Summary
이 문서 우리 발명, 자동된 T-maze 기구를 소개 하 고 의사 결정 지연 기반 및 무료 이동 설치류에 노력 기반 의사 결정을 분석 하기 위한이 장치를 기반으로 하는 프로토콜.
Abstract
많은 신경 정신과 환자 어려움 및 의사 결정에에서 적자를 보여 줍니다. 설치류 모델 neurobiological 원인 근본적인 의사 결정 문제에 대 한 깊은 이해를 생성에 도움이 됩니다. 비용-혜택 기반된 T-maze 작업 있는 설치류는 높은 보상 팔 (HRA)와 낮은 보상 팔 (아이라) 중에서 선택 하는 결정을 측정에 사용 됩니다. T-maze 의사 결정 작업, 하나는 비용입니다 시간 지연 및 다른 어떤 그것은 물리적인 노력의 두 패러다임을 확인 하 고 있습니다. 두 패러다임 실험 동물, 여러 문의 지루하고 노동 집약적인 관리가 필요 하 고, 보상, 작은 팔 선택 녹음. 현재 작업에서 우리는 펠 릿 배달, 문 관리와 선택 녹음에 대 한 완전 자동화와 전통적인 T-maze에 따라 기구를 발명 했습니다. 이 자동화 된 설치 두 지연 및 노력 기반 의사 결정 설치류에서의 평가 위해 사용할 수 있습니다. 여기에 설명 된 프로토콜 연구소 조사 여러 유전자 변형된 생쥐의 의사 고기. 대표적인 데이터에서 우리는 연기나 중간 habenular와 쥐 aversions 지연 및 노력을 보여 하 고 즉각적이 고 손쉽게 보상을 선택 하는 경향이 보였다. 이 프로토콜에는 실험 개입으로 인 한 가변성을 감소 하 고 실험의 효율성을 향상 도움이 됩니다. 또한, 만성 실리콘 프로브 또는 microelectrode 녹음, 광섬유 이미징 또는 신경 활동의 조작 적용할 수 있습니다 쉽게 여기에 설명 된 설치를 사용 하 여 의사 결정 작업 중.
Introduction
인간과 다른 동물 (를 포함 하 여 지연, 노력, 및 위험) 비용, 보상을 평가 한 다음 행동의 특정 과정을 선택 하는 그들의 결정. 의사 적자는 정신 분열 증 (SZ), 주의력 결핍 과잉 행동 장애 (ADHD), 강 박 장애 (강 박 신경 증), 파 킨 슨 병 (PD)와 중독1를 포함 하 여 수많은 정신병 질환에 나타납니다. 인간과 원숭이 대 한 연구는 그 몇 가지 주요 두뇌 지역 결정 만들기2,,34에 관련 된 공개. 영장류는 더 복잡 한 결정 자질에 종사, 비록 설치류 보상 우발 자주 변경 하는 환경에서 살아남기 위해 적응 결정 수 보고 되었습니다. 또한, 신경 회로 메커니즘 및 의사 결정 기본 분자 메커니즘은 마우스 모델 chemogenetic, optogenetic 및 도구 및 유전자 조작된 생쥐의 가용성 때문에 철저 하 게 조사 수 있습니다. 여러 작업 attentional 세트-교대 작업, 대가가 또는 지연 기반 T-maze 작업, 아이오와 도박 작업, 작업5, 학습 시각적 차별 반전 등 설치류 의사 결정 행동을 평가에 사용 되는 등. 유사한 T-maze 비용-혜택 피에르 그룹6 에 의해 원래 개발 되었다 프로토콜과 무료 이동 설치류7,8, 두 가지 유형의 결정 비용 (지연 및 노력)의 효과 검사 하는 데 사용 되었습니다 9,10. 이 작업의 특별 한 장점은 동물 레버 또는 그릇에 파 훈련 필요가 없습니다. 대신, 동물 높은 보상 높은 비용 한 팔 (HRA) 또는 낮은 보상 다른 팔 (아이라)에서 저렴 한 비용 옵션에서 옵션 사이 선택을 하십시오. 따라서,이 작업을 수행 하기 훨씬 쉽습니다.
지연 기반 패러다임에서 접합 문을 도입 실험 동물 목표 무기 중 하나를 입력 하면 일단 동물 목표 팔에 보관 됩니다 있도록. 동물은 아이라 선택, 목표 도어는 아이라를 즉시 철회 하 고 작은 양의 음식 배달. 동물 HRA를 선택 하는 경우 HRA에 목표 문을 필요한 지연 후 철회 것 이며 많은 양의 음식 펠 릿 (그림 1A) 합니다. 노력 기반 패러다임에서 HRA는 장벽으로 저지 하 고 동물 위에 많은 양의 펠 릿 (그림 1B)를 등반 해야 합니다. 일반적으로 말하자면, 지연 기반 패러다임 테스트 동물 모델의 충 동성을 매우 유용 하 노력을 기반으로 한 apathetic 동물2,,411,12, 를 알아내기 위해 도울 수 있다 13. Hitherto 연구원은 수동으로 계산 시간 지연 삽입 및 문 철수, 노력 배리어를 기동 시키기, 펠 릿 수를 세, 위치에 알 약을 배치, 배치, 동물을 반환 하 여이 시험을 수행 있다 동물의 선택 모든 재판에 대 한 기록. 이러한 노동 및 시간 비용이 행동 분석 결과의 광범위 한 사용을 방해 하는 연구원에 대 한 심각한 실험적인 병목을 포즈. 현재 작업에서 우리는 완전 자동화, 표준화, 및 높은 처리량 용량 설치류의 지연 또는 노력을 기반으로 결정을 평가 하는 T-maze 기반 설치를 개발 했다.
장치
상업적인 제조 업체와 함께 공동에서 ( 재료의 표참조) 우리는 수정 개발 자동화 소프트웨어 기반 인스트루먼트 컨트롤 (그림 2)를 사용 하는 T-maze 기구. 특히, 우리가 도입 "뒷문" 및 "백업 방법" 전통적인 T-maze (그림 2)에 비해 동물 점 그들 자신 다시 시작 하 고 새로운 재판을 시작을 갈 수 있도록. T-maze, 매트 회색 이며 두 흑인과 백인 쥐 실험 조건 및 소프트웨어 설정 되 면 제대로, 검출 될 수 있다. 그것은 3 개의 무기 구성 되어: 1 시작 팔 및 2 개의 목표 팔, 155 m m 높이 V 자형 벽 길이에 각 410 m m 30 m m 너비와 폭에 155 m m의 오픈 탑의 기본. V 자형 복도 점프에서 효과적으로 쥐를 방지할 수 있습니다. 또한, V 자형 복도 쉽게 그것 적용 한다 vivo에서 케이블 녹화 있습니다. 시작 상자 시작 팔의 끝에 첨부 됩니다. 목표 상자 각 목표 팔의 끝에 첨부 됩니다. 자동 식품 디스펜서 달콤한 음식 펠 릿의 미리 정의 된 수를 제공 하도록 각 목표 상자에 설치 됩니다. 펠 릿 섭취 적외선 센서에 의해 감지 되 고 컴퓨터에 의해 자동으로 기록 됩니다. 각 목표 상자 직선 복도 의해 시작 상자에 연결 되어 있습니다. 동물은 자율적으로 돌아갈 수 시작 상자 복도 통해 일단 재판 완료. 입구와 출구의 시작과 목표 상자에서 높이 155 m m의 슬라이딩 도어 있다. 또한, 슬라이딩 도어는 동물 (그림 2A) 선택 후 뒤로 이동 하지 않도록 하려면 각 목표 팔의 입구에 위치. 모든 슬라이딩 도어는 컴퓨터에 의해 제어 됩니다 고 수 될 자동으로 열리고 닫혀. 높은 감도 1/2"충전 결합된 장치 (CCD) 단 안경 카메라 동물의 동작을 추적 하는 장치 위에 설정 됩니다. 렌즈의 초점 거리 2.8-12 m m입니다. 카메라의 위치는 약 1.9 m 높은. 미로 바닥에서 0.5 m 이기 때문에, 카메라와 미로 사이의 거리는 약 1.4 m (그림 2B). CCD 카메라에서 가져온 추적 데이터 사용 T-maze, 열고 동물 관심사 (ROIs)의 특정 영역을 입력할 때 특정 문을 닫는 라이브-제어. 노력 기반 패러다임 사용 장벽을 3 차원 직각 삼각형 (그림 2C), V 자형 벽에 맞는 완벽 하 게,의 모양에 있으며 높이 약 155 m m. 동물 수직 측면을 확장 해야 하지만 45 ° 경사를 내려갈 수 있습니다. 기구는 실험 기간 동안 100 개 럭 스에 조명 이다. 실험에 사용 하는 펠 릿을 설탕 ( 재료의 표참조), 실리 카 젤 산 탄을 건조 한 유지 하는 데 사용 됩니다 ( 재료의 표참조).
Protocol
모든 실험 프로토콜은 동물 관리 및 사용 RIKEN 뇌 과학 연구소의 위원회에 의해 승인 되었다.
1. 동물 준비
- 섹스, 나이, 유전자 형 및 약물 치료의 실험 쥐 (쥐) 실험 목적에 따라 선택 합니다.
참고: 여기 우리 2 개월의 4 남자 C57B/6 마우스의 성능을 시연. - (12 h 빛/12 h 어두운 주기, 오전 8 시와 오후 8 시, 22 ± 1 ° C 사이 빛) 표준 조건 하에서 유지 한 방에 쥐를 집.
참고: 경우 목적은 두 genotypes 사이의 차이 비교, 케이지 당 4 쥐를 그룹화 하 고 각 유전자의 2 마우스를 포함. - 인간 접촉 그들에 익숙해지도록 5 일 동안 2 분/일에 대 한 마우스를 처리 합니다. 자신의 몸 무게 약 실험을 통해 무료 먹이 무게의 약 80-85% 유지 되도록 측정된 식량으로 그들을 먹이. 물 광고 libitum제공 합니다.
- 모든 마우스 마우스 실험 방 30 분 실험 하루 전에 룸 주택에서 전송 하 여 실험적인 방에 쥐를 길 들.
- 동물 성능에 circadian 리듬의 효과 피하기 위해 매일 같은 시간에 실험을 시작 합니다.
2. 동물 Habituation 미로를
- 마우스 (2 분/일) 처리와 함께 미로에 habituation를 동시에 시작 합니다. 이 단계에서 모든 문을 열려 유지. 5 일의 총에 대 한 요법이 니를 수행 합니다.
- 하루에 1, 미로 통해 음식 펠 릿을 피해 라.
- 2, 3 일에 두 목표 무기에 따라 펠 릿을 피해 라.
- 사이에 4 및 5, 산 탄만 두 개의 목표 상자에 넣어.
- 매일, 펠 릿, 배치 후 4 개의 그룹으로 T-maze의 시작 상자에서 쥐 놓고 10 분 동안 미로 탐험 하는 쥐를 허용 합니다.
참고: 4 개의 그룹으로 마우스 Habituating 서로 학습과 훈련을 가속화 하도록 도울 것 이다.
3. 동물 차별 아이라에서 HRA의
참고:이 프로토콜 모두 지연-및 노력 기반 의사 결정 테스트가 됩니다. 그러나, 목적에 따라 연구자만 그들 중 하나, 또는 두 가지 모두 테스트할 수 있습니다. 제어 소프트웨어 (자료 테이블)는 자동으로 다음 단계에 대 한 T-maze 설정을 제어 하는 데 사용 됩니다. 의사 결정 노력 기반 테스트 하는 경우 강제 팔 항목 단계에서 HRA와 아이라에 장벽을 소개 합니다. 다음 동물 차별과 장벽을 동시에 등반을 위해 훈련 될 것 이다. 굶주린 쥐 적극적으로 장벽을 상승 하 고이 단계 후 그들 모두 능숙 하 게 올라갈 수 있습니다. 따라서,이 프로토콜으로 낮은 장벽에서 시작할 필요는 없습니다.
-
강제 팔 항목 단계
- 제어 소프트웨어의 매개 변수 등록 창을 열고 매개 변수를 다음과 같이 설정 합니다 (그림 3).
- "단계 옵션을"을 선택 하십시오. 되도록 각 동물 5 연속 일 동안 하루 10 실험을 통해 갈 것 이다 10, "예 심 숫자"를 설정 합니다.
참고: 하나 그 자신의 실험에 다른 시험 번호를 선택할 수 있습니다. - 900 "기간"을 설정 s 하루 한 마우스의 훈련 900 미 설정에서 "기본 시작 지연 시간" 3을 초과 하지 것입니다 있도록 s, 시작 문 3를 열 것 이다 그래야 s 시작 지역에서 동물을 감지 후.
- 4 알 약은 항상 자동으로 HRA에 적절 하 게 하 고 1 펠 릿에는 아이라 적절 HRA와는 아이라 "펠 릿 번호"를 설정 합니다.
참고: 우리의 실험에서 우리가 발견 하는 1: 4는 최고의 비율 10 밀리 그램 설탕 알 약을 사용 하는 경우. 6 ~ 10 알갱이 사용 하 고, 쥐 먹는 그들 모두를 완료할 수 없습니다 하 고 누락 일이 있을 것입니다. - "지연 시간" 0을 설정 s, 그 거기이 단계 HRA와 아이라 지연 될 것입니다.
- "단계 옵션을"을 선택 하십시오. 되도록 각 동물 5 연속 일 동안 하루 10 실험을 통해 갈 것 이다 10, "예 심 숫자"를 설정 합니다.
- 제어 소프트웨어의 "ID 등록" 창을 엽니다. HRA, 왼쪽 또는 오른쪽의 위치에 따라 소프트웨어를 각 개별 마우스의 ID를 등록 합니다. (그림 4)입니다.
참고: 위치는 유전자 그룹에 관하여 균형 세력 수 한다. 각 유전자 그룹의 50%, HRA는 항상 왼쪽에 그리고는 아이라 항상 오른쪽에. 다른 50%는 HRA는 항상 오른쪽에 그리고는 아이라 항상 왼쪽에. - 오픈 소프트웨어의 응용 프로그램 창에서에서 선택 하십시오 "의사 결정" 드롭다운 "작업" 목록. 주제 ID를 입력 하 고 "단계" 드롭다운 목록에서 "2 단계"를 선택 합니다. "하루" 드롭다운 목록에서 숫자를 선택 합니다. 입력 실험 인터페이스 창에 "확인" 버튼을 누릅니다.
- 실험 인터페이스 창에서 "GetBG"를 눌러 미로의 배경 정보를 등록 하는 환경의 배경에 관계 없이 정확 하 게 동물을 추적 하. (그림 5) "세션 시작" 버튼을 누릅니다.
- 시작 상자에 마우스를 놓고 원격 제어의 "시작" 버튼을 눌러 교육을 시작 합니다.
- 그 시작 문 한 접합 문 (왼쪽 또는 오른쪽) 자동으로 열립니다 3 후 주의 s; 마우스 입력 접합 영역, 일단 시작 문을 자동으로 닫힙니다.
- 관찰 하는 마우스 입력 지연 영역 (왼쪽 또는 오른쪽), 접합 문을 자동으로 닫힙니다 하 고 목표 문이 자동으로 열립니다.
- 준수는 마우스는 펠 릿 소요, 뒷문 및 사전 시작 문을 자동으로 열립니다. 마우스는 다시 영역을 입력 하면, 일단 다시 문을 자동으로 닫힙니다.
- 일단 마우스 입력 시작 상자, 사전 시작 문을 자동으로 닫힙니다 하 고 새로운 재판을 시작할 것 이다 그를 관찰 합니다.
참고:이 훈련 단계 동안 매일의 10 타석, 이내 소프트웨어는 자동으로 확인 각 마우스 방문 5 재판 HRA와 5 재판에 아이라.
- 미로 철저 하 게 매일 청소.
- 제어 소프트웨어의 매개 변수 등록 창을 열고 매개 변수를 다음과 같이 설정 합니다 (그림 3).
-
무료 팔 항목 단계
- 강제 항목 단계 (단계 3.1.1 3.1.2)에 다 같은 방식으로 매개 변수 및 제목 ID를 등록 합니다. "단계 옵션을 선택 하십시오". 설정 "시험 번호" 20, 각 동물 7 연속적인 한 일 당 20 시련을 통해 갈 것입니다.
- 응용 프로그램 창에서 "단계" 드롭다운 목록에서 "3 단계"을 선택 합니다. 3.1.3 단계에 따라 다른 매개 변수를 설정 합니다.
- 마우스 재판의 80%에서 HRA를 선택 될 때까지 훈련 계속 자동으로 또는 마우스 (매개 변수 설정에 등록)으로 하루 20 시험 끝나면 실험 인터페이스 창에서 80%로 "성공률"의 가치를 설정 합니다. 3.1.4 단계에 따라 다른 작업을 적용 합니다.
- 마우스를 자유롭게 팔 하나, HRA 또는 아이라를 선택할 수 있습니다.
- 그 시작 문, 두 개의 접합 문이 자동으로 열립니다 3 후 주의 s; 마우스 입력 접합 영역, 일단 시작 문을 자동으로 닫힙니다.
- 관찰 하는 마우스 팔 하나를 선택 하 고 지연 영역 (왼쪽 또는 오른쪽)를 입력, 접합 문을 자동으로 닫힙니다 하 고 목표 문이 자동으로 열립니다.
- 준수는 마우스는 펠 릿 소요, 뒷문 및 사전 시작 문을 자동으로 열립니다. 마우스는 다시 영역을 입력 하면, 일단 다시 문을 자동으로 닫힙니다.
- 일단 마우스 입력 시작 상자, 사전 시작 문을 자동으로 닫힙니다 하 고 새로운 재판을 시작할 것 이다 그를 관찰 합니다.
4. 지연 기반 의사 결정 테스트
- 무료 팔 항목 단계 (단계 3.2.1)에 다 같은 방식으로 매개 변수 및 제목 ID를 등록 합니다. 5, "지연 시간" 설정 10,15 s 1 일, 하루 2, 3 일 각각, 그래서 하는 것입니다 5 s 지연 HRA에 대 한 하루에 1, 2, 및 15 일의 지연 HRA에 대 한에 HRA에 대 한 10 s 지연에 3 일.
- 응용 프로그램 창에서 "단계" 드롭다운 목록에서 "4 단계"를 선택 합니다. 3.2.2에서와 같은 방식으로 다른 매개 변수를 설정 합니다.
- 실험 인터페이스 창에서 모든 작업 단계 3.2.3에 따라 적용 됩니다.
-
마우스를 자유롭게 팔 하나, HRA 또는 아이라를 선택할 수 있습니다.
- 그 시작 문, 두 개의 접합 문이 자동으로 열립니다 3 후 주의 s; 마우스 입력 접합 영역, 일단 시작 문을 자동으로 닫힙니다.
- 준수는 일단 마우스 팔 하나를 선택 하 고 지연 영역 (왼쪽 또는 오른쪽)를 입력, 접합 문을 자동으로 닫힙니다.
참고: 경우 마우스 아이라, 목표 문이 자동으로 열립니다 즉시. 그러나, 마우스 HRA를 선택 하는 경우 목표 문이 자동으로 열립니다 5 후 s, 10 및 15 s 일 1, 2, 3 각각. - 준수는 마우스는 펠 릿 소요, 뒷문 및 사전 시작 문을 자동으로 열립니다. 마우스는 다시 영역을 입력 하면, 일단 다시 문을 자동으로 닫힙니다.
- 일단 마우스 입력 시작 상자, 사전 시작 문을 자동으로 닫힙니다 하 고 새로운 재판을 시작할 것 이다 그를 관찰 합니다.
참고: 여기, 우리는 훈련 쥐 각 지연 조건 5-7 일. 그러나, 유전자 변형 또는 돌연변이 생쥐의 여러 줄을 테스트에 우리의 경험을 바탕으로, 1 일 (20 시련) 절대적으로 다른 genotypes 쥐 사이의 차이 볼 정도로 이며 훈련 시간 (참조 그림 6 으로 연장 의미 예)입니다. 따라서, 현재 우리만 각 지연 시간에 대 한 일을 적용 하 고 그것은 잘 작동. 연구원은 그들의 자신의 목적에 따라 교육 일을 연장 하려는 경우 문제가 됩니다.
- 선택 사항: 반전 hra 테스트를 수행 합니다. 경우 마우스의 선택은 방향 기본 설정의 결과 테스트 하려면 HRA와 아이라 (이 소프트웨어에 의해 자동으로 수행할 수 있습니다)의 왼쪽 / 오른쪽 위치 전환 생쥐 4.4에서 팔 하나를 자유롭게 선택할 수 있도록.
- 선택 사항: 지연 제어 테스트를 수행 합니다. 어떤 적자 변경된 공간 메모리 또는 보상 감도의 결과 보다는 의사 결정, 15 s 지연을 HRA는 아이라 하 고 자유롭게 4.4에서 팔 하나를 선택할 마우스에 변화의 결과 관찰 하는 여부를 테스트 합니다.
5. 노력 기반 의사 결정 테스트
- 다이어그램 (그림 1)에서 같이 HRA에 방 벽을 소개 합니다.
- 모든 매개 변수를 설정 하 고 적용 단계 3.2에 의하여 모든 작업-팔 항목 단계 및 3 연속적인 일 동안 동물을 테스트.
- 한 팔, HRA 또는 아이라를 자유롭게 선택 하 쥐를 수 있습니다.
참고: 여기, 우리는 훈련 쥐 14 일 동안. 그러나, 유전자 변형 또는 돌연변이 생쥐의 여러 줄을 테스트에 우리의 경험을 바탕으로, 3 일은 절대적으로 다른 genotypes 쥐 사이의 차이 볼 정도로 하 고 훈련 시간 (참조 그림 6 예를 들어 확장에 아무런 의미가 있다 ). 따라서 현재 우리만 노력 기반 테스트에 대 한 일을 적용 하 고 그것은 잘 작동 합니다. 연구원은 그들의 자신의 목적에 따라 교육 일을 연장 하려는 경우 문제가 됩니다. - 선택 사항: 반전 hra 테스트를 수행 합니다. 경우 마우스의 선택은 방향 기본 설정의 결과 테스트 하려면 HRA와 아이라 (이 소프트웨어에 의해 자동으로 수행할 수 있습니다)의 왼쪽 / 오른쪽 위치 전환 생쥐 단계 5.3에서 팔 하나를 자유롭게 선택할 수 있도록.
- 선택 사항: 노력 제어 테스트를 수행 합니다. 어떤 적자 변경된 공간 메모리 또는 보상 감도의 결과 보다는 의사 결정, HRA는 아이라에 방 벽을 소개 하 고 쥐를 허용 단계 5.3에서 팔 하나를 자유롭게 선택 하에 변화의 결과 관찰 하는 여부를 테스트 합니다.
6. 데이터 분석
-
제어 소프트웨어에서 직접 데이터와 결과 가져옵니다.
- 그 소프트웨어는 자동으로 실험 날짜를 기록, 시작 및 완료 시간, 기간, 시험 번호, HRA, HRA와는 아이라, (X, Y) 위치에 "데이터" 폴더에 각 마우스의 이동 추적 등, 펠 릿 번호의 위치를 note .
- 소프트웨어는 자동으로 체크 다음 항목을 분석 하 고 각 동물 아래 "결과" 폴더에서 그들을 기록 ID: 기간, 시험 번호, HRA 선택 번호, 아이라 선택 번호, HRA 선택 비율, 아이라 선택 비율, 총 이동 거리, 그리고 총 연결 시간입니다.
- 주제 사이 요인으로 하루/세션 주제 내에서 요소 및 그룹 요소 (유전자 그룹 또는 다른 실험 조건 그룹)으로 혼합된 ANOVA (분할 플롯 ANOVA)에 의해 모든 실험에서 데이터에 대 한 통계 분석을 수행 합니다.
- 하루/세션 그룹 요소 사이의 상호 없을 경우 그룹 요인의 주 효과 분석 합니다. 하루/세션 그룹 요소 사이의 상호 작용을 중요 한 경우 특별 게시물 없음을 비교를 적용 합니다.
Representative Results
지연-및의 노력-예를 들어 중간 habenular 연기나 쥐 (mHb:DTA 쥐)14 그들의 야생-타입 littermate 컨트롤 마우스 (마우스 CT) 그림 6에 표시 됩니다에 의해 수행 하는 의사 결정 작업을 기반으로 합니다. 2 개의 mHb:DTA 쥐와 두 CT 마우스 했다 공동 지 내게 한 장에 이유 후.
지연 기반 의사 결정 테스트 (그림 6A), 없었다 아무 중요 한 상호 작용 유전자 형 (HRA의 지연 시간 때 0) 차별 교육 단계 및 지연 기반 의사 결정 테스트를 포함 하 여 어떤 단계에서 세션 위상 (HRA의 지연 시간 때 5 s, 10 및 15 s, 각각). 지연 시간은 5 때 유전자 형의 주요 효과 중요 했다 s. 그러나 지연 시간 10 길게 했다 때에, s와 15 s, mHb:DTA 쥐 CT 쥐에 비해 HRA 방문 수의 비율에 있는 뜻깊은 감소를 시연 했다. 이 결과 공개 mHb의 제거, 더 큰 보상을 기다리는 쥐의 특혜를 감소 하 고 대신 표시 또는 대기 시간 10 초 때 즉시, 작은 보상을 선택 하는 경향이 더 이상. 데이터는 mHb impulsivity 시간 비용/이익 평가, 렌더링 하는 더 큰 보상을 지연된 액세스를 용납 하는 경향이 동물의 제어에 중요 한 두뇌 구조 될 수도 있습니다 제안 했다.
노력 기반 의사 결정 테스트 (그림 6B), HRA의 비율에서에서 방문 했다 크게 감소 mHb:DTA 마우스에 장벽 (1 x 장벽 및 반전 위상 HRA의 왼쪽/오른쪽 지역화에 HRA에 배치 했다 ). 즉, mHb:DTA 쥐의 phenotype 없음을 적자 때문 공간 기본 설정 및 메모리. 노력 제어 테스트에 장벽을 두 목표 팔 (2 × 장벽 단계)에 배치 했다 고 아이라와 HRA 높은 노력과 관련 된 했다. 따라서, 노력 비용 낮은 보상 또는 높은 보상을 선택 하는 동물에 대 한 동일 했다. MHb:DTA 마우스 방문 HRA 아이라, 보다 더 자주 하 고는 비교에 도달 HRA는 마지막 세션 (5)에 번호 방문. 이 결과 보상 및 mHb:DTA 마우스에 공간 메모리는 그대로 나왔다. 데이터는 해명 mHb 노력 비용/이익 평가, 더 큰 보상을 얻으려고 더 많은 작업에 넣어 동물 허용에 중요 한 역할을 재생할 수 있습니다.
그림 1: 회로도 의사 테스트에 대 한 전통적인 T-maze 장치 (A) 지연 기반 의사 결정 테스트 장치. 동물 시작 팔에 배치 했다 그리고 두 목표 팔, HRA와 아이라 사이 선택 했다. 동물 HRA를 선택, 그들은 더 큰 보상을 얻으려면 (지연 시간 (초))에 따라 기다려야 했다. 연구팀은 동물, 펠 릿, 및 각 시험에 대 한 문을 수동으로 처리 해야 합니다. (B) 노력 기반 의사 결정 테스트 장치. 동물 시작 팔에 배치 했다 그리고 두 목표 팔, HRA와 아이라 사이 선택 했다. 동물 HRA를 선택, 그들은 더 큰 보상을 얻으려면 삼각 장벽에 등반 했다. 연구팀은 동물, 펠 릿, 문 및 각 시험에 대 한 장벽을 수동으로 처리 해야 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2: 의사 결정 테스트에 대 한 T-maze 설정을 자동 (A) 자동화 된 설치의 최고 볼 수 있습니다. 자동화 된 설치의 (B) 측면 보기. (C) 3 차원 직각 삼각형 장벽 노력 기반 의사 결정 테스트, 오른쪽, 왼쪽에서 사용 되는 각각 사이드 보기, 반대 측 보기 및 사변 측면 보기입니다. 원래 기술 사진 상업 제조 업체 허가 편집. GBL: 목표 상자 (왼쪽), GBR: 목표 상자 (오른쪽), GDL: 목표 문 (왼쪽), GDR: 목표 문 (오른쪽), 달: 영역 (왼쪽), DAR 지연: 지연 영역 (오른쪽), JDL: 접합 문 (왼쪽), JDR: 접합 문 (오른쪽), BDL: 뒷문 (왼쪽), BDR: 뒷문 (오른쪽), CCD: 충전 결합 장치 카메라)입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3:이 매개 변수 등록 창. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 4: 주제 ID 등록 창. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 5: 실험 인터페이스 창. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 6: 지연 및 노력 기반 의사 결정 mHb:DTA 마우스에. MHb:DTA 마우스에 지연 기반 의사 결정 테스트 (A) (마우스 했다 12-14 개월-오래 된, n = 8/유전자 형). HRA 선택 비율 genotypes 지연 시간은 0과 5 s, 하지만 지연 시간이 10 살 때 mHb:DTA 마우스에 크게 감소 하는 때 사이 비교 했다 s와 15 s. 지연 시간 때 5 s, 유전자 형 × 하루 상호 작용: F(1,14) 0.594, p = = 0.236; 유전자 형의 효과: F(1,14) = 0.61, p = 0.45; 때 지연 시간 10 s: 유전자 형 × 하루 상호 작용 했다: F(1,14) = 37.5, p = 0.346; 유전자 형의 효과: F(1,14) = 32.4 p < 0.0001; 지연 시간 때 15 s F(1,14): 38.7, p = = 0.243; 유전자 형의 효과: F(1,14) = 31.6, 그리고 p ≤0.0001. MHb:DTA 마우스에 노력 기반 의사 결정 테스트 (B) (마우스 했다 12-14 개월-오래 된, n = 9/유전자 형). 장벽 단계 x 1, 동안에 이었다 유전자 형 및 세션 사이의 중요 한 상호 작용을 (유전자 형 × 하루 상호 작용: F(1,16) = 2.11, p = 0.015), 특별 게시물 없음을 비교 mHb:DTA 쥐 모두에서 크게 감소의 HRA %는 밝혔다 세션입니다. 반전 단계는 유전자와 세션 간의 아무 중요 한 상호 작용 (유전자 형 × 하루 상호 작용: F(1,16) = 1.61, p = 0.08). mHb:DTA 쥐 방문 HRA 크게 CT 쥐 보다는 더 적은 (주요 유전자 효과: F(1,16) = 8.18, p = 0.01). 단계 2 × 장벽 genotypes와 세션, 세션 3 및 4 세션에 상당한 차이 사이 중요 한 상호 작용은 (장벽 단계 x 2: 유전자 형 × 하루 상호 작용: F(1,16) 3.9, p = 0.0067 =). MHb:DTA 마우스는 HRA에 도달 마지막 세션, 세션 5에 CT 쥐의 비교 수를 방문 하십시오. 데이터 대표 평균 ± SEM. * * p < 0.01; p < 0.001. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 7: 결정 테스트 (지연 또는 노력 기반)의 순서도.
Discussion
의사 결정은 매우 진화15동안 보존 인지 과정. 인간과 동물 잠재적인 보상 기준으로 경쟁 작업 옵션의 비용을 평가 하 고 그들의 선택을 할 수 있습니다. 다양 한 신경 질환 및 정신 장애를 고통 받아 환자 의사 결정16의 다른 형태에 적자를 보여 줍니다. 그것은 따라서 의사 결정 과정을 기본 neurobiological 병 태 생리 기계 장치를 조사 하는 것이 중요입니다. 지난 몇 년 동안, 지연 및 노력 기반 의사 결정을 더 모으고 관심 연구. 또한, 설치류, 특히 쥐가 두 가지 형태의 의사 결정17공부 하 광범위 하 게 사용 되어 왔습니다.
많은 연구는 HRA와 아이라2,6,7,,89,10, T-maze 장치를 포함 하는 행동 작업을 사용 하 여 재미 있는 발견을 주도 18 , 19 , 20 , 21 , 22. 작업에서 HRA 연관 큰 보상 한 시간 지연 또는 노력 노력. 아이라에 동물 어떤 시간 지연 및 물리적인 노력 없이 즉시 작은 보상을 얻을 수 있습니다. 전통적인 접근은 인간 실험의 수동 개입에 의존합니다. 각 시험에는 실험 필요 알 약을 계산 하 여 HRA와 아이라, 음식 쟁반에 넣어 목표 문을 HRA에 아이라, 놓고 시작 팔의 끝에 동물을 두고. 동물 무기 중 하나 들어가면 접합 문 목표 팔을 제한 하는 동물을 배치 해야 합니다. 프로토콜을 따라는 실험 시간을 계산 하 고 설정된 지연 후 목표 문을 열 필요가 있다. 동물 목표 영역을 입력 하 고는 pellet(s)를 얻는다, 후, 감 금 소에 게 동물의 팔 선택과 행동을 기록 하는 실험 필요 합니다. 다음은 실험 다음 재판에 대 한 T-maze 문 및 펠 릿을 준비 해야 합니다. 학습 및 테스트 프로세스 전체는 엄청난 시간과 노동 집약. 또한, 다른 실험실에서 표준화의 부족은 또 다른 관심사 이다.
이 문서에서 우리는 비디오 추적 시스템 (그림 7) 전통적인 프로토콜의 문제를 해결 하기 위해 수정 된 자동화 된 T-maze 장치 기반 프로토콜 제시. 전통적인 T-maze에는 "뒷문"와 "다시 복도"를 도입 하 여 우리는 미로 "bisected isoceles 삼각형" 모양 얻었다. 이 설정의 장점은 (1) 완전 자동화는 행동의 학습 및 테스트. 이 실험 주관의 영향을 제거 하 고 인간의 시간 최소화 및 노동 투입. 우리에 있는 4 개의 설정 실험실, 4 쥐 훈련 또는 전통적인 프로토콜을 사용 하 여 불가능 되는 하나의 실험에 의해 동시에 테스트 될 수 있도록. (2) 있다 소프트웨어 유연성 제어 소프트웨어 자유롭게 펠 릿 수, 지연 시간, 문 시작 및 닫는, 시험 번호, 기간, 및 추적 모드를 포함 하 여 여러 개의 매개 변수를 설정 하는 경험을 수 있습니다. 따라서,이 시스템은 실험적인 요구의 다른 종류를 만날 수 있습니다. (3) 저기 광범위 한 호환성 모든 슬라이딩 도어는 T-maze에 열려 있을 때 미로의 기지에서 저장 하도록 설계 되었습니다. 따라서, 설치 optogenetic/광학 조작, 전기 생리학 기록 vivo에서 및 microdialysis를 포함 하 여 다양 한 생리 적 시스템으로 쉽게 통합할 수 있습니다. 또한, 쥐 위치 기본 설정으로 인해 HRA 선택 가능성을 제외, 적용 지연-와 노력-기반된 분석 결과 대 한 제어 테스트 것이 좋습니다. 두 목표 팔에 비용을 똑같게 여 동물 같은 비용에 모두 보상 결과 경험할 수 있는 기회가 있다. 선택 차동, 결정 하기 전에 비용 및 혜택을 통합 하는 필요 제거 보상 기준으로 간단 하 게 만들 수 있습니다. 이 또한 동물 들의 선택에 어떤 변화 든 지에 있는 그들은 그들의 결정을 평가 하는 방법에는 비용 또는 보상, 또는 메모리 적자 보다는 확장 하는 무 능력의 결과 인지를 테스트 합니다.
우리 실험실에서 우리는이 쥐의 약 10 긴장을 분석 했습니다. 한 예로 mHb:DTA 마우스 시연 지연-과 노력-기반 의사 결정에 강력한 형 대표 데이터에 표시 했다. 즉, 보상 값은 강하게 mHb:DTA 마우스에 시간과 노력에 의해 할인 된. 결과 충 동성 제어에 mHb의 중요 한 역할을 계시 했다. 또한, 우리는 의사 결정 과정 (되지 않은 데이터) 무료 이동 마우스에 실리콘 프로브 녹음을 적용 했습니다. 모든 실험의 자동화 된 설치 기능에 대 한 유효성 검사 벤치 마크를 제공합니다. 따라서, T-maze 기반으로 자동화 된 기구와 결정에 대 한 표준화 된 프로토콜은 유전 효과, 약리 효과 및 신경 회로 효과 지연과 노력 설치류의 할인에 적합 합니다. 요약 하자면, 설치 지연 및 노력 기반 의사 결정 분석을 위한 이상적인 시스템으로 많은 이점이 있다.
Disclosures
저자는 공개 없다.
Acknowledgments
우리 박사 매튜 F S Rushworth (실험 심리학, 옥스포드 대학) 및 박사 사 Masamichi (뇌 과학 연구 센터, 다마가와 대학) 프로젝트의 개시에, 세부 사항에 그들의 귀중 한 조언에 감사 하 고 싶습니다. 프로토콜. 우리는 중요 한 의견과 원고 편집에 대 한 박사 릴리 유 감사 합니다. 이 프로젝트 소설 과학 이니셔티브, Q.Z, RIKEN 노화 프로젝트 (자연 과학 (BS291003)의 국가 학회를 위한 Q.Z, 뇌 과학 프로젝트, 센터 RIKEN 인센티브 연구 프로젝트 (100226201701100443)에 의해 지원 되었다 10026-201701100263-340120) Q.Z 및 젊은 과학자 (B) (17841749) Q.Z. 위한 JSP Kakenhi 특정
기여 저자: Q.Z 잉태 하 고 프로젝트를 시작, Q.Z, Y.K H.G 실험 및 데이터 분석 수행, H.G 조정 연구소와 오하라 & Co., 주식 회사, 사이 작업 Q.Z 및 Y.K 쓴 원고, S.I 프로젝트 감독.
Materials
Name | Company | Catalog Number | Comments |
automated t-maze for decion making testing | O’HARA & Co.,ltd | no catalog number, customorized | Address requested by the reviewer: 4-28-16 Ekoda, Nakano-ku, Tokyo 165-0022 TEL: 81-3-3389-2451 FAX:81-3-3389-2453 |
slica gel | Nacalai Tesque | 1709155 | |
AIN-76A Rodent Tablet 10mg | Test Diet | 1811213(5TUL) | Manufactured for Japan,SLC |
Time TM1 software | O’HARA & Co.,ltd | no catalog number | |
SPSS statistics V21.0 | IBM |
References
- Frank, M. J., Scheres, A., Sherman, S. J. Understanding decision-making deficits in neurological conditions: insights from models of natural action selection. Philosophical Transactions of the Royal Society B: Biological Sciences. 362 (1485), 1641-1654 (2007).
- Prevost, C., Pessiglione, M., Metereau, E., Clery-Melin, M. L., Dreher, J. C. Separate valuation subsystems for delay and effort decision costs. J Neurosci. 30 (42), 14080-14090 (2010).
- Kennerley, S. W., Walton, M. E. Decision Making and Reward in Frontal Cortex: Complementary Evidence From Neurophysiological and Neuropsychological Studies. Behavioral Neuroscience. 125 (3), 297-317 (2011).
- Kurniawan, I. T., Guitart-Masip, M., Dolan, R. J. Dopamine and Effort-Based Decision Making. Frontiers in Neuroscience. 5, 81 (2011).
- Izquierdo, A., Belcher, A. M. Rodent models of adaptive decision making. Methods Mol Biol. 829, 85-101 (2012).
- Thiebot, M. H., Le Bihan, C., Soubrie, P., Simon, P. Benzodiazepines reduce the tolerance to reward delay in rats. Psychopharmacology. 86 (1-2), 147-152 (1985).
- Green, M. F., Horan, W. P., Barch, D. M., Gold, J. M. Effort-Based Decision Making: A Novel Approach for Assessing Motivation in Schizophrenia. Schizophr Bull. 41 (5), 1035-1044 (2015).
- Fatahi, Z., Sadeghi, B., Haghparast, A. Involvement of cannabinoid system in the nucleus accumbens on delay-based decision making in the rat. Behav Brain Res. 337, 107-113 (2018).
- Iodice, P., et al. Fatigue modulates dopamine availability and promotes flexible choice reversals during decision making. Sci Rep. 7 (1), 017-00561 (2017).
- Rudebeck, P. H., Walton, M. E., Smyth, A. N., Bannerman, D. M., Rushworth, M. F. Separate neural pathways process different decision costs. Nat Neurosci. 9 (9), 1161-1168 (2006).
- Bonnelle, V., et al. Characterization of reward and effort mechanisms in apathy. J Physiol Paris. 109 (1-3), 16-26 (2015).
- Hartmann, M. N., et al. Apathy but not diminished expression in schizophrenia is associated with discounting of monetary rewards by physical effort. Schizophr Bull. 41 (2), 503-512 (2015).
- Lockwood, P. L., et al. Prosocial apathy for helping others when effort is required. Nat Hum Behav. 1 (7), 017-0131 (2017).
- Kobayashi, Y., et al. Genetic dissection of medial habenula-interpeduncular nucleus pathway function in mice. Frontiers in behavioral neuroscience. 7 (17), (2013).
- Hanks, T. D., Summerfield, C. Perceptual Decision Making in Rodents, Monkeys, and Humans. Neuron. 93 (1), 15-31 (2017).
- Lee, D. Decision Making: from Neuroscience to Psychiatry. Neuron. 78 (2), 233-248 (2013).
- Carandini, M., Churchland, A. K. Probing perceptual decisions in rodents. Nature Neuroscience. 16 (7), 824-831 (2013).
- Denk, F., et al. Differential involvement of serotonin and dopamine systems in cost-benefit decisions about delay or effort. Psychopharmacology. 179 (3), 587-596 (2005).
- Walton, M. E., Bannerman, D. M., Rushworth, M. F. S. The Role of Rat Medial Frontal Cortex in Effort-Based Decision Making. The Journal of Neuroscience. 22 (24), 10996-11003 (2002).
- Bardgett, M. E., Depenbrock, M., Downs, N., Points, M., Green, L. Dopamine Modulates Effort-Based Decision-Making in Rats. Behavioral Neuroscience. 123 (2), 242-251 (2009).
- Floresco, S. B., Tse, M. T., Ghods-Sharifi, S. Dopaminergic and glutamatergic regulation of effort- and delay-based decision making. Neuropsychopharmacology. 33 (8), 1966-1979 (2008).
- Assadi, S. M., Yucel, M., Pantelis, C. Dopamine modulates neural networks involved in effort-based decision-making. Neuroscience & Biobehavioral Reviews. 33 (3), 383-393 (2009).