Summary
Præsenteret her er en protokol til at bygge et automatisk apparat, der guider en abe til at udføre den fleksible Reach-to-fatte opgave. Apparatet kombinerer en 3D translationel enhed og drejebord til at præsentere flere objekter i en vilkårlig position i 3D-rum.
Abstract
At nå og gribe er stærkt koblede bevægelser, og deres underliggende neurale dynamik er blevet bredt undersøgt i det sidste årti. For at skelne mellem at nå og forstå kodninger er det vigtigt at præsentere forskellige objektidentiteter uafhængigt af deres positioner. Præsenteret her er designet af en automatisk apparat, der er samlet med en drejning bord og tredimensionale (3D) translationel enhed for at nå dette mål. Drejebordet skifter mellem forskellige objekter, som svarer til forskellige Grip typer, mens 3D translationel enheden transporterer Drejebordet i 3D-rum. Begge drives uafhængigt af motorer, således at målet position og objekt er kombineret vilkårligt. I mellemtiden registreres håndled og grebs typer via bevægelses Capture-systemet og berørings sensorer hhv. Desuden er repræsentative resultater, der viser succes uddannet abe ved hjælp af dette system er beskrevet. Det forventes, at dette apparat vil gøre det lettere for forskerne at studere kinematik, neurale principper og hjerne-maskine interfaces relateret til over ekstremitets funktion.
Introduction
Forskellige apparater er blevet udviklet til at studere de neurale principper underliggende nå og fatte bevægelse i ikke-menneskelige primat. I at nå opgaver, touchScreen 1,2, skærm markør styres af en joystick3,4,5,6,7, og Virtual Reality teknologi8 , 9 , 10 har alle været ansat til at præsentere 2D og 3D mål, hhv. At introducere forskellige greb typer, forskelligt formede objekter fast i en position eller roterende omkring en akse blev meget anvendt i gribe opgaver11,12,13. Et alternativ er at bruge visuelle signaler til at informere til at forstå det samme objekt med forskellige greb typer14,15,16,17. For nylig er det at nå og forstå bevægelser blevet undersøgt sammen (dvs., at emnerne når flere positioner og greb med forskellige greb typer i en eksperimentel session)18,19,20, 21,22,23,24,25,26,27,28,29. Tidlige eksperimenter har præsenteret objekter manuelt, hvilket uundgåeligt fører til lav tid og rumlig præcision20,21. For at forbedre eksperimentel præcision og spare arbejdskraft, er automatiske præsentationsenheder styret af programmer blevet meget brugt. For at variere målpositionen og grebs typen, har eksperimenterende udsat flere objekter samtidigt, men den relative (eller absolutte) position af mål og grebs typer er bundet sammen, hvilket forårsager stive affyrings mønstre gennem langvarig træning22 ,27,28. Objekter er normalt præsenteret i en 2D-plan, som begrænser mangfoldigheden af at nå bevægelse og neurale aktivitet19,25,26. For nylig er Virtual Reality24 og robot arm23,29 blevet introduceret for at præsentere objekter i 3D-rum.
Præsenteret her er detaljerede protokoller for bygning og brug af et automatiseret apparat30 , der kan opnå enhver kombination af flere målpositioner og greb typer i 3D-rum. Vi designede et drejebord til at skifte objekter og 3D translationel enhed til at transportere Drejebordet i 3D-rum. Både Drejebordet og translationel enhed drives af uafhængige motorer. I mellemtiden registreres 3D-forløbs banen for motivet håndled og neurale signaler samtidigt under hele eksperimentet. Apparatet giver en værdifuld platform for studiet af over ekstremitets funktion i rhesus-aben.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Alle adfærdsmæssige og kirurgiske procedurer konforme til vejledning for pleje og brug af forsøgsdyr (China Ministry of Health) og blev godkendt af Animal Care komitéen på Zhejiang University, Kina.
1. montering af 3D translationel enhed
- Byg en ramme af størrelse 920 mm x 690 mm x 530 mm med aluminium konstruktion skinner (tværsnit: 40 mm x 40 mm).
- Fastgør fire piederaler til de to ender af Y-skinnerne med skruer (M4) (figur 1b).
- Fastgør to Y-skinner på rammens øverste overflade parallelt ved at sikre de fire piedealer til de fire hjørner af den øverste overflade med skruer (M6) (figur 1b).
- Forbind to Y-skinner med en tilslutnings aksel og to membran koblinger. Spænd låseskruerne for koblinger for at synkronisere akkuterne på to skinner (figur 1b).
- Sæt seks møtrikker (M4) i bagrillerne på Z-skinnen. Fastgør den ene side af den højre trekant ramme på bagsiden af Z-skinnen med skruer.
- Træk trekants rammen til enden, der er distale til akslen, og stram skruerne. Fastgør den anden højre trekant ramme til den anden Z-skinne på samme måde (figur 1c).
- Fastgør de andre højre vinklede sider af to trekants rammer til skyderne på to Y-skinner med skruer (M6) (figur 1c).
- Forbind to Z-skinner med en tilslutnings aksel og membran koblinger og stram låseskruerne på koblingen (figur 1c).
- Fastgør de to T-formede forbindelses plader på bagsiden af X-skinnen med møtrikker og skruer (M4). Træk derefter de to T-formede brædder til de to ender af X-Rail og stram skruerne (figur 1d).
- Fastgør de to T-formede tilslutnings tavler på skyderne på to Z-skinner med skruer (M6) henholdsvis (figur 1d).
- Sæt trin motoren ind i aksel hullet på gear reduceren, og skru deres flanger sammen (figur 1E).
- Fastgør tilslutnings ringen til akselenden af den aktive X-skinne med skruer (M4).
- Indsæt akslen på X-Rail i koblingen og fastgør gear reduktionsanordningen til tilslutnings ringen med skruer (M4). Spænd låseskruerne på koblingen (figur 1E).
- Fastgør de to andre stepmotorer og gear reduktorer til den aktive Y-skinne og Z-skinne ved hjælp af de metoder, der er beskrevet i trin 1.11-1.12.
- Sæt strøm-og styrekablerne på de tre stepmotorer til henholdsvis strøm-og kontrol portene på deres chauffører, og fastgør kablerne med skruer på førersiden.
2. montering af Drejebordet
- Hent. DWG design filer fra de supplerende filer af dette papir. Forbered objekterne, mental aksel, lokaliserings bar, rotator og tilfælde ved 3D-udskrivning eller mekanisk behandling.
- Sæt berørings følerne i rillen på objekt legemet, og hold dem på de foruddefinerede berørings områder med dobbeltsidet tape (figur 2b).
Bemærk: hvert objekt består af fire under komponenter: et backboard, objekt legeme med Groove indeni, dækplade og berørings sensorer. - Passere ledningerne gennem hullet af objektet bagbord og fastgør dækslet bord på objekt legemet med skruer (figur 2b).
- Pass ledninger af berørings sensorer gennem hullerne på siderne af rotator og fastgør objekterne på rotator med skruer. (Figur 2c).
- Lodde tråds enderne af berørings sensorer til de roterende wire ender af den elektriske glide ring og wrap leddene med elektrisk tape (figur 2D).
- Fastgør etuiet til skyderen på X-skinnen med skruer. Anbring lejet i boksens nederste hul, og fastgør lokaliserings bjælken til den øverste overflade af etuiet med skruer (figur 2E).
- Placer rotator i sagen fra side, sammenfaldende akserne af rotator, leje og boks. Passere ledningerne af den elektriske glide ring gennem det øverste hul i sagen (figur 2F).
- Sæt metal akslen ind i lejet fra det øverste hul i etuiet og sæt aksel nøglen til rotator keyway (figur 2g).
- Sæt den elektriske glide ring rundt om metal akslen. Placer enden af lokaliserings bjælken i hak af elektrisk glide ring for at forhindre den ydre ring i at rotere (figur 2g).
- Sæt akslen af stepping motor i hullet af metal aksel og fastgør motoren på toppen af kassen med skruer. (Figur 2H).
- Indsæt motorens strøm-og regulerings kabler i førerens strøm-og kontrol porte, og fastgør dem med skruer.
- Stick en Tricolor LED (RGB) på forsiden af sagen med tape og fastgør den højre sidebord på sagen.
3. opsætning af styresystemet
- Indsæt retnings-og puls styrings ledningerne på de fire motorførere i de digitale I/O-porte (Pins 81, 83, 85, 87) og digitale tæller porte (Pins 89, 91, 93, 95) i henholdsvis dataindsamlingen (DAQ)-kortet. Fastgør ledningerne med skruer.
- Indsæt styre ledningerne på LED (grøn farve, der bruges til "go" cue, blå farve, der bruges til "error" cue, og rød farve, som repræsenterer inaktiv) i de digitale I/O-porte (PIN 65 og 66) af DAQ-kortet og fastgør dem med skruer.
- Indsæt output ledninger af touch-sensorer og switch-knappen i den digitale I/O-porte (PIN 67 – 77) af DAQ Board og fastgør ledningerne med skruer.
- Sæt start-stop-og retnings styrings ledningerne på den peristaltiske pumpe i henholdsvis den digitale I/O-stifter 1 og 80. Indsæt flow hastighedskontrol ledningen i den analoge I/O-port AO2. Fastgør ledningerne med skruer.
- Opsæt et bevægelses optagelses system som beskrevet af producenten for at registrere hånd banen i 3D-rum.
Bemærk: der blev anvendt et kommercielt bevægelses optagelses system (Se tabel over materialer), som består af otte kameraer, et Power hub, en Ethernet-switch og en understøttende software (f. eks. cortex). Se venligst manualen for at få flere oplysninger om opsætning af systemet. - Setup en neurale signal erhvervelse system som beskrevet af producenten til at optage Elektrofysiologi signal fra emne.
Bemærk: der blev anvendt et kommercielt dataindsamlings system (tabel over materialer), som består af en neurale signal processor (NSP), front-end-forstærker (FEA), forstærker strømforsyning (ASP), hovedstadier og dens understøttende software (f. eks. central). Se vejledningen for at få flere oplysninger om opsætningen af systemet.
4. forberedelse af forsøgs sessionen
- Initialiser den 3D-translationelle enhed og Drejebordet. Specifikt, træk skyderne af alle lineære glideskinner til udgangspunktet (nederste venstre hjørne) og drej det første objekt (dvs. det vertikalt placerede håndtag) af drejebord til forsiden af Drejebordet.
- Tænd for forsøgs enhederne, herunder motion capture system, neurale signal erhvervelse, DAQ Board, peristaltisk pumpe, og fire motorer.
- Opsætning af paradigme softwaren (figur 3a).
- Dobbeltklik paradigme. exe at åbne paradigme software (tilgængelig på anmodning).
- Definer antallet af de nåede positioner og deres 3D-koordinater (x, y og z, i millimeter) i forhold til de oprindelige positioner (trin 4,2).
- Skriv koordinater for alle positioner i form af matrix i et. txt-dokument. Sørg for, at hver række indeholder x-, y-og z-koordinaterne for en position, der er adskilt med et mellemrum. Gem txt-dokumentet.
- Klik på Åbn fil i panelet pool af paradigme software og vælg. txt dokument gemt før at indlæse præsentationen positioner i paradigme software.
Bemærk: i dette studie blev der opstillet otte målpositioner efter dyrets rækkevidde, som er placeret på knudepunkter i et kasse-arbejdsområde9,10 (90 mm x 60 mm x 90 mm). - Kontroller de objekter, der skal præsenteres i forsøget i Object pool af paradigme software.
- Juster eksperimentelle parametre i det tidsparametre panel af paradigme software. Set baseline = 400 MS, motor Run = 2.000 MS, planlægning = 1.000 MS, Max reaktionstid = 500 MS, Max Reach tid = 1.000 MS, min hold tid = 500 MS, belønning = 60 MS, og fejl cue = 1.000 MS.
- Sæde rhesus abe (med en Micro-elektrode array implanteret i motorisk cortex) på Monkey Chair ved at indsætte sin krave i rillen af stolen og fastsættelse af hovedet.
- Fix Monkey Chair til aluminiums konstruktionen ramme. Hold hovedet 250 mm væk fra forsiden af kasse og hold øjnene 50 mm over den øverste side af kasse arbejdsområdet (horisontal visuel vinkel: 20 °; lodret visuel vinkel: 18 °).
- Konstruere en tracking skabelon af motion capture system.
- Fastgør tre reflekterende markører i enden af armen (tæt på håndled) med dobbeltsidet tape. Sørg for, at de tre markører danner en scalen trekant.
- Klik på knappen Kør i paradigme softwaren for at starte opgaven.
- Klik på Optag knappen på motion capture panel af cortex software til at registrere forløbskurver af tre markører for 60 s, når aben gør opgaven. Klik på knappen stop for at afbryde eksperimentet.
- Byg en sporingsskabelon med tre markører på cortex-softwaren ved hjælp af de registrerede forløbskurver, og Gem skabelonen.
Bemærk: Se venligst manualen for Cortex for at få flere oplysninger om, hvordan man opbygger en model.
- Forbind GND-portene på FEA og Micro-elektrode array implanteret i monkeyens motoriske cortex med en ledning og Knib haner. Indsæt derefter hovedfaserne i stikket på mikro-elektrode-array31.
- Åbn den centrale software af neurale signal erhvervelse system og sæt optagelses parametre, herunder opbevaring sti, linjestøj dæmpning, spike filter, spike tærskel, etc.
Bemærk: Se manualen for neurale signal erhvervelse system for flere detaljer om software indstilling. - Åbn synkroniseringssoftwaren (figur 3b, tilgængelig på anmodning). Klik på de tre Connect knapper i Cerebus, motion capture, og paradigme paneler til at forbinde synkronisering software med neurale signal erhvervelse system, motion capture system og paradigme software, hhv.
- Klik på knappen Kør i paradigme softwaren for at fortsætte eksperimentet.
- Klik på knappen Optag på fillager panelet i Central software for at starte optagelsen af neurale signaler.
- Tjek den gemte sporingsskabelon, og klik på knappen Optag på motion capture panel af cortex software for at begynde at optage bane af Monkey håndled.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Størrelsen af apparatets komplette arbejdsområde er henholdsvis 600 mm, 300 mm og 500 mm i x-, y-og z-akser. Den maksimale belastning af 3D translationel enheden er 25 kg, mens Drejebordet (inklusive Step motoren) er vægtet 15 kg og kan transporteres med en hastighed på op til 500 mm/s. Den kinematiske præcision af 3D translationel enhed er mindre end 0,1 mm, og støjen fra apparatet er mindre end 60 dB.
For at demonstrere nytten af systemet, er aben uddannet (tidligere uddannet i en nå opgave) at gøre en forsinket Reach-to-fatte opgave med systemet30. Ved hjælp af proceduren præsenteret ovenfor, den paradigme software præsenterer automatisk den adfærdsmæssige eksperiment retssag ved retssag (~ 500 forsøg per session). Specifikt, aben skal starte en retssag (figur 4) ved at trykke på knappen og holde det før "go" cue. Som et første skridt ("motor Run" fase), den 3D translationelle enhed transporterer Drejebordet til en pseudo tilfældigt valgt position, og på samme tid, vil Drejebordet også rotere for at præsentere en pseudo tilfældigt valgt objekt. Denne motor Run fase varer 2 s og alle fire motorer (tre i 3D translationel enhed og en i Drejebordet) start og stop på samme tid. Motoren køre fase er efterfulgt af en "planlægning" fase (1 sekund), hvor aben planlægger følgende bevægelse. Når den grønne LED ("go" cue) tændes, skal aben frigive knappen, nå ind i Drejebordet og gribe objektet med den tilsvarende Grip type så hurtigt som muligt (maksimal reaktionstid = 0,5 s; maksimal bevægelses tid = 1 s). Aben modtager en vand belønning efter en minimal hold tid på 0,5 s. En prøve er afbrudt, og den blå LED tændes, hvis aben frigiver knappen før "go" cue eller ikke frigive knappen inden for maksimal reaktionstid efter cue.
Synkroniseringssoftwaren modtager hændelses etiketter (f. eks. knappen på, Go cue, Button off osv., figur 4) fra paradigme software og en "Start-record"-etiket fra bevægelses optagelses system og sender dem derefter til neurale signal erhvervelse system i realtid under eksperimentet. Alle etiketter er gemt med neurale signaler, men bane af håndleddet er lagret i en separat fil. For at justere neurale signaler og bane i tide, tidsstemplet af "Start-record" etiketten blev taget som den første prøve af bane, derefter trinvise tidsstempler blev tildelt for de andre prøver i henhold til frame rate af motion capture system. Figur 3 viser de tidsjusterede hændelses etiketter, forløbs bane for håndled og eksempel neuronal aktivitet.
Bane af håndleddet i den nå fase i alle vellykkede forsøg blev ekstraheret og delt dem i otte grupper baseret på målpositioner (figur 5). For hver gruppe af forløbskurver blev der beregnet gennemsnitsværdier og 95% konfidensintervaller for hvert tidspunkt. Bane plottet i figur 5 viser, at enderne af otte grupper af bane danner et kasse, der har samme størrelse som det foruddefinerede kasse-arbejdsområde (trin 4.3.4). Peristimulus time histogram (PSTH) for enkelt neuron blev afbildet med hensyn til henholdsvis at nå position og objekt. Spike togene i vellykkede forsøg blev lodret med et glidende vindue på 50 MS og udjævnet med en Gaussian kerne (σ = 100 ms). De gennemsnitlige værdier og 95% konfidensintervallet for hver gruppe blev beregnet af bootstrap-metoden (n = 2.000). Figur 6 viser psths af to eksempel neuroner tuning både nå position og objekter. Neuron i figur 6a viser betydelig selektivitet i de nå og holde faser, mens neuron i figur 6b begynder at tune positioner og objekter fra midten af "motor Run" fase.
Figur 1: trin-for-trin instruktioner til 3D translationel enhed assembly.
I-I X-Rail, I-III Y-jernbane, I-II Z-skinne, II tilslutnings aksler, III stepmotorer, IV planetgear reduktorer, V tilslutnings ringe, VI membran koblinger, VII piedstaler, VIII T-formede forbindelses tavler, IX højre trekant rammer. A) materialer til montering af translationel anordning. B) opbygning af rammen og installering af Y-skinnerne (trin 1.1 – 1.4). C) fastgørelse af to Z-skinner på Y-skinner (trin 1.5 – 1.7). D) fastgørelse af X-Rail på Z-skinner (trin 1,8 og 1,9). (E) installation af stepping motor og gear recuder (trin 1,10 og 1,11). F) fuldstændig samlet 3D-translationel enhed (trin 1,12 og 1,3). Venligst klik her for at se en større version af dette tal.
Figur 2: trin-for-trin instruktioner til drejning bord samling.
A) materialer til drejning af bord montering. (B) montering af genstande og installation af berørings sensorer (trin 2,2). C) fastgørelse af genstande på rotator (trin 2,3). (D) tilslutning af ledninger af sensorer til elektrisk glide ring (trin 2,4). (E) montering af basen på 3D translationel enhed og placering af lokaliserings bjælken og pejlingen (trin 2,5). F) at anbringe rotator i etuiet (trin 2,6). G) Installer akslen og den elektriske glide ring (trin 2,7 og 2,8). H) montering af stepmotor (trin 2,9). Venligst klik her for at se en større version af dette tal.
Figur 3: den grafiske brugergrænseflade af paradigme og synkronisering software.
(A) et skræddersyet LabVIEW-program til at styre den adfærdsmæssige opgave. (B) en skræddersyet C++ program til at kommunikere med paradigme software, neurale signal erhvervelse system, og motion capture system. Venligst klik her for at se en større version af dette tal.
Figur 4: tidsjusterede data i et vellykket forsøg.
Alle hændelses tider, håndled forløbskurver (X, Y og Z) og neuronal aktivitet (eksempel enhed 1 – 3) blev indspillet samtidigt. De korte sorte streger i den øverste række er hændelses etiketterne. "Button on" angiver det tidspunkt, hvor aben trykkede på knappen. "Positions indeks" er et tal fra 1 – 8, som angiver, hvilken position der vises. "Object index" er et tal fra 1 – 6, der angiver, hvilket objekt der præsenteres. "Motor on" Angiver starttidspunktet for fire motorer. "Motor off" indikerer deres stoptid; "Go cue" angiver det øjeblik, hvor den grønne LED melodier på; "Button off" angiver det øjeblik, hvor aben slipper knappen; "Touch on" angiver det øjeblik, hvor berørings følerne i objektet registrerer hånden; "Belønning på" angiver det øjeblik, hvor pumpen begynder at levere vand belønningen og repræsenterer slutningen af en retssag. Etiketterne "knap på", "positions indeks" og "objekt indeks" gemmes successivt på meget kort tid i begyndelsen af en prøveversion. Række 2 – 4 (mærket med X, Y og Z) afbilde bane af håndleddet i 3D indspillet af motion capture system. Række 5 – 7 (mærket med enhed 1, 2 og 3) viser Spike togene af tre eksempel neuroner indspillet af neurale signal erhvervelse system. Den nederste række viser tidslinjen for en komplet prøveperiode, der er inddelt i seks faser baseret på hændelses etiketter. Venligst klik her for at se en større version af dette tal.
Figur 5: Forløbskurver for håndled indspillet af bevægelses opsamlingssystem.
Alle vellykkede forsøg er inddelt i otte grupper efter målpositioner (mærket med bogstav A til H). Hver solid linje er en gennemsnitlig bane i en gruppe, og skyggen repræsenterer varianserne af forløbskurver. Dette tal er blevet ændret fra en tidligere undersøgelse30. Venligst klik her for at se en større version af dette tal.
Figur 6: PSTHs af to eksempel neuroner (A og B).
De lodrette stiplede linjer fra højre mod venstre i rækkefølge er motor tændt, motor slukket, Go cue on, Button off, og touch on. Hver fast linje (i forskellige farver) i PSTH repræsenterer en gennemsnitlig affyringshastighed på tværs af forsøg mod én Målposition, og skyggen repræsenterer 95% konfidensintervaller (bootstrap; 2.000 gange). For både A og Bviser de øvre og nedre paneler psth med hensyn til henholdsvis forskellige positioner og objekter. Venligst klik her for at se en større version af dette tal.
Supplerende filer. Venligst klik her for at downloade filerne.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Den adfærdsmæssige apparat er beskrevet her gør det muligt en retssag-Wise kombination af forskellige nå og gribe bevægelser (dvs., aben kan forstå forskelligt formede objekter i enhver vilkårlig 3D steder i hvert forsøg). Dette opnås gennem kombinationen af en brugerdefineret dreje tabel, der skifter forskellige objekter og en lineær translationel enhed, der transporterer Drejebordet til flere positioner i 3D-rum. Hertil kommer, at neurale signaler fra aben, bane af håndled, og hånd former var i stand til at blive indspillet og synkroniseret til neurofysiologisk forskning.
Apparatet, som omfatter separat drevet 3D translationel enhed og drejebord, præsenterer flere målpositioner og objekter selvstændigt. Det er, alle foruddefinerede positioner og objekter blev kombineret vilkårligt, hvilket er vigtigt i at studere multi variabel kodning14,25,28. Tværtimod, hvis det objekt, der skal udnyttes, er knyttet til positionen (for eksempel er objektet fastgjort på et panel), er det vanskeligt at afgøre, om en enkelt neuron melodier et objekt eller position18,27,32. Desuden præsenterer apparatet objekter i 3D-rum i stedet for på et 2D-plan19,27, som aktiverer flere neuroner med rumlig modulation.
Den bolte forbindelse anvendes i vid udstrækning mellem apparatets under komponenter, hvilket resulterer i høj ekspanbilitet og fleksibilitet. Ved at designe form af objekter og placering af berørings sensorer, blev et stort antal Grip typer præcist induceret og identificeret. Den 3D-translationelle enhed kan flytte enhver underkomponent mindre end 25 kg i 3D-rum og er kompetent til de fleste opgaver, der involverer rumlig forskydning. Desuden, selv om apparatet er konstrueret til at træne rhesus Monkey (Macaca mulatta), på grund af den justerbare række af 3D translationel enhed, er det også kompetent for andre primater med lignende eller større kropsstørrelser eller endda mennesker.
Et stort problem i den adfærdsmæssige opgave, der kombinerer at nå og fatte bevægelse, er, om håndstilling adskiller sig på tværs af forskellige nå positioner, selv om aben griber objektet med samme greb type. Selv om at nå og fatte er generelt betragtes som to forskellige bevægelser, deres efftorer (arm og hånd) er forbundet. Således er det uundgåeligt, at den vidtrækkende bevægelse interagerer med greb. Ifølge observationerne i dette eksperiment skiftede monkeyens håndled vinkel lidt, når man greb det samme objekt i forskellige positioner, men der blev ikke observeret signifikante forskelle i hånd stillingen.
En potentiel begrænsning af apparatet er, at forsøgsrummet ikke er helt mørkt på grund af infrarødt lys fra bevægelses opsamlingssystemet. Aben kan se målet objekt i hele sporet, hvilket fører til den uønskede tuning før planlægningsperioden. For at styre visuel adgang til et objekt, kan et omskiftelig glas styret af paradigme softwaren placeres mellem hovedet og apparatet. Det omskiftelige glas er uigennemsigtigt i basis-og planlægningsfasen og bliver gennemsigtigt efter "go"-indikatoren. På denne måde er de visuelle oplysninger præcist kontrolleret. På samme måde kan der anvendes hvid støj til at maskere den motordrevne lyd, som forhindrer aben i at identificere objektets placering ved lyden af motoren. En anden begrænsning af apparatet er, at bevægelsen af fingre ikke kan spores. Dette skyldes, at aben skal nå hånden ind i Drejebordet for at forstå objektet, som blokerer kameraerne fra at opfange mærker på hånden.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har intet at afsløre.
Acknowledgments
Vi takker Mr. Shijiang Shen for hans råd om apparat design og MS Guihua Wang for hendes hjælp med dyrepleje og uddannelse. Dette arbejde blev støttet af nationale centrale forsknings-og udviklings program i Kina (2017YFC1308501), National Natural Science Foundation i Kina (31627802), de offentlige projekter i Zhejiang-provinsen (2016C33059), og de grundlæggende forskningsmidler til Centrale universiteter.
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).
