneer de muis begint te porren in de verlichte trechter in afwachting van de op handen zijnde levering van een pellet. Dit anticiperende porren is klassiek geconditioneerde omdat de pellet wordt geleverd aan het einde van de hopper-specifieke levering latency of de muis steekt in de hopper of niet. De vaste punten markeren het punt waar de helling positief wordt, dat het proces waarbij de geconditioneerde respons eerste betrouwbaar verschijnt (proef te verkrijgen). Dit is een zeer luidruchtige (variabele) maatregel, zoals blijkt uit deze steekproef. Klik hier voor grotere afbeelding .

Figuur 11. De enigszins haveloze zware blauwe lijnen zijn empirische cumulatieve distributiefunctie, waarin de cumulatieve verdeling van de schakelaar latencies voor Mouse # 5024 op drie verschillende instellingen van het voer latency op de lange trechter (zware zwarte verticalen op 12, 8 en 7 seconden van boven plot naar beneden perceel, respectievelijk). De korte-feed latency was altijd 4 sec (Zware gestippelde verticale). De dunne rode curven die bijna precies over elkaar op de empirische functies zijn de 6-parameter Weibull-Gaussische functies geschikt is om deze gegevens. De zware rode distributies zijn de overeenkomstige functies kansdichtheid voor de Weibull-Gauss mengsel distributies. (Zij zijn de derivaten van de cumulatieve verdeling functies.) De parameters van de Gauss-component van deze mengsel distributies worden getoond op de standplaatsen. Het verkorten van de lange-feed latency veroorzaakt de muis om het gemiddelde van de schakelaar latenties (μ) verkorten en hun precisie (σ / μ). Het veroorzaakte ook het uiterlijk van sommige impulsief schakelaars (de bult in de linker staart van de kansdichtheidsfunctie in de onderste grafiek). De maatregel van deze impulsiviteit is de fractie van het mengsel toegeschreven aan de component Weibull de best passende versie van de Weibull-Gaussiaanse distributie mengsel.target = "_blank"> Klik hier voor grotere afbeelding.

Figuur 12. Schakelaar latencies (kleine open cirkels) verschuiven abrupt kort na veranderingen in de relatieve frequentie van de korte en lange studies. De korte proeven zijn aangegeven met kleine rode pluspunten onderaan het perceel, terwijl de lange proeven zijn aangegeven met kleine rode pluspunten bovenaan de plot. De verandering van de dichtheid van het verkregen rode strepen onderaan en bovenaan geven de verandering van de relatieve frequentie (waarschijnlijkheid) van de korte en lange proeven. Merk op dat wanneer de rode aan de onderkant wordt meer dicht (bij de korte proeven worden waarschijnlijker), de kleine cirkels (schakelaar latencies) verschuiven naar boven en toen de rode aan de bovenkant wordt dichter (een stijging van de lange proef waarschijnlijkheid), de cirkelsshift beneden. De blauwe lijnen zijn de medianen van de uitkeringen. Overgenomen uit figuur 2 in Kheifets en Gallistel ^23. Klik hier voor grotere afbeelding .

Figuur 13. 24 uur raster plot van gedrags-en omgevingsfactoren gebeurtenissen over een 90 dagen testperiode Zwarte stippen opnemen porren;. Rode en groene stippen opnemen pellet leveringen bij de twee voedingstrechters. Zwart-rechts wijzende driehoeken verslag huis-licht offs; zwart links wijzende driehoekjes verslag huis-licht ons; cyaan links wijzende driehoekjes noteer de (unsignaled) aanzetten van de schemering voeden interval, die optreden 1 uur voorafgaand aan de schemering zelf; cyaan rechts- wijzende driehoeken noteeroffsets van de schemering voeding interval (3 uur na huis-licht uit), links-wijzende magenta driehoeken noteer de (unsignaled) aanzetten van de intervallen dageraad voeding (2 uur voor huis-licht op), naar rechts wijzende magenta driehoeken noteer de offsets van de dageraad voedingen. De 24 uurs tijdas conventioneel middernacht tot middernacht ons, niet omgekeerd-cyclustijd van de testomgeving waarin de muizen leefde. Het aanzetten van de voeding-anticiperende activiteit voorafgaand aan de schemering voeden zijn gemarkeerd met blauwe sterretjes. Klik hier voor grotere afbeelding .

Discussion

Onze methode levert een groot aantal fysiologische betekenis, kwantitatieve resultaten van de werking van verscheidene verschillende mechanismen van cognitie, leren en geheugen, vele muizen tegelijkertijd in een minimum van tijd, met een minimum aan menselijke arbeid en zonder behandeling van de proefpersonen gedurende dagen, weken of maanden testen. Deze kenmerken passen het voor genetische en farmacologische screeningprogramma's. Het maakt gebruik van minimaal gewijzigd off-the-shelf hardware (test dozen en nest tubs). Het produceert meer gegevens van meer muizen op meer aspecten van fundamentele kennis in minder tijd dan andere momenteel gebruikte werkwijzen voor het testen van de cognitieve vermogens van genetisch en / of farmacologisch gemanipuleerde muizen.

Het hangt af van twee soorten van open-source software, geschreven in de handel verkrijgbare, goed ondersteunde talen: 1) Een door de maker van de testapparatuur geleverd (zie ook Materiaal) voor de uitvoering van de experimentele protocollen taal ende registratie van gegevens, 2) een open-source toolbox, TSsystem, voor online, quasi-real-time data-analyse, grafieken, en besluitvorming. De toolbox is geschreven in een van de meest gebruikte en grondig ondersteund vertrouwelijke wetenschappelijke data-analyse en grafische talen (zie ook Materiaal).

De TSsystem toolbox zorgt voor een duidelijke en betrouwbare data pad, omdat het experiment controle code die de experimentele protocollen, alsmede de ruwe data en alle resultaten afgeleid uit de ruwe data bestuurd, worden in een datastructuur. Deze hiërarchische gegevensstructuur veldnamen, die functioneren als de headers in een spreadsheet omdat daardoor de inhoud van het veld. In tegenstelling tot de headers in een spreadsheet, de veldnamen in deze datastructuur zijn indexeerbaar. Gegevens samenvatten en grafische opdrachten kunnen gegevens overal in de structuur openen door een pad te specificeren door de rubrieken, bijvoorbeeld:

"Experiment.Subject (3).Sessie (2). TrialTypeCS.Trial (5). NumPokes. "
De opdrachten in de aangepaste toolbox, TSsystem, werken met gegevens op deze gebieden en de resultaten opslaan in een ander veld of de velden in dezelfde structuur. Meestal het veld of de velden waarin de resultaten van een handeling is opgeslagen, zijn gemaakt door het commando TSsystem. De data-analyse code zelf kan in deze dezelfde structuur. De verschillende niveaus van de structuur bevatten Notes velden, waar toelichtingen van willekeurige lengte kan worden gebracht. De gebruiker kan extra notities velden te maken, verklaren en interpreteren van de inhoud van data velden. Zo, het archiveren van de structuur of zetten het online in een publiek toegankelijke database slaat elk relevant aspect van het experiment en de data-analyse in een enkel bestand. Terwijl het experiment loopt, het bestand met de gegevens structuur is in een map die wordt gesynchroniseerd in "de cloud." Deze regeling verzekert off-site storage en state-of-the-art backup. Het geeft toegang totde nieuwste versie van de data-analyse en afbeeldingen, waar en wanneer een onderzoeker toegang heeft tot het internet.

Kritische stappen. De kritische stappen in de constructie van een testprotocol zijn:

1. Het schrijven en debuggen van het proces-controle code in de taal die door de commerciële leverancier van de computer gestuurde muis-testapparatuur (zie en-benodigdheden). Een gebruiker die sticks met de protocollen waarvan de representatieve resultaten werden boven beoordeeld kan de code die in het aanvullend materiaal gebruiken. Deze enkele codebestand implementeert een of alle van de hierboven beschreven testprotocollen. De operatieve protocol voor een bepaald onderwerp op een bepaald punt in de test hangt af van welke kolom van protocol parameterwaarden van kracht zijn op dat moment. De gebruiker bepaalt welke van deze protocollen worden uitgevoerd in welke volgorde met TSaddprotocol vóór de test begint. Inbegrepen in het aanvullend materiaal zijn protocolspecifieke decemberision codes en besluitvorming velden. De gebruiker hoeft alleen maar de beslissing criteria op te geven. Deze beslissing criteria bepalen hoeveel gegevens worden verzameld uit een bepaald protocol voor een bepaald onderwerp. Omdat de resultaten van elke patiënt worden grafisch afgebeeld meerdere malen per 24 uur periode, kan de gebruiker de criteria en neer over een muis per muis basis in het licht van de tot dusver verkregen uit elke muis passen.
2. Het schrijven en debuggen van de quasi-real-time data-analyse en grafische code met behulp van de bibliotheek van opdrachten in de TSsystem toolbox. Een gebruiker die sticks met de protocollen waarvan de representatieve resultaten werden boven beoordeeld kan de code die in de aanvullende materialen te gebruiken. Er is een master analyse functie voor elke test-protocol (matching, instrumentaal en klassieke conditionering, en getimed hopper switching). Andere meester-functie (DailyAnalysis.m), welk protocol-onafhankelijke trouble-shooting analyses doet en roept de protocol-specifieke analysessis functies wanneer het zijn trouble-shooting heeft voltooid.
3. Het dagelijks toezicht op de grafieken die door de data-analyse code om zeker te zijn dat het protocol goed en dat alle muizen zijn het verkrijgen van genoeg pellets om ze in goede gezondheid te houden werkt.

Problemen oplossen. De DailyAnalysis.m functie is 2 of meer keren per 24 uur gebeld door een timerfunctie wanneer een of meer experimenten uitgevoerd. Wanneer het heet, laadt het bestand dat de hiërarchische datastructuur bevat en leest in die structuur de ruwe data bestanden voor alle actieve onderwerpen. Deze ruwe data bestanden worden om de 10 min geschreven door het proces-besturingssoftware. De DailyAnalysis functie loopt een reeks elementaire controles. Het produceert grafieken die de gebruiker in staat om te controleren of de pellet dispensers goed werken, dat elke muis actief is, en dat elke muis heeft een voldoende aantal van pellets in de laatste 24 uur verkregen. De afwezigheid van data van een muis voor een aantal door de gebruiker opgegeven aantal uren, een aantal pellets verkregen die valt onder een door de gebruiker opgegeven kritische waarde, of numerieke resultaten suggereren dat een pellet dispenser niet naar behoren werkt, trigger e-mail alerts.

Wijzigingen. Omdat het proces-control code en de code TSsystem zijn open source en uitgebreid becommentarieerd, kunnen gebruikers hun eigen protocollen bedenken. De protocollen welke code wordt in de aanvullende materialen slechts appetitive protocollen. Zij maken gebruik van voedsel beloning gedrag uitlokken de kwantitatieve aspecten van die afhankelijk zijn van de werking van het doel cognitieve mechanismen. Echter, de commerciële muis testkamers in een configuratie die de angst conditionering door middel van mond shock maakt besteld worden. Zo kan het systeem zowel contextuele implementeren, gecued, en de tijd van de dag angst conditionering voor de gebruikers in staat om de vereiste computer code te schrijven voor zowel procesbesturing en quasi real-time data analelyse. De zwaar becommentarieerde code-bestanden die in het aanvullend materiaal moet de totstandbrenging van de vereiste nieuwe code te vergemakkelijken.

Beperkingen. De fundamentele mechanismen van cognitie zijn die dieren in staat stellen zich te lokaliseren in ruimte en tijd en in te schatten evenement waarschijnlijkheden en daarmee gepaard gaande risico's. De volledig geautomatiseerd testsysteem beschreven biedt uitgebreide testen van de mechanismen die muizen in staat om zich te lokaliseren in de tijd, en waarschijnlijkheid en bijkomende risico te schatten. Echter, het biedt zeer beperkte informatie over de mechanismen die hen in staat stellen om zichzelf te lokaliseren in de ruimte. Zowel de passende protocol en de getimede switchprotocollen testen of de muis overigens identieke hoppers kunnen onderscheiden op basis van hun locatie binnen de testbox. Geen van deze protocollen testen, bijvoorbeeld, het mechanisme dat dieren mogelijk maakt zich te oriënteren met de geometrie van een bekende ruimte ²⁶ of the kilometerteller die meet hoe ver een muis heeft gelopen en dat een centrale rol in gegist bestek ¹⁸ speelt.

. Betekenis van techniek De gedragstesten techniek hier beschreven verschilt van de meeste andere technieken in gemeenschappelijk gebruik in gedrags farmacologie en gedragsgenetica op vijf belangrijke punten:

Ten eerste maakt het fysiologisch betekenisvol metingen. Dit zijn metingen zoals de nauwkeurigheid en precisie van de weergave van een interval duur die kan worden herhaald op de elektrofysiologische en biochemische niveaus van analyse met vergelijkbare resultaten. Fysiologisch zinvolle gedragsmatige metingen spelen een cruciale rol in het opzetten van beveiligde koppeling hypothesen van het formulier deze moleculaire of cellulaire of circuit niveau mechanisme is de neurobiologische realisatie van die gedragsmatig manifest mechanisme. Voorbeelden zijn de gedrags-meting van spectrale gevoeligheid functies en de perioden en PHAses oscillatoren, zoals de circadiane klok. Diverse voorbeelden van gedrags-metingen die niet fysiologisch zinvol zijn de hoeveelheid tijd die een muis kan hangen aan een rotarod, de gemiddelde latency van een ondergedompeld platform te vinden in een water doolhof, het percentage van een duik traject in het kwadrant waar het platform was eerder gevonden, en de fractie van de tijd die een muis bevriest in een testkamer waar het eerder is geschokt.

Ten tweede is een geautomatiseerde, hoog volume, hoge doorvoer procedure. De muizen worden niet behandeld tijdens testen. Vele muizen kunnen gelijktijdig worden getest in een beperkte hoeveelheid laboratoriumruimte met minimale tijdsinvestering, tijdens de werking van verscheidene verschillende protocollen geven kwantitatieve informatie over basic cognitieve mechanismen. De meeste gedrags testen vereist dagelijkse afhandeling van de muizen om ze in en verwijder ze uit de testapparatuur. Enkele van de meest populaire procedures (het water doolhof en conte xtual vreesconditionering, bijvoorbeeld) vereist het hanteren van de muis direct voor en direct na elke maatregel genomen en tijdrovend scoren van video-opnamen.

Ten derde worden de resultaten geanalyseerd en stroomvorm opgenomen in quasi real-time, en de voortgang van de test-test gebeurt automatisch voor elke muis afzonderlijk. Dit maakt het afstemmen van de procedure (door bijvoorbeeld het veranderen van beslissingscriteria) muis door met de muis in het licht van up-to-the-hour gegevens van elke muis. De gegevens van de gebruikte testen worden vaak geanalyseerd lang nadat de test is uitgevoerd. Dit vereist running muizen gezamenlijk voor dezelfde hoeveelheid tijd in elke procedure. Dit is verspilling omdat verschillende muizen beheersen verschillende procedures na sterk uiteenlopende bedragen van de tijd. Als de collectieve testtijd te kort wordt gedaan, hoeft meerdere muizen niet de taak onder de knie, maar als het lang genoeg is zo gemaakt dat bijna alle muizen beheersen de taak, zijn sommige muizen veel langer lopen dan nodig is.

ent "> Ten vierde, het ontwerp van de TSsystem toolbox zorgt voor een intact, gemakkelijk traceerbaar spoor van de gepubliceerde samenvatting statistieken en grafieken terug naar de ruwe data, zonder onzekerheid over welk protocol en welke parameters waren werkzaam op elk punt in het testen van een muis. Vele huidige proeven vinden zeer weinig gegevens voor elke muis, waarbij de gegevens pad kort is en gemakkelijk te volgen. Bij proeven verkrijgen van een grote hoeveelheid gegevens (duizenden tijdstempel events) van elke muis, vervolgens de data pad kan lang, sterk versnipperd en moeilijk te volgen na verloop van tijd, zijn iets ander proces-control code bestanden gegenereerd;. veel verschillende gegevens analyseren code bestanden worden geschreven, de andere code bestanden produceren veel verschillende resultaten bestanden die op verschillende eerdere resultaten bestanden. Het wordt moeilijk om bij te houden van de complexe relaties tussen de vele verschillende elektronische bestanden en moeilijk te houden om ervoor te zorgen dat ze allemaal samen worden opgeslagen. In de TSsystem, de ruwe data enalles afgeleid van hen opgeslagen in dezelfde hiërarchische gegevensstructuur. Zo kan gepubliceerde resultaten niet worden gescheiden van de onderliggende ruwe data. Het proces-control code voor elke sessie wordt automatisch gelezen door de TSsystem software en vergeleken teken voor teken naar alle voorgaande proces-control code in hetzelfde experiment. Als er een verschil is de code voor de nieuwe sessie opgeslagen in de structuur met de gegevens en een identificatienummer dat proces-controleversie wordt automatisch in een veld voor de sessie die muis opgenomen. Aldus wordt elke versie van het proces-besturingscode automatisch in dezelfde structuur als de resultaten van de uitvoering van dat codegegevens. Met dit systeem, is men nooit weet welke gegevens kwamen uit welke versie van een multi-versie protocol. De data-analyse tekstbestanden die meestal weinig in getal, kan ook in deze structuur na voltooiing van de analyse. Dit zet alles in een data structuur, die aangeeft zowel de boomstructuur (wat ondergeschikt aan wat) en de veldnamen de relaties tussen de verschillende soorten informatie.

Ten vijfde, de hiërarchische datastructuur in de kern van de TSsystem, waarin alle relevante informatie wordt opgeslagen, samen met de zeer hoge data-analyse commando gebruikt om samenvattingen te halen en bouwen van grafieken, maakt mogelijk het delen van complexe gedrags-fenotypering gegevens tussen laboratoria . Een enkel elektronisch bestand geeft andere onderzoekers begrijpelijke, bruikbare toegang tot alle niveaus van de verwerking van gegevens, en de computer code die verteerd, samengevat en stroomvorm opgenomen de gegevens. Het maakt de latere heranalyse van rijke oudere datasets mogelijk. Het maakt het ook mogelijk de vorming van grote bruikbare openbare gedrags-en cognitieve fenotypering databases.

Toekomstige toepassingen. De volledig geautomatiseerde systeem kan nuttig zijn bij practica bewijzen in dierlijk gedrag. Het finesses de steeds lastige kwestie van het instrueren van een groot aantal studenten in de juiste behandeling van muizen en daarmee gepaard gaande bezorgdheid over mogelijke bedreigingen van hun gezondheid te doen. Het maakt een groot aantal studenten aan experimenten met echte muizen te ontwerpen en uit te voeren zonder dat ze ooit hanteren. Voor instructie-gebruik, zou men willen kleine goedkope infrarood videocamera's in de test doosjes, zodat studenten de muis presterende kon waarnemen in het protocol die zij hebben bedacht. De plaatsing van de ruwe gegevens in een hiërarchische gegevensstructuur opgeslagen in de cloud maakt het mogelijk voor veel verschillende studenten dezelfde analyseren de gegevens binnenkomen

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)