Summary

Automatisert Rat single-pellet nå med 3-dimensjonal rekonstruksjon av Paw og sifret baner

Published: July 10, 2019
doi:

Summary

Gnager dyktige nå brukes ofte til å studere fingernem ferdigheter, men krever betydelig tid og krefter på å gjennomføre oppgaven og analysere atferden. Vi beskriver en automatisert versjon av dyktige nå med Motion Tracking og tredimensjonal rekonstruksjon av nå baner.

Abstract

Gnager dyktige nå brukes ofte til å studere fingernem ferdigheter, men krever betydelig tid og krefter på å gjennomføre oppgaven og analysere atferden. Flere automatiserte versjoner av dyktige nå har blitt utviklet nylig. Her over, vi beskrive en versjon det automatisk gaver pellets å rotter stund innspillingen høy-definisjon video fra mangfoldig hjørnene for høy rammen ratene (300 FPS). Det pote og individ sifre er sporet med DeepLabCut, en apparat innlæring algoritmen for markerless positur estimering. Dette systemet kan også synkroniseres med fysiologiske opptak, eller brukes til å utløse fysiologiske inngrep (f.eks. elektrisk eller optisk stimulering).

Introduction

Mennesker er avhengige av fingernem dyktighet, definert som bevegelser som krever nøyaktig koordinert multi-joint og siffer bevegelser. Disse ferdighetene påvirkes av en rekke felles sykdommer i sentralnervesystemet, inkludert strukturelle lesjoner (f.eks. hjerneslag, tumor, demyeliniserende lesjoner), nevrodegenerative sykdom (f.eks. Parkinsons sykdom), og funksjonelle misdannelser i motor kretser (f.eks. Dystoni). Å forstå hvordan fingernem ferdigheter læres og gjennomføres av sentrale motor kretser har derfor potensiale til å forbedre livskvaliteten for en stor befolkning. Videre er slik forståelse sannsynlig å forbedre motoriske prestasjoner i friske mennesker ved å optimalisere opplæring og rehabilitering strategier.

Dissekere de nevrale kretser underliggende fingernem dyktighet hos mennesker er begrenset av teknologiske og etiske hensyn, nødvendiggjør bruk av dyremodeller. Nonhuman primater er ofte brukt til å studere fingernem lem bevegelser gitt likheten av deres motoriske systemer og atferdsmessige repertoar til mennesker1. Men ikke-menneskelige primater er dyrt med lang generasjon ganger, begrenser antall studier og genetiske intervensjoner. Videre, mens neuroscientific verktøykasse som gjelder for nonhuman primater er større enn for mennesker, mange nyere teknologiske fremskritt er enten utilgjengelige eller betydelig begrenset i primater.

Gnagere dyktige nå er en komplementær tilnærming til å studere fingernem motor kontroll. Rotter og mus kan trenes til å strekke seg etter, gripe og hente en sukker pellet i en stereotype sekvens av bevegelser som er homologe for menneskelig rekkevidde av mønster2. På grunn av sin relativt korte generasjon tid og lavere bolig kostnader, så vel som deres evne til å tilegne seg dyktige nå over dager til uker, er det mulig å studere et stort antall under både læring og dyktighet konsolidering faser. Bruken av gnagere, spesielt mus, forenkler også bruken av kraftige moderne neuroscientific verktøy (f. eks optogenetics, kalsium Imaging, genetiske modeller av sykdom) for å studere fingernem dyktighet.

Gnagere dyktige nå har vært brukt i flere ti år å studere normal motor kontroll og hvordan det er påvirket av konkrete patologi som slag og Parkinsons sykdom3. Men de fleste versjoner av denne oppgaven er arbeids-og tidkrevende, begrensende fordelene ved å studere gnagere. Typiske implementeringer innebære plassere gnagere i et nå kammer med en hylle foran en smal spor der gnager må nå. En forsker manuelt steder sukker pellets på sokkelen, venter på at dyret skal nå, og deretter plasserer en annen. Kommer er scoret som suksesser eller feil enten i sanntid eller ved video vurdering4. Men bare scoring når som suksesser eller feil ignorerer rike Kinematisk data som kan gi innsikt i hvordan (i motsetning til bare om) nå er svekket. Dette problemet ble adressert ved å implementere detaljert gjennomgang av å nå videoer for å identifisere og semi-kvantitativt score nå submovements5. Selv om dette lagt til noen data om nå kinematikk, det også betydelig økt eksperimentator tid og krefter. Videre kan høye nivåer av eksperimentator involvering føre til uoverensstemmelser i metodikk og dataanalyse, selv innenfor samme laboratorium.

Flere nylig, flere automatiserte versjoner av dyktige nå har blitt utviklet. Noen fester til hjemmet buret6,7, eliminerer behovet for å overføre dyr. Dette både reduserer stress på dyrene og eliminerer behovet for å acclimate dem til en spesialisert nå kammer. Andre versjoner tillate pote oppsporer i den grad at Kinematisk endre under spesifikk inngrep kan studert8,9,10, eller ha mekanismer å automatisk avgjøre hvis pellets var banket av det hylle11. Automatiserte dyktige nå oppgaver er spesielt nyttige for trening med høy intensitet, som kan være nødvendig for rehabilitering etter en skade12. Automatiserte systemer tillater dyr å utføre et stort antall når over lange perioder uten å kreve intensiv forsker involvering. Videre systemer som tillater labb sporing og automatiserte utfallet scoring redusere forsker tid brukt utføre dataanalyse.

Vi utviklet en automatisert rotte dyktige nå system med flere spesialiserte funksjoner. Først ved hjelp av en bevegelig pidestall å bringe pellet i “nå posisjon” nedenfor, får vi en nesten uhindret utsikt over forlemen. Sekund, et system av speil tillater flere samtidige visninger av rekkevidden med et enkelt kamera, slik at tredimensjonale (3-D) rekonstruksjon av rekkevidde baner ved hjelp av en høy oppløsning, høy hastighet (300 FPS) kamera. Med den nylige utviklingen av robust maskinlæring algoritmer for markerless Motion Tracking13, vi nå spore ikke bare labben, men enkelte knoke å trekke ut detaljert rekkevidde og gripe kinematikk. Tredje, en ramme-fanget som utfører enkel video prosessering tillater sanntids identifisering av distinkte nå faser. Denne informasjonen brukes til å utløse video oppkjøp (kontinuerlig video oppkjøpet er ikke praktisk på grunn av filstørrelse), og kan også brukes til å utløse intervensjoner (f. eks optogenetics) på presise øyeblikk. Til slutt, individ video rammens er avtrekker av transistor-transistor logikk (TTL) impuls, tillater det video å bli akkurat samtidighet med neural registreringene (e.g., elektrofysiologi eller fotometri). Her beskriver vi hvordan å bygge dette systemet, trene rotter til å utføre oppgaven, synkronisere apparater med eksterne systemer, og rekonstruere 3-D nå baner.

Protocol

Alle metoder innvolvere dyr Bruk beskrevet her over ha blitt anerkjent av det institusjonell dyr bekymre og bruk komité (IACUC) av det universitet av Michigan. 1. sette opp det nå kammer Merk: Se Ellens et al.14 for detaljer og diagrammer av apparatet. Delnummer referer til figur 1. Bond klart polykarbonat paneler med akryl sement for å bygge det nå kammer (15 cm bred av 40 cm lang …

Representative Results

Rotter erverve dyktige nå oppgaven raskt en gang acclimated til apparatet, med ytelse plateauing i form av både antall når og nøyaktighet over 1-2 uker (figur 5). Figur 6 viser eksempler på video bilder som indikerer strukturer identifisert av DeepLabCut, og figur 7 viser lagret individuell rekkevidde baner fra en enkelt sesjon. Til slutt, inne skikkelsen 8, vi illustrere hva hender hvis det pote o…

Discussion

Gnager dyktige nå har blitt et standard verktøy for å studere motor system fysiologi og patofysiologi. Vi har beskrevet hvordan å iverksette en automatisert rotten dyktig rekkevidde oppgave det innrømmer: lærer opp og tester med minimal oppsyn, 3-D pote og tall bane rekonstruksjon (i løpet av rekkevidde, griper, og pote tilbaketrekking), virkelig-tid legitimasjonen av det labb under rekkevidde, og synkronisering med ekstern elektronikk. Det egner seg godt til å koordinere forlemen kinematikk med fysiologi eller f…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Forfatterne vil gjerne takke Karunesh Ganguly og hans laboratorium for råd om dyktige nå oppgaven, og Alexander og Mackenzie Mathis for deres hjelp til å tilpasse DeepLabCut. Dette arbeidet ble støttet av National Institute of nevrologisk sykdom og Stroke (Grant nummer K08-NS072183) og University of 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

  1. Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. , (2018).
  2. 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).
  3. Whishaw, I. Q., Kolb, B. Decortication abolishes place but not cue learning in rats. Behavioural Brain Research. 11, 123-134 (1984).
  4. 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).
  5. 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).
  6. 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).
  7. Fenrich, K. K., et al. Improved single pellet grasping using automated ad libitum full-time training robot. Behavioural Brain Research. 281, 137-148 (2015).
  8. Azim, E., Jiang, J., Alstermark, B., Jessell, T. M. Skilled reaching relies on a V2a propriospinal internal copy circuit. Nature. , (2014).
  9. Guo, J. Z. Z., et al. Cortex commands the performance of skilled movement. Elife. 4, e10774 (2015).
  10. 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).
  11. 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).
  12. 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).
  13. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21, 1281-1289 (2018).
  14. 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).

Play Video

Cite This Article
Bova, A., Kernodle, K., Mulligan, K., Leventhal, D. Automated Rat Single-Pellet Reaching with 3-Dimensional Reconstruction of Paw and Digit Trajectories. J. Vis. Exp. (149), e59979, doi:10.3791/59979 (2019).

View Video