マウスの自動化、定量的認知/行動スクリーニング：遺伝学、薬理学、動物認知と学部命令について

Summary

上の遺伝的および薬理学的操作の影響を評価するために、空間的定位、時間的局在化、持続時間、速度および確率推定を媒介するメカニズムは、リスクアセスメント、衝動性、および記憶の正確さと精度の生理学的に意味のある特性を測定するための完全に自動化されたシステムマウスでの認知の基礎メカニズム。

Abstract

私たちは、ライブでの24/7行動試験システム認知の基本的なメカニズムに遺伝的および薬理学的操作の影響を評価し、マウスでは学習するための、完全に自動化された、高スループット、高容量について説明します。標準ポリプロピレンマウスハウジング浴槽は標準的な市販のマウス試験箱にアクリル管を介して接続されている。試験箱は、フィーダーをペレットに接続されている2そのうち3ホッパを有している。すべての内部LED付き照明可能と赤外線（IR）によるヘッドエントリーについてモニターするビーム。マウスは、スクリーニング時の取り扱いをなくし、環境、住んでいます。彼らは、プロトコル制御ソフトウェアと準リアルタイムのデータ分析やグラフ作成ソフトウェア我々は書かれているため、（古典的）プロトコル（インストゥルメンタル）とパブロフオペラントで実行することにより、2つ以上の毎日の給餌期間中に彼らの食糧を得る。データ分析とグラフ作成ルーチンが大幅に大きな時間·sの分析を簡単にするために作成MATLABベースの言語で書かれている行動や生理的なイベントレコードを突き固め、単一のデータ構造内で公開グラフや統計にすべての中間分析を通じて生データから完全なデータ証跡を保持するために。データ解析コードは、データを日に数回、自動的に「クラウド」と上におけるラボのコンピュータに保存された統計情報およびグラフィック分析を施し、それを収穫する。このように、個々のマウスの進行を可視化し、日々の定量化。データ解析コードは、プロトコルからの個々の被験者のプロトコルに自動化された前進を可能にする、プロトコル制御コードに話す。実装された行動のプロトコルは、autoshaping、時限ホッパー切り替え、時限ホッパー切り替え、衝動性の測定、食品の可用性の概日見越してリスク評価と一致している。オープンソースのプロトコル制御とデータ解析コードは、新しいプロトコルの追加が簡単になります。エイトテスト環境は、キャビネット内のX 78で×24 48に適合し、このような2つのタクシーinets（16環境）は、1のコンピュータにより制御されてもよい。

Introduction

認知の基本的なメカニズムを仲介する細胞および分子メカニズムを解明する上で負担する遺伝学、分子遺伝学、分子生物学、および神経薬理学の強力な技術を持って来るために、我々は生理的に意味のある定量化、大容量、高スループットの精神物理学的スクリーニング法を必要とする認知メカニズムの性質。メカニズムの精神物理学的に測定可能な、生理的な意味のある定量性は、行動によって、また電気生理学的または生化学的手段により測定することができる特性である。例としては、ロドプシンの吸収スペクトル、概日時計の自走期間、及び内側前脳束^1,2における報酬軸索の不応期である。細胞および分子の測定値と比較することができ精神物理学的測定は、定量的な対応を通じて心理的メカニズムを細胞および分子メカニズムをリンクするための基礎を築く。 exampl用E、ロッドの外節におけるロドプシンのその場での吸収スペクトルにおいて 、人間の暗所視の分光感度関数に重畳するという事実は、フォトン·トリガロドプシンの異性化を暗所視の最初のステップであるという強力な証拠である。複雑な行動パターンの定量的な側面も、行動遺伝学^3,4におけるQTL法の使用の中心である。

十分に確立されたインストゥルメンタルとパブロフ学習のプロトコルのマウス（ラット）の性能は、時間、回数、時間、レート、確率、リスク、および空間位置のような抽象的な量を測定脳のメカニズムに依存します。例えば、パブロフ条件付け応答の取得の速度は、強化イベント（通常は、食品の配達）と差し迫った強化^5-7のための信号の開始後補強するまでの平均待ち時間の間の平均間隔との比に依存する。二exampのためル、一致するプロトコルの2つの供給ホッパへの訪問の平均期間の比率は、およそそれらの2ホッパー^8月10日での補強の速度の比に等しい。

基本的なメカニズムに興味を神経科学者が現在広く用いられている行動試験法は、大部分が、低容量、スループットが低い、労働集約的な²⁶のために、である。さらに、それらは、例えば、概日振動子の行動を測定期間と位相が概日周期及び位相の電気生理学的および生化学的尺度と比較することができるような、電気生理学的および生化学的方法によって測定された量と比較することができる数量を測定しない。現在の行動試験の方法は、空間学習、時間的学習、あるいは恐怖学習などの学習のカテゴリにではなく、根本的なメカニズムに焦点を当てています。空間学習^11月15日の広く使われている水迷路試験は、これらのSHの例です。ortcomings。空間学習はカテゴリです。そのカテゴリに学ぶことは推測航法^16,17のメカニズムであるそのうちの一つ、多くのメカニズムに依存します。推測航法は、オドメーター、走行距離^18を測定機構に順番に依存します。同様に、一時的な学習がカテゴリです。約24時間の周期で振動子をイベントが^17,19の発生する時刻を学ぶために動物のため必要とされるため体内時計は、そのカテゴリで学ぶことが依存するメカニズムの一つである。食品見越しを可能クロックは^19を発見されていない。

時計は計時のメカニズムです。期間の広い範囲で、内因性の発振器は、脳がそれらのクロック^16,17の位相を記録することにより、時間内のイベントを検索することができます。時間内の位置を記録する機能は、時間内の場所の間つまり、距離、持続時間の測定が可能です。連合学習は、Tに依存彼期間^5,6,20,21の脳の測定。カウンタは数測定機構である。確率はサブセットのnumerosityとスーパーセットのnumerosityの割合であるため、多数の測定は、確率予測を可能にします。率はその数が測定された間隔の時間で割ったイベントの数であるため、レート推定を可能にする測定回数測定と期間。継続時間の測定は、数、速度、および確率が変化するリスクに対する行動の調整を可能にします^。22,23私たちの方法は、これらの基本的なメカニズムの正確さと精度の測定に焦点を当てています。精度は、脳の尺度が客観的な測定に対応している程度である。精度は、例えば、固定目標値、固定期間の脳の測定値のばらつきや不確実性である。ウェーバーの法則は、心理物理学で最も古く、最も安全に確立された結果である。これは、精度と主張している量の脳の測定値は、その量の一定割合である。分布の変動統計学者の係数であるウェーバー比は、（σ/μ）の精度を測定します。客観的な平均に心理物理平均値の比（ 例えば判断期間を意味する）（目標期間平均）の精度の尺度である。

ヒトの量を最小限に抑えながら、ここに示された方法は、ボリューム（ラボ空間の所定量に一度にスクリーニングされる動物の数）及びスループット（単一の動物のスクリーニングの平均持続時間で割っ得られる情報の量）を最大にする労働が測定を行うために必要なスクリーニングの結果は、既知になるの即時性を最大化する。

ここに提示されたデータ解析ソフトウェア·アーキテクチャは、自動的に生データを置き、すべてのサマリーの結果や統計は単一のDにまとめてデータから得られた数字の明瞭な広大な海をレンダリングするフィールドの見出しとATA構造は、その中に含まれる。解析ソフトは、その構造内のデータを操作し、常に同じ構造内のフィールドに、その操作の結果を格納します。これは生データから公表要約やグラフにそのまま道を保証する。

ソフトウェアは自動的に構造体に完全に自動化されたテストを支配実験制御プログラムを書き込み、それが自動的に生データがどのプログラムから来たかを示す。このように、実験条件は、テストの各ポイントで、各動物のための力にあったような先のは間違いないと要約統計は、生データから得られたかについては疑いで、非の打ちどころのないデータ証跡を保持します。データ保存のこの方法は大いにことができる他の研究室は、さらに、これらの豊富なデータセットを分析できるようにすること、標準化された行動スクリーニングデータベースの開発を容易にする。

スクリーニングシステムを図1に図式化されている。十キャビネットは、各々が8テスト環境は、80マウスTを有効にする、10フィート×15フィート実験室でセットアップすることができるO 1時間に実行すること。パーティーの壁にポートを通過するケーブルは、別の部屋の電子/電気インタフェースカードやPCに環境を接続する必要があります。 PCは、プロトコル制御プログラムを実行します。一台のコンピュータは、すべての2キャビネット（16テスト環境）に必要です。 PCは、データ解析とグラフ作成ソフトウェアを実行しているサーバーにローカルエリアネットワークを介して接続する必要があります。

Protocol

TSsystem中3完全に自動化されたプロトコル（マッチング、インストゥルメンタルと古典的条件を欲求）とスイッチプロトコルは、ラトガースニューブランズウィック州の動物管理施設委員会によって承認されている。

1。物理システムの設定

1. キャビネット内のテスト環境を設定する（ 図1参照）。
2. プロトコル制御コンピュータ上のテスト環境を備えた実験制御ソフトウェアをインストールします。
   注：上記以外の目的でこれらのコンピュータを使用しないでください！

2。ソフトウェアシステムの設定

1. データ解析ソフトウェアがインストールされているサーバが、テスト環境を制御するコンピュータ（複数可）のハードディスクにアクセスできるようにする（ 図1参照）LAN（ローカルエリアネットワーク）をセットアップする。
2. 「クラウド」のデータ保存用のファイル同期のアカウントを確立します。
3. PUクラウド同期フォルダ内の商業プログラミング言語の検索パスにTSsystemフォルダとそのサブフォルダをトン。
   注意：TSsystemは、ソフトウェアツールボックスです、つまり、それはによって生成される出力ファイルから収穫されるたびに自動的にデータを処理し、複雑なデータ解析とデータグラフのコードの作成 ​​を容易に30以上の高レベル関数のライブラリ実験制御プログラム。コマンドはすべて、実験構造体のフィールドにデータを処理します（ 図2を参照）は、同じ構造内の他のフィールドで結果を置く。これらのオープンソースのコマンドは、最も広く使用されている、商業、科学的なプログラミングやグラフ言語のいずれかで書かれています。これは、最も便利に統計ツールボックスを含む他の多くの「ツールボックス」を持っています。

3。実験開始

1. TSbeginを呼び出します（ 図3を参照）。
   注意：TSbeginはINTEですTSsystemツールボックスのRACTIVEのGUI（ 私は nterface G raphic のU SER）。それは、生データと、そこから派生したすべての結果がTSsystemツールボックスに他の機能によって配置先となる階層データ構造を作成するプロセスを介してユーザーをリードしています。
2. TSaddprotocolを呼び出します（ 図4を参照）。
   注意：TSaddprotocolはTSsystemツールボックスのGUIです。それは、実験プロトコルの制御パラメータを指定するプロトコルを終了する決定を自動化し、次のものに行くの決定コードを指定し、使用する判断基準を指定するプロセスを介してユーザーをリードしています。
3. 環境ごとに1つのマウス、24/7ライブでのテスト環境でマウスを置きます。
   注：番号の実験環境（ など箱1、箱2、）のそれぞれに入るマウスのID番号をメモするように注意してください。また、実験·コントロールを識別する文字をメモローカルエリアネットワーク（LAN）とそのIPアドレス上のコンピュータ。
4. TSstartsession（ 図5）を呼び出します。
   注意：TSstartsessionはTSsystemツールボックスのGUIです。これは、実験的なセッションを開始するプロセスを通じてユーザーを導く。実験セッションは、いくつかの異なる行動試験プロトコルが実行される間の1または2週間、最後。 TSstartsessionは、セッションの開始時に、プロトコル制御ソフトウェアを読み取り、そのマクロに入る情報を格納する。プロトコル制御ソフトウェアが読み込むことのパスおよびコードファイルの名前が含まれる。 TSsystemの解析ソフトは、階層データ構造にこのコードを読み込むので、いつでも力の正確なプロトコルとしてそこに疑うことはありません。
5. 制御コンピュータに移動し、そのコンピュータによって制御ボックス用のセッションを開始するためには、MedPCフォルダに書き込まマクロを呼び出す。

4。データ解析

1. あなたは新しいプロトコルを作成した場合、大幅に分析し、複雑なデータを簡単に作成した、TSsystemツールボックス内のコマンドを使用して適切なデータ解析とグラフ作成コードを記述します。
   注：結果は以下の通りであるTSsystemツールボックスに含まれている3つのプロトコルのためのデータ解析やグラフコード。 、それらは、オープンソースであるため、自由に改変することができる。これらの分析のためのコードは、広範囲にそれが簡単に、ユーザーが指定したプロトコルからの結果を分析するためのコードを作成することがどのようにコメントしている。
2. 実験の期間（何週間に24時間）の場合は、可能な機器の誤動作（電源障害、自発的な、制御コンピュータが再起動し、ペレット供給装置の誤動作など ）、TSsystemデータ·分析を示すサーバーからのアラートのメールを監視プログラムが検出されます。
3. TSsystemに書き込まれたデータ解析用のコードは、それが目によって呼び出されるたびに生成する性能のプロットを検討E分析タイマ（通常は2〜4回/日）。
   注記：分析タイマーは、ユーザーが指定した間隔でデータ解析とグラフ作成プログラムを呼び出します。と呼ばれるプログラムがTSsystemの機能と書かれています。なお、階層データ構造内にプロトコル制御ソフトウェアが書き込むファイルから採取した生データを読み取る。そして、データを分析し、分析結果をグラフ。階層データ構造を含むファイルがクラウド上でのファイルの同期フォルダに格納されます。これは、自動、オフサイトのバックアップを提供します。自動ファイル同期店舗のアクセスが許可されたすべての関係者と協力者のコンピュータ上の構造ファイルのコピー。指定されたグラフは自動的に指定された人員と協力者に電子メールで送信されます。主任研究者は、いつでも、世界中のどこからでも、テストの進行状況を監視し、必要に応じて、リモートSITから、ライン上で、実験プロトコールを修正することができますマウスがテストされている電子。
4. 彼らが利用可能になると（ 図2を参照）、準リアルタイムで、階層データ構造内のデータと要約統計を研究するTSbrowser使用。

Representative Results

このシステムは、個々の研究者や教室の先生の目的に合わせたプロトコルを実行するために使用する必要があります。一致するプロトコル、2ホッパーautoshapingプロトコル、およびスイッチ·プロトコル：しかし、我々は、遺伝子操作マウスおよび大規模な薬理学的試験の大規模スクリーニングに有用であることが分かるはず3プロトコルスイートを開発した。一致するプロトコルは、覚えて、二つの異なる場所での収入（単位時間あたりの食物ペレット）を推定するマウスの能​​力を測定する場所利回りれる収入、所得の比率に、その訪問者の平均滞在期間の割合に一致するように、かつ迅速にそれが検出され、利益率の変化に調整されます。インストゥルメンタルと古典的条件の2ホッパーautoshapingプロトコル対策率（連合学習率）。タイミング精度や間隔精度スイッチプロトコル対策、確率（相対頻度）を推定する能力と確率（リスク評価）の変化に調整します。また、衝動性の尺度を与える。

マッチング 。 2横ホッパー（供給ホッパ）のそれぞれでフィーダを独立ペレット送達後、指数関数的に変化させ、待ち時間で武装している。フィーダが武装され、マウスが、それによって、赤外線（IR）ビームを中断、ホッパーに突くことで、ペレットの放出をトリガするたびにペレットが配信されます。次のアーミングするまでの経過時間間隔は、その期待にパラメータ·ファイル（ 表1）に指定されている指数分布から描かれています。このプロトコルでは、マウスは急速に戻って最初に、次いで、他方に移動し、次に、一つにしばらくつつき、2つの給電ホッパとの間にサイクルを開始。 2ホッパーで彼らの滞在の平均持続時間の比率は約彼らは2ホッパー（毎分NBペレット中から得ている分あたりのペレットの比率に一致環境では、それはそれは2ホッパーへの投資から「リターン」）であり、ホッパー、しないホッパーに突っついの毎分のペレットからの「収入」である。彼らはホッパー2からのようなホッパー1からのような多くのペレット平均3回で取得する場合このように、ホッパー1への訪問の平均期間は約3倍の長ホッパー2への訪問の平均継続時間などである。我々は、理由のマッチング動作は⁸現れると速さの最初のこのプロトコルを実行してください。それは、もちろん、最初の24時間以内にホッパーを訪れるにはあまりにも臆病で、時々マウスを除き、検査の最初の24時間以内に通常測定可能である。

マッチングの動作では、二つの異なるホッパーの位置と適切に二つの異なる速度を関連付けるマウスを使用可能な空間のローカライズメカニズムがそうであるよう持続時間と数を測定し、相対速度を計算するためのメカニズムは、完全な状態であることを意味している。これにより、優れた迅速で基本的な認知機能のテスト。マウスは、経験豊富な収入の比率に、その期待される訪問期間の割合に一致する精度は、マウスは量を表すことが可能な精度を示すものである。

マウスが一致する精度をグラフにプロット同時に2つの累積的なレコードが同じ傾き（ 図6）を有するどの程度によって可視化される。累積記録は一連の測定の累積和である。この場合、1プロット（ 図6の赤いもの）は、ペレットごとのペレット所得不均衡指標の累積記録である。（ 図6の黒のもの）は、他のペレットごとの累積記録ですペレット訪問インバランス指標。シングル間給紙間隔については、所得の不均衡がある-1または1時間間隔の終了時に得られたペレットは、ホッパー1（アンバランス= -1）または2（アンバランスから来たかどうかに応じて=+1）。これらの不均衡の累積記録の傾きは平均所得の不均衡（摂食あたりアンバランス）です。 10間隔で、マウスはホッパー2からホッパー1と5から5ペレットを取得する場合、そのもの10間の供給間隔で平均所得の不均衡がある ;全10ペレットがホッパー2から来た場合、それは ;全て10はホッパー1から来た場合には、それは 。従って、平均所得の不均衡が-1から1の範囲であることができ、アンバランスは、平均で存在しない場合には0である。インター送りインターバル中に訪問不均衡がホッパー2（T2）を引いたホッパー1（T1）で過ごした時間に費やされた時間であり、D2回の合計でivided。シングル間給紙間隔の場合、この指標は、でなければならない-1または1、所得の不均衡とは違って、-1と1の間の任意の値を取ることができる。しかし、この措置の累積記録の傾きは利益の指標の場合と同じように、その平均値を反映している。 2つの累積記録（ 図6の赤と黒のレコード）の2つの傾斜が等しい場合、平均訪問の不均衡は、マウスが比にその訪問者の平均滞在期間の割合に一致していることを意味し、平均所得の不均衡に等しい2ホッパーからの収入の。

図6（5027、5015、および5024）のマウスの3については、累積訪問不均衡プロット（黒）の傾きが密接に累積所得の不均衡（赤）の傾きを追跡する、との比率のほぼ完璧なマッチングを示す収入の比率に平均訪問期間。注意どのように迅速に比訪問期間は下向きの変曲点に、所得の比率の変化に合わせて調整されます。一方、マウス5034（左下のプロット）は、第二の給電セッションの間に一致するように失敗しました。所得の不均衡（赤）の傾きが実質的に正であるのに対し、累積訪問持続時間不均衡プロット（黒）の傾きが0である。しかし、（黒い縦後）3給電フェーズ中に、斜面は、このマウスが利益率にその訪問率に一致するように、このフェーズの開始時に急に始まったことを意味し、平行である。明らかに、それゆえ、それはそうすることができないではなかったが、試験の一部の間、何らかの理由でそうしなかった。これにより、パフォーマンスの全過程を可視化するのではなく、いくつかの要約統計量に完全に依存することの重要性を示している。マウス5028は、最初の利益率の間に正確に一致したが、それが逆にされたとき、それは完全に逆転しませんでした。 3 ^回目の feedin中にマウス5025 "劣勢"（緑の縦後）のG相、つまり、その平均訪問不均衡は、その平均所得の不均衡よりも大きかった、それは完全に所得不均衡の逆転に適応しませんでした。予告ただし、すべてのマウス6匹、3野生の種類と非常に最初の4時間の給電位相の間に正確に一致する3ヘテロ接合体の両方。これらのレコードは、1が最初の一致が、利益率の逆転に突然の応答だけでなく、観察する時にのみ、36〜48時間（2送りフェーズ/サイクルで1.5〜昼/夜サイクル）、カバーしていることにも注意。前に説明したように、これはウィット、デュレーション推定、数推定、レート推定、（ホッパーへの所得率）空間的局在し、シンプルな抽象的な量を記憶する能力に、認知の多くの基本的なメカニズムのヘテロ接合体で完全な機能を示しています。典型的な定量的な結果は、、彼らの初期を超えてマウスの無処理と、ライブ環境で自動化された試験から得られている環境への配置。

図6に明らかなように、マウスはすぐに彼らはホッパーの間でサイクルを開始すると所得の比に彼らの訪問期間の比率と一致しています。マウスはホッパーの間でサイクルし始めると迅速性を探索し、その大胆さや傾向を呼ばれるかもしれないものの尺度である。これは、すなわち、セッション時間の関数としての完了したサイクル数、サイクルの累積記録をプロットすることにより視覚化される。 図7は、図6と同様のマウスについてこれらのプロットを示す。 6のうち5つは最初の給餌期の開始前にいくつかの探査を示した時点ですぐには始めたホッパーの間のサイクルに突然始まった。一匹のマウスは、しかし（左下）、ミッドウェイ、それはホッパーの間のサイクルに突然始まった時点で、2 ^回目の給電位相を通ってまで、すべてのいずれかの探索行動（しないシングル·サイクル）を示さなかった。

。T "> インストゥルメンタルと古典的条件従来の学習理論は連合学習の2種類を区別します。古典的条件付け（これもパブロフの条件付けとも呼ばれる）や楽器のコンディショニング（もオペラント条件付けと呼ばれる）の両方の場合で、生理学的に意味のあるパラメータは学習率であるこの。シナプスの強みは、古典的条件における2感覚のイベントのペアリング（ 例えばホッパー照明や ​​食品配送）に応じて、またはSRイベントのペアリングや楽器のコンディショニングにおける強化イベントに応じて調整されている速さを測定するために考えられている。学習率は、試験·ツー·買収、つまり、前条件付け行動の出現にペアの数。私たちの第二のプロトコルは、これらのレートを測定します。また、給電待ち時間がで予想される科目を教えているの逆数で測定される知識は第三のプロトコルでテストされている2ペレット提供ホッパー、。

このプロトコルでの公判前中間ホッパーの照明から始まり、それのためのペレット供給装置は、（テストボックス、 図1の右上の図を参照）が存在しないためペレットは、配信されることはありません1。マウスが点灯真ん中ホッパーにつつくと、光はそこに消灯し、2隣接ホッパーのランダムに選択された1が点灯します。それが点灯し、左ホッパーの場合、ペレットにかかわらず、マウスが何をするかの、照明の後にそこに4秒配信されます。それが点灯し、右ホッパーの場合、ペレットにかかわらず、再びマウスが何をするかを、照明の後にそこに12秒配信されます。このように、点灯して中央のホッパーに突っついは、裁判の開始に尽力され、このホッパーが点灯しているときにマウスがそれにつつくまで、何も起こりませんさらに、マウスがペレットを得るために、このホッパーに突く必要があります。マウスがこの楽器の応答を行った後、ペレットをお届けになりますEDはどちらかに、ホッパーは、その後に関係なく、マウスがペレットの配信までの経過時間間隔の間、ホッパーかに行くかどうか、そのホッパーへの配達遅延の独特で、点灯します。

トライアル開始の速度の1）累積レコード（ 図8）、試作開始待ち時間の累積分布（ 図9）とCS-ITI突く率の累積記録：ソフトウェアは自動的にこのタスクのパフォーマンスの3つのプロットを作る違います（ 図10）。 2）中央値は試作開始待ち時間、、インストゥルメンタル応答（インストゥルメンタル学習率）の取得1）試験と短いの両方に予期突っついの取得3）臨床試験：そして、それはこれらのレコードから要約統計量の3つのセットを導出レイテンシと高遅延供給ホッパ（autoshaped、つまり、古典学習率）。

時間指定の決定。第三のプロトコルである「スイッチ」プロトコルが最初にフェッターマンとキリーン²⁴で鳩と一緒に使用し、Balci ら ²²によるマウスのために適合。マウスが点灯真ん中ホッパーにつつく際に、以前のプロトコルと同様に、試験が開始されます。しかし、このプロトコルでは、この試験開始性突くには黙って、ランダムにその裁判のための「ホット」ホッパーのようなコンピュータによって選択されそのうちの一つに隣接するホッパー、両方を照明する。 2ホッパーに関連する摂食潜時は、以前のプロトコル（4秒と12秒）と同じである。ただし、ホットホッパーは配信し、それが唯一の "その"摂食潜時以降がなさ突くに応じて提供します。短い遅延ホッパーが高温になっている場合は、マウスが短い待ち時間の終了時に、そのホッパーにある場合は、その潜時以降にあった最初のPOKEはホッパーにペレットを提供します。長い待ち時間ホッパーが熱いホッパーの場合、最初突く長いリットルまたはそれ以降にあったatencyはホッパーにペレットを提供します。マウス急速ほとんど試験に短いレイテンシーホッパーに最初に行くと短いレイテンシホッパーに突っついが短いの終了時に、ペレットを提供するために失敗したときに、「長い」試験に、長い待ち時間のホッパーに切り替えることを学ぶ4秒の待ち時間。マウスは、試験の大多数へのペレットを得る。しかし、それは長い待ち時間で、または後の最初突くが間違っホッパーにあり、裁判はペレット配達せずに終了し、その結果、長い裁判に短いレイテンシーホッパーでは長すぎるままの場合。それは、短レイテンシ裁判途中で切り替えた場合、短いレイテンシーで、または後の最初突くが間違って（長いレイテンシ）ホッパーとなるように同様に、試験はペレット配達せずに終了します。関心のあるデータは、事前の長いホッパーに最初突く短いホッパーに最後突くの終了遅延として定義され、長い裁判上のスイッチの待ち時間、である。

このPAにあるradigm、我々は、長い待ち時間を変化させる。マウスは、タスクがその容易にしているときに高速ドロドロに切り替えることを学ぶので、私たちは、3回4秒の短い待ち時間である12秒の長い待ち時間で始まる。次に、マウスは彼らの切り替え（ 図11を参照する）時間ができるかしっかりとテストして8秒まで、さらには7秒6秒に長い待ち時間を短縮する。タイミング精度の尺度は、スイッチ待ち時間の分布のガウス分布成分の変動係数である。変動のガウス係数は、標準偏差と平均値（ 図11のσ/μ）との比である。

また、それによって、遅すぎる交換対早まっ切り替えの相対リスクを変化させ、長い裁判の確率を変化させる。長い裁判の可能性が高い場合には、長い裁判に、それがどのようにすぐにマウスのスイッチは問題ではないので、短期ホッパーから出発時期尚早が被るリスクが低減される。さらに、リスクがincurrあまりにも遅い出発でEDがそれに応じて上昇している。長い裁判の可能性が低い場合には、逆に、あまりにも遅出発比べ出発時期尚早の相対リスクは逆の方向にシフトします。約実際にマウスが^22,23（ 図12）何をすべきかである、リスクを同一視するよう合理的な意思決定者は、そのスイッチの分布をシフトする必要があります。長い試験の確率を変化させることによって誘導シフトを測定することは、（短い試用対長の）確率を推定するためにそのスイッチの分布の変動を推定するために、これら二つによって暗示相対的リスクを計算するために、マウスの能​​力を評価する不確かさの原因。

衝動 。スイッチの待ち時間の分布は、混合分布である。ほとんどの条件下でマウスの大多数において、分布は、図11に示すように、ガウス分布からのスイッチのレイテンシによって支配される。方法しかし、そこにあまりにも早く起こる「衝動的スイッチ」の小部品は、多くの場合、慎重にタイミングをしてはならない表示され、明らかに最適ではない（約最適に時間的なゴールポストの間に位置しているガウス構成要素とは異なり、など図11）に見ることができる。これらの衝動のスイッチの頻度が著しくマウスの間でや条件によって異なります。長い裁判は可能性が高いことと、（ 図11を参照）短いレイテンシーに近い長い待ち時間を移動させることによって、タスクをより困難にしないように、ほとんどのマウスではその頻度が増加します。スイッチの待ち時間の分布はほとんど常にワイブル分布とガウス分布の混合物である「weibgauss」機能により、印象的な精度でフィットすることができます。衝動性の尺度は、ワイブル分布に帰属スイッチの割合である。

概日メモリ 。メモリ内の動物の記録時間その日の動機づけの重要なイベントが^17起こるれる（その概日時計の位相）。同じイベントが定期的にほぼ同じ概日位相を再発する場合には、彼らの行動は、その再発を予測することから始まります。覚えていて、それによって、日々の再発を予測するためにこの能力を一般的に研究表示は餌予期される動作^25。上述（または他のほとんどの）プロトコルを実行しながら、我々は、単にマウスは夕暮れ（家の光出力）と夜明け（ハウスライトON）を囲む2 4時間の間隔にペレットを得ることができ、その間の間隔を制限することによって、これを測定。他の間隔の間に、マウスは、テスト環境にまだあるが、それプロトコルが動作しません。このように、彼らは、スケジュール給餌間隔の間にペレットを得た。テストの開始後6から15日の間のどこかでは、予期突き活動は夕暮れ送り間隔（ 図13）の前に時間かそこらに表示されます。中年頃 - 夕暮れ送りtervalは家の光（夕暮れ）の消火する前に任意の信号1時間なしに開始されます。

行動イベントの3月4日は夕暮れ送り期の開始に先行していない食品の可用性の9時間の相の最終1月3日の間に発生当時に、私たちは食品予期アクティビティのインスタンスとしてそれを数える。予期活動は、このように、テストの最初の数日の間に発生していない（ 図13の青のアスタリスク）得点。 「試験」（日）から取得サーカディアン食品予期活動の我々の測定値は、先行アクティビティの周波数が第統計学的に有意な増加を示しているの翌日です。

図1。スクリーニングシステムの概略図 。各キャビネットは含まれています8テスト環境、ホッパーは、ペレットフィーダー（P）を添付して、そのうちの2つのIRビームによって監視3ホッパー（H）によるマウス試験箱にアクリルチューブで接続されたポリプロピレン製のマウス浴槽からなるそれぞれ。このような2つのキャビネット（16環境）内の環境を制御し、刺激と反応のイベントのタイムスタンプ付きのレコードをログに記録し、プロトコル制御プログラムを実行する単一のPC（インラボコンピュータ）。単一のプロトコル制御プログラムは、すべての異なるプロトコルを実装しています。どのプロトコル手術やパラメータはプロトコル制御プログラムによって定期的に読み取られたテキストフ​​ァイル（Paramのファイル）の内容によって決定されるとなっています。このテキストフ​​ァイルの内容を変更すると、手術のプロトコルが変更されます。プロトコル制御プログラムは、別のテキストフ​​ァイルにイベントレコードごとに10分を書き込みます。 TSsystemデータ解析ソフトウェアは、リモートサーバー上で実行されて、収穫のデータを15分毎。定期的に（通常は、すべての8または12時間）で、それは大規模な統計を行い、そして、これまでに入手し、彼らがどこからいつでも研究室で誰でもアクセスすることがクラウド同期ストレージサイト、上のファイルに結果を置き、データをグラフィカルに分析。解析ソフトウェアは、自動的にプロトコル制御プログラムによって読み込まパラメータファイル（Paramのファイル）に新しいパラメータを記述することでプロトコルの指定されたシリーズの次のプロトコル上の個々のマウスを移動します。それがそうするときに、マウス満たすユーザ指定の判断基準のデータが。 LAN =ローカル·エリア·ネットワークは。 拡大画像を表示するには、ここをクリックしてください 。

図2A。 TSbroswer、GUIのスクリーンショット 。ブラウザは、複雑な階層データfをブラウズを可能にします生データと、そこから派生したすべての結果が含まれていますパリ。 TSsystem中の関数は、この構造体のフィールド内のデータを操作し、同じ構造内の他のフィールドに結果を格納します。すべてのレベルでのフィールドに従属するが、最低は端末データの要約統計量を含むフィールド、メモや数値添字低いレベルである。主要な数値添字の下限レベルは次のとおりです。対象レベル、セッションレベル、および試用レベルは（後続のパネルを参照してください。この図）。 拡大画像を表示するには、ここをクリックしてください 。

図2b。被写体の選択後、ブラウザーのスクリーンショット。左下のウィンドウでは、データfであるields直接その主題に従属。彼らは、その主題の要約統計が含まれています。セッション]ウィンドウで、このテーマのための数値添字のセッションとセッションのフィールドのように、自分自身の従属フィールドがあり、他のフィールドがあります。 MacroInfoフィールドは、パスとセッションの開始時にプロセス制御ソフトウェアによって読み取らコードファイルのファイル名を含むプロトコル制御マクロについての情報を与えるサブフィールドを、有している。プロトコルフィールドには、選択したセッションで実行異なるプロトコルのパラメータを与えてサブフィールド、プロトコルを終了するという決定の基礎となるデータが、その決定を行うコード、および意思決定基準を含む意思決定のフィールドがあります。左下のウィンドウにデータ·フィールドを選択すると、右下のウィンドウにそのフィールドにデータが表示されます。 拡大画像を表示するには、ここをクリックしてください 。

図2C。セッションの選択後の画面ショット。選択したセッションに直接従属するフィールドは左下のウィンドウに表示されます。これらのフィールドの中で、その生データおよび再分割を含むもの、それらの生データから抽出した要約統計量を含むものがある。このウィンドウ内のデータ·フィールドを選択すると、その内容が右下のウィンドウに表示されている。このスクリーンショットでは、一致するプロトコルからの生データを含むフィールドが選択されている。セッションウィンドウの右にお試しタイプ]ウィンドウで選択したセッション中に実行トライアルの種類を表示します。 「裁判は「theiのために分析されるデータの複数のストレッチを定義しない、必ずしも連続イベントのいずれかユーザーが指定した順序で Rの内容。ユーザーは、試験の任意の数の異なるタイプを定義することもできます。 拡大画像を表示するには、ここをクリックしてください 。

図2D。トライアルの種類を選択した後、ブラウザーのスクリーンショット。その型の数値添字試験は試験ウィンドウに表示されます。いつものように、データ·フィールドは、すぐに左下のウィンドウに表示され、選択したフィールドに従属し、いずれか1つのフィールドが選択されている場合、その内容は右下のウィンドウに表示されます。 拡大画像を表示するには、ここをクリックしてください 。

方法は ">
図2e。個々の試験の選択後のブラウザのスクリーンショット。それに従属するデータフィールドはいずれか1つのフィールドが選択されている場合、その内容は右下のウィンドウに表示され、左下のウィンドウに表示しています。自動的にすべての臨床試験に含まれてフィールドの中で裁判が開始されたセッション時間を指定するフィールドが、それが終了したセッション時間、継続時間、および裁判をコンパス生データファイルの行番号である。他のフィールド（ここでは「お知らせメッセージ」、「NumPks '、そして' AutoLngPkRateは'すべてのフィールドの内容は、セッション·レベルでフィールドに格納された生データから計算されます。ユーザーが定義します。 拡大表示するには、ここをクリックしてください画像。

図3。 TSbeginからの最初のプロンプトのスクリーンショット 。 TSbeginは、これらのデータから得られた生データを、すべての要約統計量および他の結果が行く先となる階層データ構造を作成するプロセスを介してユーザーを導くために、プロンプトを使用しています。 拡大画像を表示するには、ここをクリックしてください 。

図4。 TSaddprotocolのヘルプのスクリーンショット。このインタラクティブGUIはproceを介してユーザーを導く1実験プロトコルの新バージョンを作成するSS。これを行うには、ユーザーは、そのプロトコルのパラメータの新しい値（マッチングプロトコルでの同時可変間隔のスケジュールについては、例えば、新しい値）を指定する必要があります。また、ユーザーは指定します（または以前に指定を選択）プロトコルを終端し、次のプロトコルへ行くために決定を行うためのコードをしなければなりません。また、ユーザーは指定します（または以前に指定された選択）し、決定のフィールドと判断基準なければなりません。 拡大画像を表示するには、ここをクリックしてください 。

図5。 TSstartsession。TSstartsessionからの最初のプロンプトは、EXPを開始するプロセスをユーザに示す、対話式のGUIですerimentalセッション。一つのセッションは、通常、そのセッションの過程で行われ、いくつかの異なるプロトコル（手順）で、数週間に一日か二日から実行されます。 拡大画像を表示するには、ここをクリックしてください 。

図6。収入の累積的な不均衡プロット（赤で得られたペレット、）と3野生型マウスと3のL1ヘテロ接合体のために（黒）の期間にアクセスしてください 。 2同時VIスケジュールの相対的な豊かさは、斜面が（縦の赤い点線でマーク）下方向に向ける点で逆転した。マウスのID番号は、各プロットである。緑の垂直夕暮れ送り期の開始をマークし、黒の垂直夜明け送りPHAの発症をマークE。 ER（エラーの場合）の値は、所得のプロットと訪問持続時間プロット間の勾配の違いである。これらの不均衡のエラーはヘアンスタイン分2倍の誤差である。ヘアンスタイン収入分は、ホッパーから得られた総収入の割合である。訪問持続時間分（いずれもホッパーで過ごし組み合わせる時と比較して）、ホッパーに費やされた合計時間の割合です。正の符号は、つまり、時間画分は所得分よりも極端で、「オーバーマッチング」を示し、負の符号は、時間画分は所得分未満の極端である、つまり、「undermatching」を示す。これらの実験の詳細についてはGallistel ら ^28を参照してください。 拡大画像を表示するには、ここをクリックしてください 。

図7。図6と同じ6匹のマウスの試験時間に対する（ホッパー1への復帰に続いてホッパー2の訪問に続いてホッパー1の訪問、、）累積サイクル 。破線の緑業種は、供給相の発症マークし、赤色に点灯垂直、オフセットを拡大画像を表示するには、ここをクリックしてください 。

図8。インストゥルメンタル/古典的条件プロトコル、図6と図7の場合と同じ6マウスの間に試行錯誤開始速度の累積を記録。短い太い縦の破線はsignificaがあったときの最初の試みとして定義されている各レコードの獲得試行をマークレコードの最初のセグメントの平均速度よりも大きい値に平均速度の増加分NT。 拡大画像を表示するには、ここをクリックしてください 。

図9。トライアル開始待ち時間の累積分布、前の図のように、同じマウス 。試作開始ホッパーが点灯、またはマウスが飽き飽きしたときにマウスが試験箱には存在しなかった試験から非常に長い開始待ち時間があるのでディストリビューションでは、0.7で切り捨てられてきた。 0.5での水平線は累積分布と交差するx軸上の点は、裁判を開始す​​るための中央値の待ち時間です。51047/51047fig9highres.jpg "ターゲット=" _blank ">拡大画像を表示するにはここをクリックしてください。

図10。供給ホッパーの照明中に突き速度と先行試行間間隔の間に突き率との差の累積レコード前の図と同じマウス。マウスは、試行間間隔の間にも、ホッパー照明中以下でつつくので、最初に、このレコードの傾きは、0または負である。マウスがペレットの差し迫った配達を見越して照らさホッパーに突くを開始すると傾きは正になります。ペレットをマウスがホップにつつくかどうホッパー特異的送達の待ち時間の終了時に配信されるため、この先行突っついは古典的に調整されている当たりかどうか。黒丸は条件反応が最初に確実に（トライアル·ツー·買収）が表示される試験である傾きが正となる点をマーク。これは、このサンプルで明らかなように、非常に騒々しい（可変）尺度である。 拡大画像を表示するには、ここをクリックしてください 。

図11。やや不揃い重い青い線は長いホッパー（太い黒垂直12で、8、上のプロットから7秒で送り、待ち時間の3の異なる設定でのマウス＃5024用のスイッチの待ち時間の累積分布を示す、経験累積分布関数である下のプロットに、それぞれ）。短いフィードレイテンシは常に4秒であった （重縦の破線）。経験的な機能にほぼ正確に重ね合わ薄い赤の曲線は、これらのデータに当てはめ6パラメータワイブルガウス関数である。重い赤の分布はワイブルガウス混合分布のための対応する確率密度関数である。 （これらは、累積分布関数の誘導体である。）これらの混合分布のガウス成分のパラメータがプロットに示されている。ロングフィードの待ち時間を短くすると、そのスイッチの待機時間（μ）の平均を短縮し、その精度（σ/μ）を高めるために、マウスを引き起こした。また、いくつかの衝動的なスイッチ（下のプロットにおける確率密度関数の左尾部におけるバンプ）の出現を引き起こした。この衝動性の尺度は、ワイブルガウス混合分布の最も適合するバージョンでワイブルコンポーネントに起因する混合物の割合である。ターゲットは= "_blank">拡大画像を表示するにはここをクリックしてください。

図12。スイッチの待機時間（小さ ​​な白丸）は、短期および長期試験の相対的な周波数の変化の後、すぐに急激にシフト 。長い試験は、プロットの上部にある小さな赤いプラスでマークされている間、短い試験は、プロットの底に小さな赤いプラスのマークが付いています。下部と上部で得られた赤色の縞の密度の変化は、短期および長期試験の相対頻度（確率）の変化を示す。下部の赤は（ショート試験は、より可能性になったとき）より密になったときに一番上に赤がより密になると、小さい円（スイッチ待ち時間が）円、（長期裁判確率の増加）を上方向にシフトしていることに注意してください下方向にシフト。青い線は分布の中央値である。 KheifetsとGallistel ²³の図2から抜粋。 拡大画像を表示するには、ここをクリックしてください 。

図13。 90日間の試験期間中の行動や環境イベントの24時間のラスタープロットブラックドット·レコード·ポーク;。2供給ホッパで赤と緑のドット記録ペレット納入。黒右向きの三角形のレコードのハウスライトオフ、黒い三角形に、レコードのハウス光アドオンを指したまま、左向き​​の三角形は前夕暮れ自体に1時間に発生夕暮れ送り間隔の（非シグナル）オンセットを記録シアンシアン右指している三角形を記録夕暮れの給紙間隔（ハウスライト消灯後3時間）のオフセット、左向きマゼンタ三角形は（下院ライト前に2時間）夜明け送り間隔の（非シグナル）発症を記録し、右向きのマゼンタの三角形は、オフセットを記録夜明けの授乳の。 24時間の時間軸は、私たちの真夜中、しないマウスが住んでいたテスト環境の逆サイクルタイムを従来の午前0時です。前夕暮れ供給への給電、予期活動の発症は、青色のアスタリスクでマークされています。 拡大画像を表示するには、ここをクリックしてください 。

Discussion

我々の手法は、人間の労働の最低、無処理で、最小限の時間で、一度に多くのマウスのために、認知、学習と記憶のいくつかの異なるメカニズムの機能に生理的な意味のある、定量的な結果の広い範囲を生成日、週、またはテストの数ヶ月間、実験対象の。これらの属性は、遺伝的および薬理学的なスクリーニングプログラムのためにそれに合う。それが最低限修正既製のハードウェア（テストボックスや巣浴槽）を使用しています。これは、遺伝的および/または薬理学的に操作されたマウスの認知能力をテストするための他の現在使用されている方法よりも短い時間で、基本的な認知の複数の側面についてのマウスからのより多くのデータを生成する。

それが商業的に入手可能な、よくサポートされている言語で書かれたオープンソースソフトウェアの2種類に依存します。1）実験プロトコルの実装のために（材料を参照）試験装置の製造業者によって供給される言語とデータの記録、2）オンラインのためのオープンソースのツールボックス、TSsystem、準リアルタイムのデータ分析、グラフ作成、および意思決定。ツールボックスは、最も広く使用されているの一つで書かれており、徹底的に（材料を参照）、独自の科学的なデータ分析やグラフ作成の言語をサポートしています。

TSsystemツールボックスは一緒に生データと、実験プロトコルを支配実験制御コードので、明確かつ安全なデータ証跡を確実にし、生データから派生したすべての結果は、単一のデータ構造に保存されています。この階層データ構造は、それらがフィールドの内容を示しているという点で、スプレッドシート内のヘッダーのように機能フィールド名を有している。スプレッドシートのヘッダとは異なり、このデータ構造内のフィールド名をインデックス可能である。コマンドを要約し、グラフデータは、例えば、見出しを通る経路を指定することで任意の場所を構造内のデータにアクセスすることができます。

「Experiment.Subject（3）。セッション（2）。TrialTypeCS.Trial（5）。NumPokes。 "
カスタムツールボックス、TSsystemのコマンドは、これらのフィールドのデータを操作し、同じ構造内の別のフィールドまたはフィールドに結果を格納。通常、操作の結果が格納されているフィールドまたはフィールドがTSsystemコマンドによって作成されます。データ解析コードは、この同一の構造自体に格納することができる。構造の異なるレベルは、任意の長さの注釈を入れることが可能ノーツのフィールドが含まれています。ユーザーは、データ·フィールドの内容を説明し、解釈する、追加の注意事項フィールドを作ることができます。このように、構造をアーカイブするか、公的にアクセス可能なデータベース店でオンライン単一のファイルに、実験やデータ分析の各関連側面をそれを置く。実験の実行中に、データ構造を含むファイルがで同期されているフォルダ内にある「クラウド」。この構成は、オフサイトのストレージおよび最先端のバックアップを保証する。それはへのアクセスを提供します研究者がインターネットにアクセスすることができ、いつでもどこでもデータ解析とグラフィックスの最新版。

重要なステップ 。試験プロトコルの構築における重要なステップは次のとおりです。

1. コンピュータ制御のマウス試験装置の商業的供給業者が提供する言語でプロセス制御コードの作成およびデバッグには（装置および供給を参照してください）​​。その代表的な結果上記の検討されたプロトコルでスティックをユーザーが補足資料で提供されたコードを使用することができます。この単一のコードファイルには、上述した試験プロトコルのいずれかまたはすべてを実装する。テスト中の特定の時点で特定の主題のための手術プロトコルは、その時点で施行されているプロトコルのパラメータ値のどの列に依存します。ユーザーは、テストが始まる前にTSaddprotocolを使用している順序で実行されるこれらのプロトコルのかを決定します。プロトコル固有の12月は、補足資料に含まれているのはisionコードと意思決定のフィールド。ユーザーは判断基準を指定する必要があります。これらの判断基準は、特定の対象のための特定のプロトコルから収集されるデータの量を制御します。各被験者からの結果をグラフ各24時間の期間内に複数回描かれているので、ユーザは、これまでに各マウスから得られた結果に照らして、マウスによってマウス基づいて上向きまたは下向きの条件を調整することができる。
2. TSsystemツールボックスのコマンドのラ​​イブラリを使用して、準リアルタイムのデータ分析やグラフ作成、コードの作成およびデバッグ。その代表的な結果上記の検討されたプロトコルでスティックをユーザーが補足資料で提供されたコードを使用することができます。各試験プロトコル（マッチング、インストゥルメンタルと古典的条件、および時限ホッパースイッチング）のための1のマスタ解析機能があります。プロトコルに依存しないトラブルシューティング分析を行い、プロトコル固有析を呼び出し、別のマスタ機能（DailyAnalysis.m）SISの機能がそのトラブルシューティングを完了しています。
3. プロトコルが正常に動作し、すべてのマウスは健康でそれらを保つために十分なペレットを得ていることであることを確認するために、データの解析コードによって生成されるグラフの毎日監視。

トラブルシューティング 。一つ以上の実験が実行されるたびにDailyAnalysis.m関数はタイマー機能によって24時間毎に2回以上呼び出される。それが呼び出されるたびに、階層データ構造が含まれており、その構造の中に、すべてのアクティブな被験者の生データファイルを読み込み、ファイルをロードします。これらの生データファイルは、プロセス制御ソフトウェアにより10分ごとに書き込まれる。 DailyAnalysis機能は、基本的な一連のチェックを実行します。これは、各マウスは、最後の24時間以内にペレットの十分な数を取得している各マウスがアクティブであることを、ペレットディスペンサーが正しく動作していることを確認することを可能にし、そのグラフを生成します。 Dの欠如時間のあるユーザーが指定した数の、ユーザー指定の臨界値、もしくはペレットディスペンサーが正常に動作していないことを示唆して数値結果を下回って得られたペレットの数、トリガ電子メールアラートのためのマウスからATA。

修正 。プロセス制御コードとTSsystemコードはオープンソースであり、広範囲にコメントしているので、ユーザーは自分のプロトコルを考案することができる。コー​​ドは補足資料で提供されているプロトコルは、唯一の欲求プロトコルです。彼らは行動を対象認知メカニズムの機能に依存するの定量的な側面を引き出すために、食品の報酬を使用しています。ただし、商用マウステスト室はフットショックによる恐怖条件付けを可能にし、構成で注文できます。したがって、システムは、頭出し、両方の文脈を実装し、プロセス制御および準リアルタイムデータ肛門の両方のために必要なコンピュータコードを書くことができるユーザーのための時刻恐怖条件付けができysis。補足資料で提供多くのコメントのコードファイルは必要な新しいコードの作成を容易にする必要があります。

制限 。認知の基本的なメカニズムは、空間と時間で自分自身を見つけるために、イベントの確率および付随するリスクを推定するために動物を可能にするものである。ここで説明する完全に自動化されたテストシステムは、時間で自分自身を見つけるために、マウスを使用可能なメカニズムの広範囲なテストを提供し、確率と付随するリスクを推定する。しかし、宇宙で自分自身を見つけるためにそれらを可能にするメカニズムについての非常に限られた情報を提供します。マッチングプロトコルとマウスは、試験ボックス内での位置に基づいて、それ以外は同一のホッパーを区別することができるかどうか、時限スイッチングプロトコル·テストの両方。しかし、例えば、これらのプロトコルのテストのいずれも、おなじみのスペース²⁶のジオメトリを使用して自分自身を配向する動物を可能にするメカニズムも ​​目マウスが実行されたどの程度まで測定し、それは推測航法¹⁸において中心的な役割を果たしているE走行距離計。

。技術の重要性はここに行動試験法は、5つの重要な方法で行動薬理学的および行動遺伝学の一般的な使用されているほとんどの他の技術と異なる記述：

まず、生理的に意味のある計測を行う。これらは同等の結果を分析した電気生理学的および生化学的なレベルで繰り返すことができるような間隔期間の表現の正確さと精度などの測定、である。生理的に意味のある行動の測定は、この分子あるいは細胞や回路レベルのメカニズムは、その行動のマニフェストメカニズムの神経生物学的実現であるフォームの安全なリンケージ仮説を確立する上で重要な役割を果たしている。例としては、分光感度機能や期間とPHAの行動計測であるこのような体内時計として発振器のES、。生理的に意味がありません、行動測定の多様な例としては、マウスが水迷路に沈めプラットフォームを見つけるために、ロータロッド上の平均待ち時間を掛けることができる時間の長さ、プラットフォームが以前にあった象限での水泳軌道の割合である見出され、それは、以前に試験チャンバ内のマウスがフリーズに衝撃を与えている時間の割合。

第二に、自動化された、大容量、高スループットの手順です。マウスは、試験の過程で処理されません。多くのマウスは、基本的な認知メカニズムについての定量的な情報を与えて、いくつかの異なるプロトコルの実行中に、最小限の時間の投資で、実験室のスペースの限られた量で同時にテストすることができます。ほとんどの行動試験は、それらを配置し、試験装置からそれらを削除するには、マウスの毎日の処理が必要です。最も人気のある手続きの一部（水迷路やコント例えばxtual恐怖条件は、）直前にマウスを扱う必要とし、各メジャーが取られた直後に、ビデオ記録の時間のかかる得点。

第三に、結果を分析し、準リアルタイムでグラフ化し、テストするためのテストからの進歩は、個々に各マウスについて自動的に行われます。これにより、各マウスからのアップツー時間データに照らして、マウスで、マウスを（決定基準を変更するなどして）プロシージャをチューニング可能にする。一般的に使用されるテストからのデータは、多くの場合、テストが実行されたずっと後に分析する。これは、それぞれの手順で同じ時間まとめてマウスを実行する必要があります。異なるマウスは、時間の大幅に異なる量の後に異なる手順を習得するので、これは無駄である。集合的検査時間が短すぎる行われた場合、いくつかのマウスは、タスクをマスターしていない、それは十分な長なされた場合、ほぼすべてのマウスがタスクを習得するように、いくつかのマウスははるかに長く必要以上に経営されています。

ENT」>第四に、TSsystemツールボックスのデザインは、プロトコルおよびパラメータがいずれかのテストのいずれかの時点で手術だったかについての不確実性と、戻って生データに公開された要約統計量やグラフから無傷、​​容易に追跡可能な証跡を確実にテストは各マウスから大量のデータ（タイムスタンプ付きのイベントの数千）を取得すると、マウス。多くの現在のテストは、各マウスについてはほとんどデータを取得し、その場合には、データ証跡が。短く、簡単に、その後、データ·トレイル。従うことがひどく断片化し、ハード、長くなることがあり、時間が経つにつれて、わずかに異なるプロセス制御コードファイルが生成され、多くの様々なデータ解析コードファイルが書き込まれ、別のコードファイルは、別の初期の結果のファイルを操作することによって、多くの異なった結果ファイルを生成します。それは彼らがすべて一緒に保存されていることを確認するために、さまざまな電子ファイルで困難な間の複雑な関係を把握することが困難になる。TSsystem、生データとはそれらから派生するすべて同じ階層データ構造に格納される。このように、公開された結果は、基礎となる生データから分離になることはできません。各セッションのためのプロセス制御コードが自動的にTSsystemソフトウェアと同じ実験内の全ての以前のプロセス制御コードの文字による文字と比較することによって読み出される。差がある場合は、新しいセッションのためのコードは、データと共に構造に格納され、そのプロセス制御のバージョンを識別する番号は、マウスでそのセッションのためにフィールドに自動的に入力される。このように、プロセス制御コードのすべてのバージョンが自動的にそのコードの実行から得られるデータと同じ構造に格納される。データはマルチバージョンプロトコルのどのバージョンから来たためにどのようにこのシステムでは、1はわからないことはありません。数は通常少ないデータ解析コードファイルも、解析が完了すると、この構造体に格納されてもよい。これは単一のD内のすべてを置くその分岐構造（どのように従属するものを）により、そのフィールド名の情報、多くの異なる種類の間の関係の両方を示しているATA構造。

第五に、一緒に要約を抽出し、グラフを構築するために使用される非常に高いレベルのデータ解析コマンドに関連するすべての情報が格納されているTSsystemのコアにおける階層データ構造は、研究室間の複雑な行動の表現型データの実現可能な共有を行う。単一の電子ファイルは、データ処理のすべてのレベルであり、まとめて、消化し、データをグラフ化するコンピュータコードに他の研究者に分かりやすい、悪用可能なアクセスを提供します。それは、豊かな古いデータの後の再分析が可能に設定します。また、大規模な利用可能な公共の行動と認知表現型データベースの作成を可能にする。

将来のアプリケーション。完全に自動化されたシステムは、実験室のコースに有用証明するかもしれIn個の動物行動。それはそうすることからマウスの適切な取り扱いの学生とその健康への可能な脅威についてアテンダント懸念多数の指示のますます厄介な問題をフィネス。それはこれまで、それらを扱うことなく、実際のマウスを用いた実験を設計し、実行するために、学生の多数を可能にします。教育用の使用のために、人は学生が考案したプロトコルで実行し、マウスを観察することができるように、テストボックスに小型で安価な赤外線ビデオカメラを置きたい場合があります。データが入ってくるように、クラウドに保存され、単一の階層データ構造内の生データの配置することで、多くの異なった学生は、同じデータを分析できるようになります

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)