Automatisert, Kvantitativ kognitiv / atferds Screening av Mus: For genetikk, farmakologi, Animal Cognition and Undergraduate Instruction

Summary

Helautomatisk system for måling fysiologisk meningsfulle egenskapene til de mekanismene som medierer romlig lokalisering, tidsmessig lokalisering, varighet, rente og sannsynlighet estimering, risikovurderinger, impulsivitet, og nøyaktighet og presisjon av minne, for å vurdere virkningene av genetiske og farmakologiske manipulasjoner på grunn mekanismer for kognisjon i mus.

Abstract

Vi beskriver en høy gjennomstrømning, høyt volum, helautomatisk, live-i 24/7 atferds testing system for å vurdere effekten av genetiske og farmakologiske manipulasjoner på grunnleggende mekanismer for kognisjon og læring i mus. En standard polypropylen mus boliger karet er koblet gjennom en akryl rør til en standard kommersiell musetesten boksen. Testen Boksen har tre sorteringsverk, 2 som er koblet til pellet matere. Alle er internt illuminable med en LED og overvåkes for hode oppføringer av infrarøde (IR) bjelker. Mus lever i miljøet, noe som eliminerer håndtering under screening. De får sin mat i løpet av to eller flere daglige fôring perioder ved å utføre i operant (instrumental) og Pavlovian (klassisk) protokoller, for der har vi skrevet protokoll-kontroll programvare og kvasi-real-time data analyse og grafer programvare. Dataene analyse og grafer rutiner er skrevet i en MATLAB-basert språk opprettet for å forenkle sterkt analyse av store tid-sdyttes atferdsmessige og fysiologiske hendelses poster og å bevare en full data sti fra rådata gjennom alle mellomliggende analyser til de publiserte grafer og statistikk innen en enkelt datastruktur. Den dataanalysekode høster dataene flere ganger om dagen og utsetter den statistiske og grafiske analyser, som er automatisk lagret i "skyen", og på in-lab datamaskiner. Således er utviklingen av individuelle mus visualisert og kvantifisert daglig. Den dataanalysekode snakker til protokoll-kontrollkoden, tillater den automatiserte forhånd fra protokoll til protokoll av enkelte fag. Den atferds protokoller implementert er samsvarende, autoshaping, tidsbestemte hopper-svitsjing, risikovurdering i tidsbestemt hopper-svitsjing, impulsivitet måling, og den biologiske påvente av mattilgang. Open-source-protokoll-kontroll og dataanalyse kode gjør tillegg av nye protokoller enkel. Åtte testmiljøer passe i en 48 cm x 24 cm x 78 i skapet, to slike cabinets (16 miljøer) kan styres ved hjelp av en datamaskin.

Introduction

Å bringe den kraftige teknikker for genetikk, molekylærgenetikk, molekylærbiologi, og neuropharmacology å bære på å belyse de cellulære og molekylære mekanismer som formidler grunnleggende mekanismer for kognisjon, trenger vi høy-volum, høy gjennomstrømning psykologisk screening metoder som kvantifiserer fysiologisk menings egenskaper av kognitive mekanismer. En psychophysically målbar, fysiologisk meningsfull kvantitativ egenskap ved en mekanisme som er en egenskap som kan måles med atferdsmessige midler, og også ved elektrofysiologiske og biokjemiske midler. Eksempler er absorbsjons-spekteret av rhodopsin, fritt-løpende periode av den biologiske klokken, og den refraktoriske periode av belønning axoner i mediale forhjernen bunt ^1,2. Psykofysiske målinger som kan sammenlignes med cellulære og molekylære målinger legge et grunnlag for å knytte cellulære og molekylære mekanismer til psykologiske mekanismer gjennom kvantitativ korrespondanse. For example, at den in situ absorpsjonsspektrum av rhodopsin i de ytre deler av stengene overlagret på det menneskelige scotopic spektral følsomhet funksjonen er et sterkt bevis for at foton-utløst isomerisering av rhodopsin er det første trinnet i scotopic syn. De kvantitative sidene ved komplekse atferdsmønstre er også sentral i bruken av QTL-metoder i atferdsgenetikk ^3,4.

Utførelsen av mus (og rotter) på veletablerte instrumentale og Pavlovian lærings protokoller avhenger av hjernemekanismer som måler abstrakte størrelser som tid, antall, varighet, rente, sannsynlighet, risiko, og romlig plassering. For eksempel kan hastigheten til anskaffelse av Pavlovian betingede responser er avhengig av forholdet mellom den gjennomsnittlige tid mellom de forsterkende hendelser (typisk, mat leveranser) og den gjennomsnittlige ventetid for armerings etter utbruddet av signalet for forestående forsterkning ^5-7. For en andre example, forholdet mellom gjennomsnittlig lengde på besøk til to matebeholdere i en samsvarende protokoll tilnærmet lik forholdet mellom satsene for forsterkning ved de to hoppers ^8-10.

De atferdsmessige testmetoder for tiden er i bred bruk av nevrologer som er interessert i de underliggende mekanismene er, for det meste, lavt volum, lav gjennomstrømning, og arbeidskrevende ^26. Dessuten har de ikke måler mengder som kan sammenlignes med mengdene målt ved elektrofysiologiske og biokjemiske fremgangsmåter, som for eksempel kan behaviorally målte perioder og faser av cirkadianske oscillatorer være i forhold til elektrofysiologiske og biokjemiske målinger av circadian periode og fase. Nåværende atferdstestmetoder fokusere på kategorier av læring, for eksempel romlig læring, temporal læring, eller frykt læring, snarere enn på de underliggende mekanismene. Den brukte vann labyrint test av romfølelse ^11-15 er et eksempel på disse shortcomings. Romlig læring er en kategori. Læring i denne kategorien er avhengig av mange mekanismer, hvorav den ene er mekanismen av bestikkregning ^16,17. Utregnings er igjen avhengig av kilometertelleren, den mekanismen som måler avstand løp ^18. Tilsvarende er tidsmessig læring en kategori. En biologiske klokke er blant de mekanismer som læring i den kategorien avhenger, for en oscillator med en omtrent 24-timers periode er nødvendig for dyrene å vite tidspunktet på dagen til hvilken hendelser inntreffer ^17,19. Klokken som gjør at maten forventning har ennå ikke oppdaget ^19.

En klokke er en tidsmålemekanisme. Endogene oscillatorer med et bredt spekter av perioder tillate hjernen for å lokalisere hendelser i tid ved å registrere fasene til disse klokker ^16,17. Muligheten for å registrere steder i tid muliggjør måling av lengder, det vil si avstanden mellom lokasjoner i tid. Assosiativ læring er avhengig av than hjernens målinger av varig ^5,6,20,21. Tellere er nummer-målemekanismer. Antall måle muliggjør sannsynlighetsestimering, fordi en sannsynlighet er forholdet mellom numerosity av et delsett og numerosity av super. Antall måle og varighet måle aktiver hastighet estimering, for en sats er antall hendelser dividert med varigheten av intervallet over hvilke det tallet ble målt. Målinger av varighet, antall, grad, og sannsynligheten aktiver atferds justeringer til endringer i risikobildet. ^22,23 Vår metode fokuserer på å måle nøyaktighet og presisjon av disse grunnmekanismer. Nøyaktighet er i hvilken grad hjernens tiltaket tilsvarer et objektivt mål. Nøyaktighet er variasjonen eller usikkerhet i hjernens mål på en fast objektiv verdi, for eksempel en fast varighet. Weber lov er den eldste og mest sikkert etablerte resultat i psykofysikk. Det hevder at presisjonen ihjernens mål på en mengde er en fast del av dette beløpet. Weber Fraction, som er statistiker variasjonskoeffisient i en fordeling (σ / μ), måler presisjon. Forholdet mellom den midlere psyko (f.eks betyr bedømt varighet) til målet middelverdien (midlere objektiv varighet) er et mål på nøyaktigheten.

Metoden som er presentert her maksimerer volum (antall dyr som blir vist på et gitt tidspunkt i en gitt mengde av lab plass), og gjennomløp (mengden av informasjon som er innhentet dividert med den gjennomsnittlige varighet for screening av et enkelt dyr), samtidig som mengden av human arbeidstimer som kreves for å gjøre målingene og maksimere umiddelbare som resultatene av screeningen blitt kjent.

Dataene-analyse programvarearkitektur presenteres her setter rådata og alle de summariske resultater og statistikk utledet fra data sammen i en enkelt d automatiskata struktur, med feltoverskriftene som gjør forståelige de enorme havområdene nummerpar inneholdt. Det analytiske programvare fungerer bare på data i strukturen, og alltid lagrer resultatene av sin virksomhet i felt innenfor den samme strukturen. Dette sikrer en intakt sti fra rådata til publiserte sammendrag og grafer.

Programvaren automatisk skriver inn i strukturen de eksperiment-kontroll programmer som styrte det fullt automatisert testing, og det indikerer automatisk hvilke rådata kom fra hvilket program. Dermed bevarer det en upåklagelig data sti, med ingen tvil om hvilken eksperimentelle forholdene var i kraft for hvert dyr på hvert punkt i testingen, og ingen tvil om hvordan de summariske statistikken ble avledet fra rådata. Denne metode for data bevaring i stor grad forenkler utviklingen av standardiserte atferds screening databaser, slik at det er mulig for andre laboratorier for ytterligere å analysere disse rike datasett.

Screeningsystemet er skjematisert i figur 1. Ti skap, kan hver inneholder 8 testmiljøer settes opp i en 10 fot x 15 fot laboratorium rom, slik at 80 mus to kjøres på en gang. Kabler som passerer gjennom en port i et parti veggen skal koble miljøene til de elektroniske / elektriske grensesnittkort og PC-er i et annet rom. PCene kjøre protokoll-kontrollprogrammer. En datamaskin er nødvendig for hver to skap (16 testmiljøer). PC-ene må kobles til via et lokalt nettverk til en server som kjører data-analyse og grafer programvare.

Protocol

De tre helautomatiske protokoller i TSsystem (matching, appetitive instrumental og klassisk betinging) og bryteren protokollen har blitt godkjent av Animal Care and Facilities Utvalget ved Rutgers New Brunswick.

En. Sette opp det fysiske systemet

1. Sett opp testmiljøer i kabinettene (se figur 1).
2. Installer eksperimentet-kontroll programvaren som følger med testmiljøer på protokoll-kontroll datamaskiner.
   Merk: Ikke bruk disse datamaskinene til andre formål!

2. Sette opp Software System

1. Sett opp LAN (Local Area Network), slik at serveren der data-analyse programvare er installert kan få tilgang til harddisker på datamaskinen (e) som kontrollerer testmiljøer (se figur 1).
2. Etablere en fil-synkronisering konto for datalagring i "skyen".
3. Put den TSsystem mappen og dens undermapper på søke banen til kommersiell programmeringsspråk i en sky-synkronisert mappe.
   Merk: TSsystem er en programvareverktøykasse, det vil si et bibliotek med over 30 høyt nivå funksjoner som letter etableringen av komplekse data-analyse og data-graf kode som automatisk behandler data når det er høstet fra utgangs filer generert av eksperimentet-kontrollprogram. Alle kommandoer som opererer på dataene i felt av Eksperiment struktur og sette resultatene i andre felt i den samme strukturen (se figur 2). Disse open-source-kommandoer er skrevet i en av de mest brukte kommersielle vitenskapelig programmering og grafiske språk. Det har mange andre "verktøykasser", inkludert de fleste nyttig en statistikk verktøykasse.

Tre. Starte et eksperiment

1. Ring TSbegin (se figur 3).
   Merk: TSbegin er en interactive GUI (G raphic U ser jeg nterface) i TSsystem verktøykasse. Det fører brukeren gjennom prosessen med å lage den hierarkiske datastruktur der rådata og alle resultatene utledet fra den vil bli plassert ved de andre funksjonene i TSsystem verktøykasse.
2. Ring TSaddprotocol (se figur 4).
   Merk: TSaddprotocol er et GUI i TSsystem verktøykasse. Det fører brukeren gjennom prosessen med å spesifisere styringsparametrene for en eksperimentell protokoll, med angivelse avgjørelse kode som vil automatisere beslutningen om å si opp protokollen og gå videre til den neste, og med angivelse av beslutningskriterier som skal brukes.
3. Plasser mus i de 24/7 live-i testmiljøer, en mus per miljøet.
   Merknader: Vær nøye med å merke seg at ID-nummeret til mus som går inn i hver av de nummererte eksperimentelle miljøer (ramme 1, Boks 2, osv.). Vær også oppmerksom på brevet som identifiserer eksperimentet-kontrolldatamaskin på Local Area Network (LAN) og IP-adressen.
4. Ring TSstartsession (figur 5).
   Merk: TSstartsession er et GUI i TSsystem verktøykasse. Det fører brukeren gjennom prosessen med å starte en eksperimentell økt. Eksperimentelle økter vare en eller to uker, hvor flere forskjellige atferds testing protokoller kjøres. TSstartsession lagrer informasjon som går inn i makro at protokollen kontroll programvare leser når en økt er i gang. Inkludert er banen til og navnet på kodefilen at protokollen kontroll programvare leser. TSsystem er analytisk programvare leser denne koden inn i den hierarkiske datastruktur, så det er aldri tvil om den eksakte protokollen til enhver tid.
5. Gå til kontroll datamaskiner og kaller makroer skrevet til MedPC mappen, for å starte økten for boksene som kontrolleres av datamaskinen.

4. Data Analysis

1. Hvis du har opprettet en ny protokoll, skriver passende data-analyse og grafer koden ved hjelp av kommandoene i TSsystem verktøykasse, som i stor grad forenkle opprettelsen av komplekse dataanalyser.
   Merk: Data-analyse og grafer kode for de tre protokoller hvis resultatene er beskrevet nedenfor er inkludert i TSsystem kassen. Fordi de er åpne kilde, kan de modifiseres etter ønske. Koden for disse analysene er mye kommentert, noe som gjør det enklere å lage kode for å analysere resultatene fra brukerdefinerte protokoller.
2. For varigheten av forsøket (24 hr til mange uker), overvåke e-post for varsler fra serveren som indikerer mulig feil på utstyret (strømbrudd, spontane, kontroll-maskinen starter på nytt, feil pellet mater, etc.), som TSsystem data-analyse Programmet oppdager.
3. Studer plott av ytelse at data-analyse kode skrevet i TSsystem produserer hver gang det kalles av the analyse timer (typisk 2-4 ganger / dag).
   Merk: Analysen timeren kaller data-analyse og grafer program på brukerdefinerte intervaller. Den heter programmet er skrevet med funksjoner i TSsystem. Den leser inn den hierarkiske datastruktur rådata høstet fra filen som protokollen-kontroll programvare skriver. Deretter, analyserer den dataene og diagrammer resultatene av analysene. Filen inneholder hierarkisk datastruktur er lagret i en fil-synkronisering mappe i skyen. Dette gir automatisk off-site backup. De automatiske fil-synkroniserings lagrer kopier av strukturen fil på datamaskinene til alt personell og samarbeidspartnere som har fått tilgang til. Spesifiserte grafer blir automatisk sendt til spesifiserte personell og samarbeidspartnere. En rektor etterforsker kan overvåke fremdriften av testing fra hvor som helst i verden til enhver tid, og, om nødvendig, revidere den eksperimentelle protokollen, på linje, fjernt fra site hvor mus blir testet.
4. Bruk TSbrowser å studere data og sammendrag statistikk i den hierarkiske datastruktur som de blir tilgjengelige, i kvasi sanntid (se figur 2).

Representative Results

Systemet kan og bør brukes til å kjøre protokoller tilpasset målene til den enkelte etterforsker eller klasserom lærer. Men, har vi utviklet en pakke med tre protokoller som skal vise seg nyttig i stor skala screening av genetisk manipulerte mus og storskala farmakologisk testing: matchende protokollen, den 2-hopper autoshaping protokollen, og bryteren protokollen. Det tilsvarende protokoll måler musens evne til å anslå inntekter (mat pellets per tidsenhet) på to forskjellige steder, for å huske hvilken plassering avkastning som inntekt, for å matche forholdet mellom dets gjennomsnittlige besøk varig til forholdet mellom inntekter og hurtighet som oppdager det og tilpasser seg endringer i forhold til inntekter. De to-hopper autoshaping protokoll måler utbredelsen av instrumental og klassisk betinging (assosiative lærings priser). Bryteren protokoll tiltak intervall timing nøyaktighet og presisjon, evne til å beregne sannsynligheter (relative frekvenser)og for å tilpasse seg endringer i sannsynligheter (risikovurdering). Det gir også et mål for impulsivitet.

Matching. De forer i hver av de to sidebord (matebord) uavhengig av hverandre er armert med en eksponentielt varierende forsinkelse etter hver pellet levering. En pellet leveres når materen er bevæpnet og musen utløser pellet utgave ved poking inn i beholderen, og dermed avbryte den infrarøde (IR) strålen. Intervallene som skal gå før neste tilkobling er hentet fra eksponensielle fordelinger, hvis forventningene er angitt i parameterfilen (Tabell 1). I denne protokollen, mus raskt begynne å sykle mellom de to fôrings hoppers, poking en stund i ett, deretter flytte til den andre, og deretter tilbake til den første. Forholdet mellom den gjennomsnittlige varigheten av deres opphold på de to trakter tilnærmet svarer til forholdet mellom pelletene pr min at de innhenting av de to trakter (NB Pellets pr min imiljøet, som er de "inntekter" fra hoppers, ikke pellets per min av poking inn i beholderen, som er de "tilbake" fra sine investeringer i de to hopperne). Dermed, hvis de får i gjennomsnitt tre ganger så mange pellets fra Hopper en som fra Hopper 2, da den gjennomsnittlige varigheten av et besøk i Hopper 1 er omtrent tre ganger så lang som den gjennomsnittlige varigheten av et besøk i Hopper to. Vi kjører denne protokollen først på grunn av hurtighet som samsvarende atferd vises ^åtte. Det er vanligvis målbar i løpet av de første 24 timer av tester, bortsett fra, selvfølgelig, i en og annen mus som er for sky å gjøre beholderne i løpet av de første 24 timer.

Matchende oppførsel innebærer at mekanismene for måling av varighet og antall og databehandling relative priser er intakt, som er de romlige lokalisering mekanismer som gjør en mus til å assosiere riktig de to forskjellige priser med de to forskjellige hopper steder. Således, er det en utmerket hurtigtest av basis kognitiv funksjon. Presisjonen som en mus matcher forholdet av sin forventede besøksvarig til forholdet mellom de erfarne inntekter er en indikasjon på presisjonen som mus kan representere mengder.

Presisjonen som en mus kamper er grafisk visualiseres ved i hvilken grad to samtidig tegnet inn kumulative poster har samme skråningen (Figur 6). En kumulativ record den cumulating summen av en serie med målinger. I dette tilfellet er et plot (de røde i figur 6), den kumulative registrering av pellet-for-pellet overskudds ubalanse måle, og den andre (de svarte i figur 6) er den kumulative registrering av pellet-for- pellet besøk-ubalanse tiltaket. For en enkelt inter-fôring intervall, er inntekten ubalanse enten -1 eller 1 avhengig av om pellet oppnådd ved avslutningen av intervallet kom fra Hopper 1 (ubalanse = -1) eller 2 (ubalanse =1). Skråningen av den kumulative registrering av disse ubalansene er gjennomsnittlig inntekt ubalanse (ubalansen per fôring). Hvis du er i 10 intervaller, blir musen fem pellets fra Hopper 1 og 5 fra Hopper 2, deretter den gjennomsnittlige inntekten ubalanse over det de 10 inter-fôr intervaller er , Hvis alle 10 pellets kom fra Hopper 2, så det er , Og hvis alle 10 kom fra Hopper en, så er det . Således kan det gjennomsnittlige resultat ubalanse variere -1 til 1, og den er 0 når det er i gjennomsnitt ingen ubalanse. Besøket ubalanse under en inter-fôring intervallet er tiden brukt på Hopper 2 (T 2) minus den tid brukt på Hopper 1 (T 1), divided med summen av de to ganger. For en enkelt inter-fôring intervall, kan dette tiltaket ta på en verdi mellom -1 og 1, i motsetning til inntekt ubalanse, som må være enten -1 eller 1. Men skråningen av den kumulative registrering av dette tiltaket reflekterer gjennomsnittlig verdi, akkurat som tilfellet er for inntekts tiltaket. Når de to bakkene i de to kumulative poster (den røde og den svarte poster i Figur 6) er lik, lik den gjennomsnittlige besøket ubalanse gjennomsnittlig inntekt ubalanse, noe som betyr at musen er samsvarende forholdet mellom dets gjennomsnittlige besøk varig til forholdet av sine inntekter fra de to hopperne.

For tre av musene i figur 6 (5027, 5015, og 5024), skråningen av den kumulative besøk ubalanse tomten (svart) spor tett skråningen av akkumulert inntekt ubalanse (rød), som indikerer nesten perfekt matching av forholdet mellom Gjennomsnittlig besøkstid varig til forholdet mellom inntekter. Legg merke til hvor raskt forholdetbesøket varig venne seg til endringen i forholdet mellom inntekter, på det punktet med nedadgående bøyning. På den annen side, mislyktes Mouse 5034 (nederst til venstre plot) for å matche i løpet av andre fôring økten; skråningen av den kumulative besøk varighet ubalanse tomten (svart) er 0, mens helningen på inntekt ubalanse (rød) er vesentlig positiv. Men under den tredje matefase (etter den sort vertikal), bakkene er parallelle, det vil si at denne musen begynte brått ved begynnelsen av denne fase for å samsvare med den besøk-forhold til Graden. Åpenbart, derfor, det var ikke i stand til å gjøre det, men gjorde ikke det for noen grunn i løpet av en del av testingen. Dette illustrerer viktigheten av å visualisere hele løpet av ytelse fremfor å stole helt på noen oppsummerende statistikk. Mouse 5028 matchet nettopp i den første av inntekter, men når det ble reversert, gjorde det ikke fullt reversere. Mouse 5025 "overmatched" i ^3. feeding fase (etter grønn vertikal), det vil si gjennomsnittlig besøk ubalanse var større enn den gjennomsnittlige inntekten ubalanse, og det gjorde ikke fullt justere til reversering av inntekten ubalanse. Men legg merke til at alle seks mus, både de tre wild typer og de tre heterozygotes matchet med presisjon under den aller første 4-timers fôringsfasen. Legg også merke til at disse postene dekker bare 36-48 timer (1,5-2 dag / natt syklus med to fôring faser / syklus), der man observerer ikke bare innledende matching, men en brå respons til tilbakeføring av inntektsforhold. Som forklart tidligere, demonstrerer dette intakt funksjon i heterozygotes av mange grunnleggende mekanismer for kognisjon, for vidd, varighet estimering, nummer estimering, sats estimering, romlig lokalisering (av inntekt priser til sjakt), og evnen til å huske enkle abstrakte størrelser. De kvantitative resultatene, som er typisk, er hentet fra automatisert testing i en live-i miljøet, med ingen håndtering av mus utover deres opprinnelige plassering i miljøet.

Som det fremgår i figur 6, mus overens med forholdet mellom deres lengder besøk til forholdet av inntektene så snart de begynner å sykle mellom beholderne. Hurtighet som musen begynner å sykle mellom hoppers er et mål på hva som kan bli kalt sin dristighet eller tendens til å utforske. Dette er visualisert ved å plotte den kumulative registrering av sykluser, det vil si det antall sykluser gjennomført som en funksjon av økt tid. Figur 7 viser disse plottene for samme musene som på figur 6.. Fem av de seks viste noen leting før utbruddet av den første fôringsfasen og begynte brått å sykle mellom hoppers så snart det begynte. En mus, men (nederst til venstre), viste ingen utforskende atferd i det hele tatt (ikke en eneste syklus) før midtveis i ^2. fôring fase, og da begynte det brått å sykle mellom hopperne.

. t "> Instrumental og klassisk betinging tradisjonell læringsteori skiller mellom to typer assosiativ læring:.. klassisk betinging (også kalt Pavlovian condition) og instrumental condition (også kalt operant betinging) Den fysiologisk menings parameter i begge tilfeller er læringshastighet Dette er antatt å måle hurtighet som synaptiske styrker blir justert som reaksjon på sammenkoblingen av to sensoriske hendelser klassisk kondisjonering (f.eks beholder belysning og mat levering), eller som reaksjon på sammenkoblingen av en SR hendelse og en forsterkende hendelse i instrumentkondisjone. The læring frekvensen måles ved den gjensidige av prøvelser-til-oppkjøpet, som er, det lærer antall motstandere før utseendet på betinget atferd. Våre andre protokollen måler disse prisene. også fagene fôring ventetider må forventes ved to pellets-levere hoppers, der kunnskap er testet i den tredje protokollen.

En pretrial i denne protokollen begynner med belysning av mellombeholderen, en hvor pelletene aldri levert, fordi det ikke er noen pellet mater for det (se diagram av test Box, øverst til høyre i figur 1). Når musen kakker inn den opplyste middelbeholderen, lyset der går ut, og en tilfeldig valgt en av de to som flankerer hoppers lyser. Hvis det er venstre hopper som lyser, deretter en pellet leveres det 4 sek etter belysning, uavhengig av hva musen gjør. Hvis det er riktig hopper som lyser, deretter en pellet leveres det 12 sek etter belysning, uansett igjen av hva musen gjør. Således er den stikker inn i den belyste middelbeholderen medvirkende til å initiere en prøve, når dette beholderen er tent, noe som skjer videre før musen Pokes i den; musen skal stikke inn i denne beholderen for å få en pellet. Når mus har gjort dette instrumentrespons, vil en pellet være levereed i hvilken beholderen deretter tennes, ved levering latens særegne for at beholderen, uavhengig av hvorvidt musen går til beholderen eller ikke under det tidsintervall det tar før pellet levering.

Programvaren gjør automatisk tre tomter for ytelse i denne oppgaven: 1) den kumulative rekord av prøvestart hastighet (Figur 8), den kumulative fordelingen av prøving initiering ventetider (Figur 9) og den kumulative registreringer av CS-ITI rote-rate forskjeller (figur 10). Og, stammer det fra disse postene tre sett med sammendrag statistikk: 1) studier til oppkjøpet av instrumental respons (instrumental læring rate), 2) median prøveoppstart ventetid, og 3) studier til oppkjøpet av gripe poking inn både på kort -latency og de lange-latency fôring Beholderne (autoshaped, det vil si klassiske lærings priser).

Tidsbestemte beslutninger. Den tredje protokollen erden "bryteren" protokollen først brukt med duer ved Fetterman og Killeen ²⁴ og tilrettelagt for musen ved Balci et al ^22. Som i den forrige protokollen, er studier initiert når musen kakker inn den opplyste middelbeholderen. Men i denne protokollen, lyser denne rettssaken-initiere dytt begge flanke hoppers, hvorav den ene er stille og tilfeldig valgt av datamaskinen som "hot" hopper for at rettssaken. Forings latencies forbundet med de to trakter er de samme som i det foregående protokollen (4 sek og 12 sek). Imidlertid gir bare den varme trakten, og den leverer bare som svar på en rote gjort det ved eller etter "sin" mating latens. Hvis den korte forsinkelse beholderen er varm, og hvis musen står til at beholderen ved slutten av den korte forsinkelse, den første rote gjort det ved eller etter at ventetid leverer en pellet i den beholderen. Dersom den lange ventetid beholderen er den varme trakten, og deretter den første rote gjort det ved eller etter lang latency leverer en pellet inn som hopper. Mus raskt lære å gå først til kort ventetid hopper på de fleste studier, og deretter, på "lange" prøvelser, bytte til lang ventetid hopper når poking på kort ventetid hopper ikke klarer å levere en pellet ved avslutningen av den korte ventetid på 4 sek. Musen henter sitt pellets på det store flertallet av studier. Imidlertid, hvis den forblir for lenge i den korte forsinkelse beholderen på en lang prøveperiode, med det resultat at den første rote ved eller etter den lange ventetid er i feil beholderen, ender forsøket uten en pellet levering. Tilsvarende, hvis den slår tidlig på kort ventetid rettssaken, slik at den første dytt på eller etter kort ventetid er i feil (lang ventetid) hopper, avslutter rettssaken uten pellet levering. De data av interesse er ventetider for bryterne på de lange forsøk, som er definert som den avslutning latens for den siste rote opp i korte beholderen før første rote inn i det lang beholderen.

I dette paradigm, varierer vi på lang ventetid. Vi starter med en lang ventetid på 12 sek, noe som er tre ganger den 4 sek kort ventetid, fordi mus lære å bytte grøt raskere når oppgaven er gjort så lett. Vi deretter forkorte lang ventetid til 8 sek eller enda til 7 sek eller 6 sek for å teste hvor tett musene kan tiden sin veksling (se Figur 11). Målingen av tidspresisjon er variasjonskoeffisient i Gauss-komponenten av fordelingen av bryterventetider. Gauss variasjonskoeffisienten er forholdet mellom standardavviket og gjennomsnittlig (σ / μ i Figur 11).

Vi varierer også sannsynligheten for en lang rettssak, og dermed varierende den relative risikoen for å bytte tidlig versus bytte for sent. Når sannsynligheten for en lang rettssak er høy, er risikoen som påløper ved en for tidlig avgang fra den kort hopper redusert, fordi på en lang rettssak, spiller det ingen rolle hvor fort muse brytere. Videre risikoen incurred av en altfor sen avgang er tilsvarende forhøyet. Motsatt, når sannsynligheten for en lang rettssak er lav, den relative risikoen for en for tidlig avgang versus en altfor sen avreise skifter i motsatt retning. En rasjonell Beslutningstakeren skal forskyve fordelingen av dens brytere, slik som å sette likhetstegn mellom ca risiko, som er det musene faktisk gjøre ^22,23 (fig. 12). Måling skiftene indusert ved å endre sannsynligheten for en lang prøveperiode vurderer mus evne til å anslå sannsynligheten (av en lang versus en kort prøveperiode), for å beregne variasjonen i fordelingen av sine brytere, og for å beregne de relative risiko som følger av disse to kilder til usikkerhet.

Impulsivitet. Fordelingen av bryter latencies er en blanding fordeling. I de aller fleste mus under de fleste forhold, er fordelingen dominert av bryterventetider fra en Gaussisk fordeling, som i figur 11. Hvordannoensinne, er det ofte en liten del av "impulsive brytere," som forekommer mye for tidlig, synes ikke å være nøye timet, og er helt klart ikke optimalt (i motsetning til Gaussian komponent, som er omtrent optimalt plassert mellom de time målstengene, som kan sees i figur 11). Hyppigheten av disse impulsive brytere varierer påfallende mellom mus og med forholdene. Å gjøre den lange rettssaken høyst sannsynlig øker sin frekvens i de fleste mus, som gjør noe som gjør oppgaven vanskeligere ved å flytte lang ventetid nærmere kort ventetid (se Figur 11). Fordelingen av bryter latencies kan nesten alltid passe med imponerende nøyaktighet ved en "weibgauss"-funksjon, som er en blanding av en Weibull-fordeling og en Gaussisk distribusjon. Tiltaket av impulsivitet er den brøkdel av bryterne kalkulatoriske til Weibull fordeling.

Circadian Minne. Dyr ta opp i minnet tidenav dagen (fase av deres biologiske klokke) på hvilke motivasjons viktige hendelser skje ^17. Når den samme hendelsen gjentar seg rutinemessig på omtrent samme circadian fase, begynner deres oppførsel å forutse sin gjentakelse. En vanlig studert indikasjon av denne evnen til å huske og dermed forutse en daglig gjentakelse er fôring-gripe oppførsel ^25. Vi måler dette mens du kjører ovenfor beskrevet (eller nesten alle andre) protokoller, ganske enkelt ved å begrense intervallene der musene kan få pellets til to fire timers intervaller rundt skumring (hus lys ut) og daggry (huset lys på). I andre intervaller, musene fortsatt i testmiljøet, men ingen protokoll er operative. Dermed får de pellets bare i løpet av de planlagte fôringsintervaller. I et sted mellom 6-15 dager etter begynnelsen av testing, vises forutse poking aktivitet i timen eller så før skumring fôring intervall (Figur 13). Den circa-skumring fôring iintervallet starter uten noe signal én time før slokking av huset lys (skumring).

På de dagene da 3/4 av de atferdsmessige hendelser oppstår under finalen 1/3 av den 9-timers fase lende mattilgang før utbruddet av skumring fôring fase, teller vi det som en forekomst av mat-gripe aktivitet. Grepet aktivitet således mottok (blå stjerner i Figur 13) ikke forekommer i løpet av de første dager med testing. Vårt mål på "prøvelser" (dager)-til-oppkjøp av circadian mat-gripe aktivitet er dagen etter der frekvensen av gripe aktivitet viser første statistisk signifikant økning.

Figur 1. Skjematisk av screening system. Hvert kabinett inneholder8 testmiljøer, som hver består av en polypropylen mus kar forbundet med en akryl rør til en mus Test boks med tre Beholderne (H) overvåkes av IR-stråler, hvorav to hoppers har festet pellets matere (P). En enkelt PC (I-lab datamaskiner) kjører en protokoll-kontrollprogram som styrer miljøer i to slike skap (16 miljøer) og logger tidsstemplede registreringer av stimulus og respons hendelser. En enkelt protokoll-kontrollprogram implementerer alle de forskjellige protokoller. Hvilken protokoll er operativt og med hvilke parametre er bestemt av innholdet i en tekstfil (Param File), som blir lest regelmessig av protokoll-kontrollprogram. Endre innholdet i denne tekstfilen endrer operative protokollen. Protokollen-kontrollprogram skriver hendelsen posten hver 10 min til en annen tekstfil. Den TSsystem data-analyse programvare, kjører på en ekstern server, høster data hvert 15 min. Med jevne mellomrom (vanligvis hver 8 eller 12 timers), utfører det en omfattende statistiskog grafisk analyse av data innhentet så langt og setter resultatene i filer på en sky-synkronisering lagringssted, hvor de kan nås av noen i laboratoriet når som helst fra hvor som helst. Den analyseprogramvare flyttes automatisk individuelle mus videre til neste protokollen i en bestemt serie av protokoller ved å skrive nye parametre til parameterfilen (param fil) blir lest av protokoll-styreprogram. Det gjør det når dataene fra at mus møte brukerdefinerte beslutningskriterier. LAN = Local Area Network. Klikk her for å se større bilde .

Figur 2A. Skjermbilde av TSbroswer GUI. Nettleseren gjør surfing gjennom komplekse hierarkiske data file som inneholder de rå data, og alle resultatene utledet fra det. Funksjonene i TSsystem operere på dataene i felt av denne strukturen og lagre resultatene i andre felt i den samme struktur. Underordnet feltene på alle nivåer, men den laveste er terminal datafelt inneholder oppsummerende statistikk, notater og numerisk indeksert lavere nivåer: Rektoren numerisk indeksert lavere nivåer er: Emne-nivå, sesjonen nivå, og Trial nivå (se påfølgende paneler i dette tallet). Klikk her for å se større bilde .

Figur 2B. Skjermbilde av nettleseren etter valget av et fag. I venstre vindu lavere er data fields direkte underlagt det emnet. De inneholder sammendrag statistikk for det emnet. I Sessions vinduet er de tallmessig indeksert økter for dette temaet og andre felt som, i likhet med Session-feltet, har underordnede felt av sine egne. Den MacroInfo feltet har delfeltene som gir informasjon om protokollen-kontroll makro, inkludert banen til og filnavnet koden filen leses av prosesskontrollprogramvare i starten av en økt. Protokoller feltet har delfeltene gir parametrene i de ulike protokoller kjøre med gjeldende sesjon, beslutnings felt som inneholder data som beslutningen om å si opp en protokoll er basert, den koden som gjør at beslutningen og beslutningskriterier. Velge et datafelt i vinduet til venstre nedre viser data i det feltet i nedre høyre vinduet. Klikk her for å se større bilde .

Figur 2C. Skjermbilde etter valg av en økt. Feltene umiddelbart underordnet den valgte økten vises i det venstre vinduet lavere. Blant disse feltene er de som inneholder rådata og underavdelinger av disse, og de som inneholder sammendrag statistikk hentet fra disse rådata. Når et datafelt i dette vinduet er valgt, er innholdet som vises i vinduet nederst til høyre. I dette skjermbildet, har feltet inneholder rådata fra sammenstillings protokollen er valgt. I Trial Type vinduet til høyre for økten vinduet vises typene prøvetur i den valgte økten. En "prøveperiode" er noen brukerdefinert sekvens av ikke-nødvendigvis sammenhengende hendelser som definerer flere strekninger av data som skal analyseres for thei r innhold. Brukeren kan definere vilkårlig mange forskjellige typer studier. Klikk her for å se større bilde .

Figur 2D. Skjermbilde av nettleseren etter valget av en prøvetype. Den numerisk indeksert studier av denne typen vises i Trials vinduet. Som alltid, datafeltene umiddelbart underordnet det valgte feltet vises i det venstre vinduet lavere, og hvis en av disse feltene er valgt, er innholdet som vises i nedre høyre vinduet. Klikk her for å se større bilde .

måter ">
Figur 2E. Skjermbilde av nettleseren etter valg av en individuell utprøving. Datafeltene underordnet det vises i det venstre vinduet lavere og, hvis en av disse feltene er valgt, er innholdet som vises i nedre høyre vinduet. Blant feltene automatisk inkludert i hver prøve er felt spesifiserer økten tidspunktet da rettssaken begynte, økten tid hvor det endte, dens varighet, og radnumrene i rå datafil som kompass rettssaken. De andre (her 'Pokes,' 'NumPks', og 'AutoLngPkRate' felt er brukerdefinert. Innholdet i alle feltene er beregnet fra rådata lagret i et felt på møtet nivå. Klikk her for å se større versjonimage.

Figur 3. Skjermbilde av den opprinnelige meldingen fra TSbegin. TSbegin bruker meldingene til å lede brukeren gjennom prosessen med å lage den hierarkiske datastruktur der rådata og alle sammendrag statistikk og andre resultatene utledet fra disse data vil gå. Klikk her for å se større bilde .

Figur 4. Skjermbilde av hjelp for TSaddprotocol. Denne interaktive GUI leder brukeren gjennom prosess om å skape en ny versjon av en forsøksprotokoll. For å gjøre dette, må brukeren oppgi nye verdier for parameterne for at protokollen (for eksempel nye verdier for de samtidige variabelt intervall tidsplaner i matchende protokollen). Brukeren må også angi (eller velge tidligere angitt) koden for din beslutning om å si opp protokollen og gå videre til neste protokoll. Brukeren må også angi (eller velge tidligere spesifiserte) beslutnings felt og beslutningskriterier. Klikk her for å se større bilde .

Figur 5. Innledende spørsmål fra TSstartsession. TSstartsession er en interaktiv GUI som leder brukeren gjennom prosessen med å starte en experimental sesjon. En sesjon vanligvis går fra en dag eller to til flere uker, med flere forskjellige protokoller (oppgaver) som utføres i løpet av den ene økten. Klikk her for å se større bilde .

Figur 6. Kumulative ubalanse tomter til inntekt (pellets, i rødt) og besøke varighet (i svart) for tre villtype mus og tre L1 heterozygotes. Den relative rikdom av de to samtidige VI tidsplaner ble reversert på det punktet der bakkene slå nedover (markert med vertikal stiplet rød linje). Muse ID-numre er på hver tomt. De grønne vertikaler markerer utbruddet av skumring fôring fase; de ​​svarte vertikaler markere utbruddet av daggry fôring phase. ER (for error) verdier er forskjellene i skråningen mellom inntekt tomten og besøket varighet tomten. Disse ubalanse feil er dobbelt feilen i Herrnstein brøkdel. Den Herrnstein inntekt brøkdel er andelen av totale inntekter hentet fra en hopper; besøket varighet brøkdel er andelen av totale tiden brukt på en hopper (i forhold til kombinert tid brukt på begge sjakt). Et positivt tegn indikerer "overmatching", det vil si, er mer ekstrem enn den inntekten brøkdel tiden fraksjon; et negativt fortegn indikerer "undermatchende", det vil si den tiden brøkdel er mindre ekstrem enn inntekts brøkdel. For detaljer om disse eksperimentene se Gallistel et al ^28. Klikk her for å se større bilde .

Figur 7. Kumulative sykluser (Hopper ett besøk, etterfulgt av Hopper to besøk, etterfulgt av en retur til Hopper 1) versus testing tid for de samme seks mus som i figur 6. Stiplede grønne vertikaler markere onsets av fôring faser;. Solide røde vertikaler, forskyvninger Klikk her for å se større bilde .

Figur 8. Kumulative poster med prøving-initiering hastigheter ved instrumental / klassisk betinging protokollen, samme seks mus som i figur 6 og 7. Den korte tunge vertikale stiplede linjene markerer oppkjøpet rettssaken i hver post, definert som den første rettssaken der var det en significa nt økning i gjennomsnittshastigheten til en verdi som er større enn den gjennomsnittlige hastigheten i den første delen av posten. Klikk her for å se større bilde .

Figur 9. Kumulative fordelinger av prøve initiering ventetider, samme mus som i tidligere tall. De distribusjoner har blitt avkortet ved 0,7, fordi det er ekstremt lange initiering ventetider fra studier når musen ikke var til stede i testboksen når rettssaken-initiering hopper lyser opp, eller musen ble mett. Det punkt over x-aksen ved hvilken den horisontale linje ved 0,5 skjærer den kumulative fordelingen er median ventetid for å initiere en prøve.51047/51047fig9highres.jpg "target =" _blank "> Klikk her for å se større bilde.

Figur 10. Kumulative registreringer av forskjellene mellom poking rente under belysning av en fôring hopper og poking rate i løpet av foregående intertrial intervall. Samme muse som i tidligere tall. Til å begynne med er stigningstallet til denne posten 0 eller negativ, fordi den mindre mus pokes under beholderen belysning enn under intertrial intervall. Helningen blir positiv når musen begynner å rote i det opplyste beholderen i påvente av den forestående levering av en pellet. Dette foregripende stikking er klassisk betinget fordi pelleten blir levert ved utgangen av beholderen spesifikk levering latens vidt musen Pokes i hopper eller ikke. De faste punkter markere det punkt hvor skråningen blir positiv, som er den prøve ved hvilken den kondisjonerte reaksjon først pålitelig vises (prøve-til-ervervet). Dette er en svært støyende (variabel) tiltaket, som er tydelig i dette utvalget. Klikk her for å se større bilde .

Figur 11. De litt fillete tunge blå linjene er empiriske kumulative fordelingsfunksjoner, som viser den kumulative fordelingen av bryterventetider for mus # 5024 på tre forskjellige innstillinger av fôret latency på lang hopper (tunge, svarte vertikaler på 12, 8 og 7 sek fra toppen tomten til bunn tomten, henholdsvis). Den korte fôr latency var alltid 4 sek (Tung stiplet loddrett). Den tynne røde kurvene som sammenligne med nesten nøyaktig på de empiriske funksjoner er de seks-parameter Weibull-Gaussian funksjoner passer til disse dataene. Den tunge røde distribusjoner er de tilsvarende sannsynlighet tetthetsfunksjoner for Weibull-Gaussian blanding distribusjoner. (De er de deriverte av de kumulative fordelingsfunksjoner.) Parametrene av Gauss del av disse blandings distribusjoner er vist på tomter. Forkorte lange mate ventetid forårsaket musen til å forkorte gjennomsnittet i bryterventetider (μ) og øke sin presisjon (σ / μ). Det har også forårsaket utseendet på noen impulsive brytere (bump i den venstre halen av sannsynlighetstetthetsfunksjonen i bunnen tomten). Målingen av denne impulsivity er den fraksjon av blandingen tilbakeføres til Weibull-komponenten av den beste tilpasset versjon av Weibull-gaussisk fordeling blandingen.target = "_blank"> Klikk her for å se større bilde.

Figur 12. Bryter latencies (små åpne sirkler) skifte brått snart etter forandringer i den relative hyppigheten av korte og lange forsøk. De korte forsøkene er markert med små røde positive i bunnen av plottet, mens de lange forsøk, er merket med små røde positive øverst i plottet. Endringen i tettheten av den resulterende røde striper på bunnen og toppen indikerer endringen i den relative frekvensen (sannsynligheten) av de korte og lange forsøk. Legg merke til at når det røde nederst blir mer tette (når de korte forsøkene blir mer sannsynlig), de små sirkler (bryterventetider) flyttes oppover, og når den røde øverst blir tettere (en økning i dyp-prøve sannsynlighet), sirkleneflytte seg nedover. De blå linjene er medianer av distribusjoner. Utdrag fra figur 2 i Kheifets og Gallistel ^23. Klikk her for å se større bilde .

Figur 13. 24 timers raster tomt på atferdsmessige og miljømessige hendelser i løpet av en 90 dagers testperiode svarte prikker rekord kakker;. Røde og grønne prikker rekordpelletsleveranser ved de to fôrings hoppers. Svart peker mot høyre trekanter rekord hus-lys offs, svart igjen peker trekanter rekord hus-lys ons, cyan venstre-pekende trekanter registrere (unsignaled) onsets av skumring fôring intervall, som forekommer en time før skumring selv, cyan høyre peker trekanter registrereforskyvninger av skumring fôring intervall (3 hr etter hus-lyset), venstre-pekende magenta trekanter registrere (unsignaled) onsets av daggry fôring intervaller (2 t før huset-lys på), som peker mot høyre magenta trekanter registrere forskyvninger av daggry feedings. Den 24 timers tidsaksen er konvensjonell midnatt til vår midnatt, ikke omvendt-syklus tiden av testmiljø der musa levde. De onsets av fôring-gripe aktivitet før skumring fôring er merket med blå stjerner. Klikk her for å se større bilde .

Discussion

Vår metode gir et bredt spekter av fysiologisk meningsfylte kvantitative resultater, på funksjonen av en rekke forskjellige mekanismer for kognisjon, læring og hukommelse, for mange mus på en gang, i et minimum av tid, med et minimum av menneskelig arbeidskraft, og med ingen håndtering av de eksperimentelle fag i dager, uker eller måneder med testing. Disse egenskapene passer det for genetiske og farmakologiske screeningprogrammer. Den bruker minimalt endret off-the-sokkel maskinvare (test bokser og reir kar). Den produserer mer data fra flere mus på flere aspekter av grunnleggende erkjennelse i kortere tid enn andre i dag brukes metoder for å teste de kognitive kapasiteter på genetisk og / eller farmakologisk manipulerte musene.

Det avhenger av to typer åpen kildekode, skrevet i kommersielt tilgjengelige, godt støttet språk: 1) Et språk som leveres av produsenten av testutstyr (se Materials) for gjennomføring av eksperimentelle protokoller ogregistrering av data, 2) en åpen-kildekode verktøykasse, TSsystem, for nettet, kvasi-real-time data analyse, grafer, og beslutningstaking. Verktøykassen er skrevet i en av de mest brukte og grundig støttet proprietære vitenskapelige data analyse og grafer språk (se Materials).

Den TSsystem verktøykasse sikrer en klar og sikker data sti, fordi eksperimentet-kontrollkoden som styrte de eksperimentelle protokoller, sammen med rådata, og alle resultatene utledet fra rådata, er holdt i en enkel datastruktur. Denne hierarkiske datastruktur har feltnavn, som fungerer som overskriftene i et regneark i at de angir innholdet i feltet. I motsetning til overskrifter i et regneark, feltnavnene i dette datastruktur er indexable. Data oppsummering og grafiske kommandoer kan få tilgang til data hvor som helst i strukturen ved å spesifisere en sti gjennom overskriftene, for eksempel:

"Experiment.Subject (3).Session (2). TrialTypeCS.Trial (5). NumPokes. "
Kommandoene i den egendefinerte verktøykasse, TSsystem, operere på data i disse feltene, og lagre resultatene i et annet felt eller felt innenfor samme struktur. Vanligvis feltet eller feltene i hvilken resultatene av en operasjon lagres opprettes av TSsystem kommandoen. Dataanalyse koden kan i seg selv være lagret i denne samme struktur. De ulike nivåene i strukturen inneholder Notater felt, der forklarende noter av vilkårlig lengde kan settes. Brukeren kan foreta ytterligere notater felt, forklare og tolke innholdet i datafeltene. Dermed arkivering strukturen eller sette det på nettet i en offentlig tilgjengelig database lagrer alle relevante aspekter av eksperimentet og dataanalyse i en enkelt fil. Mens eksperimentet er i gang, er filen som inneholder datastrukturen i en mappe som er synkronisert i "skyen". Denne ordningen sikrer off-site lagring og state-of-the art backup. Det gir tilgang tilden nyeste versjonen av dataanalyse og grafikk når og hvor en undersøker har tilgang til internett.

Kritiske trinn. De kritiske trinn i byggingen av et testprotokoll er:

1. Skrivingen og debugging av prosesskontrollkoden på det språket som tilbys av kommersielle leverandøren av datastyrt mus-testing apparater (se utstyr og rekvisita). En bruker som stikker med protokollene som representative resultater ble anmeldt ovenfor kan bruke koden gitt i supplerende materiale. Denne enkelt kode fil implementerer en hvilken som helst eller alle av de ovenfor beskrevne testprotokoller. Den operative protokoll for et gitt emne på et gitt punkt i testingen, avhenger av hvilken kolonne av protokollparameterverdier er i kraft på det tidspunktet. Brukeren bestemmer hvilken av disse protokollene drives i hvilken sekvens ved hjelp TSaddprotocol før testingen begynner. Inkludert i supplerende materiale er protokollspesifikke desemberision koder og beslutning felt. Brukeren trenger bare angi beslutningskriterier. Disse beslutningskriterier styrer hvor mye data som samles inn fra en gitt protokoll for et gitt motiv. På grunn av resultatene fra hvert fag er grafisk fremstilt flere ganger i hver 24 timers periode, kan brukeren justere kriteriene oppover eller nedover på en mus-for-mus basis i lys av resultatene hittil oppnådd fra hver mus.
2. Skrivingen og debugging av kvasi-real-time data analyse og grafer koden ved hjelp av biblioteket med kommandoer i TSsystem verktøykasse. En bruker som stikker med protokollene som representative resultater ble anmeldt ovenfor kan bruke koden gitt i supplerende materialer. Det er ett hovedanalysefunksjon for hver testprotokoll (matching, instrumental og klassisk betinging, og tidsbestemt hopper switching). En annen hovedfunksjon (DailyAnalysis.m), noe som gjør protokolluavhengig feilsøking analyser og kaller den protokollspesifikke analysersis funksjoner når de har fullført sitt feilsøking.
3. Den daglige oppfølging av grafer produsert av dataanalysekode for å være sikker på at protokollen fungerer ordentlig, og at alle mus er å skaffe nok pellets for å holde dem i god helse.

Feilsøking. Den DailyAnalysis.m funksjonen kalles to eller flere ganger i hver 24 timer ved en timerfunksjon når en eller flere eksperimenter er i drift. Når det kalles, laster den filen som inneholder den hierarkiske datastruktur og leser inn i den strukturen de rådatafiler for alle aktive fag. Disse rå datafiler er skrevet til hver 10 min med prosesskontroll programvare. Den DailyAnalysis funksjon kjører en rekke grunnleggende kontroller. Den produserer grafer som gjør det mulig for brukeren å kontrollere at pellets dispensere fungerer som det skal, at hver mus er aktiv, og at hver mus har fått et tilstrekkelig antall pellets løpet av de siste 24 timer. Fraværet av data fra en mus for noen brukerdefinert antall timer, en rekke pellets innhentet som faller under en brukerdefinert kritisk verdi, eller numeriske resultater som tyder på at en pellet dispenser ikke fungerer ordentlig, trigger e-postvarsler.

Modifikasjoner. Fordi prosessen-kontrollkoden og TSsystem kode er åpen kildekode og omfattende kommentert, kan brukerne tenke ut sine egne protokoller. Protokollene for hvilken kode er gitt i utfyllende Materialer er bare appetitive protokoller. De bruker mat belønning for å lokke fram atferd de kvantitative aspektene som er avhengig av funksjon av målet kognitive mekanismer. Imidlertid kan de kommersielle musetestkamre bestilles i en konfigurasjon som gjør at frykten kondisjonering ved hjelp av fot-sjokk. Dermed kan systemet implementere både kontekstuell, spolt, og time-of-dagers frykt condition for brukerne i stand til å skrive den nødvendige datakode for både prosesskontroll og kvasi real-time data analysis. De tungt kommentert kodefiler som er gitt i tilleggsmaterialet bør legge til rette for etablering av den nødvendige nye koden.

Begrensninger. De grunnleggende mekanismene for kognisjon er de som gjør at dyrene for å finne seg selv i rom og tid og å anslå hendelsessannsynligheter og tilhørende risiko. Den fullt automatisert testing system her beskrevet gir omfattende testing av mekanismene som gjør at mus for å finne seg selv i tide, og å anslå sannsynligheter og tilhørende risiko. Men det gir svært begrenset informasjon om hvilke mekanismer som gjør dem i stand til å lokalisere seg i verdensrommet. Både den tilsvarende protokoll og den tidsbestemte svitsjeprotokoll test vidt musen kan skille ellers identiske hoppers på grunnlag av deres plassering i testboksen. Imidlertid er ingen av disse protokoller tester, for eksempel en mekanisme som gjør det mulig for dyrene å orientere seg ved hjelp av geometrien av en kjent rommet ²⁶ nor the kilometerteller som måler hvor langt en mus har kjørt, og som spiller en sentral rolle i utregnings ^18.

. Betydningen av teknikk Den atferds testing teknikk her beskrevet forskjellig fra de fleste andre teknikker i vanlig bruk i atferds farmakologi og atferdsgenetikk i fem viktige måter:

For det første gjør det fysiologisk meningsfulle målinger. Disse målinger, slik som nøyaktighet og presisjon i fremstillingen av et intervall varighet, som kan bli gjentatt på de elektrofysiologiske og biokjemiske analysenivåer med sammenlignbare resultater. Fysiologisk meningsfulle atferds målinger spille en avgjørende rolle i å etablere sikre linkage hypoteser av formen denne molekylær eller mobilnettet eller krets nivå mekanismen er den nevrobiologiske realisering av at behaviorally manifest mekanisme. Eksempler er de atferdsmessige måling av spektral følsomhet funksjoner og periodene og phases av oscillatorer, som for eksempel den biologiske klokke. Diverse eksempler på atferds målinger som ikke er fysiologisk menings er hvor lenge en mus kan henge på en rotarod, var gjennomsnittlig ventetid for å finne en neddykket plattform i et vann labyrint, hvor mange prosent av en svømmetur bane i kvadranten hvor plattformen var tidligere funnet, og den brøkdel av tiden som en mus fryser i et testkammer hvor det tidligere har blitt sjokkert.

For det andre er det en automatisert, høyt volum og høy gjennomstrømning prosedyre. De mus som ikke er behandlet i løpet av testingen. Mange mus kan testes samtidig i en begrenset mengde laboratorium, med minimal investering, i løpet av driften av flere forskjellige protokoller som gir kvantitativ informasjon om basis kognitive mekanismer. De adferdstesting krever daglig behandling av musene for å plassere dem i og fjerne dem fra testapparatet. Noen av de mest populære prosedyrer (vannet labyrinten og Conte xtual frykt condition, for eksempel) krever håndtering musen umiddelbart før og umiddelbart etter hvert tiltak er tatt og tidkrevende scoring av video plater.

Tredje, er resultatene analyseres og grafisk i kvasi sanntid, og fremdriften fra test til test skjer automatisk for hver mus individuelt. Dette gjør tuning prosedyren (ved for eksempel å endre beslutningskriterier) mus ved mus i lys av up-to-the-time data fra hver mus. Dataene fra vanlig brukte tester blir ofte analysert lenge etter at testen har blitt kjørt. Dette krever løpende mus kollektivt for samme mengde tid i hver prosedyre. Dette er bortkastet fordi forskjellige mus mestre ulike prosedyrer etter vidt forskjellige mengder tid. Hvis den kollektive test tid er gjort for kort, trenger flere mus ikke mestrer oppgaven, hvis det er gjort lenge nok, slik at nesten alle musene mestre oppgaven, er noen mus kjøre mye lenger enn nødvendig.

ent "> Fjerde, utformingen av TSsystem verktøykasse sikrer et intakt, lett sporbar løype fra de publiserte sammendrag statistikk og grafer tilbake til rådata, med ingen usikkerhet om hvilken protokoll og hvilke parametere var operativ på noe punkt i testingen av en hvilken som helst mus. Mange nåværende tester få svært lite data for hver mus, og i så fall, er den data sti kort og lett følges. Når testene oppnå et høyt volum av data (tusenvis av tidsstemplede arrangementer) fra hver mus, og dataene trail kan bli lang, dårlig fragmentert og vanskelig å følge over tid, er litt forskjellige prosess-kontroll koden filer generert;. mange forskjellige dataanalysekodefiler skrives; de ulike kodefilene produsere mange forskjellige resultater filer ved å operere på ulike tidligere resultater filer. Det blir vanskelig å holde styr på det komplekse forholdet mellom de mange forskjellige elektroniske filer og vanskelig å sørge for at de er alle lagret sammen. I TSsystem, rådata ogalt som er avledet fra dem, er lagret i den samme hierarkiske datastruktur. Således kan publiserte resultater ikke blitt adskilt fra den underliggende rådata. Fremgangs-styrekode for hver sesjon blir automatisk lest av TSsystem programvare og sammen tegn for tegn til all tidligere prosess-styrekoden i det samme eksperimentet. Hvis det er noen forskjell, er koden for den nye sesjonen lagres i strukturen sammen med dataene og en rekke identifisere at prosessreguleringen versjonen er automatisk lagt inn et felt for den økten i at mus. Således er hver versjon av prosesskontrollkoden automatisk lagret i samme struktur som de data som oppnås ved utførelse av denne koden. Med dette systemet er man aldri usikker på hvilken data kom fra hvilken versjon av et multi-versjon protokoll. Data-analyse koden filer, som vanligvis er få i antall, kan også bli lagret i denne struktur ved gjennomføring av analysen. Dette setter alt i en enkelt data struktur, noe som indikerer både ved sin forgrening struktur (hva er underordnet hva) og dens feltnavn forholdet mellom de mange ulike typer informasjon.

Femte, den hierarkiske datastrukturen i kjernen av den TSsystem, der all relevant informasjon blir lagret, sammen med de meget høye nivå data-analyse kommandoer som brukes til å trekke ut oppsummeringer og konstruere grafer, gjør mulig deling av komplekse atferds fenotyping data mellom laboratorier . En enkelt elektronisk fil gir andre forskere forståelig, utnytt tilgang til alle nivåer i databehandlingen, og til datakode som fordøyd, oppsummert og plottes data. Det gjør den senere reanalyse av rike eldre datasett mulig. Det gjør det også mulig å skape store brukbar offentlige atferdsmessige og kognitive fenotyping databaser.

Fremtidige søknader. Den helautomatiske systemet kan vise seg nyttig i laboratoriekurs in dyrs atferd. Det finesses den stadig mer plagsom spørsmålet om å instruere et stort antall studenter i riktig håndtering av mus og tilhørende bekymringer om mulige trusler mot deres helse fra å gjøre det. Det gjør at et stort antall studenter til å designe og gjennomføre eksperimenter med ekte mus uten å håndtere dem. For bruk i opplæring, kan man ønsker å sette små rimelige infrarøde videokameraer i testbokser, slik at elevene kunne observere muse utfører i protokollen de har utviklet. Plasseringa av rådata i en enkelt hierarkisk datastruktur som er lagret i skyen gjør det mulig for mange ulike elevene til å analysere de samme data som dataene kommer inn

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)