Rata automatizada de un solo pellet alcanzando la reconstrucción tridimensional de trayectorias de patas y dígitos
Summary
El alcance con habilidades de roedores se utiliza comúnmente para estudiar habilidades hábiles, pero requiere mucho tiempo y esfuerzo para implementar la tarea y analizar el comportamiento. Describimos una versión automatizada del alcance cualificado con seguimiento de movimiento y reconstrucción tridimensional de trayectorias de alcance.
Abstract
El alcance con habilidades de roedores se utiliza comúnmente para estudiar habilidades hábiles, pero requiere mucho tiempo y esfuerzo para implementar la tarea y analizar el comportamiento. Recientemente se han desarrollado varias versiones automatizadas de alcance cualificado. Aquí, describimos una versión que presenta automáticamente pellets a ratas mientras graba vídeo de alta definición desde múltiples ángulos a altas velocidades de fotogramas (300 fps). La pata y los dígitos individuales se rastrean con DeepLabCut, un algoritmo de aprendizaje automático para la estimación de la pose sin marcadores. Este sistema también se puede sincronizar con grabaciones fisiológicas, o ser utilizado para desencadenar intervenciones fisiológicas (por ejemplo, estimulación eléctrica u óptica).
Introduction
Los humanos dependen en gran medida de la habilidad dietuta, definida como movimientos que requieren movimientos multi-articulares y digitales coordinados con precisión. Estas habilidades se ven afectadas por una serie de patologías comunes del sistema nervioso central, incluyendo lesiones estructurales (por ejemplo, accidente cerebrovascular, tumor, lesiones desmielinantes), enfermedad neurodegenerativa (por ejemplo, enfermedad de Parkinson) y anomalías funcionales circuitos (por ejemplo, distonía). Entender cómo se aprenden e implementan las habilidades hábiles por los circuitos motores centrales tiene, por lo tanto, el potencial de mejorar la calidad de vida de una gran población. Además, es probable que esta comprensión mejore el rendimiento motor en personas sanas optimizando las estrategias de capacitación y rehabilitación.
Disecijar los circuitos neuronales subyacentes a la habilidad hábil en los seres humanos está limitado por consideraciones tecnológicas y éticas, lo que requiere el uso de modelos animales. Los primates no humanos se utilizan comúnmente para estudiar movimientos de extremidades hábiles dada la similitud de sus sistemas motores y repertorio conductual con los seres humanos1. Sin embargo, los primates no humanos son caros con largos tiempos de generación, lo que limita el número de sujetos de estudio y las intervenciones genéticas. Además, mientras que la caja de herramientas neurocientífica aplicable a los primates no humanos es más grande que para los seres humanos, muchos avances tecnológicos recientes no están disponibles o están significativamente limitados en los primates.
El alcance experto de los roedores es un enfoque complementario para estudiar el control del motor diestro. Las ratas y los ratones pueden ser entrenados para alcanzar, agarrar y recuperar un pellet de azúcar en una secuencia estereotipada de movimientos homólogos a los patrones de alcance humano2. Debido a su tiempo de generación relativamente corto y menores costos de vivienda, así como su capacidad para adquirir alcances calificados durante días o semanas, es posible estudiar un gran número de asignaturas durante las fases de aprendizaje y consolidación de habilidades. El uso de roedores, especialmente ratones, también facilita el uso de potentes herramientas neurocientíficas modernas (por ejemplo, optogenética, imágenes de calcio, modelos genéticos de la enfermedad) para estudiar la habilidad hábil.
El alcance experto de los roedores se ha utilizado durante décadas para estudiar el control motornormal y cómo se ve afectado por patologías específicas como el accidente cerebrovascular y la enfermedad de Parkinson 3. Sin embargo, la mayoría de las versiones de esta tarea son laboristas y de mucho tiempo, mitigando los beneficios del estudio de los roedores. Las implementaciones típicas implican la colocación de roedores en una cámara de alcance con un estante delante de una ranura estrecha a través de la cual el roedor debe alcanzar. Un investigador coloca manualmente los pellets de azúcar en el estante, espera a que el animal llegue, y luego coloca otro. Los alcances se puntúan como éxitos o fracasos, ya sea en tiempo real o por revisión de vídeo4. Sin embargo, simplemente la puntuación alcanza los éxitos o los fracasos ignora los datos cinemáticos enriquecidos que pueden proporcionar información sobre cómo (en lugar de simplemente si) el alcance se ve afectado. Este problema se solucionó mediante la implementación de una revisión detallada de los vídeos de acceso para identificar y puntuar semicuantitativamente los submovimientos5. Si bien esto añadió algunos datos sobre la cinemática de alcance, también aumentó significativamente el tiempo y el esfuerzo del experimentador. Además, los altos niveles de participación de los experimentadores pueden conducir a incoherencias en la metodología y el análisis de datos, incluso dentro del mismo laboratorio.
Más recientemente, se han desarrollado varias versiones automatizadas de alcance cualificado. Algunos se adhieren a la jaula doméstica6,7, eliminando la necesidad de transferir animales. Esto reduce el estrés en los animales y elimina la necesidad de aclimatarlos a una cámara de alcance especializada. Otras versiones permiten el seguimiento de la pata para que los cambios cinemáticos bajo intervenciones específicas se puedan estudiar8,9,10, o tener mecanismos para determinar automáticamente si los pellets fueron arrancados de la plataforma11. Las tareas automatizadas de alcance cualificado son especialmente útiles para el entrenamiento de alta intensidad, como puede ser necesario para la rehabilitación después de una lesión12. Los sistemas automatizados permiten a los animales realizar un gran número de alcances durante largos períodos de tiempo sin necesidad de una participación intensiva de los investigadores. Además, los sistemas que permiten el seguimiento de la pata y la puntuación automatizada de los resultados reducen el tiempo dedicado al investigador a realizar el análisis de datos.
Desarrollamos un sistema automatizado de alcance experto en ratas con varias características especializadas. En primer lugar, mediante el uso de un pedestal móvil para llevar el pellet a “posición de alcance” desde abajo, obtenemos una vista casi sin obstáculos de la extremidad delantera. En segundo lugar, un sistema de espejos permite múltiples vistas simultáneas del alcance con una sola cámara, permitiendo la reconstrucción tridimensional (3-D) de las trayectorias de alcance utilizando una cámara de alta resolución y alta velocidad (300 fps). Con el reciente desarrollo de algoritmos de aprendizaje automático robustos para el seguimiento de movimiento sin marcadores13,ahora rastreamos no sólo la pata, sino los nudillos individuales para extraer el alcance detallado y la cinemática de agarre. En tercer lugar, un frame-grabber que realiza un procesamiento de vídeo simple permite la identificación en tiempo real de distintas fases de alcance. Esta información se utiliza para desencadenar la adquisición de vídeo (la adquisición continua de vídeo no es práctica debido al tamaño del archivo), y también se puede utilizar para desencadenar intervenciones (por ejemplo, optogenética) en momentos precisos. Por último, los fotogramas de vídeo individuales son activados por pulsos de lógica transistor-transistor (TTL), lo que permite que el vídeo se sincronice con precisión con grabaciones neuronales (por ejemplo, electrofisiología o fotometría). Aquí, describimos cómo construir este sistema, entrenar ratas para realizar la tarea, sincronizar el aparato con sistemas externos y reconstruir trayectorias de alcance 3D.
Protocol
Representative Results
Discussion
El alcance especializado en roedores se ha convertido en una herramienta estándar para estudiar la fisiología del sistema motor y la fisiopatología. Hemos descrito cómo implementar una tarea automatizada de alcance experto en ratas que permite: entrenamiento y pruebas con supervisión mínima, reconstrucción de trayectoria de patas y dígitos 3D (durante el alcance, agarre y retracción de la pata), identificación en tiempo real de la pata durante el alcance, y la sincronización con la electrónica externa. Es ade…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Los autores quieren agradecer a Karunesh Ganguly y a su laboratorio por su consejo sobre la hábil tarea de llegar, y Alexander y Mackenzie Mathis por su ayuda en la adaptación de DeepLabCut. Este trabajo fue apoyado por el Instituto Nacional de Enfermedades Neurológicas y Accidentes Cerebrovasculares (número de subvención K08-NS072183) y la Universidad de Michigan.
Materials
| clear polycarbonate panels | TAP Plastics | cut to order (see box design) | |
| infrared source/detector | Med Associates | ENV-253SD | 30" range |
| camera | Basler | acA2000-340kc | 2046 x 1086 CMV2000 340 fps Color Camera Link |
| camera lens | Megapixel (computar) | M0814-MP2 | 2/3" 8mm f1.4 w/ locking Iris & Focus |
| camera cables | Basler | #2000031083 | Cable PoCL Camera Link SDR/MDR Full, 5 m – Data Cables |
| mirrors | Amazon | ||
| linear actuator | Concentrics | LACT6P | Linear Actuator 6" Stroke (nominal), 110 Lb Force, 12 VDC, with Potentiometer |
| pellet reservoir/funnel | Amico (Amazon) | a12073000ux0890 | 6" funnel |
| guide tube | ePlastics | ACREXT.500X.250 | 1/2" OD x 1/4" ID Clear. Extruded Plexiglass Acrylic Tube x 6ft long |
| pellet delivery rod | ePlastics | ACRCAR.250 | 0.250" DIA. Cast Acrylic Rod (2' length) |
| plastic T connector | United States Plastic Corp | #62065 | 3/8" x 3/8" x 3/8" Hose ID Black HDPE Tee |
| LED lights | Lighting EVER | 4100066-DW-F | 12V Flexible Waterproof LED Light Strip, LED Tape, Daylight White, Super Bright 300 Units 5050 LEDS, 16.4Ft 5 M Spool |
| Light backing | ePlastics | ACTLNAT0.125X12X36 | 0.125" x 12" x 36" Natural Acetal Sheet |
| Light diffuser films | inventables | 23114-01 | .007×8.5×11", matte two sides |
| cabinet and custom frame materials | various (Home Depot, etc.) | 3/4" fiber board (see protocol for dimensions of each structure) | |
| acoustic foam | Acoustic First | FireFlex Wedge Acoustical Foam (2" Thick) | |
| ventilation fans | Cooler Master (Amazon) | B002R9RBO0 | Rifle Bearing 80mm Silent Cooling Fan for Computer Cases and CPU Coolers |
| cabinet door hinges | Everbilt (Home Depot | #14609 | continuous steel hinge (1.4" x 48") |
| cabinet wheels | Everbilt (Home Depot | #49509 | Soft rubber swivel plate caster with 90 lb. load rating and side brake |
| cabinet door handle | Everbilt (Home Depot | #15094 | White light duty door pull (4.5") |
| computer | Hewlett Packard | Z620 | HP Z620 Desktop Workstation |
| Camera Link Frame Grabber | National Instruments | #781585-01 | PCIe-1473 Virtex-5 LX50 Camera Link – Full |
| Multifunction RIO Board | National Instruments | #781100-01 | PCIe-17841R |
| Analog RIO Board Cable | National Instruments | SCH68M-68F-RMIO | Multifunction Cable |
| Digital RIO Board Cable | National Instruments | #191667-01 | SHC68-68-RDIO Digital Cable for R Series |
| Analog Terminal Block | National Instruments | #782536-01 | SCB-68A Noise Rejecting, Shielded I/O Connector Block |
| Digital Terminal Block | National Instruments | #782536-01 | SCB-68A Noise Rejecting, Shielded I/O Connector Block |
| 24 position relay rack | Measurement Computing Corp. | SSR-RACK24 | Solid state relay backplane (Gordos/OPTO-22 type relays), 24-channel |
| DC switch | Measurement Computing Corp. | SSR-ODC-05 | Solid state relay module, single, DC switch, 3 to 60 VDC @ 3.5 A |
| DC Sense | Measurement Computing Corp. | SSR-IDC-05 | solid state relay module, single, DC sense, 3 to 32 VDC |
| DC Power Supply | BK Precision | 1671A | Triple-Output 30V, 5A Digital Display DC Power Supply |
| sugar pellets | Bio Serv | F0023 | Dustless Precision Pellets, 45 mg, Sucrose (Unflavored) |
| LabVIEW | National Instruments | LabVIEW 2014 SP1, 64 and 32-bit versions | 64-bit LabVIEW is required to access enough memory to stream videos, but FPGA coding must be performed in 32-bit LabVIEW |
| MATLAB | Mathworks | Matlab R2019a | box calibration and trajectory reconstruction software is written in Matlab and requires the Computer Vision toolbox |
References
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. , (2018).
- Sacrey, L. A. R. A., Alaverdashvili, M., Whishaw, I. Q. Similar hand shaping in reaching-for-food (skilled reaching) in rats and humans provides evidence of homology in release, collection, and manipulation movements. Behavioural Brain Research. 204, 153-161 (2009).
- Whishaw, I. Q., Kolb, B. Decortication abolishes place but not cue learning in rats. Behavioural Brain Research. 11, 123-134 (1984).
- Klein, A., Dunnett, S. B. Analysis of Skilled Forelimb Movement in Rats: The Single Pellet Reaching Test and Staircase Test. Current Protocols in Neuroscience. 58, 8.28.1-8.28.15 (2012).
- Whishaw, I. Q., Pellis, S. M. The structure of skilled forelimb reaching in the rat: a proximally driven movement with a single distal rotatory component. Behavioural Brain Research. 41, 49-59 (1990).
- 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).
- Fenrich, K. K., et al. Improved single pellet grasping using automated ad libitum full-time training robot. Behavioural Brain Research. 281, 137-148 (2015).
- Azim, E., Jiang, J., Alstermark, B., Jessell, T. M. Skilled reaching relies on a V2a propriospinal internal copy circuit. Nature. , (2014).
- Guo, J. Z. Z., et al. Cortex commands the performance of skilled movement. Elife. 4, e10774 (2015).
- Nica, I., Deprez, M., Nuttin, B., Aerts, J. M. Automated Assessment of Endpoint and Kinematic Features of Skilled Reaching in Rats. Frontiers in Behavioral Neuroscience. 11, 255 (2017).
- Wong, C. C., Ramanathan, D. S., Gulati, T., Won, S. J., Ganguly, K. An automated behavioral box to assess forelimb function in rats. Journal of Neuroscience Methods. 246, 30-37 (2015).
- Torres-Espín, A., Forero, J., Schmidt, E. K. A., Fouad, K., Fenrich, K. K. A motorized pellet dispenser to deliver high intensity training of the single pellet reaching and grasping task in rats. Behavioural Brain Research. 336, 67-76 (2018).
- Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21, 1281-1289 (2018).
- Ellens, D. J., et al. An automated rat single pellet reaching system with high-speed video capture. Journal of Neuroscience Methods. 271, 119-127 (2016).
