Summary
Aqui apresentamos um protocolo para construir um aparelho automático que orienta um macaco para realizar a tarefa flexível de alcance-a-agarrar. O aparelho combina um dispositivo de translação 3D e uma tabela de giro para apresentar vários objetos em uma posição arbitrária no espaço 3D.
Abstract
Alcançar e agarrar são movimentos altamente acoplados, e sua dinâmica neural subjacente tem sido amplamente estudada na última década. Para distinguir as codificações de alcance e apreensão, é essencial apresentar diferentes identidades de objetos independentemente de suas posições. É apresentado aqui o projeto de um instrumento automático que seja montado com uma tabela de giro e um dispositivo translacional tridimensional (3D) para conseguir este objetivo. A tabela de giro alterna objetos diferentes correspondentes a diferentes tipos de aderência, enquanto o dispositivo translacional 3D transporta a tabela de giro no espaço 3D. Ambos são conduzidos independentemente pelos motores de modo que a posição e o objeto do alvo sejam combinados arbitrariamente. Enquanto isso, a trajetória do punho e os tipos de aderência são gravados através do sistema de captura de movimento e sensores de toque, respectivamente. Além disso, os resultados representativos que demonstram com sucesso o macaco treinado usando este sistema são descritos. Espera-se que este aparelho facilite pesquisadores para estudar a cinemática, os princípios neurais e as interfaces cérebro-máquina relacionadas à função do membro superior.
Introduction
Vários aparelhos foram desenvolvidos para estudar os princípios neurais subjacentes ao alcance e apreensão do movimento em primatas não humanos. Em alcançar tarefas, tela de toque1,2, cursorde tela controlado por um joystick3,4,5,6,7e tecnologia de realidade virtual8 , 9 anos de , 10 foram todos empregados para apresentar alvos 2D e 3D, respectivamente. Para introduzir diferentes tipos de aderência, os objetos de forma diferente fixados em uma posição ou girando em torno de um eixo foram amplamente utilizados nas tarefas de apreensão11,12,13. Uma alternativa é usar dicas visuais para informar os sujeitos a compreenderem o mesmo objeto com diferentes tipos de aderência14,15,16,17. Mais recentemente, os movimentos de alcance e apreensão têm sido estudados em conjunto (ou seja, os sujeitos atingem múltiplas posições e agarram-se com diferentes tipos de aderência em uma sessão experimental)18,19,20, 21,22,23,24,25,26,27,28,29. Experimentos precoces têm apresentado objetos manualmente, o que inevitavelmente leva ao baixo tempo e à precisão espacial20,21. Para melhorar a precisão experimental e economizar mão de obra, dispositivos de apresentação automática controlados por programas têm sido amplamente utilizados. Para variar a posição de destino e o tipo de aderência, os experimentadores têm exposto vários objetos simultaneamente, mas a posição relativa (ou absoluta) dos alvos e os tipos de aderência são vinculados, o que causa padrões rígidos de queima por meio de treinamento de longo prazo22 ,27,28. Os objetos são geralmente apresentados em um plano 2D, o que limita a diversidade de alcance do movimento e atividade neural19,25,26. Recentemente, a realidade virtual24 e o braço do robô23,29 foram introduzidos para apresentar objetos no espaço 3D.
Apresentamos aqui os protocolos detalhados para a construção e utilização de um aparelho automatizado30 que pode atingir qualquer combinação de múltiplas posições alvo e tipos de aderência no espaço 3D. Nós projetamos uma tabela de giro para comutar objetos e o dispositivo translacional 3D para transportar a tabela de giro no espaço 3D. A tabela de giro e o dispositivo translacional são conduzidos por motores independentes. Enquanto isso, a trajetória 3D do pulso do sujeito e os sinais neurais são gravados simultaneamente durante todo o experimento. O aparelho fornece uma valiosa plataforma para o estudo da função do membro superior no macaco rhesus.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Todos os procedimentos comportamentais e cirúrgicos conformados com o guia para o cuidado e uso de animais de laboratório (Ministério da saúde da China) e foram aprovados pelo Comitê de cuidados com animais na Universidade de Zhejiang, China.
1. montagem do dispositivo translacional 3D
- Construir um quadro de tamanho 920 mm x 690 mm x 530 mm com trilhos de construção em alumínio (secção transversal: 40 mm x 40 mm).
- Fixe quatro pedestais nas duas extremidades dos trilhos Y com parafusos (M4) (Figura 1b).
- Fixar dois trilhos em Y na superfície superior do quadro em paralelo, fixando os quatro pedestais nos quatro cantos da superfície superior com parafusos (M6) (Figura 1b).
- Conecte dois trilhos Y com um eixo de conexão e dois acoplamentos do diafragma. Aperte os parafusos de trava dos acoplamentos para sincronizar os eixos de dois trilhos (Figura 1b).
- Coloque seis porcas (M4) nas ranhuras traseiras do trilho Z. Fixe um lado do quadro triangular direito à parte de trás do trilho Z com parafusos.
- Puxe a moldura do triângulo para a extremidade que é distal ao eixo e aperte os parafusos. Fixe a outra moldura triangular direita ao outro trilho Z da mesma forma (Figura 1C).
- Fixe os outros lados direito-angulares de dois frames do triângulo aos deslizadores de dois Y-trilhos com parafusos (M6) (Figura 1C).
- Conecte dois trilhos Z com um eixo de conexão e acoplamentos de diafragma e aperte os parafusos de travamento do acoplamento (Figura 1C).
- Fixe as duas placas de ligação em forma de T à parte de trás do trilho X com porcas e parafusos (M4). Em seguida, puxe as duas placas em forma de T para as duas extremidades do trilho X e aperte os parafusos (Figura 1D).
- Fixe as duas placas de conexão em forma de T nos controles deslizantes de dois trilhos Z com parafusos (M6), respectivamente (Figura 1D).
- Insira o motor de piso no orifício do eixo do redutor de engrenagens e aparafuse as flanges juntas (Figura 1e).
- Fixe o anel de ligação à extremidade do eixo do trilho X activo com parafusos (M4).
- Insira o eixo do trilho X no acoplamento e fixe o redutor de engrenagens no anel de conexão com os parafusos (M4). Aperte os parafusos de trava do acoplamento (Figura 1e).
- Fixar os outros dois motores de degrau e redutores de engrenagens para o Y-Rail ativo e Z-Rail usando os métodos descritos nas etapas 1.11 – 1.12.
- Insira os cabos de alimentação e controle dos três motores de piso para as portas de alimentação e controle de seus motoristas, respectivamente e fixe os cabos com parafusos no lado do condutor.
2. montagem da mesa de giro
- Baixe o. Arquivos de projeto DWG dos arquivos suplementares deste artigo. Prepare os objetos, o eixo mental, a barra de localização, o rotator e a caixa por impressão 3D ou processamento mecânico.
- Coloque os sensores de toque na ranhura do corpo do objeto e cole-os sobre as áreas de toque predefinidas com fita dupla face (Figura 2b).
Nota: cada objeto consiste em quatro subcomponentes: um encosto, corpo de objeto com ranhura dentro, placa de cobertura e sensores de toque. - Passe os fios pelo orifício do encosto do objeto e fixe a placa de cobertura no corpo do objeto com parafusos (Figura 2b).
- Passe os fios dos sensores de toque através dos furos nos lados do rotator e fixe os objetos no rotator com parafusos. (Figura 2C).
- Solda as extremidades do fio de sensores de toque para as extremidades de arame rotativo do anel deslizante elétrico e enrole as articulações com fita elétrica (Figura 2D).
- Fixe o estojo ao controle deslizante do trilho X com parafusos. Coloque o rolamento no orifício inferior da caixa e fixe a barra de localização na superfície superior do estojo com parafusos (Figura 2e).
- Coloque o rotator no caso do lado, coincidindo os eixos do rotador, rolamento e caixa. Passe os fios do anel deslizante elétrico pelo orifício superior da caixa (Figura 2F).
- Insira o eixo metálico no rolamento do orifício superior da caixa e encaixe a chave do eixo na chaveira do rotador (Figura 2G).
- Coloque o anel deslizante elétrico em torno do eixo metálico. Coloque a extremidade da barra de localização no entalhe do anel deslizante elétrico para evitar que o anel externo gire (Figura 2G).
- Introduza o eixo do motor de piso no furo do eixo do metal e fixe o motor na parte superior da caixa com parafusos. (Figura 2h).
- Insira os cabos de alimentação e controlo do motor nas portas de alimentação e controlo do seu condutor e fixe-os com parafusos.
- Stick um LED tricolor (RGB) para o lado da frente do caso com fita adesiva e fixar a placa lateral direita para o caso.
3. configuração do sistema de controlo
- Insira os cabos de direção e controle de pulso dos quatro drivers de motor nas portas de e/s digitais (pinos 81, 83, 85, 87) e portas de contador digital (pinos 89, 91, 93, 95) da placa de aquisição de dados (DAQ), respectivamente. Fixe os fios com parafusos.
- Insira os fios de controle do LED (cor verde usada para a sinalização "Go", a cor azul usada para a sinalização "Error" e a cor vermelha representando ocioso) nas portas de e/s digitais (pino 65 e 66) da placa DAQ e fixe-as com parafusos.
- Insira os fios de saída dos sensores de toque e o botão de comutação nas portas de e/s digitais (pino 67 – 77) da placa DAQ e fixe os fios com parafusos.
- Insira os fios de controle de início e de direção da bomba peristáltica nos pinos de e/s digitais 1 e 80, respectivamente. Insira o fio de controle de velocidade de fluxo na porta de e/s analógica AO2. Fixe os fios com parafusos.
- Configure um sistema de captura de movimento conforme descrito pelo fabricante para registrar a trajetória da mão no espaço 3D.
Nota: um sistema de captura de movimento comercial (ver tabela de materiais) foi usado, que consiste em oito câmeras, um hub de energia, um switch Ethernet e um software de apoio (por exemplo, Cortex). Por favor, consulte o manual para obter mais detalhes sobre a configuração do sistema. - Setup um sistema de aquisição do sinal neural como descrito pelo fabricante para gravar o sinal da electrofisiologia do assunto.
Nota: foi utilizado um sistema de aquisição de dados comerciais (tabela de materiais), que consiste em um processador de sinais neurais (NSP), amplificador de front-end (FEA), fonte de alimentação do amplificador (ASP), estágios de cabeça e seu software de suporte (por exemplo, central). Consulte o manual para obter mais detalhes sobre a configuração do sistema.
4. preparação da sessão experimental
- Inicialize o dispositivo translacional 3D e a tabela de torneamento. Especificamente, puxe os controles deslizantes de todos os trilhos de slides lineares para o ponto de partida (canto inferior esquerdo) e gire o primeiro objeto (ou seja, a alça colocada verticalmente) da mesa giratória para enfrentar a parte da frente da mesa de giro.
- Energia nos dispositivos experimentais, incluindo sistema de captura de movimento, aquisição de sinais neurais, placa DAQ, bomba peristáltica e quatro motores.
- Configure o software de paradigma (Figura 3a).
- Clique duas vezes em Paradigm. exe para abrir o software de paradigma (disponível a pedido).
- Defina o número de posições de alcance e suas coordenadas 3D (x, y e z, em milímetros) em relação às posições iniciais (etapa 4,2).
- Escreva coordenadas de todas as posições na forma de matriz em um documento. txt. Certifique-se de que cada linha inclua as coordenadas x, y e z de uma posição separada por um espaço. Guarde o documento txt.
- Clique em Abrir arquivo no painel do pool de software de paradigma e selecione o documento. txt salvo antes de carregar as posições de apresentação no software de paradigma.
Nota: neste estudo, oito posições-alvo foram ajustadas de acordo com a faixa de alcance do animal, que estão localizadas em vértices de um espaço de trabalho cubóide9,10(90 mm x 60 mm x 90 mm). - Verifique os objetos a serem apresentados na experiência no pool de objeto do software de paradigma.
- Ajuste parâmetros experimentais no painel de parâmetros de tempo do software de paradigma. Definir linha de base = 400 MS, motor Run = 2.000 MS, planejamento = 1.000 MS, Max tempo de reação = 500 MS, Max tempo de alcance = 1.000 MS, min tempo de espera = 500 MS, recompensa = 60 MS, e Error cue = 1.000 MS.
- Assente o macaco do rhesus (com uma disposição do micro-elétrodo implantado no córtice de motor) na cadeira do macaco introduzindo seu colar no sulco da cadeira e fixando sua cabeça.
- Fixe a cadeira do macaco ao frame de construção de alumínio. Manter a cabeça 250 mm de distância da parte da frente do cubóide e manter os olhos 50 mm acima do lado superior da área de trabalho cubóide (ângulo visual horizontal: 20 °; ângulo visual vertical: 18 °).
- Construa um modelo de rastreamento do sistema de captura de movimento.
- Anexar três marcadores reflexivos no final do braço (perto do pulso) com fita dupla face. Certifique-se de que os três marcadores formam um triângulo escaleno.
- Clique no botão executar do software de paradigma para iniciar a tarefa.
- Clique no botão Record no painel de captura de movimento do software Cortex para gravar trajetórias de três marcadores para 60 s quando o macaco está fazendo a tarefa. Clique no botão parar para suspender o experimento.
- Construa um modelo de rastreamento de três marcadores no software Cortex usando as trajetórias gravadas e salve o modelo.
Nota: por favor, consulte o manual do cortex para obter mais detalhes sobre como construir um modelo.
- Conecte as portas GND da FEA e da matriz de microeletrodos implantadas no córtex motor do macaco com um fio e torneiras de aperto. Em seguida, insira os estágios da cabeça no conector do microeletrodo array31.
- Abra o software central de sistema de aquisição de sinal neural e definir parâmetros de gravação, incluindo o caminho de armazenamento, cancelamento de ruído de linha, filtro de pico, limiar de pico, etc.
Nota: refira por favor o manual do sistema de aquisição do sinal neural para mais detalhes da configuração de software. - Abra o software de sincronização (Figura 3B, disponível a pedido). Clique nos três botões de conexão nos painéis Cerebus, captura de movimento e paradigma para conectar o software de sincronização com o sistema de aquisição de sinal neural, sistema de captura de movimento e software de paradigma, respectivamente.
- Clique no botão executar do software de paradigma para continuar o experimento.
- Clique no botão gravar no painel de armazenamento de arquivos do software central para iniciar a gravação dos sinais neurais.
- Verifique o modelo de acompanhamento guardado e clique no botão gravar no painel de captura de movimento do software Cortex para começar a gravar a trajetória do pulso do macaco.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
O tamanho do espaço de trabalho completo do aparelho é de 600 mm, 300 mm e 500 mm em eixos x, y e z, respectivamente. A carga máxima do dispositivo translacional 3D é 25 quilogramas, quando a tabela de giro (que inclui o motor de piso) for ponderada 15 quilogramas e puder ser transportada em uma velocidade de até 500 mm/s. A precisão cinemática do dispositivo translacional 3D é inferior a 0,1 mm e o ruído do aparelho é inferior a 60 dB.
Para demonstrar a utilidade do sistema, o macaco é treinado (treinado previamente em uma tarefa de alcance) para fazer uma tarefa atrasada do alcance-à-aperto com o sistema30. Usando o procedimento apresentado acima, o software do paradigma apresenta automaticamente a experimentação comportamental do experimento pelo julgamento (~ 500 experimentações por a sessão). Especificamente, o macaco deve iniciar um ensaio (Figura 4) pressionando o botão e segurando-o antes da "Go" CUE. Como um primeiro passo (fase "motor Run"), o dispositivo translacional 3D transporta a mesa de giro para uma posição pseudo aleatoriamente escolhida, e ao mesmo tempo, a mesa de giro também irá girar para apresentar um pseudo objeto escolhido aleatoriamente. Esta fase do funcionamento do motor dura 2 s e todos os quatro motores (três no dispositivo translacional 3D e um na tabela de giro) começam e param ao mesmo tempo. A fase de funcionamento do motor é seguida por uma fase de "planeamento" (1 segundo), durante a qual o macaco planeia o seguinte movimento. Uma vez que o LED verde ("Go" CUE) acende, o macaco deve liberar o botão, chegar na mesa de giro e agarrar o objeto com o tipo de aperto correspondente o mais rapidamente possível (tempo máximo de reação = 0,5 s; tempo máximo de movimento = 1 s). O macaco recebe uma recompensa da água após um tempo de preensão mínimo de 0,5 s. Uma experimentação é anulada, e o diodo emissor de luz azul gira sobre se o macaco libera o botão antes do "vai" a sugestão ou não libera a tecla dentro do tempo de reação máximo após o Cue.
O software de sincronização recebe rótulos de eventos (por exemplo, botão on, go Cue, Button off, etc., Figura 4) do software de paradigma e um rótulo de "Iniciar registro" do sistema de captura de movimento, em seguida, envia-los para o sistema de aquisição de sinal neural em tempo real durante o experimento. Todos os rótulos são salvos com sinais neurais, mas a trajetória do pulso é armazenada em um arquivo separado. Para alinhar os sinais neurais e a trajetória no tempo, o carimbo de data/hora do rótulo de "início-registro" foi tomado como o da primeira amostra de trajetória, então os timestamps incrementais foram atribuídos para as outras amostras de acordo com a taxa de quadros do sistema de captura de movimento. A Figura 3 mostra os rótulos de eventos alinhados ao tempo, a trajetória do pulso e a atividade neuronal de exemplo.
A trajetória do punho durante a fase de alcance em todos os ensaios bem-sucedidos foi extraída e dividida em oito grupos com base nas posições alvo (Figura 5). Para cada grupo de trajetórias foram calculados os valores médios e os intervalos de confiança de 95% em cada ponto temporal. O gráfico de trajetória na Figura 5 mostra que as extremidades de oito grupos de trajectória formam um cubóide, que tem o mesmo tamanho que o espaço de trabalho de cubóide predefinido (etapa 4.3.4). O histograma do tempo do peristimulus (psth) para o único neurônio foi plotado no que diz respeito a alcançar a posição e o objeto, respectivamente. Os trens do ponto em experimentações bem sucedidas foram Binned com uma janela deslizante de 50 ms e alisado com um kernel Gaussian (σ = 100 ms). Os valores médios e o intervalo de confiança de 95% para cada grupo foram calculados pelo método de bootstrap (n = 2.000). A Figura 6 mostra os psths de dois neurônios de exemplo ajustando a posição e os objetos de alcance. O neurônio na Figura 6a mostra uma seletividade significativa durante as fases de alcance e de retenção, enquanto o neurônio na Figura 6B começa a sintonizar posições e objetos a partir do meio da fase de "motor Run".
Figura 1: instruções passo a passo para o conjunto de dispositivos translacionais 3D.
I-I X-Rail, I-III Y-Rail, I-II Z-Rail, II eixos de conexão, III motores de piso, IV redutores de engrenagens planetárias, V anéis de conexão, VI acoplamentos de diafragma, VII pedestais, VIII T-shaped placas de conexão, IX triângulo quadros direito. (A) os materiais para o conjunto de dispositivos translacionais. (B) construir o quadro e instalar os trilhos Y (passos 1.1 – 1.4). (C) fixação de dois trilhos Z em trilhos Y (passos 1.5 – 1.7). (D) fixação X-Rail sobre trilhos Z (passos 1,8 e 1,9). (E) instalando o motor de piso e o Recuder da engrenagem (etapas 1,10 e 1,11). (F) dispositivo translacional 3D completamente montado (etapas 1,12 e 1,3). Por favor clique aqui para ver uma versão maior desta figura.
Figura 2: instruções passo a passo para o conjunto da tabela de giro.
(A) materiais para A montagem da mesa de giro. (B) montagem de objetos e instalação de sensores de toque (etapa 2,2). (C) fixar objectos no rotor (passo 2,3). D) ligação dos fios dos sensores ao anel deslizante eléctrico (passo 2,4). (E) instalando a base no dispositivo translacional 3D e colocando a barra de localização e o rolamento (etapa 2,5). (F) colocar o rotor no estojo (passo 2,6). (G) Instale o eixo e o anel deslizante eléctrico (passos 2,7 e 2,8). (H) instalação do motor de piso (passo 2,9). Por favor clique aqui para ver uma versão maior desta figura.
Figura 3: a interface gráfica do usuário do paradigma e software de sincronização.
(A) um programa feito medida do LabVIEW para controlar a tarefa comportamental. (B) um programa feito encomenda de C++ para comunicar-se com o software do paradigma, sistema de aquisição do sinal neural, e sistema da captação do movimento. Por favor clique aqui para ver uma versão maior desta figura.
Figura 4: dados alinhados ao tempo em uma avaliação bem-sucedida.
Todos os horários de eventos, trajetórias de pulsos (X, Y e Z) e atividade neuronal (exemplo de unidade 1 – 3) foram gravados simultaneamente. As linhas pretas curtas na linha superior são os rótulos de evento. "Button on" indica a hora em que o macaco pressionou o botão para baixo; "Índice de posição" é um número de 1 – 8 indicando qual posição de alcance é apresentada; "Object index" é um número de 1 – 6 indicando qual objeto é apresentado; "Motor ligado" indica a hora de início de quatro motores. "Motor desligado" indica o seu tempo de paragem; "Go CUE" indica o momento em que o LED verde sintoniza; "Button off" indica o momento em que o macaco solta o botão; "Touch on" indica o momento em que os sensores de toque no objeto detectam a mão; "Recompensa em" indica o momento em que a bomba começa a entregar a recompensa da água e representa o fim de um julgamento. Os rótulos "Button on", "índice de posição" e "índice de objeto" são salvos sucessivamente em um período muito curto no início de uma avaliação. Linhas 2 – 4 (rotuladas com X, Y e Z) plotam a trajetória do pulso em 3D gravado pelo sistema de captura de movimento. Linhas 5 – 7 (rotuladas com unidade 1, 2 e 3) mostram os trens de pico de três neurônios de exemplo gravados pelo sistema de aquisição de sinal neural. A linha inferior mostra a linha do tempo para uma avaliação completa que é dividida em seis fases com base em rótulos de eventos. Por favor clique aqui para ver uma versão maior desta figura.
Figura 5: trajetórias de pulso gravadas pelo sistema de captura de movimento.
Todos os testes bem-sucedidos são divididos em oito grupos de acordo com as posições alvo (rotulados com a letra a a H). Cada linha sólida é uma trajetória média de um grupo e a sombra representa as variâncias das trajetórias. Este número foi modificado a partir de um estudo anterior30. Por favor clique aqui para ver uma versão maior desta figura.
Figura 6: PSTHs de dois neurônios de exemplo (A e B).
As linhas tracejadas verticais da direita para a esquerda em ordem é motor ligado, motor desligado, go Cue on, botão desligado e toque em. Cada linha sólida (em cores diferentes) no PSTH representa uma taxa média de disparo entre os ensaios em direção a uma posição-alvo e a sombra representa 95% de intervalos de confiança (Bootstrap; 2.000 vezes). Tanto para a e B, os painéis superior e inferior mostram o psth em relação a diferentes posições e objetos, respectivamente. Por favor clique aqui para ver uma versão maior desta figura.
Arquivos suplementares. Por favor, clique aqui para baixar os arquivos.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
O aparelho comportamental é descrito aqui permite uma combinação de julgamento de diferentes movimentos de alcance e agarramento (ou seja, o macaco pode agarrar objetos de forma diferente em qualquer locais arbitrários em 3D em cada julgamento). Isto é conseguido através da combinação de uma tabela de giro feita encomenda que comuta objetos diferentes e um dispositivo translacional linear que transporte a tabela de giro às posições múltiplas no espaço 3D. Além disso, os sinais neurais do macaco, trajetória do punho e formas da mão puderam ser gravados e sincronizados para a pesquisa neurofisiológica.
O aparelho, que inclui o dispositivo translacional 3D e a tabela de giro separada conduzidos, apresenta posições e objetos múltiplos do alvo independentemente. Ou seja, todas as posições e objetos predefinidos foram combinados arbitrariamente, o que é importante no estudo da codificação multivariável14,25,28. Pelo contrário, se o objeto a ser apreendido estiver vinculado à posição (por exemplo, o objeto é corrigido em um painel), é difícil determinar se um único neurônio ajusta um objeto ou posição18,27,32. Além disso, o aparelho apresenta objetos no espaço 3D em vez de em um plano de 2D19,27, que ativa mais neurônios com modulação espacial.
A conexão aparafusada é amplamente utilizada entre subcomponentes do aparelho, o que resulta em alta expansibilidade e flexibilidade. Ao projetar a forma de objetos e a colocação de sensores de toque, um grande número de tipos de aderência foram precisamente induzidos e identificados. O dispositivo translacional 3D pode mover todo o subcomponente menos de 25 quilogramas no espaço 3D e é competente para a maioria de tarefa que envolve o deslocamento espacial. Além disso, embora o aparelho foi projetado para treinar macaco rhesus (Macaca mulatta), devido à faixa ajustável do dispositivo translacional 3D, também é competente para outros primatas com tamanhos de corpo semelhantes ou maiores ou até mesmo seres humanos.
Uma grande preocupação da tarefa comportamental combinando alcançar e agarrar o movimento é se a postura da mão difere em diferentes posições de alcance, mesmo se o macaco agarra o objeto com o mesmo tipo de aperto. Embora alcançar e agarrar seja considerado geralmente como dois movimentos diferentes, seus efetores (braço e mão) são conectados. Assim, é inevitável que o movimento de alcance interaja com o agarramento. De acordo com as observações neste experimento, o ângulo do punho do macaco mudou ligeiramente quando agarrando o mesmo objeto em diferentes posições, mas não foram observadas diferenças significativas na postura da mão.
Uma limitação potencial do aparelho é que a sala experimental não está completamente escura por causa da luz infravermelha do sistema de captura de movimento. O macaco pode ver o objeto alvo em toda a trilha, o que leva ao ajuste indesejado antes do período de planejamento. Para controlar o acesso visual a um objeto, um vidro comutável controlado pelo software do paradigma pode ser colocado entre a cabeça e o instrumento. O vidro comutável é opaco durante as fases de linha de base e de planeamento e torna-se transparente após a sugestão "Go". Desta forma, a informação visual é precisamente controlada. Da mesma maneira, o ruído branco pode ser empregado para mascarar o som running do motor, que impede que o macaco identifique a posição do objeto pelo som do motor. Outra limitação do aparelho é que o movimento dos dedos não pode ser rastreado. Isto é porque o macaco deve alcançar a mão na tabela de giro para agarrar o objeto, que obstrui as câmeras de capturar marcas na mão.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada a revelar.
Acknowledgments
Agradecemos ao Sr. Shijiang Shen por seu Conselho sobre o design de aparelhos e a Sra. GUIHUA Wang por sua assistência com cuidados com animais e treinamento. Este trabalho foi apoiado pelo programa-chave nacional de pesquisa e desenvolvimento da China (2017YFC1308501), a Fundação Nacional de ciência natural da China (31627802), os projetos públicos da província de Zhejiang (2016C33059), e os fundos de pesquisa fundamentais para o Universidades centrais.
Materials
| Name | Company | Catalog Number | Comments |
| Active X-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 600 mm; Load, 25 kg |
| Active Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm, Load 35 kg |
| Active Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Bearing | Taobao.com | 6004-2RSH | Acrylic |
| Case | Custom mechanical processing | TT-C | Acrylic |
| Connecting ring | CCM Automation technology Inc., China | 57/60-W50 | |
| Connecting shaft | CCM Automation technology Inc., China | D12-700 | Diam., 12 mm;Length, 700 mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-12 | Inner diam., 12-12mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-14 | Inner diam., 14-12mm |
| Electric slip ring | Semring Inc., China | SNH020a-12 | Acrylic |
| Locating bar | Custom mechanical processing | TT-L | Acrylic |
| Motion capture system | Motion Analysis Corp. US | Eagle-2.36 | |
| Neural signal acquisition system | Blackrock Microsystems Corp. US | Cerebus | |
| NI DAQ device | National Instruments, US | USB-6341 | |
| Object | Custom mechanical processing | TT-O | Acrylic |
| Passive Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm; Load 35 kg |
| Passive Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Pedestal | CCM Automation technology Inc., China | 80-W60 | |
| Peristaltic pump | Longer Inc., China | BT100-1L | |
| Planetary gearhead | CCM Automation technology Inc., China | PLF60-5 | Flange, 60×60 mm; Reduction ratio, 1:5 |
| Right triangle frame | CCM Automation technology Inc., China | 290-300 | |
| Rotator | Custom mechanical processing | TT-R | Acrylic |
| Servo motor | Yifeng Inc., China | 60ST-M01930 | Flange, 60×60 mm; Torque, 1.91 N·m; for Y- and Z-rail |
| Servo motor | Yifeng Inc., China | 60ST-M01330 | Flange, 60×60 mm; Torque, 1.27 N·m; for X-rail |
| Shaft | Custom mechanical processing | TT-S | Acrylic |
| Stepping motor | Taobao.com | 86HBS120 | Flange, 86×86 mm; Torque, 1.27 N·m; Driving turning table |
| Touch sensor | Taobao.com | CM-12X-5V | |
| Tricolor LED | Taobao.com | CK017, RGB | |
| T-shaped connecting board | CCM Automation technology Inc., China | 110-120 |
References
- Leone, F. T., Monaco, S., Henriques, D. Y., Toni, I., Medendorp, W. P. Flexible Reference Frames for Grasp Planning in Human Parietofrontal Cortex. eNeuro. 2 (3), (2015).
- Caminiti, R., et al. Early coding of reaching: frontal and parietal association connections of parieto-occipital cortex. European Journal of Neuroscience. 11 (9), 3339-3345 (1999).
- Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
- Fu, Q. G., Flament, D., Coltz, J. D., Ebner, T. J. Temporal encoding of movement kinematics in the discharge of primate primary motor and premotor neurons. Journal of Neurophysiology. 73 (2), 836-854 (1995).
- Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
- Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42 (2003).
- Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843 (2017).
- Reina, G. A., Moran, D. W., Schwartz, A. B. On the relationship between joint angular velocity and motor cortical discharge during reaching. Journal of Neurophysiology. 85 (6), 2576-2589 (2001).
- Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
- Wang, W., Chan, S. S., Heldman, D. A., Moran, D. W. Motor cortical representation of hand translation and rotation during reaching. Journal of Neuroscience. 30 (3), 958-962 (2010).
- Murata, A., Gallese, V., Luppino, G., Kaseda, M., Sakata, H. Selectivity for the shape, size, and orientation of objects for grasping in neurons of monkey parietal area AIP. Journal of Neurophysiology. 83 (5), 2580-2601 (2000).
- Raos, V., Umiltá, M. A., Murata, A., Fogassi, L., Gallese, V. Functional Properties of Grasping-Related Neurons in the Ventral Premotor Area F5 of the Macaque Monkey. Journal of Neurophysiology. 95 (2), 709 (2006).
- Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
- Baumann, M. A., Fluet, M. C., Scherberger, H. Context-specific grasp movement representation in the macaque anterior intraparietal area. Journal of Neuroscience. 29 (20), 6436-6448 (2009).
- Riehle, A., Wirtssohn, S., Grun, S., Brochier, T. Mapping the spatio-temporal structure of motor cortical LFP and spiking activities during reach-to-grasp movements. Frontiers in Neural Circuits. 7, 48 (2013).
- Michaels, J. A., Scherberger, H. Population coding of grasp and laterality-related information in the macaque fronto-parietal network. Scientific Reports. 8 (1), 1710 (2018).
- Fattori, P., et al. Hand orientation during reach-to-grasp movements modulates neuronal activity in the medial posterior parietal area V6A. Journal of Neuroscience. 29 (6), 1928-1936 (2009).
- Asher, I., Stark, E., Abeles, M., Prut, Y. Comparison of direction and object selectivity of local field potentials and single units in macaque posterior parietal cortex during prehension. Journal of Neurophysiology. 97 (5), 3684-3695 (2007).
- Stark, E., Asher, I., Abeles, M. Encoding of reach and grasp by single neurons in premotor cortex is independent of recording site. Journal of Neurophysiology. 97 (5), 3351-3364 (2007).
- Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
- Vargas-Irwin, C. E., et al. Decoding complete reach and grasp actions from local primary motor cortex populations. Journal of Neuroscience. 30 (29), 9659-9669 (2010).
- Mollazadeh, M., et al. Spatiotemporal variation of multiple neurophysiological signals in the primary motor cortex during dexterous reach-to-grasp movements. Journal of Neuroscience. 31 (43), 15531-15543 (2011).
- Saleh, M., Takahashi, K., Hatsopoulos, N. G. Encoding of coordinated reach and grasp trajectories in primary motor cortex. Journal of Neuroscience. 32 (4), 1220-1232 (2012).
- Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
- Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
- Rouse, A. G., Schieber, M. H. Spatiotemporal distribution of location and object effects in reach-to-grasp kinematics. Journal of Neuroscience. 114 (6), 3268-3282 (2015).
- Rouse, A. G., Schieber, M. H. Spatiotemporal Distribution of Location and Object effects in Primary Motor Cortex Neurons during Reach-to-Grasp. Journal of Neuroscience. 36 (41), 10640-10653 (2016).
- Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
- Takahashi, K., et al. Encoding of Both Reaching and Grasping Kinematics in Dorsal and Ventral Premotor Cortices. Journal of Neuroscience. 37 (7), 1733-1746 (2017).
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. 312, 139-147 (2019).
- Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036 (2012).
- Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011 (2014).
