Summary
トレーニングが運動能力に与える影響を評価する方法は有用なツールです。残念ながら、ほとんどの行動評価は労働集約的で高価な場合があります。ここでは、マウスの先入観(リーチツー把握)スキルを評価するロボット的な方法について述べる。
Abstract
我々は、ナイーブマウスを新しい予感(到達到達)タスクに導入する方法について説明する。マウスは、マウスがケージから手を伸ばし、食物ペレットを取り出すことを可能にする正面スロットを持つケージに単独で収容されています。最小限の食物制限は、マウスがスロットから食物検索を行うことを奨励するために採用されています。マウスが食べ物のスロットに来て関連付け始めると、ペレットは手動で引き離され、足の伸びと発散を刺激し、前部スロットを通してペレットを把握し、取り出します。マウスがスロットに到着するとペレットに到達し始めると、目的のペレットを正常に把握して取り出す速度を測定することによって行動アッセイを行うことができます。その後、マウスが把握するための食品ペレットを提供するプロセスと、成功した試行と到達と把握の試行の記録の両方を自動化するオートトレーナーに導入されます。これにより、最小限の労力で複数のマウスの到達データを収集し、必要に応じて実験分析に使用することができます。
Introduction
運動能力の前・後の損傷を実験的にテストする方法と、運動トレーニングのタイミング、量、タイプを調節する方法は、翻訳研究にとって重要です。過去10年間にわたり、マウスは、遺伝子操作の付随的な容易さのために、運動学習の前および後の傷害のメカニズムを解明する人気のモデルシステムとなっている。しかし、マウスの行動アッセイは、他の哺乳動物(特にラット)のアッセイと同じ方法で最適化されていません。また、マウスとラットの挙動には、異なる方法で2種の訓練を強く示唆する重要な違いがある1,2.
熟練した先入観的な動きは、手/足を使用して食べ物を口に入れたり、物体を操作したり、道具を使ったりします。確かに、日常生活の中で様々な物体をつかむことは上肢の基本的な機能であり、食べ手の多い行為は、多くの哺乳類が使用する予感の一形態です。遺伝的、生理学的、および解剖学的変化の多くは、先入観的スキル獲得を支えており、フィールド3で十分に定義されている。前臨床所見を臨床結果に翻訳する場合、効率的で再現性のある関連する検査が必要です。げっ歯類とヒトの到達に関する研究は、妊娠行動がヒトと動物で類似していることを示している4.したがって、これらの類似点は、先入観検査が、ヒト疾患の障害および治療と同様に運動学習を調査するための翻訳モデルとして役立つことを示唆している。したがって、マウスの妊娠を評価することは、健康と疾患状態の両方を研究する翻訳研究の強力なツールを提供することができます4.
残念ながら、マウスの予感タスクは、小規模な実験室の設定であっても、手間と時間がかかる可能性があります。この問題を軽減するために、ここでは、先入観タスクの自動化されたバージョンについて説明します。説明されたタスクでは、マウスのホームケージ前部スロットを通して片足を伸ばし、延長された足を陽化し、食物ペレットの報酬をつかみ、ペレットをケージ内部に引き戻して消費する必要があります。結果のデータは、成功または失敗の前駆として表示されます。この自動化はデータを正常に記録し、研究者がタスクに従事する必要がある負担と時間を削減します。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ここに記載されているすべての方法は、ジョンズホプキンス大学のACUC(動物のケアと使用委員会)によって承認されています.
1. マウスケージの使用準備
- 図 1 に示すように、各ケージの前端のベースから幅 0.8 cm、高さ 7 cm の寸法でスロット開口部を作成します。このスロットは、動物が到達する開口部として機能します。
注:オートトレーナーは、ほとんどの動物研究用品ベンダーが提供する標準的なマウスケージ寸法(図1に示すように)で使用するために設計されました。さらに、オートトレーナーは他のケージタイプを容易にサポートする。 - 各ケージ内に、スロットに隣接するプラットフォームを追加して、マウスが立って提示されたペレットに到達できるようにします。プラットフォームがケージのゴミの床の上に位置していることを確認します, 高さ約3 cm.スーパーグルーを貼り付け、約10cm x 15cmの金属シートで覆ったペトリ皿を使用しますが、マウスが手を伸ばすのに十分な大きさの平らな面があれば十分です。
- ケージの前面の中央を通して垂直ノッチを作成し、横0.8センチメートル、高さ7cmで、マウスがケージから足に手を伸ばします。
- 薄い金属板(約2mmの厚さ)から、ケージゲートを5cm x 10cmの長方形に切り、動物が届く均一な開口部として機能します。
注:マウスは、開口部のサイズを変更するプラスチックケージを噛むことがあります。テープを使用してテスト中に、メタリックケージゲートがケージのスロットの開口部の上に置かれると、マウスはこの0.8 cmスロットを通って到達し、ケージ間のスロットの有効な幅を維持します。 - マウスがケージからゴミが排出されないようにテストされていない場合は、各ケージのスロットをテープで覆います。
2. 到達運動にマウスを導入する
- 各マウスの開始ウェイトを記録し、その値の 85% を計算して目標の重みを見つけ、結果が小さい場合は 20 g まで切り上げます。彼らにそれらを持参し、この目標重量を維持するための供給体制を与えます。
- 各マウスに最初の日に2.5gのペレットを与え、24時間後に体重の変化に注意してください。
注:マウスを1日1回計量し、1日あたり0.25-1gの体重減少を期待する。 - 徐々に体重減少(1日あたり0.8g未満)を誘発し、結果として得られる目標体重を維持するために、この最初の変化と各マウスの体重の継続的な変化に基づいて、必要に応じて各マウスの毎日のフィードを変更します。効果を発揮するために1日あたり3〜6 500 mgのペレット(1.5〜3.0 g)の間で変化します。
注:マウスは、プロトコル全体を通じて目標体重を維持するために、この食事療法に残ります。
- 各マウスに最初の日に2.5gのペレットを与え、24時間後に体重の変化に注意してください。
- マウスが目標体重に達したら、補足的な食品ペレットのゲートスロットに来るという概念に各マウスを紹介します。スロットの真正面に45mgのペレットを置き、各マウスがそれを取り出せるようにして、トレーニングセッションを開始します。ほとんどのマウスは、1〜2日以内にこの摂食配置に取るでしょう。
- マウスが開いたスロットを餌付けと関連付けたら、口ではなく足で手を伸ばすように促します。
注:これは最も複雑なステップで、1~2日を取り、誤ってマウスに逆効果の行動を植え付けるのはとても簡単です。詳細およびアドバイスについては、ディスカッションセクションを参照してください。- ピンセットのペアを使用して、マウスが以前にペレットを取得したのと同じ位置にペレットを保持します。マウスがペレットに噛み付き始めると、約半分のセンチメートル離れて、ペレットが口の手の届かないところに出るようにします。
注: 目標の重みでマウスが手の届かないペレットを取得しようとします。マウスがスロットを通して足を伸ばすたびに、ペレットを食べさせることによって、その動作を強化します。一部のマウスは、食べ物を伸ばす際に片方の足を優先して、もう一方の足の方を好むことがある。 - 実験には役立たないが、左足と右足のどちらが好ましいかを記録する。これにより、行動アッセイにおける全体的な成功率が高くなる可能性があります。または、各マウスを同じ足で強制的に到達させることで、変数を削除します。
注:マウスが好みの足を使用する場合、より良い結果が得られます。 - 各マウスがペレットを食べることで足を伸ばすように、口と舌でペレットを取り出そうとする試みに応じてペレットを差し控えることによって、その行動をさらに強化する。マウスは2~3日にわたってこの取り決めに従い始める。
- ケージゲートの外縁からわずか1cm以下に45mgのペレットを置き、ペレットの左端または右端のポイント(調査者からケージスロットの右または左のいずれであっても)を配置することにより、所望の足到達動作の導入を確定するのパース)は、それぞれケージゲートのスロットの端からまっすぐ伸びるラインに接しています。マウスがペレットを取り出すことを許可し、ペレットを取り除き、マウスが足の延長以外の方法で試みる必要がある場合は、その消費を防ぎます。
注:マウスが一貫して足を伸ばしてつかむ際に、提供されたペレットに触れることができる場合は、以下に説明するオートトレーナーと関連する行動アッセイを使用してテストする準備が整います。素朴な紹介から準備までの時間は、マウスによって異なります。理解するのに 2 週間以上かかるストラグラーがある場合は、データ セットから除外する必要があります。
- ピンセットのペアを使用して、マウスが以前にペレットを取得したのと同じ位置にペレットを保持します。マウスがペレットに噛み付き始めると、約半分のセンチメートル離れて、ペレットが口の手の届かないところに出るようにします。
3. オートトレーナーの使用
注: オートトレーナーのハードウェア、ソフトウェア、および物理的なアクションの詳細については、図 1-3および「ディスカッション」セクションを参照してください。
- トレーニング セッションの準備をします。
- 餌ペレットセンサーを校正します。LabVIEWインターフェイスの[実行]矢印をクリックし、ペレットの有無にかかわらずベイトペレットセンサーが読み取り中のことに注意してください。[停止]ボタンをクリックしてこのテストの実行を停止し、ベイト ペレット センサー ターゲットをこれら 2 つの読み取り値の間の値に変更します (図 3と表 2)。ほとんどの照明条件は、1と4の間の読書を提供します。
- 変更したマウスケージをオートトレーナーの上に置きます(図2)。ケージゲート(図1)を貼り付け、手動手順のようにペレットをスロットの端に合わせます。
- LabVIEWインターフェイスを使用して、マウスのトレーニングセッションを実行します。
- トレーニングセッションに関するデータを記録するために必要な情報を入力します (図 3および表 2)。
- [マウス ID]フィールドをクリックし、コンピュータのキーボードを使用して各トレーニング セッションのファイル名を入力します。
- [ルーチン中に分配する合計ペレット]フィールドをクリックして、1 回の実験に分配されるペレットの数 (通常は 20 ~ 30) を制御します。これを行うには、上下矢印をクリックするか、コンピュータのキーボードを使用して番号を入力します。
- 指定されたペレットがダイビングボードから取り外された後に、[ペレット番号の後に一時停止]フィールドをクリックして、5sの一時停止を設定します。これを行うには、上下矢印をクリックするか、コンピュータのキーボードを使用して番号を入力します。
- [長さの一時停止]フィールドをクリックして、ペレットがダイビング ボードから取り外された時点と、新しいペレットが分配されるまでの間に一時停止を設定します。これを行うには、上下矢印をクリックするか、コンピュータのキーボードを使用して番号を入力します。
注: 通常は 1 s が適切な一時停止時間です。各ペレットを分配した後にマウスが不安な場合は、[長さの一時停止]フィールドを使用して一時停止の長さを 5 s に増やすことをお勧めします。 - ペレットが [到達距離]フィールドに配置される距離を手動で記録します。これを行うには、上下矢印をクリックするか、コンピュータのキーボードを使用して番号を入力します。
注:アクセラレーションと時間配列のサイズはデバッグ目的で公開され、無視される場合があります。 - [ログを含めるフォルダ]フィールドをクリックして、収集したデータを保存するファイルの場所を選択します。
- 情報フィールドに入力したら、[実行]ボタンをクリックしてトレーニング セッションを開始します。オートトレーナーは、個々のペレットを分配し、ペレットの総数が分配されるまで漏斗を通って落ちるかどうかを追跡し、最後のペレットはマウスによって取り出されるか、または落とされた。この時点でプログラムは自動的に停止します。必要に応じて、[停止]ボタンをクリックして途中で停止することもできます。
- ソフトウェアをセットアップしたら、テストするマウスのホームケージを台座に置き、マウスが実際に必要な新しい到達動作を試みることを学んだかどうかを測定できるように、マウスを観察します。[実行]ボタンをクリックした後、マウスがスロットとその新しい、見慣れない環境を調べることができます。
注:到達の概念にマウスを導入する場合と同様に、一部のマウスは他のマウスよりも準拠していると予想されます。概念を把握したマウスは、5-10分以内に到達しようとし、オートトレーナーの動きを提示されたペレットに関連付けるべきです。
- トレーニングセッションに関するデータを記録するために必要な情報を入力します (図 3および表 2)。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
一般に、各トレーニング セッションは約 20 ~ 30 回のトライアルで構成され、ユーザーが自動トレーナーによって自動的に実行され、セッションとマウスごとに 1 つのログ ファイルに保存されることをお勧めします。各トライアルは、2~5回の一時停止で、直後に連続して実行できます。オートトレーナーで訓練されたマウスは、10回のトレーニングセッションでスキルが向上します。
オートトレーナーの有用性を手動トレーニング(ゴールドスタンダードと考えられる)と比較するために、100~140歳の成人男性C57bl/6マウスを手動で、オートトレーナーを使用してトレーニングを行いました。すべての動物の取り扱いと使用は、ジョンズ・ホプキンス大学動物ケア・使用委員会の承認を得て行われました。オートトレーナーで訓練を受けたマウスは、先入観タスクを学び、運動能力の明らかな増加を示す(図4)。このスキルの増加は、動物がオートトレーナーを使用せずに手動で訓練される場合と同様です(図4)。これらのデータでは、マウスがスリットを通して前肢に達し、ペレットをつかみ、休息スペースからノックしたり、落としたり、コントロールを失ったりすることなく食べたときに、手動の予感が成功したとスコア付けされました。成功したプリエンション試行の割合は、ペレットごとに決定された。トレーニングブロックは、1cmの距離で30ペレットで構成され、各ペレットは一度に1つずつ提示されました。オートトレーナーで訓練されたマウスは、上記のプロトコルに従って訓練された。図4の各点は、動物が30ペレットに達し、正しいパーセントとしてグラフ化されたトレーニングの日を表します。複数の比較に対する補正を伴う非パラメトリックt検定を用いて、2つの線の間に統計的な差はなかった。
図1:ホームケージの例例。(A)ケージの前面にあるプラットフォーム(オレンジ)とスロットで変更された標準的なホームケージの鳥の目のビュー。(B)約0.8cm x 7cmのスロット付き開口部で改造されたホームケージの正面図(C)ケージゲートは、金属の薄いシートから切り取られ、エッジを保護するためにテープで包まれています。(D, E)ケージゲートは、マウスが到達する均一な開口部として機能するためにスロットの前に置かれました。前面(D)と斜め(E)ビューが提供されます。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 2:オートトレーナーの例の写真。(A, B)写真は、(A)または(B)を所定の位置に変更したマウスケージを持たないオートトレーナーです。(C-J)ダイビングボードフードペレットホルダーのデザインの詳細なビューは、前面(C,D,H,I)または側面(E,F,G,J)から、(D,E,F,I)または(C,G,H,J)食品ペレットなしで見た。ダイビングボードからのケージ距離が変更可能なため、動物からのペレット距離は簡単に変更できることに注意してください。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 3: ソフトウェアのスクリーンショット。オートトレーナーを実行するために使用されるプログラムのスクリーンショット。この図は、プロトコルで説明されている重要な入力フィールドを示しています。詳細については、表 2を参照してください。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 4: 代表データ:熟練した予感は、オートトレーナーと手動トレーニングパラダイムの両方を使用して、同様の高原レベルに増加します。プロットは、到達範囲の成功を示しています (平均 +/- SEM; マニュアル: 灰色, n = 14; オートトレーナー: 黒, n=15).この図のより大きなバージョンを表示するには、ここをクリックしてください。
| ステップ | 推定期間 (日数) | コメント |
| 2.1 減量 | 3~5 | 最初の体重に応じて、したがって、目標まで減量するどのくらいの重量 |
| 2.2 スロットトレーニング | 1 | マウスは食べ物のためのオープンスロットに近づいて居心地の良い感じを学びます |
| 2.3 シェーピング | 4~8 | |
| 2.3.1 足の使用 | 1 | ここでの成功は、マウスの後にすぐにペレットを提供することに依存し、その食べ物を拒否し、ペレットのためにパウ。 |
| 2.3.2 足の好み | 1 | マウスが左または右の足を好むかどうかを確認します。 |
| 2.3.3 悪い足の使用を減らす | 2~3 | 前のステップと同様に、口と舌での検索を防ぐことが重要です。 |
| 2.3.4 ピンセット | 1 | 一部のマウスは、ピンセットからではなく、単独でペレットを取ることにつまずき、少し少なくそれらを養います |
| 3. 自動トレーニング | 10~15 | アサンプトまでの日数。 |
表1:オートトレーナーを用いてマウストレーニングの時刻表。
| 入力フィールド | 使用 |
| マウス ID | 収集したデータを保存するファイル名を入力します。 |
| ルーチン中に分配する合計ペレット | トレーニングセッション中に分配されるペレットの総数を入力します。 |
| ペレット番号の後に一時停止 | 非推奨の関数です。指定されたペレットが分配された後、トレーニングセッションを一時停止するために使用することができる。 |
| 一時停止の長さ (s) | 一時停止が続く時間の長さ。 |
| 到達距離 (mm) | ペレットを取得するためにマウスが到達する必要がある最小値を超える距離を記録します。デフォルトでは 0 です。 |
| 加速度計と時間配列のサイズ | デバッグ目的で公開される関数。既定値は 500 に保ちます。 |
| ログを含むフォルダ | フォルダアイコンをクリックして、収集したデータを保存する場所を選択します。 |
| デバイス名 | ハードウェアとソフトウェアを接続するLabVIEW機能。デフォルトは Dev1 です。USB 接続によっては、ハードウェアが別の番号の下のドロップダウン メニューに表示されることがあります。1つが動作するまで、デバイスを選択します。 |
| 矢印ボタン、左上 | クリックして、トレーニング セッションまたはキャリブレーションのいずれの場合でも、プログラムを実行します。 |
| 停止標識ボタン、左上 | プログラムを途中で停止します。 |
表 2: ソフトウェア インターフェイス。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
当社のオートトレーナーは、前肢のリーチツー把握(プリエンション)を自動化された方法で評価します。このエンドポイントを達成するために、ペレットの配置、ペレットサイズ、トレーニング基準など、マウスの先入観タスク用に設計されたパラメータの多くは、数年にわたって繰り返され、以前のプロトコル2、5から適応されています。、6.ここでの進歩は、家庭用ケージハウジングを可能にするロボットを使用したタスクの自動化です。ホームケージハウジングは、マウスが落ち着いて、より少ない不安でタスクを実行することができます。非ホームケージトレーニングは、増加した時間と減少した精度7、8、9につながる可能性のあるストレスの増加に関連付けられています。ここでは、手動ホームケージトレーニング5、7、8で私たち自身の結果に似た精度を示しています。ラット10のホームケージトレーニングは、私たちの知るうまで存在しますが、これは彼らのホームケージでマウスのトレーニングを利用する最初のオートトレーナーです。
当社のオートトレーナーは、スロットケージが休み、食品ペレットホルダー(ダイビングボードとも呼ばれる)との位置合わせのために適切な高さに下げたり上げたりすることができる調整可能なプラットフォームを含んでいます。ペレット分配システムは、ダイビングボードホルダーに食品ペレットを配置します。食品ペレットホルダーは、食品ペレットがダイビングボードホルダー上に存在するかどうかを検出するための反射物体センサーで構成されたベイトペレットセンサーアセンブリを有する。光感度の問題により、反射物体センサーは、実験室の照明環境に合わせて設置時に校正される場合があります。各マウスのケージはオートトレーナー上に配置され、ペレットの内側のエッジがケージゲートのスロットの外側のエッジに沿って配置され、上記の手動手順のステップ2.3.4に対応します。ダイビングボードペレットホルダーの下の漏斗で反対方向に向かう2つの失われたペレットセンサーは、落下ペレットを検出します。2つの失われたペレットセンサーを採用する利点の1つは、異なるサイズおよび形状の様々な食品ペレットに対して高い検出精度を確保することです。両方の失われたペレットセンサーは、接触を必要とせずに落下ペレットの動きを感知するために、貫通孔設計の標準的な透過光遮断器で構成されています。
ソフトウェアは、オートトレーナーを実行し、成功と失敗に関するデータを収集するプログラムで構成されています。ユーザー入力は、データが記録されるファイルの場所、1 つのトレーニング セッションで分配されるペレットの数、特定のペレットを分配した後にトレーニング セッションを一時停止するオプション、増加した距離を記録するフィールド (ある場合) で構成されます。マウスは到達する必要があり、プログラムの計算で使用される配列サイズを制御するフィールド (通常の使用時には無視される場合があります)。さらに、ソフトウェアはユーザーが必要に応じて光の感受性を再校正するためにダイビングボードの反射物センサーを調整することを可能にする。各試用版の出力がユーザーに表示され、記録され、後で取得するためにログ ファイルに保存されます。
単一の試験は、マウスからのアクションによって除去されるまで、ダイビングボードに費やされた単一の食品ペレットの時間で構成されています。ペレットが餌ペレットセンサーによって決定されたダイビングボードを離れ、ペレットが失われたペレットセンサのいずれかによって直後に漏斗を通って落下して検出された場合、それはソフトウェアによって失敗した試験として記録されます。餌ペレットセンサーがペレットがダイビングボードから出ると判断したが、失われたペレットセンサーのどちらかによって落下物が検出されない場合は、マウスによってケージに引き込まれたと仮定し、成功した試験としてカウントされる。
この製剤は、間接的ではなく直接的に実行するタスクが報酬を提供する行動アッセイを設計するのに役立つため使用されます。このように、タスクが何であるか(例えば、空腹、食べ物を見つける、食べ物を得る、食べ物を食べる)に動物の部分にあいまいさはありません。このようなパラダイムを利用する多くのタスクの中で、先入観タスクは、このような評価のために非常に人気となっています。このタスクは、単に動物が単一の手足を使用して、単一の食品に手を伸ばし、把握することを必要とします。先入観タスクは、多くの哺乳類が使用する日常的な行動に非常によく似た動作を評価します。最も重要なのは、先取りタスクは人間の運動挙動4に似ている。この一般化性は、行動の前臨床評価に由来する原理が疾患状態において臨床的に適用可能であるという期待を高める。例えば、脳卒中、ハンチントン病、パーキンソン病、多発性硬化症では、熟練した前肢および手の使用の障害が見られます。したがって、行動の欠陥とその後のマウスの回復をモデル化することは、ヒトの回復を理解し、それがどのように奨励されるかを理解するために非常に重要である、 2,11,12,13.
本明細に提案されるオートトレーナーの多くの側面は、研究プロセスに大きな利益をもたらす。第一に、ほとんどの行動アッセイでは、実験者が毎日のセッションを綿密にトレーニングおよび監視する必要があり、コストがかかり、労働集約的で、非常に時間がかかります。当社のオートトレーナーは、実験者とは無関係に行動データを収集することができます。第二に、当社のオートトレーナーを複製して、複数のマウスを客観的、効率的、同時に訓練および評価できるようにし、時間と労力を最小限に抑えることができます。第三に、オートトレーナーの低コストにより、複数のオートトレーナーを同時に複製して使用し、大規模かつ効率的なテストを行うことができます。
注意深い監督を必要とする重要なポイントは、トレーニングの成形段階にあることに留意すべきです。特に、このプロトコルの主な弱点は、一部のマウス11で悪い使用が固定されるリスクである。このプロトコルは、タスクで成功するという点でラダーラングテストのようなテストを模倣することを目的としています。ただし、タスク自体は、ラダーラング テストとは異なり、プロトコルの手順 2.3 でマウスに教える必要があります。このタスクを学習するうえでマウスがつまずく可能性が最も高い概念は、ケージから足を伸ばして実際にペレットを把握する方法です。ステップ2.3.1の最初のセッションでは、マウスはケージから足を伸ばすだけで報われるべきです。しかし、次の数日間、研究者は、ステップ2.3.3で説明するように、足を伸ばし、ペレットに触れるだけで、マウスに報酬を与える必要があります。
マウスのおよそ5%は、通常、食物ペレットを引き込むために彼らの数字の拡張が限られているため、この段階を過ぎて進行に失敗することに注意してください。このようなマウスは、ペレットの実際の位置をほとんど考慮しないで、一方または両方の足で失敗し、有用なデータをほとんどまたは全く提供しない。この段階でマウスの故障の可能性を最小限に抑えるために、学習プロセス中にピンセットでペレットを引き離す場合は、注意が強くお勧めします。特に、マウスは足を伸ばすときだけでなく、その足がペレットをつかみ、調査者の満足度に十分な力を加えるときにも、食べ物で報われるべきである。この段階で潜在的な失敗に対する同様のリスクは、マウスが舌を使ってペレットを舐めることによってもたらされます。舐める傾向があるマウスを訓練するときは、ペレットをスロットからさらに横に置きます。マウスは、より大きな横方向の距離にわたって舌で到達することは困難になりますが、腕と足の動きの範囲は、距離を閉じる可能性が高いです。
説明されているプロトコルは、異なるラボ環境や異なるデータ収集方法に容易に拡張されます。例えば、オートトレーナーは省力化装置として非常に便利ですが、ペレットを提供し、成功/失敗を手作業で記録できるため、データ収集には厳密には必要ありません。個々のリーチは、単に成功/失敗よりも詳細な情報に基づいて分類することもでき、例えば、各マウスのアプローチの角度、ペレットに触れない試行回数、または検索の仕組みを考慮します。近年、より多くの注目を集めている動き14.動物がペレットを取り出す能力は、一つの尺度にすぎない。追加のハードウェアを使用して、動物の四肢の動きの速度、角度、軌道を測定することもできます。この運動学は、神経学的損傷の前後の両方の運動学習の重要な側面です。そのために、現在、マウスの把握作用の移動と運動学を分析する様々な新しい手段を取り入れています。高速カメラを用いて、食品ペレットホルダーに圧力トランスデューサと加速度計を取り付けて、把握に関連する力や質量データを測定する運動測定を行っています。これらの新機能は、簡単な合格または失敗試験に合格した重要なデータを収集するためにオートトレーナーの機能を強化し、病気の進行を通じてマウスの把握の歩行を示すのに役立ちます。将来的には、神経損傷後のリハビリの種類、用量、タイミングを評価するプラットフォームとして、ロボットアシストプリエンションタスクを活用する予定です。今後も、間違った行動を減らし、タスクの取得率とトレーニング時間を改善するための改良を加え、タスクの改善を進めてまいります。
要約すると、マウスの上肢前肢のスキルを評価するための新しいオートトレーナーを開発しました。このタスクでは、マウスがスリットを通して足に到達し、小さな食物ペレットをつかみ、ペレットを食べるように体の方向にペレットを引っ張る必要があります。タスクの設定は、支配的な足の使用を保証するために機械的に制約されます。マウスは、手動入力を必要とするシェーピングプロセスのみで、迅速かつ同時にトレーニングすることができます。テストは効率的に管理され、自動的に分析することができる。この高スループットの行動アッセイは成功率を定量化し、キネマティクスとフォースダイナミクスの将来の分析のために容易に変更されます。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
ステップ分析のダン・タッシュとウリ・タッシュは、リチャード・J・オブライエンとスティーブン・R・ツァイラーからの支払いを受けてオートトレーナー装置を製造しました。
Acknowledgments
自動トレーニングデバイスは、ステップ分析LLCのジェイソン・ダンソーン、ウリ・タッシュ、ダン・タッシュによって構築され、設計入力サポートとロバート・ハバード、リチャード・オブライエン、スティーブン・ツァイラーによって提供されました。
シャンパリモー・センター・フォー・アン・アン・アン・アン・アン・アン・アンサーのテレサ・ドゥアルテは、マウスの到達アクションを記述し、分類することに関する貴重な洞察とアイデアを提供しました。
Materials
| Name | Company | Catalog Number | Comments |
| ABS Filament | Custom 3D Printed | N/A | utilized for pellet holder, frame, arm and funnel |
| ABS Sheet | McMaster-Carr | 8586K581 | 3/8" thickness; used for platform compononents, positioning stand guides and base |
| Adruino Mini | Adruino | A000087 | nano version also compatiable as well as other similar microcontrollers |
| Bench-Top Adjustable-Height Positioning Stand | McMaster-Carr | 9967T43 | 35 lbs. load capacity |
| Clear Acrylic Round Tube | McMaster-Carr | 8532K14 | ID 3/8" |
| Low-Carbon Steel Wire | McMaster-Carr | 8855K14 | 0.148" diameter |
| Pellet Dispenser | Lafayette Instrument: Neuroscience | 80209-45 | with 45 mg interchangeable pellet size wheel and optional stand |
| Photointerrupter Breakout Board | SparkFun | BOB-09322 ROHS | designed for Sharp GP1A57HRJ00F |
| Reflective Object Sensor | Fairchild Semiconductor | QRD1113 | phototransistor output |
| Servo Motor | SparkFun | S8213 | generic metal gear (micro size) |
| Transmissive Photointerrupter | Sharp | GP1A57HRJ00F | gap: 10 mm, slit: 1.8 mm |
References
- Whishaw, I. Q. An endpoint, descriptive, and kinematic comparison of skilled reaching in mice (mus musculus) with rats (rattus norvegicus). Behavior Brain Research. 78, 101-111 (1996).
- Farr, T. D., Whishaw, I. Q. Quantitative and qualitative impairments in skilled reaching in the mouse (mus musculus) after a focal motor cortex stroke. Stroke. 33, 1869-1875 (2002).
- Zeiler, S. R., Krakauer, J. W. The interaction between training and plasticity in the poststroke brain. Current Opinion in Neurology. 26, 609-616 (2013).
- Klein, A., Sacrey, L. A., Whishaw, I. Q., Dunnett, S. B. The use of rodent skilled reaching as a translational model for investigating brain damage and disease. Neuroscience and Biobehavioral Reviews. 36, 1030-1042 (2012).
- Zeiler, S. R., et al. Medial premotor cortex shows a reduction in inhibitory markers and mediates recovery in a mouse model of focal stroke. Stroke. 44, 483-489 (2013).
- Becker, A. M., Meyers, E., Sloan, A., Rennaker, R., Kilgard, M., Goldberg, M. P. An automated task for the training and assessment of distal forelimb function in a mouse model of ischemic stroke. Journal of Neuroscience Methods. 258, 16-23 (2016).
- Bruinsma, B., et al. An automated home-cage-based 5-choice serial reaction time task for rapid assessment of attention and impulsivity in rats. Psychopharmacology. , 1-12 (2019).
- Francis, N. A., Kanold, P. O. Automated operant conditioning in the mouse home cage. Frontiers in Neural Circuits. 11 (10), (2017).
- Balcombe, J. P., Barnard, N. D., Sandusky, C. Laboratory routines cause animal stress. Contemporary Topics in Laboratory Animal Science. 43, 42-51 (2004).
- Fenrich, K. K., et al. Improved single pellet grasping using automated ad libitum full-time training robot. Behavior Brain Research. 281, 137-148 (2015).
- Ng, K. L., et al. Fluoxetine maintains a state of heightened responsiveness to motor training early after stroke in a mouse model. Stroke. 46 (10), 2951-2960 (2015).
- Whishaw, I. Q., Suchowersky, O., Davis, L., Sarna, J., Metz, G. A., Pellis, S. M. Impairment of pronation, supination, and body co-ordination in reach-to-grasp tasks in human parkinson's disease (pd) reveals homology to deficits in animal models. Behavior Brain Research. 133, 165-176 (2002).
- Dobrossy, M. D., Dunnett, S. B. The influence of environment and experience on neural grafts. Nature Review Neuroscience. 2, 871-879 (2001).
- Alaverdashvili, M., Foroud, A., Lim, D. H., Whishaw, I. Q. "Learned baduse" limits recovery of skilled reaching for food after forelimb motor cortex stroke in rats: A new analysis of the effect of gestures on success. Behavior Brain Research. 188, 281-290 (2008).
