Summary
Ein Paradigma ist für die Ausbildung und Analyse eines automatisierten Fach Erreichen Aufgabe in Ratten dargestellt. Die Analyse der Ziehversuche zeigt verschiedene Teilprozesse des motorischen Lernens.
Abstract
Qualifizierte Erreichen Aufgaben werden in den Studien der Motorik Lernen und motorische Funktion unter gesunden und pathologischen Zuständen häufig verwendet, kann aber zeitintensiv und zweideutig über einfache Erfolgsraten zu quantifizieren. Hier beschreiben wir die Trainingsprozedur für Reichweite und Pull-Aufgaben mit der ETH Pattus, einem Roboter-Plattform für die automatisierte forelimb erreichen Training, dass Aufzeichnungen ziehen und Handdrehbewegungen bei Ratten. Kinematischen Quantifizierung der durchgeführten Ziehversuche zeigt das Vorhandensein von unterschiedlichen zeitlichen Verläufe der Bewegungsparameter wie Zuggeschwindigkeit, räumliche Variabilität der Zieh Trajektorie, Abweichung von der Mittellinie, sowie Ziehen Erfolg. Wir zeigen, wie kleinere Anpassungen im Trainings Paradigma zu Veränderungen in diesen Parametern führen und enthüllt ihre Beziehung Schwierigkeiten zu Aufgabe, allgemeine Motorik oder qualifizierte Aufgabenausführung. In Kombination mit elektrophysiologischen, pharmakologischen und optogenetischen Techniken kann dieses Paradigma verwendet werdendie zugrunde liegenden Mechanismen des motorischen Lernens und der Gedächtnisbildung sowie Verlust und Wiederherstellung der Funktion (zB nach Schlaganfall) zu erkunden.
Introduction
Motor Aufgaben sind weit verbreitet zu beurteilen, Verhaltens- und neuronale Veränderungen in Bezug auf das motorische Lernen oder Änderungen der motorischen Funktion bei neurologischen oder pharmakologischen Tiermodellen. Feinmotorik kann schwierig sein, bei Nagetieren zu quantifizieren, aber. Aufgaben , die manuelle Geschicklichkeit, wie Manipulation von Getreide 1, Pasta 2 oder Sonnenblumenkerne 3 sind empfindlich und nicht eine umfassende Ausbildung des Tieres erforderlich. Ihr Hauptnachteil ist, dass diese Aufgaben ergeben meist qualitative Ergebnisse und kann schwierig sein, eindeutig zu punkten.
Qualifizierte Erreichen Aufgaben, wie Variationen der einzelnen Pellet Aufgabe zu erreichen sind einfacher 4 zu quantifizieren, 5. Jedoch kinematischen Faktoren, die die erfolgreiche Ausführung dieser Aufgaben zugrunde liegen, können nur in begrenztem Umfang und erfordern arbeitsintensive Vollbild-für-Vollbild-Video a abgeleitet werdennalyse.
Roboter-Geräte haben an Popularität gewonnen als Mittel der Aspekte der forelimb Funktion und Motorik zu quantifizieren. Mehrere automatisierte Erreichen Aufgaben zur Verfügung stehen. Die meisten konzentrieren sich auf einen einzigen Aspekt eines forelimb Bewegung, wie zum Beispiel entlang einer Linearführung 6, 7, einfache distalen Bewegungen der Gliedmaßen 8 oder Pronation und Supination der Pfote 9 eines Griff ziehen. Während diese Geräte in Versprechen für die Analyse der motorischen Funktion zeigen, spiegeln sie nur die komplexen motorischen Aktionen während der Einzelpellet ausgeführt auf eine begrenzte Erreichen verlängern.
Hier zeigen wir die Verwendung eines Drei-Grad-of-freedom Robotervorrichtung, ETH Pattus, entwickelt für die Ausbildung und die Bewertung der verschiedenen motorischen Aufgaben in Ratten 10, 11. Es zeichnet eben und Drehbewegung von Ratten forelimb Bewegungen in Reichweite, zu erfassen, undZiehen in der horizontalen Ebene Aufgaben durchgeführt. Ratten interagieren mit dem Roboter über eine 6 mm Durchmesser kugelförmigen Griff, der durch ein Fenster in der Testkäfig (Breite: 15 cm, Länge: 40 cm, Höhe: 45 cm) erreicht und bewegt werden kann in der horizontalen Ebene (Schieben und Ziehen Bewegungen) und gedreht (Pronation und Supination Bewegungen). Somit ermöglicht es die Ratte Bewegungen auszuführen, die den Hingerichteten bei der konventionellen Einzelpellet Erreichen Aufgaben nähern. Das Fenster ist 10 mm breit und 50 mm über dem Käfigboden gelegen. Der Handgriff befindet sich 55 mm über dem Boden. Eine Schiebetür blockiert den Zugriff auf den Griff zwischen Versuche erreicht und öffnet, wenn der Roboter seine Startposition erreicht hat und schließt nach einem Prozess abgeschlossen ist. Nach einer Bewegung korrekt ausgeführt, erhalten Ratten eine Futterbelohnung auf der gegenüberliegenden Seite des Testkäfigs.
Der Roboter wird durch Software gesteuert und erfasst Ausgang von 3 Drehgeber bei 1000 Hz, wodurch Informationen über die Position of den Griff in der horizontalen Ebene, sowie dessen Drehwinkel (Einzelheiten siehe 11 Referenz). Die Bedingungen für eine erfolgreiche Aufgabenausführung erforderlich sind , in der Software vor jeder Trainingseinheit definiert (beispielsweise minimal erforderliche Abstand und die maximale Abweichung von der Mittellinie in einer Reichweite-and-Pull - Aufgabe ziehen). Eine anfängliche standardisierten Referenzposition des Handgriffs wird zu Beginn jeder Trainingssitzung mit einem festen Halter aufgezeichnet. Diese Referenz wird für alle Versuche in einer Sitzung verwendet wird, für jeden Versuch eine konstante Startposition des Handgriffs gewährleistet. Konstante Positionierung des Handgriffs relativ zu dem Käfigfenster wird durch Ausrichtung von Markierungen auf dem Käfig und Roboter (1) gewährleistet.
Videoaufnahmen der Greifbewegungen werden aufgezeichnet eine kleine High-Speed-Kamera (120 Bilder / s, 640 x 480 Auflösung). Eine kleine Anzeige in die Ansicht der Kamera zeigt die Identifikationsnummer der Ratte, Session Training,Probenummer und Versuchsergebnis (erfolgreich oder nicht). Diese Videos werden verwendet, um aufgezeichnete Ergebnisse verifizieren und die Wirkungen des Erreichens Bewegungen abzuschätzen, die den rührenden voran, Ziehen oder Drehen des Griffes.
Hier zeigen wir die Verwendung dieser Roboterplattform in Variationen einer Reichweite-and-Pull-Aufgabe. Diese Aufgabe kann innerhalb einer Frist von Zeit ausgebildet werden, die auf andere qualifizierte Erreichen Paradigmen vergleichbar ist und liefert reproduzierbare Ergebnisse. Wir beschreiben ein typisches Trainingsprotokoll, sowie einige der wichtigsten Ausgangsparameter. Darüber hinaus zeigen wir, wie kleine Änderungen in der verwendeten Trainingsprotokoll in veränderter Zeitverläufe der Verhaltensergebnisse zur Folge haben kann, dass unabhängige Teilprozesse innerhalb der Motorik Lernprozess darstellen kann.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Die hier vorgestellten Experimente wurden vom Veterinäramt des Kantons Zürich, Schweiz zugelassen und wurden nach nationalen und institutionellen Vorschriften.
1. Fütterungsbedingungen
HINWEIS: Alle Trainingseinheiten werden im Rahmen eines geplanten Fütterungsprotokoll durchgeführt.
- Feed the Ratten 50 g / kg Standardfutter einmal pro Tag, nach dem Training abgeschlossen ist. Diese Menge an Nahrung ist ausreichend großen Gewichtsverlust zu verhindern (Körpergewicht> 90% des Gewichts frei Fütterung), aber klein genug, um reproduzierbare Verhaltensanlage zu gewährleisten. Wiegen Sie die tägliche Ratten zu ihrem Körpergewicht stabil bleibt gewährleisten.
HINWEIS: Weitere über Nacht (10-12 h) Nahrungsentzug kann nützlich sein, vor dem ersten Lohn-Touch-Sitzung (Schritt 2.3).
2. Training Verfahren für eine Reichweite-and-Pull-Task
- Zubereitung: Lassen Sie die Ratten bei lea in ihre neue Heimat Käfige eingewöhnenst eine Woche nach der Ankunft in der Tierhaltung. Behandeln Sie die Ratten regelmäßig während dieser Zeit und geben dustless Präzision Pellets im Käfig, die Ratten an das neue Futter zu gewöhnen. Diese Pellets werden als Belohnung während des Trainingsprotokoll verwendet werden.
- Habituation: Legen Sie die Ratten in den Testkäfig für 30-45 min und 30-50 Pellets im Futternapf bieten, mit pulverisiertem Futter gemischt. Öffnen und den Käfig Fenster zu schließen , und führen Sie das Pellet Spender gelegentlich die Ratten in ihren Sound zu gewöhnen.
- Wiederholen Sie dies für 2-3 Tage.
- Reward-touch: Trainieren Sie die Ratten die Kugelgriff durch den Käfig Fenster zu berühren und dann auf der gegenüberliegenden Seite des Käfigs bewegen , um eine Futterbelohnung abrufen.
- Passen Sie die Software-Einstellungen, so dass der Griff etwas außerhalb des Testkäfigfenster zu Beginn jedes Versuchs befindet, und richten Sie den Griff mit der Mitte des Käfigs Fenster. Wenn die Versuche erfolgreich sind, dh </ Em>, sobald eine leichte Berührung an dem Griff (0,25 mm Verschiebung in jede Richtung) erfasst wurde, ertönt ein Ton und eine Belohnung abgegeben wird. Klassifizieren Studien als nicht bestanden, wenn keine Berührung hat für 180 s erkannt wurde, nachdem das Fenster geöffnet wird.
- Legen Sie die Ratte in der Trainingskäfig. Prompt die Ratte, indem man es an einem Pellet nahe dem Griff gehalten greifen zu erreichen. Richten Sie die Aufmerksamkeit der Ratte auf den Griff und Futternapf, indem Sie auf den Käfig tippen.
- Stoppen auffordert, wenn die Ratte unabhängig der Käfigfenster erreicht durch und ruft die Futterpellet.
- Weiter bis 100 Studien (berührt) abgeschlossen sind oder bis 60 Minuten vergangen sind, was zuerst eintritt.
- Weiter Training für 3-4 Tage und beginnen, die nächste Stufe der Ausbildung (Schritt 2.4), wenn Ratten erreichen 100 Versuche innerhalb von 30 Minuten an 2 aufeinanderfolgenden Tagen.
HINWEIS: Verwenden Sie diesen Schritt nicht über trainieren. Das Ziel der Lohn-touch ist zuverlässig Interaktion zwischen Ratte und Roboter zu erreichen, so dass dieses Verhalten in geformt werden kann,anschließende Ausbildung.
- Freie Pull (FP): die Ratten Zug zu erreichen und den Griff des Roboters ziehen.
- Passen Sie die Software-Einstellungen, so dass der Griff zu Beginn jedes Versuchs 18 mm aus dem Fenster befindet, und muss mindestens 10 mm ohne Unterbrechung für einen erfolgreichen Versuch gezogen werden. Es gibt keine seitlichen Beschränkungen für die Ziehbewegung in dieser Phase.
- Klassifizieren einen Versuch als gescheitert, wenn der Griff wurde für 180 s, nachdem das Fenster nicht bewegt sich öffnet, wenn sich der Griff außerhalb des erreichbaren Arbeitsbereich bewegt wird (mehr als 12 mm von der Mittellinie), oder, wenn der Ratte weniger als 10 mm gezogen wurde innerhalb von 5 s nach der ersten Berührung detektiert wurde.
- Beachten Sie die Anzahl der Male, die linken und rechten Pfote werden während der ersten 20 Versuche der ersten FP-Sitzung verwendet. Die Pfote, die in mindestens 80% der Studien verwendet wird, ist die bevorzugte Pfote betrachtet.
HINWEIS: Paw bevorzugt kann bereits klar sein, in Lohn-Touch-Sessions. - Bewegen Sie den Griff seitlich bis er mit dem Rand des Fensters ausgerichtet ist , zu erleichtern , mit dem bevorzugten paw ziehen (dh den Roboter 5 mm auf der linken Seite des Fensters bewegen , um rechtshändige Ratten und umgekehrt).
HINWEIS: Setzen Sie den Hebel in dieser exakt gleichen Position relativ zum Käfig für alle folgenden Schulungen für diese Ratte. Versichern genaue Platzierung von Markierungen an der Käfigwand und an dem Roboter. - Legen Sie die Ratte in der Trainingskäfig und Zug bis 100 Prüfungen abgeschlossen sind oder bis 60 Minuten vergangen sind, was zuerst eintritt.
HINWEIS: Wenn die Ratte nicht weit genug reichen, es prompt, indem sie bei einem Pellet nahe dem Griff gehalten greifen zu lassen. Ratten stoppen kann versuchen, nach wiederholten Fehlversuchen zu ziehen. Tippen Sie auf den Käfig, lassen Sie sie mit einer Pinzette gehalten für Pellets greifen oder ein Pellet verzichten, um ihre Motivation wieder herzustellen. - Für Experimente nur FP trainiert wurden, weiterhin Ausbildung wie in 2.4 beschrieben.
NEINTE: Typischerweise werden 1-2 FP-Sitzungen benötigt Übergang von Belohnung Kontakt SP (Straight Pull) Ausbildung zu helfen. Das Ziel dieser FP-Sitzungen ist Ratten eingewöhnen den Griff zu erreichen, greifen und ziehen, anstatt nur zu berühren. Wie bei Lohn-Touch-Training ist es wichtig, nicht zu Zug über, wenn das Ziel zu einem nächsten Trainingsschritt für den Übergang ist.
- Passen Sie die Software-Einstellungen, so dass der Griff zu Beginn jedes Versuchs 18 mm aus dem Fenster befindet, und muss mindestens 10 mm ohne Unterbrechung für einen erfolgreichen Versuch gezogen werden. Es gibt keine seitlichen Beschränkungen für die Ziehbewegung in dieser Phase.
- Gerade Zug (SP): Trainieren Sie die Ratten den Griff zu ziehen , ohne mehr als 2 mm von der Mittellinie abweicht.
HINWEIS: Die Mittellinie ist definiert relativ zu der Startposition des Roboters nicht mit dem Mittelpunkt des Käfigs Fenster. Somit wird in einer Zieh Trajektorie führen eine Ziehversuch am Mittelpunkt des Käfigs Fenster endet, das mehr als 2 mm von der Mittellinie abweicht.- Passen Sie die Software-Einstellungen, so dass nur Studien, in denen die Ziehbewegung auf beiden Seiten nicht mehr als 2 mm von der Mittellinie abweicht von einem Ton belohnt werden und ein Pellet. Halten Sie alle anderen Parameter wie in Schritt 2.4 beschrieben.
- Legen Sie die Ratte in der Trainingskäfig und Zug bis 100 Prüfungen abgeschlossen sind oder bis 60 Minuten vergangen sind, was zuerst eintritt.
HINWEIS: Die Ratten können extrem aufgeregt und stoppen nach wiederholten Fehlversuchen zu ziehen versucht. Tippen Sie auf den Käfig ihre Aufmerksamkeit auf das Erreichen Aufgabe umleiten, lassen Sie sie für Pellets mit einer Pinzette gehalten greifen oder ein Pellet verzichten, um ihre Motivation wieder herzustellen. - Fortsetzung der Ausbildung, bis die Ratten Plateau Performance zu erreichen, oder die Einarbeitungszeit anzupassen nach dem Ziel eines Experiments.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Hier zeigen wir drei Varianten einer Reichweite-und Pull-Task mit männlichen Long-Evans-Ratten (10-12 Wochen alt). Im Frei Pull (FP) Gruppe (N = 6) wurden die Ratten trainiert die Roboterhandgriff für einen Zeitraum 22 Tage ohne seitliche Einschränkungen zu ziehen. Tiere in Gerade ziehen 1 (SP1) Gruppe (N = 12) ausgebildet wurden, um den Griff zu ziehen, ohne mehr als 2 mm von der Mittellinie abweicht. Diese Tiere transitioned direkt von Lohn-touch (Schritt 2.3) gerade gezogene Training (Schritt 2.5). Für beide FP und SP1 Tieren wurde der Handgriff in der Mitte der Käfigfenster platziert. Diese Ergebnisse wurden zuvor in Lambercy et al. 10 Ratten in der SP2 - Gruppe (N = 7) erhielt 2 FP-Trainings , bevor gerade gezogene Training übergeht . Der Griff wurde mit dem Rand des Käfigfenster für diese Gruppe ausgerichtet ist ergeb eine etwas schwierige Aufgabe, da der Griff mehr als 2 mm von der Mittellinie abweicht, wenn gezogenmit dem Mittelpunkt des Käfigs Fenster.
Alle Ratten lernen , leicht mit dem Roboter - Manipulationsvorrichtung (2A) zu interagieren. Die Anzahl der gültigen zieht (dh die Anzahl der Ziehversuche , wo der Griff mindestens 10 mm herausgezogen wird) steigt schnell an und erreicht stabiles Plateau Spiegel nach 2-3 Tagen in FP und SP1. Die Anzahl der gültigen Versuche erhöht bei vergleichbarem Rate während der FP-Sitzungen von SP2, was zu einer stabilen Anzahl gültiger Züge pro Sitzung gesamten SP Ausbildung in SP2 Ratten. Plateau Leistung ist hoch in allen Trainings Paradigmen und ist unabhängig von Aufgabenparametern wie Griffstellung und Grenzen für die zulässige Größe der Abweichung von der Mittellinie.
SP1 Ratten erreichen Plateau Erfolgsrate (dh der Prozentsatz der gültigen zieht , die innerhalb von 2 mm von der Mittellinie bleibt) nach 5-4 Trainingseinheiten (2B). SP2 Ratten zeigen einelangsamer Progression und Reichweite Plateau Erfolgsrate nach 11 Sitzungen, was darauf hinweist, dass eine erfolgreiche Durchführung dieser Version der geraden Zug Aufgabe schwieriger zu erreichen ist. Schlusserfolgsraten sind ähnlich für SP1 und SP2.
Während SP Ausbildung, werden Zieh Trajektorien zunehmend geradere, wie durch Abweichung von der Mittellinie verringert (dh die Fläche zwischen der gemessenen Flugbahn und die Mittellinie) , und was zu einer erhöhten Anzahl von erfolgreichen zieht sowohl SP1 und SP2 (Abbildung 3, 5A). Interessanterweise wird die durchschnittliche Ziehbahn von FP Ratten geradere während der Ausbildungszeit 22 Tage als gut, obwohl das Ausmaß der Abweichung von der Mittellinie auf einem höheren Niveau stabilisiert als in SP1 Ratten. Dies zeigt an, dass die natürliche Ziehbahn relativ gerade ist, wenn Sie den Griff des Roboters in der Mitte des Käfigs Fenster befindet. Wenn der Griff ausgerichtet with Rand des Fensters, jedoch ist die puling Trajektorie gekrümmt und Abweichung von der Mittellinie bleibt während der SP2-FP-Sitzungen stabil. Eine Abweichung von der Mittellinie in der SP2-Gruppe bleibt höher als in der SP1-Gruppe, wahrscheinlich als Folge der außermittig Griff Platzierung.
Veränderlichkeit der Zieh Trajektorien (dh Größe des 95% Konfidenzintervall) fällt schnell in FP und SP1 und erreicht vergleichbare Werte in diesen Gruppen nach 3-4 Trainingseinheiten (5B). Interessanterweise SP2 Tiere nicht über diese Abnahme der Variabilität zeigen und kontinuierlich mit relativ geringen Variabilität während SP-Sitzungen ziehen, aber während der SP2-FP-Sitzungen einen raschen Rückgang der Flugbahn Variabilität zeigen.
In ähnlicher Weise sowohl Mittel- und Spitzen Zuggeschwindigkeit Anstieg während der ersten Trainingseinheiten (FP, SP1 und SP2-FP), aber stabil sind während SP2-SP - Sitzungen (Abbildungs 5C, 5D). Zwar liegt das durchschnittliche Zuggeschwindigkeit während SP2 Sitzungen nicht ändert, ziehen Geschwindigkeitsprofile werden viel weniger variabel durch Training (Abbildung 4). Dies wird sowohl in der Anzahl der submovements (dh Anzahl der Beschleunigungen und Verzögerungen in der Zugbewegung, 5E) und die Anzahl der Versuche mit Anschlägen (dh Studien , in denen Geschwindigkeit Ziehen auf Null abfällt, 5F) reflektiert. Nach einem starken Rückgang in den ersten SP1 und SP2-FP-Sitzungen, sowohl die Anzahl der submovements und die Anzahl der Versuche mit Anschlägen weiterhin in SP1 und SP2 in der gesamten 22-Sitzung Trainingszeit zu verringern. In FP Ratten, verringert sich die Anzahl der submovements und Versuche mit Anschlägen zunächst schnell als gut, aber auf einem höheren Niveau als die beiden gerade gezogene Gruppen stabilisieren und zeigen keine weitere Verbesserung. Interessanterweise Zuggeschwindigkeit scheint nicht eng miteinander verwandt einer Studie zu dem Ergebnis zu sein (Abbildung 4
Die ~ 5% der Ratten, die gerade gezogene Aufgabe der Regel nicht erfolgreich lernen zu führen lernen , den Griff zu ziehen, sind aber nicht in der Lage gerade zu ziehen (Abbildung 6). Diese Tiere zeigen eine gleichbleibend hohe Abweichung von der Mittellinie, was zu niedrigen Erfolgsraten. Leistung während SP2-FP-Sitzungen das Tier präsentiert hier während ansonsten vergleichbar mit der SP2 Tiere, die die Aufgabe erfolgreich sie erwerben.
Abbildung 1: Übersicht der Roboter Manipulandum und Positionierung Griff. (A) Technische Zeichnung Für die Roboter Manipulandum und Markierungen für die Ausrichtung mit dem Trainingskäfig zeigt. (B) Griff in konstanten Referenzposition zu Beginn einer Trainingseinheit statt. (C) Griff in freier Ausgangsposition an der stKunst einer Zieh Studie. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
Abbildung 2: Typische Lernkurven eines Reach - und Pull - Aufgabe. (A) Gültige Versuche in einem freien Pull - Task (FP, N = 6), gerade Pull - Task ohne einleitende FP-Sitzungen (SP1, N = 12) und eine gerade Pull - Task (SP2, N = 7) mit Einführungs FP- ziehen Sitzungen (SP2-FP). Die Werte sind Mittelwert ± SEM (B) Erfolgreiche Versuche als Prozentsatz der gültigen Versuche in der gerade ziehen Aufgabe mit (SP2) ziehen und ohne (SP1) einleitenden FP-Sitzungen. Die Werte sind Mittelwert ± SEM Bitte hier klicken , um eine größere Version dieser Figur zu sehen.
Abbildung 3: Ziehen Trajektorien werden Progressiv Straighter und weniger variabel Während Training der SP 2 Aufgabe. Erfolgreiche (schwarz), scheiterte (grau) und mittlere (grün) Trajektorien für die erste und letzte geraden Zug Trainingseinheit für einen repräsentativen Tier gezeigt. Die gepunkteten Linien zeigen die 4 mm breite Zone, innerhalb derer ein erfolgreicher Versuch ausgeführt wird. Der rote Punkt zeigt die Startposition des Griffs. Der grüne Punkt zeigt den theoretischen Endpunkt einer vollkommen gerade 10 mm Ziehversuch. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
Abbildung 4: </ strong> mittlere Geschwindigkeit in der Zugrichtung der gültigen Versuche Während Trainings Erhöht leicht und wird weniger Variable aus dem ersten (A) an die Last (B) Training Session. Durchschnitt (grün) und individuelle Zuggeschwindigkeit Profile von erfolgreichen (schwarz) und scheiterte (grau) ziehen versucht, für einen repräsentativen Tier gezeigt, um die SP2 Aufgabe auszuführen. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
Abbildung 5: Ein Überblick über die Parameter in einer Frei Pulling Gemessene (FP, N = 6) Aufgabe, gerade Pull - Task Ohne Einleitende FP-Sitzungen (SP 1, N = 12) und ein Straight Pull - Task (SP 2
6 "src =" / files / ftp_upload / 54970 / 54970fig6.jpg "/>
Abbildung 6: Beispiel für ein Tier , das nicht erfolgreich lernen Ist das SP 2 Aufgabe ausführen zu können . (A) Ziehen Bahnen in der ersten und letzten Trainingseinheit. Erfolgreiche (schwarz), scheiterte (grau) und mittlere (grün) Trajektorien für die erste und letzte geraden Zug Trainingseinheit für einen repräsentativen Tier gezeigt. Die gepunkteten Linien zeigen die 4 mm breite Zone, innerhalb derer ein erfolgreicher Versuch ausgeführt wird. Der rote Punkt zeigt die Startposition des Griffs. Der grüne Punkt zeigt den theoretischen Endpunkt einer vollkommen gerade 10 mm Ziehversuch. (B) Lernkurve zeigt gültig und erfolgreich Ziehversuche während des gesamten Ausbildungszeit. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Qualifizierte Erreichen Aufgaben werden üblicherweise 6 zu studieren Motorik Erwerb sowie Beeinträchtigung der motorischen Funktion unter pathologischen Bedingungen. Zuverlässige und eindeutige Analyse Verhalten zu erreichen ist von wesentlicher Bedeutung für die Untersuchung von zellulären Mechanismen Motorik Erwerb zugrunde liegen, sowie neurophysiologischen Verlust und die anschließende Wiederherstellung der Funktion beteiligten Prozesse in Tiermodellen für neurologische Erkrankungen. Die hier vorgestellten Ergebnisse zeigen, wie räumliche und zeitliche Aspekte der Zugbewegung zeigen deutliche Profile während Motorik Ausbildung. Diese können spiegeln unterschiedliche Teilprozesse innerhalb der Motorik Lernprozess 7, 12.
In den hier vorgestellten Ergebnisse zeigen wir , dass selbst eine kleine Änderung in Trainingsprotokoll, wie beispielsweise eine andere Ausgangsposition des Griffs (SP1 vs. SP2) resultiert in veränderten Bewegungsparameterprofile. Durch hinzufügening zwei FP - Sitzungen vor der geraden Zug Ausbildung unserer bisher veröffentlichten Trainingsprotokoll 10, waren wir in der Lage , die Auswirkungen des Lernens zu distanzieren von der Fähigkeit zu ziehen , gerade zu ziehen. Darüber hinaus ist die außermittig Platzierung der Griff des Roboters in diesem verbesserten Trainingsprotokoll (SP2) zu einer Aufgabe mit einer flacheren Lernkurve, die vorteilhafter für das Studium Mechanismen des motorischen Lernens ist, da es Zeit für Interventionen vor Plateau Leistungsstufen sind erlaubt erreicht. Darüber hinaus ist es möglich , Faktoren zu unterscheiden , im Zusammenhang mit der Ausführung von Faktoren zu Aufgabe im Zusammenhang mit Schwierigkeiten zu Aufgabe , die in die Erfolgsraten nicht sofort übernommen werden, aber weitere Verfeinerung der Motorik 4 hinweisen. Reibungslose Durchführung der Zugbewegungen, in der Anzahl der submovements reflektiert kann ein Maß für Mann in Betracht gezogen werden, gerade gezogen wird. Im Gegensatz dazu fällt räumlichen Variabilität der Bewegung schnell wie die Anzahl der gültigen ziehtZuwächse in allen drei Versionen der Reichweite und Pull-Aufgabe, aber der Erfolg in geraden Zug Aufgaben zu ziehen und können allgemeine Motorik oder Konvergenz auf die richtige Bewegung nicht direkt verwandt ist einmal für einen erfolgreichen Versuch, anstatt qualifizierte Aufgabenausführung erforderlich reflektieren die Regeln der Aufgabe gelernt haben.
Die Ausführung unserer Roboter-Reichweite und Pull-Aufgaben ist bemerkenswert zuverlässig und reproduzierbar zwischen den Tieren. Alle trainierten Tiere erwerben die freie Pull-Task, und eine Mehrheit (90-95% der Tiere) ist in der Lage, die gerade ziehen Aufgabe zu lernen. Auch Tiere, die während der Geradeziehen weiterhin ausführen, um eine hohe Anzahl gültiger ziehen Versuche konstant niedrige Erfolgsraten zeigen. Diese scheiterte, aber gültige Versuche sind vollständig erfasst. führt typischerweise zu einer unvollständigen Erreichen Bewegung Fehlversuche in einem klassischen Fach Erreichen Aufgabe zu erreichen. Es ist daher möglich, nicht nur Aspekte der Bewegung für eine erfolgreiche Aufgabe Erwerb im Zusammenhang zu analysieren, aber also zu beurteilen, welche Bewegungsparameter zu einem Ausfall führen.
Während die hier vorgestellten Messungen detaillierte Informationen geben über Bewegungen ziehen, nicht alle Aspekte der Reichweite und Pull-forelimb Bewegung erfasst. Alle Änderungen in Erreichen Verhalten, das vor der ersten Berührung kommen oder nach Freigabe des Handgriffes am Ende eines gültigen Ziehversuch nicht aufgezeichnet und kann daher nicht mit der gleichen Genauigkeit analysiert werden. Zum Beispiel werden die Anzahl der Versuche vor einer Zugbewegung greifen nicht gemessen, obwohl sie in Bezug auf die funktionelle Erholung Modelle relevant sein kann. Analyse von High-Speed-Videoaufnahmen bietet diese zusätzlichen Informationen. Zuvor beschriebenen Verfahren zur Bewegungsverfolgung 13, 14 kann für diesen Zweck angepaßt werden.
Darüber hinaus sind unsere Aufnahmen keine Informationen über die Qualität der Griff des Handgriffs der Ratte liefern. Die Drehung desGriff, Pronation oder Supination der Pfote angibt, könnte einen Einblick in Kombination mit High-Speed-Video zur Verfügung stellen. Da Rotation und Griff besonders bei Modellen Ratte Schlaganfall 9 betroffen sind, 15, 16, sind zukünftige Experimente erforderlich , um zu bestimmen , wie wirksam die Reichweite und Pull - Aufgaben präsentiert werden , gehören bei der Erfassung nach Schlaganfall motorischen Defiziten.
Die Aufgaben hier vorgestellt wurden entworfen herkömmlichen Einzelpellet Erreichen Aufgaben zu imitieren: die erforderliche Zugweg auf den typischen Abstand zwischen Fenster und Pellet bei diesen Aufgaben und die freie Bewegung des Griffs in der horizontalen Ebene basiert ermöglicht die Messung der natürlichen Pfote Trajektorien der Ratte über einen 10 mm Abstand in gültigen Versuchen.
Ebenso invalid Prüfungen , bei denen der Griff außerhalb der Roboterarbeitsbereich bewegt wird (zB wird der Griff swiped beiseite während des Ziehens) oderwo der gezogene Abstand unzureichend ist, könnte als ähnlich zu fallen Pellets in einzelne Pellets erreicht Aufgaben werden interpretiert, obwohl der Griff nicht auf den Boden fallen, wenn nicht freigegeben.
Dieses Design fängt mehrere Aspekte der Zugbewegung als automatisierte Aufgaben zur Schaffung eines einzigen einfachen Bewegung zu messen. Aber es ermöglicht auch die Interaktion zwischen Zug- und Drehbewegungen und gibt den Tieren die Möglichkeit zum Ausgleich. Einblick in die Ausgleichsbewegungen während Motorik Erholung kann wertvoll sein, sondern auch kompliziert Interpretation der Ergebnisse.
Ein entscheidender Schritt in Erwerb der Reichweite und Pull-Aufgaben erfolgreich Konditionierung der Belohnung Touch Schritt der Ausbildung. Ohne eine zuverlässige Interaktion zwischen Ratte und Roboter, alle weiteren Trainingsschritte sind schwierig durchzuführen und zuverlässig quantifizieren. Es ist ebenso wichtig, nicht die Ratten während der Übergangs-Trainingsschritte viel trainieren, aber. während einwährend Belohnung Touch-Trainings für mehr als 3-4 Tage, über Konsolidierung Verbesserungen in der Leistung zu zeigen, verhindert wirksam Gestaltung von Verhalten in späteren Reichweite und Pull-Training imals fortgesetzt werden kann.
Constant Platzierung des Griffs ist wichtig für die korrekte Ausführung und zuverlässige Analyse aller gewonnenen Daten mit Hilfe der Roboter Reichweite und Pull-Aufgabe hier vorgestellt. Während die Position des Handgriffs relativ zum Rest des Roboters und zur Mittellinie softwaredefiniert ist, wird der Griffposition relativ zum Käfig Fenster durch Bewegen entweder seitlich leicht variiert. Hier haben wir gezeigt, wie die Ausrichtung des Griffs entweder mit dem Rand oder in der Mitte des Fensters Aufgabe Erwerb verändert und kann verwendet werden, um Prozesse zu studieren Motorik Lernen zugrunde liegen. Inconstant Ausrichtung des Griffs innerhalb einer Trainingsperiode wird jedoch einführen Effekte und Ausbeuten unzuverlässig Verhaltens Ablesungen Verwechselung.
In der hier beschriebene Protokoll, Rattes sind bei der täglichen Sitzungen bestehen aus 100 Studien, ähnlich wie bei unseren bisherigen Einzelpellet erreicht Experimente 4, 17 ausgebildet. Mit automatisierten Trainings Setups die Anzahl der Versuche pro Sitzung kann leicht erhöht werden, ohne dass viel mehr Aufwand seitens des Forschers. Während eine höhere Anzahl von Studien pro Sitzung in geringeren intraindividuelle Variabilität führen kann, hat die Auswirkungen der Anzahl der Versuche pro Trainingseinheit auf die Geschwindigkeit des Lernens und der Wiederfindung berücksichtigt werden. Darüber hinaus Faktoren wie Sättigung und Müdigkeit werden besser relevant und könnten mit der Leistung in sehr langen Trainingseinheiten stören.
Obwohl Belastung und Geschlechtsunterschiede in Motorik Lernfähigkeit 4 bei Ratten beschrieben wurden, 18, 19, haben wir eine zuverlässige Leistung in männlichen Sprague-Dawley eind Long-Evans-Ratten. Ältere Tiere (4-5 Monate alt) sind in der Regel langsamer als jüngere (8-10 Wochen) und zeigen längere Intervalle zwischen den Studien. Darüber hinaus haben wir eine schlechte Leistung bei älteren Tieren beobachtet, wenn Futterpellets mit einem Saccharose-Wasser-Belohnungs ersetzt. Ältere Tiere, die Flüssigkeit Belohnungen Erfahrung Schwierigkeiten bekommen, wenn sie von Lohn-Note zu ziehen übergeht. Dies kann durch altersbedingte Belohnung-Präferenzen verursacht werden, wobei in diesem Fall unter Verwendung eines genießbarer Flüssigkeit Belohnung wie Joghurt oder Erdnußöl können bessere Ergebnisse ergeben. Alternativ könnte das Verhalten von älteren Tieren Schwierigkeiten zeigen eine abstraktere Erreichungs Aufgabe zu verstehen (im Vergleich zu herkömmlichen Pellets zu erreichen), obwohl wir bei diesen Tieren zuverlässig Lernverhalten zu tun beobachten, wenn feste Nahrung Belohnungen verwendet werden. Somit sollte die Wirkung der gewählten Belohnung besonders berücksichtigt werden , wenn Experimente entwerfen , wo die Verwendung von älteren Tieren bevorzugt wird (dh in Modellen von Schlaganfall oder Neurodegenerative Erkrankung).
Wir haben noch nicht geschlechtsspezifische Unterschiede in Motorik Lernen untersucht mit ETH Pattus. Es ist unwahrscheinlich, dass weibliche Ratten die SP oder FP Aufgaben zu erwerben, auch wenn ihre Lernstrategien unterscheiden können von Männern nicht in der Lage sein. Doch obwohl die Östrocyclus Wirbelsäule Dichte bei weiblichen Ratten beeinflusst, Auswirkungen auf die Lernkurven und zum Thema Lernen Plastizität in primären motorischen Kortex beschränkt 20.
Die Roboter-Aufgaben können auf verschiedene Weise variiert werden: die erforderliche Bewegung kann mehr oder weniger genau (beispielsweise eine begrenzte Menge an Abweichung von einer vorgegebenen Trajektorie in einer Reichweite-and-Pull-Aufgabe), oder der Roboter kann stören oder diese unterstützen, die ausgeführte Bewegung in einem oder allen von drei Dimensionen (längs oder Seitwärtsbewegungen in der Horizontalebene und den Drehwinkel des Handgriffs). Anders als Variationen über die Reichweite und Pull-Aufgaben in diesem Papier ist es möglich, Motorik l zu entwerfenverdienen Aufgaben, bei denen zum Beispiel Drehwinkel des Griffs, die maximale Bewegungsgeschwindigkeit oder Beschleunigungsprofil für den Erfolg eines Prozesses definieren.
Anders als einfache Variation der Aufgabenparameter ermöglicht, der experimentelle Aufbau hier vorgestellten trennt räumlich die Motorwirkung von der gegebenen Belohnung, die auf der gegenüberliegenden Seite des Käfigs abgegeben wird. Die Belohnung Größe Anpassung ist in der klassischen Erreichen Aufgaben nicht möglich , ohne Aufgabenschwierigkeit zu beeinflussen 21 (Eine kleinere Futterpellet ist schwieriger zu erfassen als eine größere), noch ist es möglich, die Chance auf eine Belohnung unabhängig von dem Tierspielstärke zu variieren. Mit Hilfe eines Roboter-Aufgabe, die Belohnung für eine Kraftwirkung erhalten kann, basierend auf Fähigkeiten, die aktuelle Leistung variiert werden oder können variiert werden, Faktoren zu beurteilen, wie die Motivation.
Abschließend automatisierte Training mit kinematischen Bewegungsanalyse kombiniert wird, liefert eine automatisierte, objektive Methodefür das Studium Lernen Motorik, die eng herkömmlichen Fach erreichen Aufgaben nachahmt, sondern liefert zusätzliche Daten von erfolgreichen und fehlgeschlagenen Versuche ziehen. Dieser Ansatz eröffnet neue Möglichkeiten der Untersuchung in Verbindung mit elektrophysiologischen, pharmakologischen oder optogenetische Eingriffe auf Verbesserung ausgerichtet oder Störung von Reichweite und Pull-Bewegungen oder entstehende Essen belohnt.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die Autoren haben nichts zu offenbaren
Acknowledgments
Diese Forschung wurde von der Schweizerischen National Science Foundation, dem Betty und David Koetser-Stiftung für Hirnforschung und der ETH Foundation unterstützt.
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 |
References
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Lambercy, O., et al. Sub-processes of motor learning revealed by a robotic manipulandum for rodents. Behav Brain Res. 278, 569-576 (2015).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Molina-Luna, K., et al. Dopamine in motor cortex is necessary for skill learning and synaptic plasticity. PloS one. 4 (9), (2009).
- 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).
- 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).
- 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).
- 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).
