Summary
훈련이 운동 능력에 미치는 영향을 평가하는 방법은 유용한 도구입니다. 불행히도, 대부분의 행동 평가는 노동 집약적이거나 비용이 많이 들 수 있습니다. 우리는 여기에서 마우스에 있는 prehension (도달-투-파악) 기술을 평가하는 로봇적인 방법을 기술합니다.
Abstract
우리는 새로운 prehension (도달 - 투 - 파악) 작업에 순진한 마우스를 소개하는 방법을 설명합니다. 마우스는 마우스가 케이지에서 손을 뻗어 음식 알약을 회수 할 수 있도록 정면 슬롯이있는 케이지에 개별적으로 보관됩니다. 최소한의 음식 제한은 슬롯에서 음식 검색을 수행 하는 쥐를 격려 하기 위해 사용 됩니다. 마우스가 음식을 위한 슬롯에 오는 연결하기 시작할 때, 펠릿은 정면 슬롯을 통해서 펠릿을 붙잡고 회수하기 위하여 그들의 발의 연장 그리고 nationnation를 자극하기 위하여 수동으로 당겨됩니다. 마우스가 슬롯에 도착할 때 펠릿에 도달하기 시작하면, 행동 분석은 원하는 펠릿을 성공적으로 파악하고 검색하는 속도를 측정하여 수행 될 수 있습니다. 그런 다음 마우스가 파악할 수 있는 식품 펠릿을 제공하는 프로세스와 성공 및 실패한 도달 및 파악 시도의 기록을 자동화하는 자동 트레이너를 소개합니다. 이를 통해 최소한의 노력으로 여러 마우스에 대한 도달 데이터를 수집하여 실험 분석에 적절히 사용할 수 있습니다.
Introduction
운동 기술을 실험적으로 테스트하는 방법은 전후 신경 상해뿐만 아니라 타이밍, 양 및 모터 훈련 유형을 조절하는 것이 번역 연구에 중요합니다. 지난 10 년 동안, 마우스, 때문에 유전 조작의 수행 용이성, 모터 학습 의 메커니즘을 해명하는 인기있는 모델 시스템이되었다 전후 부상. 그러나, 마우스에서행동성 분석에 는 다른 포유류(특히 쥐)에 대해 같은 방식으로 최적화되지 않았다. 또한, 마우스와 쥐의 거동사이에는 서로 다른 방식으로 두 종을 훈련시키는 것을 강력하게 제안하는쥐의거동이1,2.
숙련된 약탈운동은 손/발을 사용하여 입에 음식을 놓거나, 물체를 조작하거나, 도구를 사용합니다. 실제로, 일상 생활에서 다양한 물체를 파악하는 것은 상지의 기본 기능이며, 먹는 도달 행위는 많은 포유류가 사용하는 전조의 한 형태입니다. 유전적, 생리적, 해부학적 변화의 대부분은3. 전임상 결과를 임상 결과로 변환할 때 효율적이고 재현 가능한 관련 테스트가 필요합니다. 설치류와 인간 도달에 대한 연구는 전경련 행동이 인간과 동물에서 유사하다는 것을 보여줍니다4. 따라서, 이러한 유사성은 전전도 테스트가 인간 질병의 장애 및 치료뿐만 아니라 모터 학습을 조사하기위한 번역 모델로 사용될 수 있음을 시사한다. 따라서, 마우스에서 prehension을 평가하는 것은 건강과 질병 상태 둘 다 공부하는 번역 연구에서 강력한 공구를 제안할 수 있습니다4.
불행히도, 마우스의 사전 작업, 심지어 작은 규모의 실험실 설정에 대 한, 힘들고 시간이 많이 걸릴 수 있습니다. 이 문제를 완화하기 위해 여기서는 사전 설명 작업의 자동화된 버전을 설명합니다. 설명된 작업은 마우스가 마우스의 홈 케이지 정면 슬롯을 통해 단일 발을 확장하고, 확장 된 발을 pronate, 음식 펠릿 보상을 잡고, 소비를 위해 케이지 내부로 다시 당겨야합니다. 결과 데이터는 사전 성공 또는 실패로 표시됩니다. 이 자동화는 데이터를 성공적으로 기록하고 연구원이 작업에 참여해야 하는 부담과 시간을 줄입니다.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
여기에 설명된 모든 방법은 존스 홉킨스 대학의 ACUC(동물 관리 및 사용 위원회)에 의해 승인되었습니다.
1. 사용하기 위한 마우스 케이지 준비
- 그림 1과 같이 각 케이지의 프런트 엔드의 베이스에서 폭 0.8cm, 높이 7cm의 크기로 슬롯형 개구부를 작성합니다. 이 슬롯은 동물이 도달하는 개구부 역할을합니다.
참고: 자동 트레이너는 대부분의 동물 연구 공급 업체에서 제공하는 표준 마우스 케이지 치수(그림 1과같이)와 함께 사용하도록 설계되었습니다. 또한, 자동 트레이너는 쉽게 다른 케이지 유형을 지원할 것입니다. - 각 개별 케이지 내부에, 마우스가 서서 제시된 펠릿에 도달할 수 있도록 슬롯에 인접한 플랫폼을 추가합니다. 플랫폼이 케이지 쓰레기 바닥 위에 있는지 확인하십시오(높이 약 3cm). 슈퍼 접착제가 부착된 페트리 접시를 사용하고 약 10cm x 15cm 의 금속 판으로 덮여 있지만, 마우스가 닿을 만큼 충분히 큰 평평한 표면은 충분합니다.
- 가로 0.8cm, 높이 7cm의 케이지 전면 중앙을 통해 수직 노치를 만들어 마우스가 케이지에서 발을 뻗을 수 있도록 합니다.
- 얇은 금속 판에서(약 2mm 두께)는 케이지 게이트를 5cm x 10cm 크기의 직사각형으로 잘라 동물이 도달하는 균일한 개구부역할을 합니다.
참고 : 마우스는 개구부의 크기를 변경하는 플라스틱 케이지에 체를 입을 수 있습니다. 테이프를 사용하여 테스트하는 동안 금속 케이지 게이트가 케이지의 슬롯 개구부 위에 놓이면 마우스가 이 0.8cm 슬롯을 통과하여 케이지 사이의 슬롯의 유효 너비를 유지합니다. - 마우스가 케이지에서 배출되는 쓰레기를 방지하기 위해 테스트되지 않을 때 각 케이지의 슬롯을 테이프로 덮습니다.
2. 도달 운동에 마우스를 소개합니다.
- 각 마우스의 시작 무게를 기록하고 그 값의 85%를 계산하여 목표 가중치를 찾아결과가 적을 경우 최대 20g까지 반올림합니다. 그들에게 먹이 정권을 주고 그들을 데리고 다음이 목표 무게를 유지.
- 각 마우스에 펠릿 2.5 g을 첫날주고 24 시간 후에 체중의 변화에 유의하십시오.
참고: 하루에 한 번 마우스의 무게와 하루에 0.25-1 g의 체중 감소를 기대 합니다. - 점진적인 체중 감소를 유도하기 위해 필요에 따라 각 마우스의 일일 사료를 변경하고 각 마우스의 체중의 지속적인 변화에 따라 점진적인 체중 감소를 유도한 다음 결과 목표 체중을 유지합니다. 효과적이기 위하여 3- 6 500 mg 펠릿 (1.5 에 3.0 g) 사이에서 변화합니다.
참고: 마우스는 프로토콜 전반에 걸쳐 목표 체중을 유지하기 위해이 식단에 남아 있습니다.
- 각 마우스에 펠릿 2.5 g을 첫날주고 24 시간 후에 체중의 변화에 유의하십시오.
- 마우스가 목표 체중에 도달하면 각 마우스를 추가 식품 펠릿을 위해 문이 닫힌 슬롯으로 오는 개념을 소개합니다. 펠릿 표면에 45 mg 펠릿을 슬롯 바로 앞에 놓고 각 마우스가 이를 검색할 수 있도록 하여 트레이닝 세션을 시작합니다. 대부분의 마우스는 1-2 일 이내에이 먹이 배열에 걸릴 것입니다.
- 일단 마우스가 열린 슬롯을 먹이는 것과 연결하면 입이 아닌 발로 손을 뻗도록 격려하십시오.
참고 : 이것은 1-2 일을 복용하는 가장 복잡한 단계이며 실수로 마우스에 비생산적인 행동을 주입하는 것은 매우 쉽습니다. 자세한 내용은 토론 섹션을 참조하십시오.- 핀셋 한 쌍을 사용하여 마우스가 이전에 펠릿을 회수한 것과 동일한 위치에 펠릿을 잡습니다. 마우스가 펠릿에 물기 시작하면, 펠릿이 입의 손이 닿지 않도록 약 반 센티미터 를 당겨.
참고: 목표 무게의 마우스는 손이 닿지 않는 펠릿을 검색하려고 시도합니다. 마우스가 슬롯을 통해 발을 확장 할 때마다, 펠릿을 먹을 수 있도록하여 그 동작을 강화. 몇몇 마우스는 음식을 위해 확장할 때 다른 위에 1개의 발을 위한 특혜를 전시할 수 있습니다. - 실험에 도움이 되지는 않지만 왼쪽 또는 오른쪽 발이 바람직한지 여부를 기록합니다. 이것은 잠재적으로 행동 분석에 있는 더 높은 전반적인 성공비율을 허용할 수 있습니다; 또는 각 마우스가 동일한 발로 도달하도록 강요하여 변수를 제거합니다.
참고: 마우스가 선호하는 발을 사용하는 경우 더 나은 결과를 얻을 수 있습니다. - 각 마우스는 펠릿을 먹는 발 확장 동료로, 더 입과 혀와 펠릿을 검색 하는 시도에 대 한 응답에서 펠 릿을 원천 징수 하 여 그 행동을 강화. 마우스는 2~3일 동안 이 배열을 준수하기 시작합니다.
- 45 mg 펠릿을 케이지 게이트의 바깥쪽 가장자리에서 1cm 아래에 배치하여 원하는 발 도달 동작의 도입을 마무리하여 펠릿의 가장 왼쪽 또는 오른쪽 지점(조사관의 케이지 슬롯의 오른쪽 또는 왼쪽에 있는지 여부)을 지정합니다. '원근)은 각각 케이지 게이트 슬롯의 가장자리에서 직선으로 연장되는 선으로 접선입니다. 마우스가 발 확장 이외의 다른 방법으로 시도해야하는 경우 마우스가 펠릿을 제거하고 소비를 방지하기 위해 경계하면서 펠릿을 검색할 수 있도록 합니다.
참고: 마우스가 지속적으로 발을 확장하여 포를 잡고 제공된 펠릿을 만질 수 있는 경우, 아래에 설명된 자동 트레이너 및 관련 행동 분석실험을 사용하여 테스트할 준비가 됩니다. 준비되는 순진한 소개에서 시간 마우스 마다 다를 것 이다; 이해하는 데 2주 이상 걸리는 스트래글러가 있는 경우 데이터 집합에서 제외해야 합니다.
- 핀셋 한 쌍을 사용하여 마우스가 이전에 펠릿을 회수한 것과 동일한 위치에 펠릿을 잡습니다. 마우스가 펠릿에 물기 시작하면, 펠릿이 입의 손이 닿지 않도록 약 반 센티미터 를 당겨.
3. 자동 트레이너 사용
참고: 자동 트레이너의 하드웨어, 소프트웨어 및 물리적 작업에 대한 자세한 설명은 그림 1-3 및 토론 섹션을 참조하십시오.
- 교육 세션을 준비합니다.
- 미끼 펠릿 센서를 보정합니다. LabVIEW 인터페이스에서 실행 화살표를 클릭하고 제자리에 펠릿의 유무에 관계없이 모두 판독 미끼 펠릿 센서를 기록합니다. 중지 버튼을 클릭하여 이 테스트 실행을 중지하고 미끼 펠릿 센서 대상을 두 판독값 사이의 값으로 변경합니다(그림3 및 표 2). 대부분의 조명 조건은 1에서 4 사이의 판독값을 제공합니다.
- 수정된 마우스 케이지를 자동 트레이너에 놓습니다(그림2). 케이지 게이트를 부착하고(그림 1)수동 절차에서와 같이 펠릿을 슬롯 가장자리에 정렬합니다.
- LabVIEW 인터페이스를 사용하여 마우스 학습 세션을 실행합니다.
- 학습 세션에 대한 데이터를 기록하는 데 필요한 입력정보(도 3 및 표 2).
- Mouse ID 필드를 클릭하고 컴퓨터 키보드를 사용하여 각 교육 세션의 파일 이름을 입력합니다.
- 단일 실험(보통 20 -30)에 대해 분배되는 펠릿 수를 제어하려면 루틴 필드 동안 디스펜스할 총 펠릿을 클릭합니다. 이렇게 하려면 위쪽 및 아래쪽 화살표를 클릭하거나 컴퓨터 키보드를 사용하여 번호를 입력합니다.
- 표시된 펠릿이 다이빙 보드에서 제거된 후 펠릿 번호 후 일시 중지 필드를 클릭하여 5초 일시 중지를 설정합니다. 이렇게 하려면 위쪽 및 아래쪽 화살표를 클릭하거나 컴퓨터 키보드를 사용하여 번호를 입력합니다.
- 길이 일시 중지 필드를 클릭하여 다이빙 보드에서 펠릿을 제거한 시간과 새 펠릿이 분배되는 시간 사이에 일시 중지를 설정합니다. 이렇게 하려면 위쪽 및 아래쪽 화살표를 클릭하거나 컴퓨터 키보드를 사용하여 번호를 입력합니다.
참고: 일반적으로 1s는 적절한 일시 중지 시간입니다. 각 펠릿이 분배된 후 마우스가 염려하는 경우, 일시 정지 길이 필드를 사용하여 일시 정지 길이를 5초로 늘리는 것이 좋습니다. - 펠릿이 도달 거리 필드에 배치되는 거리를 수동으로 기록합니다. 이렇게 하려면 위쪽 및 아래쪽 화살표를 클릭하거나 컴퓨터 키보드를 사용하여 번호를 입력합니다.
참고: 가속 및 시간 배열의 크기는 디버깅을 위해 노출되며 무시될 수 있습니다. - 로그 포함 폴더 필드를 클릭하여 수집된 데이터를 저장할 파일 위치를 선택합니다.
- 정보 필드가 작성되면 실행 버튼을 클릭하여 교육 세션을 시작합니다. 자동 트레이너는 개별 펠릿을 분배하고 총 펠릿 수가 분배될 때까지 깔때기를 통해 떨어지는지 여부를 추적하고 마지막 펠릿은 마우스에 의해 검색되거나 떨어졌습니다. 이 시점에서 프로그램이 자동으로 중지됩니다. 필요한 경우 중지 단추를 클릭하여 조기에 중지할 수도 있습니다.
- 소프트웨어가 설정되면 마우스의 홈 케이지를 받침대에서 테스트하고 마우스가 실제로 필요한 새로운 도달 동작을 시도하는 법을 배웠는지 여부를 측정할 수 있도록 마우스를 관찰합니다. 실행 버튼을 클릭한 후 마우스가 슬롯과 익숙하지 않은 새 환경을 조사할 수 있도록 합니다.
참고 : 도달의 개념에 마우스를 소개 할 때와 유사, 일부 마우스는 다른 사람보다 더 준수 할 것으로 예상. 개념을 파악 한 마우스는 5-10 분 이내에 도달하려고하고 제시 된 펠릿과 자동 트레이너의 움직임을 연결해야합니다, 그들은이 프로토콜의 초기 단계에서 음식과 발견 된 슬롯을 연결할 때.
- 학습 세션에 대한 데이터를 기록하는 데 필요한 입력정보(도 3 및 표 2).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
일반적으로 각 교육 세션은 사용자가 설정할 수 있는 약 20-30개의 평가판으로 구성되며, 자동 트레이너에 의해 자동으로 실행되고 세션 및 마우스당 단일 로그 파일에 저장됩니다. 각 평가판은 2-5s의 일시 정지와 함께 연속적으로 실행될 수 있습니다. 자동 트레이너에 훈련 된 마우스는 10 개 이상의 교육 세션 이상의 기술 증가를 나타낸다.
자동 트레이너의 유용성을 수동 훈련(금본위제로 간주)과 비교하기 위해, 100~140일 된 성인 남성 C57bl/6 마우스를 수동으로 훈련하고 자동 트레이너를 사용했습니다. 모든 동물 취급 및 사용은 존스 홉킨스 대학 동물 관리 및 사용 위원회의 승인에 따라 수행되었습니다. 자동 트레이너와 함께 훈련된 마우스는 전전도 태스크를 배웠고 모터 기술의 명확한 증가를나타낸다(도 4). 이러한 기술의 증가는 동물이 자동 트레이너를 사용하지 않고 수동으로 훈련될 때 보이는 것과유사하다(도 4). 이러한 데이터의 경우 마우스가 슬릿을 통해 앞다리에 도달하고, 펠릿을 잡고, 휴식 공간에서 떨어뜨리거나, 떨어뜨리거나, 다른 방법으로 제어를 잃지 않고 그것을 식히면 수동 사전 이 성공으로 기록되었습니다. 성공적인 전전도 시도의 백분율은 펠릿당 결정되었다. 훈련 블록은 각 펠릿이 한 번에 하나씩 제시된 1cm의 거리에서 30 개의 펠릿으로 구성되었습니다. 자동 트레이너에 훈련된 마우스는 전술한 프로토콜에 따라 훈련되었다. 그림 4의 각 포인트는 동물이 30 펠릿에 도달하고 퍼센트 올바른 그래프로 그래프를 하는 동안 훈련의 날을 나타냅니다. 여러 비교에 대한 보정과 비 파라메트릭 t 검정을 사용하여 두 라인 사이에 통계적 차이가 없었다.
그림 1: 홈 케이지의 예시 사진. (A)플랫폼(주황색)과 케이지 전면의 슬롯으로 수정된 표준 홈 케이지의 조감도. (B)홈 케이지의 전면보기는 약 0.8cm x 7cm(C)케이지 게이트가 얇은 금속 판에서 절단되고 가장자리를 보호하기 위해 테이프로 감싸는 슬롯 개구부로 수정되었습니다. (D, E)마우스가 도달하는 균일한 개구부로서 역할을 하는 슬롯 앞에 놓인 케이지 게이트; 전면(D)및 경사(E)보기가 제공됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2 : 자동 트레이너의 예시 사진. (A, B) 사진은 자동 트레이너가 없는(A)또는(B)수정된 마우스 케이지가 제자리에 있습니다. (C-J) 다이빙 보드 식품 펠릿 홀더 디자인의 상세한 보기는 전면(C, D, H, I)또는 측면(E, F, G, J)에서또는(D, E, F, I)또는 없이(C, G, H, J)음식 펠릿에서 볼 수 있습니다. 동물과의 펠릿 거리는 다이빙 보드에서 케이지 거리가 수정 가능하기 때문에 쉽게 수정할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3 : 소프트웨어의 스크린 샷. 자동 트레이너를 실행하는 데 사용되는 프로그램의 스크린 샷. 이미지는 프로토콜에 설명된 중요한 입력 필드를 보여 주며, 이 필드는 프로토콜에 설명되어 있습니다. 자세한 설명은 표 2를 참조하십시오. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4 : 대표 데이터. 숙련된 프리헨션은 자동 트레이너와 수동 학습 패러다임을 모두 사용하여 유사한 고원 수준으로 증가합니다. 플롯은 도달 성공(평균 +/- SEM; 수동: 회색, n = 14; 자동 트레이너: 검정, n=15)을 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
| 단계 | 예상 기간(일 수) | 코멘트 |
| 2.1 체중 감량 | 3 ~ 5 | 체내 무게에 따라, 따라서, 얼마나 많은 무게는 목표에 까지 잃을 |
| 2.2 슬롯 트레이닝 | 1 | 마우스는 음식을위한 열린 슬롯에 접근 편안하게 느끼는 법을 배웁니다. |
| 2.3 성형 | 4 ~ 8 | |
| 2.3.1 발 사용 | 1 | 여기에서 성공은 마우스 후에 펠릿을 신속하게 제공하는 것에 달려 있으며, 음식을 거부하고 펠릿에 대한 paaws를 거부합니다. |
| 2.3.2 발 기본 설정 | 1 | 마우스가 왼쪽 또는 오른쪽 발을 선호하는지 확인합니다. |
| 2.3.3 나쁜 발 사용 축소 | 2 ~ 3 | 이전 단계에서와 같이, 입과 혀로 검색을 방지하는 것이 중요합니다. |
| 2.3.4 족집게 | 1 | 일부 마우스는 핀셋보다는 스스로 펠릿을 복용에 비틀 거릴 것이다, 그들에게 조금 덜 먹이 |
| 3. 자동 교육 | 10 -15 | asumptote까지 일. |
표 1: 자동 트레이너를 사용한 마우스 학습 시간표입니다.
| 입력 필드 | 사용 |
| 마우스 ID | 수집된 데이터가 저장될 파일 이름을 입력합니다. |
| 루틴 중에 분배할 총 펠릿 | 트레이닝 세션 동안 분배될 총 펠릿 수를 입력합니다. |
| 펠릿 번호 후 일시 중지 | 더 이상 사용되지 않습니다. 지정된 펠릿이 분배된 후 트레이닝 세션을 일시 중지하는 데 사용할 수 있습니다. |
| 일시 정지 길이(들) | 일시 중지가 지속되는 시간입니다. |
| 도달 거리(mm) | 마우스가 펠릿을 검색하기 위해 도달해야 하는 최소 이상의 거리를 기록합니다. 기본적으로 0입니다. |
| 가속도계 및 시간 어레이의 크기 | 디버깅을 위해 노출된 함수입니다. 기본값 500을 유지합니다. |
| 로그를 포함할 폴더 | 폴더 아이콘을 클릭하여 수집된 데이터가 저장되는 위치를 선택합니다. |
| 장치 이름 | 하드웨어를 소프트웨어에 연결하는 LabVIEW 기능. 기본값은 개발자1입니다. USB 연결에 따라 하드웨어가 다른 숫자 아래의 드롭다운 메뉴에 나타날 수 있습니다. 작동할 때까지 장치를 선택합니다. |
| 화살표 버튼, 왼쪽 상단 | 교육 세션이든 교정이든 프로그램을 실행하려면 클릭합니다. |
| 정지 기호 버튼, 왼쪽 상단 | 프로그램을 조기에 중지합니다. |
표 2: 소프트웨어 인터페이스.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
오토 트레이너는 자동 적인 방식으로 앞다리 도달 도달 (prehension)을 평가합니다. 이 종점을 달성하기 위해 펠릿 배치, 펠릿 크기 및 교육 기준을 포함하여 마우스 전천막 작업을 위해 설계된 많은 매개 변수가 수년 동안 반복되어 이전 프로토콜2,5에서 채택되었습니다. ,6. 여기서 발전은 홈 케이지 하우징을 허용하는 로봇을 사용하여 작업의 자동화입니다. 홈 케이지 하우징은 마우스가 침착하게 유지하고 덜 불안으로 작업을 수행 할 수 있습니다. 비 홈 케이지 훈련은 증가 된 시간으로 이어질 수있는 증가 스트레스와 연관및 감소 정밀도7,8,9. 우리는 수동 홈 케이지 교육5,7,8와우리 자신의 결과를 닮은 여기에 정밀도를 보여줍니다 . 홈 케이지 훈련은 쥐(10)에대한 존재하지만, 우리의 지식에, 이것은 자신의 홈 케이지에서 훈련 마우스를 활용하는 최초의 자동 트레이너입니다.
우리의 자동 트레이너는 슬롯 케이지가 달려 음식 펠릿 홀더 (다이빙 보드라고도 함)와의 정렬을위해 적절한 높이로 낮추거나 올릴 수있는 조정 가능한 플랫폼을 포함합니다. 펠릿 디스펜싱 시스템은 식품 펠릿을 다이빙 보드 홀더에 놓습니다. 식품 펠릿 홀더에는 식품 펠릿이 다이빙 보드 홀더에 있는지 여부를 감지하는 반사 물체 센서로 구성된 미끼 펠릿 센서 어셈블리가 있습니다. 광 감도 문제로 인해 반사 물체 센서는 실험실의 조명 환경에 맞게 설치 시 보정될 수 있습니다. 각 마우스의 케이지는 위에서 자세히 설명한 수동 절차의 2.3.4 단계에 해당하는 펠릿의 내부 가장자리가 케이지 게이트 슬롯의 외부 가장자리와 일치하도록 자동 트레이너에 배치됩니다. 다이빙 보드 펠릿 홀더 아래 깔때기에서 반대 방향으로 방향이 지향하는 두 개의 분실 된 펠릿 센서가 떨어지는 펠릿을 감지합니다. 두 개의 손실된 펠릿 센서를 사용하는 한 가지 이점은 다양한 크기와 모양의 다양한 식품 펠릿에 대해 높은 검출 정확도를 보장한다는 것입니다. 잃어버린 펠릿 센서는 관통구멍 설계가 있는 표준 투과 형 광 인터럽터로 구성되어 접촉없이 떨어지는 펠릿의 움직임을 감지합니다.
이 소프트웨어는 자동 트레이너를 실행하고 성공과 실패에 대한 데이터를 수집하는 프로그램으로 구성되어 있습니다. 사용자 입력은 데이터가 기록되는 파일 위치, 한 교육 세션에서 분배되는 펠릿 수, 특정 펠릿을 분배한 후 교육 세션을 일시 중지하는 옵션, 증가된 거리(있는 경우)를 기록하는 필드로 구성됩니다. 마우스가 도달해야 하며 프로그램의 계산에 사용되는 배열 크기를 제어하는 필드(일반 사용 시 무시될 수 있음). 또한, 이 소프트웨어는 사용자가 필요에 따라 빛 감도를 재조정하기 위해 다이빙 보드의 반사 물체 센서를 조정할 수 있게 합니다. 각 평가판의 출력은 사용자에게 표시되며 나중에 검색할 수 있도록 로그 파일에 기록되고 저장됩니다.
단일 시험은 마우스의 작용에 의해 제거 될 때까지 다이빙 보드에 소요된 단일 식품 펠릿의 시간으로 구성됩니다. 미끼 펠릿 센서에 의해 결정된 대로 펠릿이 다이빙 보드를 떠나고 펠릿이 분실된 펠릿 센서 중 하나에 의해 유입경로를 통해 떨어지는 것을 감지하면 소프트웨어에 의해 실패한 시험으로 기록됩니다. 미끼 펠릿 센서가 펠릿이 다이빙 보드를 떠난다고 판단하지만 잃어버린 펠릿 센서 중 하나에 의해 낙하 물체가 감지되지 않는다고 판단하면 마우스에 의해 케이지로 당겨진 것으로 간주되어 성공적인 시험으로 계산됩니다.
이러한 제형은 간접적으로 수행되는 작업이 아닌 직접 수행되는 행동 분석방법을 설계하는 데 유용하기 때문에 사용된다. 이런 식으로, (예를 들어, 배고픈, 음식을 찾아, 음식을 얻을, 음식을 먹는) 작업이 무엇인지에 동물의 부분에 모호성이 없다. 이러한 패러다임을 활용하는 많은 작업 중에서 사전 작업은 이러한 평가에서 매우 인기를 끌고 있습니다. 이 작업은 단지 동물이 하나의 음식 품목에 도달하고 파악하기 위해 하나의 사지를 사용하는 것을 요구하며, 그 후에 동물이 소비를 위해 입으로 가져온다. prehension 태스크는 많은 포유동물에 의해 이용된 일상적인 행동과 아주 유사한 행동을 평가합니다. 가장 중요한 것은, 전천적 작업은 인간의 운동 동작4과유사합니다. 이러한 일반화성은 행동의 전임상 평가에서 유래된 원리가 질병 상태에서 임상적으로 적용가능하다는 기대를 향상시킨다. 예를 들어, 숙련된 앞다리와 손 사용의 장애는 뇌졸중, 헌팅턴병, 파킨슨병 및 다발성 경화증에서 볼 수 있습니다. 따라서, 마우스에서 행동 적자 및 후속 회복을 모델링하는 것은 인간의 회복을 이해하는 데 매우 중요하며어떻게 2,11,12,13을권장할 수 있는지를 이해하는 데 매우 중요합니다.
본 명세서에서 제안된 자동 트레이너의 많은 양상들은 연구 과정에 크게 유익하다. 첫째, 대부분의 행동 실험은 실험자가 매일 세션을 면밀히 훈련하고 모니터링해야 하며, 이는 비용이 많이 들고 노동집약적이며 시간이 많이 소요될 수 있습니다. 우리의 자동 트레이너는 실험자의 독립적으로 행동 데이터를 수집 할 수 있습니다. 둘째, 자동 트레이너는 여러 마우스를 객관적이고 효율적이며 동시에 훈련하고 평가할 수 있도록 복제하여 시간과 노력을 최소화할 수 있습니다. 셋째, 자동 트레이너의 저렴한 비용으로 대규모 및 효율적인 테스트를 위해 여러 자동 트레이너를 동시에 복제하고 사용할 수 있습니다.
신중한 감독이 필요한 중요한 점은 교육의 형성 단계 입니다. 특히,이 프로토콜의 주요 약점은 일부 마우스에서 고정되는 나쁜 사용의위험이다 11. 이 프로토콜은 태스크에서 성공하면 보상을 제공하는 사다리 렁 테스트와 같은 테스트를 모방하는 것을 목표로합니다. 그러나 사다리 렁 테스트와 달리 프로토콜의 2.3 단계에서 마우스에게 작업 자체는 여전히 가르쳐야 합니다. 이 작업을 학습에 우연히 마우스를 일으킬 가능성이 가장 높은 개념은 실제로 펠릿을 파악하기 위해 발을 사용하여 케이지에서 발을 확장하는 것입니다. 단계 2.3.1의 첫 번째 세션에서, 마우스는 단순히 자신의 케이지에서 발을 확장에 대한 보상한다. 그러나, 다음 며칠 동안, 연구원은 단지 발을 확장에 대 한 더 적은 쥐를 보상 하기 위해 주의 해야, 그리고 발을 확장 하 고 펠 릿을 만지기위한 더 많은, 우리가 단계에서 설명 하는 대로 2.3.3.
마우스의 대략 5%는 음식 펠릿에 당기기 위하여 그들의 자리의 한정된 연장 때문에 이 단계를 지나서 진행하지 못할 것이라는 점에 유의하십시오. 이러한 마우스는 펠릿의 실제 위치를 거의 고려하지 않고 하나 또는 두 발로 실패하여 유용한 데이터가 거의 또는 전혀 제공하지 않습니다. 이 단계에서 마우스의 고장 가능성을 최소화하려면 학습 과정에서 핀셋으로 펠릿을 꺼낼 때 주의하는 것이 좋습니다. 특히, 마우스는 발을 확장 할 때뿐만 아니라, 그 발이 펠릿을 잡고 조사관의 만족에 충분한 힘을 적용 할 때뿐만 아니라 음식으로 보상되어야한다. 이 단계에서 잠재적인 실패에 유사한 리스크는 그(것)들을 향해 펠릿을 핥기 위하여 그들의 혀를 사용하여 마우스에 의해 제기됩니다. 핥는 경향이 있는 쥐를 훈련할 때, 펠릿을 슬롯에서 더 멀리 측면으로 놓습니다. 마우스는 더 큰 옆으로 혀로 도달하기 어렵다는 것을 알게 될 것입니다, 그러나 팔과 발의 운동의 범위는 거리를 닫을 수 있습니다.
설명된 프로토콜은 다양한 실험실 환경 또는 다양한 데이터 수집 방법으로 쉽게 확장됩니다. 예를 들어 자동 트레이너는 노동력 을 절약하는 장치로 매우 유용하지만 펠릿을 제공하고 성공 / 실패를 손으로 기록 할 수 있기 때문에 데이터 수집에 엄격하게 필요하지 는 않습니다. 개별 도달은 또한 각 마우스의 접근 각도, 펠릿을 만지지 않는 도달 시도 수 또는 검색 메커니즘을 고려하여 단순히 성공/실패보다 더 자세한 정보를 기반으로 분류할 수 있습니다. 모션, 이는 최근 몇 년 동안 더 많은 관심을 받고있다14. 펠릿을 회수하는 동물의 능력은 하나의 측정에 불과하다. 추가 하드웨어를 사용하여 동물의 팔다리 움직임의 속도, 각도 및 궤적을 측정할 수 있습니다. 이 운동학은 신경 상해 전후에 운동 학습의 중요한 양상입니다. 이를 위해, 우리는 현재 마우스의 잡는 행동의 운동과 운동학을 분석하는 다양한 새로운 수단을 통합하고 있습니다. 우리는 고속 카메라를 사용하여 잡기와 관련된 힘과 질량 데이터를 측정하기 위해 식품 펠릿 홀더에 압력 변환기 및 가속도계를 부착하고 파악의 운동 측정을 얻기 위해 탐구하고 있습니다. 이러한 새로운 기능은 간단한 합격 또는 불합격 시험을 통과한 중요한 데이터를 수집하는 자동 트레이너의 기능을 향상시키고 질병 진행을 통해 마우스의 손아귀의 걸음걸이를 설명하는 데 도움이 될 것이다. 앞으로는 신경상해 후 재활의 유형, 투여량, 시기를 평가하는 플랫폼으로 로봇 보조 프리젠션 과제를 사용할 것입니다. 앞으로도 잘못된 행동을 줄이고 작업 획득 률과 교육 시간을 개선하는 데 도움이 되는 개선을 통해 작업을 지속적으로 개선할 것입니다.
요약하자면, 우리는 마우스에서 상부 앞다리 전경 기술을 평가하기위한 새로운 자동 트레이너를 개발했습니다. 이 과제는 쥐가 슬릿을 통해 발에 도달하고, 작은 음식 펠릿을 잡고, 펠릿을 먹을 수 있도록 몸의 방향으로 펠릿을 당겨야합니다. 작업 설정은 지배적 인 발 사용을 보장하기 위해 기계적으로 제한됩니다. 마우스는 수동 입력이 필요한 성형 프로세스만 으로 빠르고 동시에 학습할 수 있습니다. 시험을 효율적으로 관리하고 자동으로 분석할 수 있습니다. 이 높은 처리량 행동 분석은 성공률을 정량화하고 운동학 및 힘 역학의 향후 분석을 위해 쉽게 수정됩니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
단계 분석의 댄 태쉬와 우리 태쉬, LLC는 리처드 J. 오브라이언과 스티븐 R. Zeiler에서 지불 자동 트레이너 장치를 제조했다.
Acknowledgments
자동 훈련 장치는 로버트 허바드, 리처드 오브라이언, 스티븐 자일러가 제공하는 설계 입력 지원 및 지침과 함께 단계 분석, LLC의 제이슨 던트혼, 우리 태쉬, 댄 태쉬에 의해 구성되었다.
알 수 없는 샴팔리마우드 센터의 테레사 두아르테(Teresa Duarte)는 마우스 도달 행동을 설명하고 분류하는 데 대한 귀중한 통찰력과 아이디어를 제공했습니다.
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).
