Login processing...

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

Behavior

Investigação dos processos de aprendizagem motora habilidade com uma Robotic Manipulandum

doi: 10.3791/54970 Published: February 12, 2017

Summary

Um paradigma é apresentado para o treinamento e análise de uma tarefa atingindo qualificados automatizado em ratos. Análise de tentativas de puxar revela subprocessos distintas de aprendizagem motora.

Abstract

tarefas atingindo qualificados são comumente usados ​​em estudos de aprendizagem de habilidades motoras e função motora em condições saudáveis ​​e patológicas, mas pode ser demorada e ambígua para quantificar as taxas de sucesso para além simples. Aqui, descrevemos o procedimento de formação para tarefas de alcance e-pull com ETH Pattus, uma plataforma robótica para forelimb automatizado treinamento de alcance que os registros de puxar e movimentos de rotação da mão em ratos. quantificação cinemática das tentativas realizadas puxando revela a presença de perfis temporais distintas de parâmetros do movimento, tais como a velocidade de puxar, a variabilidade espacial da trajectória de puxar, o desvio da linha média, assim como puxando sucesso. Nós mostramos como pequenos ajustes no paradigma de formação resultar em alterações nestes parâmetros, revelando sua relação com a tarefa de dificuldade, função motora geral ou execução de tarefa especializada. Combinado com técnicas electrofisiológicas, farmacológicos e optogenetic, este paradigma podem ser utilizadospara explorar os mecanismos subjacentes a aprendizagem motora e formação da memória, bem como a perda ea recuperação da função (por exemplo, após acidente vascular cerebral).

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

tarefas motoras são amplamente utilizados para avaliar as mudanças comportamentais e neurológicos relacionados à aprendizagem motora ou a alterações na função motora em modelos animais neurológicas ou farmacológicos. função motora fina pode ser difícil de quantificar em roedores, no entanto. Tarefas que exigem destreza manual, como a manipulação dos cereais 1, massas 2, ou sementes de girassol 3 são sensíveis e não requerem treinamento extensivo do animal. A sua principal desvantagem é que essas tarefas produzir resultados qualitativos e principalmente pode ser difícil para marcar de forma inequívoca.

Tarefas atingindo especializados, tais como variações do pellet única atingindo tarefa são mais simples de quantificar 4, 5. No entanto, fatores cinemáticas que fundamentam a execução bem sucedida destas tarefas só pode ser inferida de forma limitada e requerem mão de obra intensiva quadro-a-quadro de vídeo análise.

dispositivos robóticos ganharam popularidade como meio de quantificar aspectos da função forelimb e habilidade motora. Várias tarefas atingindo automatizado estão disponíveis. O foco maior em um único aspecto de um movimento do membro anterior, como puxar uma alça ao longo de uma guia linear 6, 7, simples movimentos dos membros distais 8 ou pronação e supinação da pata 9. Embora estes dispositivos mostram a promessa para a análise da função motora, eles só refletem as ações motoras complexas executadas durante pellet única chegando a um número limitado de estender.

Aqui, nós demonstrar o uso de um dispositivo de três graus de liberdade robótico, ETH Pattus, desenvolvido para a formação e avaliação das diversas tarefas motoras em ratos 10, 11. Ele registra planar e movimento rotacional dos movimentos forelimb rato em alcance, alcance, epuxando as tarefas realizadas no plano horizontal. Ratos interagir com o robô através de um punho esférica a 6mm de diâmetro, que pode ser alcançado através de uma janela na gaiola teste (largura: 15 cm, comprimento: 40 cm, altura: 45 cm) e movido em relação ao plano horizontal (empurrando e puxando movimentos) e rodado (movimentos de pronação-supinação). Assim, ele permite que o rato para realizar movimentos que se aproximam os executados durante as tarefas de pelotização atingindo individuais convencionais. A janela é de 10 mm de largura e localizado a 50 mm acima do chão da gaiola. O identificador é localizado a 55 mm acima do piso. Um deslizamento de blocos porta de acesso ao cabo entre o final de ensaios e abre quando o robô atinge a sua posição inicial e fecha depois de um julgamento seja concluído. Depois de um movimento executado correctamente, os ratos recebem uma recompensa alimentar no lado oposto da gaiola de teste.

O robô é controlado via software e registra a saída de 3 rotativos a 1000 Hz, resultando em informações sobre a posição of a pega em relação ao plano horizontal, bem como o seu ângulo de rotação (para detalhes, ver referência 11). As condições necessárias para a execução da tarefa com sucesso são definidas no software antes de cada sessão de treino (por exemplo mínima exigida puxando distância e desvio máximo da linha média em uma tarefa alcance-and-pull). Uma posição de referência inicial normalizado da pega é gravado com um suporte fixo no início de cada sessão de treino. Esta referência é utilizado para todos os ensaios dentro de uma sessão, assegurando uma posição inicial constante do identificador para cada ensaio. Posicionamento constante da pega em relação à janela da gaiola é assegurada por alinhamento das marcas na gaiola e robô (Figura 1).

gravações de vídeo dos movimentos de alcance são gravados usando uma pequena câmera de alta velocidade (120 frames / s, resolução de 640 x 480). Um pequeno display na visão da câmera mostra o número de identificação do rato, sessão de treinamento,número de tentativas e resultado de teste (sucesso ou falha). Estes vídeos são utilizados para verificar os resultados registados e para avaliar os efeitos de se chegar a movimentos que precedem a tocar, ou puxando a rotação da pega.

Aqui, demonstramos a utilização dessa plataforma robótica em variações de uma tarefa alcance-e-pull. Esta tarefa pode ser formado dentro de um período de tempo que é comparável com outros paradigmas atingindo especializados e produz resultados reprodutíveis. Descreve-se um protocolo de treino típico, bem como alguns dos principais parâmetros de saída. Além disso, vamos mostrar como pequenas mudanças no protocolo de treinamento utilizado pode resultar em cursos de tempo alterados de resultados comportamentais que podem representar subprocessos independentes dentro do processo de aprendizagem de habilidades motoras.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Os experimentos aqui apresentados foram aprovados pelo Serviço Veterinário do Cantão de Zurique, Suíça, e foram realizados de acordo com os regulamentos nacionais e institucionais.

1. condições de alimentação

NOTA: Todas as sessões de treino são realizadas no âmbito de um protocolo de alimentação programada.

  1. Alimentar os ratos de 50 g / kg de ração padrão uma vez por dia, após o treinamento for concluído. Esta quantidade de comida é suficiente para evitar grande perda de peso (peso corporal é> 90% do peso alimentação livre), mas suficientemente pequeno para assegurar um condicionamento comportamental reprodutível. Pesar os ratos diariamente para garantir o seu peso corporal permanece estável.
    NOTA: adicional durante a noite (10-12 h) privação de alimento pode ser útil antes da primeira sessão de recompensa ao toque (passo 2.3).

2. Processo de Formação para uma tarefa Reach-e-pull

  1. Preparação: Permitir que os ratos para se habituar às novas gaiolas durante pelo least de uma semana após a chegada à instalação de animal. Lidar com os ratos regularmente durante este tempo e dar peletes de precisão dustless na gaiola se que se habituem os ratos para o novo alimento. Estes peletes será usado como recompensa em todo o protocolo de treino.
  2. A habituação: Colocar os ratos na gaiola de teste durante 30-45 min e 30-50 fornecer peletes na bacia de alimentação, misturados com ração em pó. Abra e feche a janela da gaiola e executar o dispensador de pellet, ocasionalmente, para habituar os ratos ao seu som.
    1. Repita esse procedimento para 2-3 dias.
  3. Recompense-touch: treinar os ratos para tocar a alça esférica através da janela da gaiola e, em seguida, passar para o lado oposto da gaiola para recuperar uma recompensa alimentar.
    1. Ajuste as configurações do software de modo que a alça está localizado fora da janela gaiola o teste no início de cada ensaio e alinhar a alça com o centro da janela da gaiola. Quando os testes forem bem sucedidos, ou seja </ Em>, logo que um toque de luz na pega (0,25 mm de deslocamento em qualquer direcção) foi detectada, é emitido um som e uma recompensa é dispensado. Classificar ensaios como falha quando nenhum contato foi detectado por 180 s depois que a janela é aberta.
    2. Coloque o rato na gaiola treinamento. Solicitar que o rato para chegar ao deixá-lo pegar em um pellet realizada perto da alça. Direcionar a atenção do rato para a tigela punho e comida tocando na gaiola.
    3. Pare de avisar quando o rato atinge de forma independente através da janela da gaiola e recupera o pellet alimentos.
    4. Continue até 100 tentativas (toques) estão concluídas ou até 60 min se passaram, o que ocorrer primeiro.
    5. Continuar a formação para 3-4 dias e começar a próxima fase de formação (passo 2.4) quando os ratos atingir 100 ensaios no prazo de 30 min em 2 dias consecutivos.
      NOTA: Não excesso de treinar esta etapa. O objectivo da recompensa ao toque é conseguir a interacção fiável entre o rato e robô, de modo que este comportamento pode ser moldado emformação subsequente.
  4. Tração livre (FP): treinar os ratos para chegar e puxar a alça do robô.
    1. Ajuste as configurações do software de modo que a alça está localizado a 18 mm da janela, no início de cada ensaio, e deve ser puxado por pelo menos 10 mm, sem interrupção para um teste bem sucedido. Não há restrições laterais no movimento de puxar nesta fase.
      1. Classificar um julgamento como falhou quando o identificador não foi movido por 180 s depois que a janela se abre, quando o identificador é movido para fora do espaço de trabalho acessível (mais de 12 mm da linha média), ou quando o rato tem puxado a menos de 10 mm dentro 5 s após o primeiro contacto tem sido detectada.
    2. Tome nota do número de vezes que a pata esquerda e direita são usados ​​durante os primeiros 20 ensaios da primeira sessão de FP. A pata que é utilizado em, pelo menos, 80% dos ensaios é considerada a preferida pata.
      NOTA: preferência Paw pode já ser claro em recompensasessões -Touch.
    3. Mover a alavanca lateralmente até que ela esteja alinhada com a extremidade da janela para facilitar puxar com a pata preferida (isto é mover o robô de 5 mm para o lado esquerdo da janela para ratos destros e vice-versa).
      NOTA: Coloque a alça nessa posição exato mesmo em relação à gaiola para todos os seguintes sessões de formação para este rato. Assegurar a colocação exata por marcas na parede da gaiola e no robô.
    4. Coloque o rato na gaiola formação e comboio até 100 ensaios estão concluídas ou até 60 min se passaram, o que ocorrer primeiro.
      NOTA: Se o rato não chegar suficientemente longe, pedir-lo, deixando-a agarrar a um pellet realizada perto da alça. Ratos podem parar de tentar puxar depois de tentativas fracassadas repetidas. Toque na gaiola, deixe-os pegar por pelotas realizadas com um par de fórceps ou dispensar uma pelota para restaurar sua motivação.
    5. Para experiências envolvendo apenas um treinamento FP, continuar a treinar conforme descrito em 2.4.
      NÃOTE: Normalmente, 1-2 sessões de PF são necessários para ajudar a transição de toque recompensa para SP (Straight Pull) formação. O objetivo dessas sessões de PF é habituar ratos para alcançar, agarrar e puxar a alavanca, em vez de apenas tocá-lo. Tal como acontece com o treinamento recompensa-touch, é importante para não sobre-trem, se o objetivo é fazer a transição para uma etapa de treino seguinte.
  5. Puxar em linha reta (SP): treinar os ratos para puxar a alça sem se desviar mais de 2 mm da linha média.
    NOTA: A linha média é definida em relação à posição inicial do robô, não para o ponto médio da janela da gaiola. Assim, uma tentativa de puxar que termina no ponto médio da janela da gaiola irá resultar numa trajectória de puxar que se desvia mais do que 2 mm da linha média.
    1. Ajuste as configurações do software de modo que apenas ensaios em que o movimento de puxar não se afastar mais de 2 mm da linha média em ambos os lados são recompensados ​​por um tom e uma bolinha. Manter todos os outros parâmetros como descrito na etapa 2.4.
    2. Coloque o rato na gaiola formação e comboio até 100 ensaios estão concluídas ou até 60 min se passaram, o que ocorrer primeiro.
      NOTA: Os ratos podem tornar-se extremamente agitado e parar de tentar puxar depois de tentativas fracassadas repetidas. Toque na gaiola para redirecionar sua atenção para a tarefa de chegar, deixe-os pegar por pelotas realizadas com um par de fórceps ou dispensar uma pelota para restaurar sua motivação.
    3. Continuar treinando até que os ratos alcançar o desempenho planalto, ou adaptar o período de treinamento de acordo com a meta de um experimento.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Aqui, mostramos 3 variações de uma tarefa alcance e puxar utilizando ratos Long-Evans machos (10-12 semanas de idade). No grupo livre-pull (FP) (N = 6), os ratos foram treinados para puxar a alça do robô por um período de 22 dias, sem restrições laterais. Animais no straight-puxar grupo 1 (SP1) (N = 12) foram treinados para puxar a alavanca sem se desviar mais do que 2 mm da linha média. Estes animais transferida diretamente de recompensa-touch (passo 2.3) para formação em linha reta-pull (passo 2.5). Para ambos os FP e SP1 animais, a pega foi colocado no centro da janela da gaiola. Estes resultados foram publicados anteriormente na Lambercy et ai. 10 ratos no grupo SP2 (N = 7) receberam 2 sessões FP-treino antes da transição para a formação em linha reta-pull. O identificador foi alinhado com o bordo de janela da gaiola para este grupo, que resulta é uma tarefa pouco mais difícil, como o identificador poderia desviar-se mais do que 2 mm da linha média se puxadopara o ponto médio da janela da gaiola.

Todos os ratos facilmente aprender a interagir com o manipulandum robótico (Figura 2A). O número de puxa válidos (isto é, o número de tentativas de tracção em que a pega é puxado, pelo menos, 10 mm) aumenta rapidamente e atinge níveis de patamar estável após 2-3 dias em FP e SP1. O número de tentativas válidas aumenta a um ritmo comparável durante as sessões de PF de SP2, resultando em um número estável de puxa válidos por sessão durante todo o treinamento SP em ratos SP2. desempenho Plateau é elevado em todos os paradigmas de formação e é independente de parâmetros da tarefa, como a posição do puxador e os limites sobre a quantidade permitida de desvio da linha média.

Ratos SP1 atingir taxa de sucesso de patamar (ou seja, a percentagem de puxa válidos que permanece dentro de 2 mm de linha média) após 5-4 sessões de treino (Figura 2B). SP2 ratos mostram umamais lenta taxa de sucesso progressão e planalto alcance após 11 sessões, indicando que a execução bem-sucedida desta versão da tarefa de puxar em linha reta é mais difícil de alcançar. taxas de sucesso finais são semelhantes para SP1 e SP2.

Durante a formação SP, trajectórias que puxam-se cada vez mais reto, como evidenciado por uma diminuição desvio da linha média (isto é, a área entre a trajectória medido e da linha média) e resultando num aumento do número de puxa sucesso em ambos SP1 e SP2 (Figura 3, Figura 5A). Curiosamente, a trajectória puxando média de ratos FP torna-se mais reto durante o período de formação 22 dias, bem como, embora a quantidade de desvio de linha média estabiliza a um nível mais elevado do que em ratos SP1. Isto indica que a trajectória puxando natural é relativamente simples quando o identificador do robô está localizado no centro da janela da gaiola. Quando o punho está alinhado wom a borda da janela, no entanto, a trajectória puling é curvo e desvio da linha média permanece estável durante as sessões SP2-FP. O desvio da linha mediana no grupo SP2 permanece mais elevada do que no grupo SP1, provavelmente como resultado da colocação descentrada punho.

Variabilidade das trajetórias puxar (ou seja, o tamanho do intervalo de confiança de 95%) cai rapidamente na FP e SP1, e atinge níveis comparáveis nestes grupos após 3-4 sessões de treinamento (Figura 5B). Curiosamente, os animais SP2 não mostram esta diminuição da variabilidade e continuamente puxar com relativamente baixa variabilidade durante as sessões de SP, mas mostram um rápido declínio da variabilidade trajetória durante as sessões SP2-FP.

Da mesma forma, tanto média e pico de puxar aumento de velocidade durante as sessões de formação inicial (FP, SP1 e SP2-FP), mas são estáveis durante as sessões SP2-SP (Figuras 5C, 5D). Embora a velocidade média puxando não muda durante as sessões SP2, puxando perfis de velocidade tornam-se muito menos variável por meio de treinamento (Figura 4). Isto reflecte-se tanto o número de submovements (ou seja, número de acelerações e desacelerações no movimento de puxar, Figura 5E) e do número de ensaios com paradas (ou seja, ensaios em que puxar a velocidade cai para zero, Figura 5F). Depois de uma forte diminuição durante as sessões iniciais SP1 e SP2-FP, tanto o número de submovements e do número de ensaios com paradas continuar a diminuir no SP1 e SP2 durante todo o período de treinamento de 22-sessão. Nos ratos FP, o número de submovements e ensaios com paradas inicialmente diminuir rapidamente também, mas se estabilizar em um nível mais elevado do que ambos os grupos straight-pull e não mostram uma melhoria contínua. Curiosamente, puxando velocidade não parece estar estreitamente relacionado com o resultado de um julgamento (Figura 4

O ~ 5% dos ratos que não aprendem com êxito para executar a tarefa em linha reta-pull geralmente não aprender a puxar a alavanca, mas são incapazes de puxe (Figura 6). Estes animais apresentam um desvio consistentemente elevado da linha média, resultando em baixas taxas de sucesso. Desempenho durante as sessões SP2-FP o animal aqui apresentado durante o contrário é comparável à de animais SP2 que adquirir a tarefa com êxito.

figura 1
Figura 1: Visão geral do Robotic Manipulandum e manipular Posicionamento. (A) Desenho técnico mostrando a manipulandum robótica e marcas para o alinhamento com a gaiola de treinamento. (B), a alavanca mantida na posição de referência constante no início de uma sessão de treino. (C) punho na posição de partida gratuitamente no starte de um ensaio de tração. Por favor clique aqui para ver uma versão maior desta figura.

Figura 2
Figura 2: curvas de aprendizagem típicas de uma tarefa Reach-e-pull. (A) Válido puxando tentativas em uma tarefa de puxar livre (FP, N = 6), tarefa em linha reta puxar sem FP-sessões introdutórias (SP1, N = 12) e uma tarefa de puxar em linha reta (SP2, N = 7) com FP- introdutória sessões (SP2-FP). Os valores são médias ± SEM (B) bem sucedidas tentativas puxando como percentagem de tentativas válidas na tarefa de puxar em linha reta com (SP2) e sem (SP1) introdutórios FP-sessões. Os valores são média ± SEM Por favor clique aqui para ver uma versão maior desta figura.


Figura 3: Puxar Trajetórias tornam-se progressivamente mais reto e menos variável Ao longo de Formação da Task SP 2. Bem sucedida (preto), falhou (cinza) e trajetórias médias (verde) são mostrados pela primeira e última sessão de treinamento puxar em linha reta para um animal representativo. As linhas a tracejado mostram a zona larga 4 mm para dentro, que um ensaio bem sucedido é executado. O ponto vermelho indica a posição inicial do manipulo. O ponto verde mostra o ponto final teórico de uma tentativa de puxar 10 milímetros perfeitamente reto. Por favor clique aqui para ver uma versão maior desta figura.

Figura 4
Figura 4: </ strong> Velocidade Média na direcção de tracção de tentativas válidas aumenta ligeiramente Ao longo de Formação e torna-se menos variável do primeiro (A) para a última (B) Sessão de Treinamento. Média (verde) e puxando perfis de velocidade individuais de sucesso (preto) e falhou (cinza) puxando tentativas são mostradas para um animal representativo realização da tarefa SP2. Por favor clique aqui para ver uma versão maior desta figura.

Figura 5
Figura 5: Uma Visão Geral dos parâmetros medidos em uma gratuito Puxando (FP, N = 6) de tarefas, Task Hetero Pull Sem introdutórias FP-sessões (SP 1, N = 12) e um puxe para Task (SP 2 >, N = 7) com introdutórias FP-sessões (SP 2 -FP). Os valores são média ± SEM de todas as tentativas que puxam válidos. (A) Desvio da linha média (área entre as trajetórias válidos medidos e uma tentativa perfeitamente em linha reta puxar ao longo da linha média, mm 2). (B) A variabilidade de trajetórias puxar (95% intervalo de confiança de todas as tentativas válidas dentro de uma sessão). (C) Média puxando velocidade de todas as tentativas válidas (mm / s). (D) Peak puxando velocidade de todas as tentativas válidas (mm / s). (E) submovimentos como indicado por cruzamentos de zero no perfil de aceleração de tentativas de puxar válidos (F) Puxando tentativas com paragens (% de puxa válidos) Por favor clique aqui para ver uma versão maior desta figura.

6 "src =" / files / ftp_upload / 54970 / 54970fig6.jpg "/>
Figura 6: Exemplo de um animal que não aprende com sucesso para realizar a tarefa SP 2. (A) Puxando trajetórias na primeira e última sessão de treinamento. Bem sucedida (preto), falhou (cinza) e trajetórias médias (verde) são mostrados pela primeira e última sessão de treinamento puxar em linha reta para um animal representativo. As linhas a tracejado mostram a zona larga 4 mm para dentro, que um ensaio bem sucedido é executado. O ponto vermelho indica a posição inicial do manipulo. O ponto verde mostra o ponto final teórico de uma tentativa de puxar 10 milímetros perfeitamente reto. (B) curva de aprendizado mostrando tentativas puxando válidos e bem sucedidas durante todo o período de treinamento. Por favor clique aqui para ver uma versão maior desta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Tarefas atingindo qualificados são comumente usados para estudar aquisição de habilidades motoras, bem como comprometimento da função motora em condições patológicas 6. análise confiável e inequívoca de alcançar comportamento é essencial para o estudo dos mecanismos celulares subjacentes aquisição de habilidades motoras, bem como processos neurofisiológicos envolvidos na perda e subsequente recuperação da função em modelos animais de doença neurológica. Os resultados aqui apresentados mostram como aspectos espaciais e temporais do movimento de puxar mostram perfis distintos durante o treinamento de habilidades motoras. Estes podem refletir diferentes subprocessos dentro da habilidade motora processo 7, 12 aprendizagem.

Nos resultados aqui apresentados, mostram que mesmo uma pequena alteração no protocolo de treino, tal como uma posição inicial diferente da pega (SP1 vs SP2), resulta em perfis de parâmetros circulação alterados. por adding duas sessões FP antes do treino de puxar direto para o nosso protocolo de treinamento publicado anteriormente 10, fomos capazes de dissociar os efeitos de aprender a puxar a habilidade para puxar em linha reta. Além disso, a colocação fora do centro do punho do robô neste protocolo de treinamento melhorado (SP2) resulta em uma tarefa com uma curva de aprendizagem mais rasa que é mais vantajoso para o estudo dos mecanismos de aprendizagem motora, pois dá tempo para intervenções antes níveis de desempenho planalto são atingido. Além disso, é possível distinguir fatores relacionados à tarefa de execução de fatores relacionados à tarefa dificuldade que não são imediatamente refletidas nas taxas de sucesso, mas pode indicar mais refinamento da habilidade motora 4. boa execução dos movimentos de puxar, que se reflecte no número de submovements pode ser considerada uma medida de trabalhadores qualificados, em linha reta puxar. Em contraste, a variabilidade espacial do movimento diminui rapidamente à medida que o número de puxa válidosaumenta em todas as três versões da tarefa alcance e-pull, mas não está diretamente relacionada ao puxar o sucesso em tarefas de puxar em linha reta e pode refletir a função geral do motor ou convergência sobre o movimento correto necessário para um teste bem sucedido, em vez de execução da tarefa hábil, uma vez as regras da tarefa foram aprendidas.

Execução de nossas tarefas alcance e-pull robóticos é extremamente confiável e reprodutível entre os animais. Todos os animais treinados adquirir a tarefa de puxar livre, ea maioria (90-95% dos animais) é capaz de aprender a tarefa puxar em linha reta. Mesmo os animais que mostram taxas consistentemente baixas de sucesso durante a reta puxar continuar a executar um número elevado de tentativas de puxar válido. Estes falhou, mas as tentativas válidas são totalmente gravado. Falha em tentativas atingindo uma tarefa atingindo especialistas clássica tipicamente resulta num movimento de alcance incompleta. Por isso, é não só possível analisar aspectos do movimento relacionados à aquisição tarefa bem-sucedida, mas alde modo a avaliar quais movimento parâmetros resultar em fracasso.

Enquanto as medições aqui apresentados dão informações detalhadas sobre puxando movimentos, nem todos os aspectos do movimento alcance e-pull membro anterior são capturados. Todas as alterações no comportamento atingindo que ocorrem antes do primeiro contacto ou após a libertação do manipulo na extremidade de uma tentativa de puxar válidos não são reconhecidos e não pode, portanto, ser analisado com a mesma precisão. Por exemplo, o número de tentativas de agarrar antes de um movimento de puxar não são medidos, mesmo que possam ser relevantes em relação aos modelos de recuperação funcional. Análise de gravações de vídeo de alta velocidade fornece estas informações adicionais. Métodos descritos anteriormente para o movimento de seguimento 13, 14 pode ser adaptada para este fim.

Além disso, nossas gravações não fornecem informações sobre a qualidade da aderência da alça do rato. A rotação dopunho, indicando pronação ou supinação da pata, poderia fornecer alguma introspecção em combinação com vídeo de alta velocidade. Desde rotação e aderência são particularmente afectadas em modelos de acidente vascular cerebral de ratos 9, 15, 16, experimentos futuros são necessários para determinar quão eficaz as tarefas de alcance e-pull aqui apresentados estão em capturar déficits motores pós-AVC.

As tarefas aqui apresentados foram concebidos para imitar tarefas atingindo única pelota convencionais: a distância puxar necessária baseia-se na distância típica entre a janela e sedimento em estas tarefas e o livre movimento da alavanca no plano horizontal permite a medição de trajectórias pata naturais do rato ao longo de uma distância de 10 mm nos testes válidos.

Da mesma forma, os ensaios inválidas onde a pega se move fora da área de trabalho do robot (por exemplo, o identificador é passado de lado durante puxando) ouem que a distância é insuficiente puxado poderia ser interpretado como sendo semelhante a peletes de cair em tarefas individuais atingindo pelotas, mesmo que a pega não cai para o chão quando libertado.

Este projeto capta mais aspectos do movimento de puxar de tarefas automatizadas que visam medir um único movimento simples. No entanto, isso também permite que a interacção entre puxar e movimentos de rotação e dá a oportunidade para animais de compensação. Introspecção em movimentos compensatórios durante a recuperação da função motora pode ser valioso, mas também dificulta a interpretação dos resultados.

Um passo crítico na aquisição das tarefas alcance-and-pull é condicionado sucesso da etapa de recompensa toque de treinamento. Sem interação segura entre o rato e robô, todas as medidas de formação contínua são difíceis de realizar e quantificar de forma fiável. É igualmente importante não overtrain os ratos durante as etapas de formação de transição, no entanto. enquanto umanimais produtores podem continuar a mostrar melhorias no desempenho durante os treinos recompensa ao toque para mais de 3-4 dias, o excesso de consolidação impede formação eficaz de comportamento subsequente formação alcance e-pull.

colocação constante da alça é essencial para a correcta execução e análise confiável de quaisquer dados obtidos utilizando a tarefa alcance e-pull robótico aqui apresentada. Embora a posição da pega em relação ao resto do robot e a linha média é definida por software, a posição da pega em relação à janela da gaiola é facilmente variada movendo ambos os lados. Aqui, mostramos como o alinhamento do punho com a borda ou o centro da janela altera aquisição de tarefas e pode ser utilizado para estudar processos subjacentes aprendizagem habilidade motora. alinhamento inconstante da alça dentro de um período de treinamento, no entanto, vai apresentar efeitos e rendimentos Leituras comportamentais não confiáveis ​​confundindo.

No protocolo aqui descrito, ratos são treinados durante sessões diárias compostas de 100 ensaios, semelhante aos nossos anteriores experiências único pellet atingindo 4, 17. Com configurações de treinamento automatizados o número de tentativas por sessão pode facilmente ser aumentado, sem exigir muito mais esforço por parte do pesquisador. Embora os números mais elevados de ensaios por sessão pode resultar em menor variabilidade intra-individual, os efeitos de aumentar o número de ensaios por cada sessão de treino sobre a velocidade de aprendizagem e de recuperação tem de ser tida em conta. Além disso, fatores como a saciedade e cansaço se tornará mais relevante e pode interferir com o desempenho em sessões de treinamento muito longos.

Embora linhagem e sexo diferenças na habilidade motora capacidade de aprendizagem têm sido descritas em ratos 4, 18, 19, obtivemos um desempenho confiável em ambos os sexos masculino Sprague-Dawley umd ratos Long-Evans. animais mais velhos (4-5 meses de idade) são geralmente mais lentos que os mais jovens (8-10 semanas) e mostrar intervalos mais longos entre os ensaios. Além disso, temos observado um desempenho ruim em animais mais velhos quando pelotas do alimento são substituídos com uma recompensa de sacarose em água. animais mais velhos que recebem recompensas líquidos sentem dificuldades quando a transição de recompensa toque para puxar. Isto pode ser causado por uma recompensa-preferências relacionadas com a idade, no caso em que utilizando uma recompensa líquido mais palatáveis, tais como iogurte ou óleo de amendoim podem produzir melhores resultados. Alternativamente, o comportamento dos animais mais velhos pode indicar dificuldade em compreender uma tarefa atingindo mais abstrato (em comparação com pellet convencional atingindo), embora nós observar o comportamento de aprendizagem confiável nesses animais quando as recompensas de comida sólida são usados. Assim, o efeito da recompensa escolhido deve ser particularmente considerado ao conceber experiências em que o uso de animais mais velhos é preferível (isto é, em modelos de acidente vascular cerebral ou neurodosdoença generativa).

Nós ainda não estudou as diferenças sexuais na aprendizagem de habilidades motoras utilizando ETH Pattus. É pouco provável que as fêmeas não irá ser capaz de adquirir o tarefas FP SP ou, embora as suas estratégias de aprendizagem pode ser diferente do sexo masculino. No entanto, embora o ciclo estral afecta densidade da coluna em ratos do sexo feminino, efeitos sobre as curvas de aprendizagem e plasticidade relacionadas com a aprendizagem no córtex motor primário 20 são limitadas.

As tarefas robóticas pode ser variada de vários modos: o movimento necessário pode ser mais ou menos preciso (por exemplo, uma quantidade limitada de desvio a partir de uma trajectória prescrito numa tarefa alcance-e-pull), ou o robô pode interferir com ou auxiliar o movimento executado em qualquer um ou todos os três dimensões longitudinais (ou os movimentos laterais no ângulo do plano de rotação horizontal e da pega). Diferente de variações sobre as tarefas de alcance e-pull apresentados neste trabalho, é possível projetar habilidade motora lganhando tarefas, onde por exemplo o ângulo de rotação do manipulo, a velocidade máxima de movimento, ou o perfil de aceleração definem o sucesso de um ensaio.

Para além de permitir fácil variação de parâmetros da tarefa, a instalação experimental aqui apresentada separa espacialmente a acção do motor a partir da recompensa dada, o que é dispensado sobre o lado oposto da gaiola. Adaptar o tamanho recompensa não é possível em tarefas atingindo clássicos sem afectar a dificuldade da tarefa 21   (Uma pelota de alimentos mais pequena é mais difícil de segurar do que um maior), nem é possível variar a possibilidade de uma recompensa, independentemente do nível de habilidade do animal. Utilizando uma tarefa de robótica, a recompensa obtida para uma acção do motor pode ser variado em função da habilidade, o desempenho actual, ou podem ser variadas para avaliar factores tais como motivação.

Em conclusão, a formação automatizada combinada com análise de movimento cinemático fornece um método automatizado, objetivapara estudar a aprendizagem de habilidades motoras que imita tarefas atingindo qualificados convencionais, mas gera dados adicionais de êxito e falha nas tentativas de puxar. Esta abordagem abre novos caminhos de investigação em combinação com intervenções eletrofisiológicos, farmacológicos ou optogenética destinadas a valorização do ou interferência com os movimentos alcance-e-puxar ou resultantes recompensas do alimento.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores não têm nada a revelar

Acknowledgments

Esta pesquisa foi apoiada pela National Science Foundation suíço, a Betty e David Koetser Fundação para Pesquisa do Cérebro e da Fundação ETH.

Materials

Name Company Catalog Number Comments
ETH Pattus ETH Pattus was made by the Rehabilitation Engineering Laboratory of Prof. Gassert at ETH Zurich. 
Training cage  The plexiglass training cage was made in-house. 
Pellet dispenser Campden Instruments 80209
45-mg dustless precision pellets Bio-Serv F0021-J
GoPro Hero 3+ Silver Edition  digitec.ch 284528 Small highspeed camera 
Small display Adafruit Industries #50, #661 128 x 32 SPI OLED display controlled via an Arduino Uno microcontroller and Labview software
LabVIEW 2012 National Instruments 776678-3513 ETH Pattus is compatible with more recent Labview versions. 
Matlab 2014b The Mathworks MLALL

DOWNLOAD MATERIALS LIST

References

  1. Irvine, K. -A., et al. A novel method for assessing proximal and distal forelimb function in the rat: the Irvine, Beatties and Bresnahan (IBB) forelimb scale. JoVE. (46), (2010).
  2. Ballermann, M., Metz, G. A., McKenna, J. E., Klassen, F., Whishaw, I. Q. The pasta matrix reaching task: a simple test for measuring skilled reaching distance, direction, and dexterity in rats. J Neurosci Meth. 106, (1), 39-45 (2001).
  3. Kemble, E. D., Wimmer, S. C., Konkler, A. P. Effects of varied prior manipulatory or consummatory behaviours on nut opening, predation, novel foods consumption, nest building, and food tablet grasping in rats. Behav Proc. 8, (1), 33-44 (1983).
  4. Buitrago, M. M., Ringer, T., Schulz, J. B., Dichgans, J., Luft, A. R. Characterization of motor skill and instrumental learning time scales in a skilled reaching task in rat. Behav Brain Res. 155, (2), 249-256 (2004).
  5. Whishaw, I. Q., Pellis, S. M. The structure of skilled forelimb reaching in the rat: A proximally driven movement with a single distal rotatory component. Behav Brain Res. 41, (1), 49-59 (1990).
  6. Hays, S. A., et al. The isometric pull task: a novel automated method for quantifying forelimb force generation in rats. J Neurosci Meth. 212, (2), 329-337 (2013).
  7. Sharp, K. G., Duarte, J. E., Gebrekristos, B., Perez, S., Steward, O., Reinkensmeyer, D. J. Robotic Rehabilitator of the Rodent Upper Extremity: A System and Method for Assessing and Training Forelimb Force Production after Neurological Injury. J Neurotrauma. 33, (5), 460-467 (2016).
  8. Hays, S. A., et al. The bradykinesia assessment task: an automated method to measure forelimb speed in rodents. J Neurosci Meth. 214, (1), 52-61 (2013).
  9. Meyers, E., et al. The supination assessment task: an automated method for quantifying forelimb rotational function in rats. J Neurosci Meth. 266, 11-20 (2016).
  10. Lambercy, O., et al. Sub-processes of motor learning revealed by a robotic manipulandum for rodents. Behav Brain Res. 278, 569-576 (2015).
  11. Vigaru, B. C., et al. A robotic platform to assess, guide and perturb rat forelimb movements. IEEE Trans. Neural Syst. Rehabil. Eng. 21, (5), 796-805 (2013).
  12. Klein, A., Sacrey, L. -A. R., Whishaw, I. Q., Dunnett, S. B. The use of rodent skilled reaching as a translational model for investigating brain damage and disease. Neurosci Biobehav Rev. 36, (3), 1030-1042 (2012).
  13. Gharbawie, O. A., Whishaw, I. Q. Parallel stages of learning and recovery of skilled reaching after motor cortex stroke: "Oppositions" organize normal and compensatory movements. Behav Brain Res. 175, (2), 249-262 (2006).
  14. Palmér, T., Tamtè, M., Halje, P., Enqvist, O., Petersson, P. A system for automated tracking of motor components in neurophysiological research. J Neurosci Meth. 205, (2), 334-344 (2012).
  15. Alaverdashvili, M., Whishaw, I. Q. A behavioral method for identifying recovery and compensation: Hand use in a preclinical stroke model using the single pellet reaching task. Neurosci Biobehav Rev. 37, (5), 950-967 (2013).
  16. Alaverdashvili, M., Whishaw, I. Q. Compensation aids skilled reaching in aging and in recovery from forelimb motor cortex stroke in the rat. Neurosci. 167, (1), 21-30 (2010).
  17. Molina-Luna, K., et al. Dopamine in motor cortex is necessary for skill learning and synaptic plasticity. PloS one. 4, (9), (2009).
  18. VandenBerg, P. M., Hogg, T. M., Kleim, J. A., Whishaw, I. Q. Long-Evans rats have a larger cortical topographic representation of movement than Fischer-344 rats: A microstimulation study of motor cortex in naı̈ve and skilled reaching-trained rats. Brain Res Bull. 59, (3), 197-203 (2002).
  19. Whishaw, I. Q., Gorny, B., Foroud, A., Kleim, J. A. Long-Evans and Sprague-Dawley rats have similar skilled reaching success and limb representations in motor cortex but different movements: some cautionary insights into the selection of rat strains for neurobiological motor research. Behav Brain Res. 145, (1-2), 221-232 (2003).
  20. Harms, K. J., Rioult-Pedotti, M. S., Carter, D. R., Dunaevsky, A. Transient Spine Expansion and Learning-Induced Plasticity in Layer 1 Primary Motor Cortex. J Neurosci. 28, (22), 5686-5690 (2008).
  21. Metz, G. A., Whishaw, I. Q. Skilled reaching an action pattern: stability in rat (Rattus norvegicus) grasping movements as a function of changing food pellet size. Behav Brain Res. 116, (2), 111-122 (2000).
Investigação dos processos de aprendizagem motora habilidade com uma Robotic Manipulandum
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Leemburg, S., Iijima, M., Lambercy, O., Nallet-Khosrofian, L., Gassert, R., Luft, A. Investigating Motor Skill Learning Processes with a Robotic Manipulandum. J. Vis. Exp. (120), e54970, doi:10.3791/54970 (2017).More

Leemburg, S., Iijima, M., Lambercy, O., Nallet-Khosrofian, L., Gassert, R., Luft, A. Investigating Motor Skill Learning Processes with a Robotic Manipulandum. J. Vis. Exp. (120), e54970, doi:10.3791/54970 (2017).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

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

Waiting X
simple hit counter