Summary

Automatiserad råtta Single-pellet nå med 3-dimensionell rekonstruktion av Paw och Digit banor

Published: July 10, 2019
doi:

Summary

Gnagare skickliga nå används ofta för att studera skicklig färdigheter, men kräver betydande tid och ansträngning för att genomföra uppgiften och analysera beteendet. Vi beskriver en automatiserad version av kompetent sträcka med rörelsespårning och tredimensionell rekonstruktion av Reach-banor.

Abstract

Gnagare skickliga nå används ofta för att studera skicklig färdigheter, men kräver betydande tid och ansträngning för att genomföra uppgiften och analysera beteendet. Flera automatiserade versioner av kompetent att nå har utvecklats nyligen. Här beskriver vi en version som automatiskt presenterar pellets till råttor när du spelar in HD-video från flera vinklar vid höga bildhastigheter (300 fps). Paw och enskilda siffror spåras med DeepLabCut, en maskininlärningsalgoritm för markerless pose uppskattning. Detta system kan också synkroniseras med fysiologiska inspelningar, eller användas för att utlösa fysiologisk intervention (t. ex. elektrisk eller optisk stimulering).

Introduction

Människor är starkt beroende av skicklig skicklighet, definierad som rörelser som kräver exakt koordinerade multigemensamma och siffriga rörelser. Dessa färdigheter påverkas av en rad vanliga sjukdomar i centralanervsystemet, inklusive strukturella lesioner (t. ex. stroke, tumör, demyelinierande lesioner), neurodegenerativa sjukdomar (t. ex. Parkinsons sjukdom) och funktionella avvikelser i motoriska kretsar (t. ex. dystoni). Att förstå hur dexterösa färdigheter lärs och implementeras av centrala motor kretsar har därför potential att förbättra livskvaliteten för en stor befolkning. Dessutom är en sådan förståelse sannolikt att förbättra motoriska prestanda hos friska människor genom att optimera utbildning och Rehabiliteringsstrategier.

Dissekera neurala kretsar bakomliggande skicklig skicklighet hos människor begränsas av tekniska och etiska överväganden, vilket kräver användning av djurmodeller. Nonhuman primater används ofta för att studera dexterösa extremiteter rörelser med tanke på likheten mellan deras motorsystem och beteendemässiga repertoar till människor1. Emellertid, icke-mänskliga primater är dyra med långa generationen gånger, begränsa antalet försökspersoner och genetiska interventioner. Även om den neurovetenskapliga verktygslåda som gäller för icke-mänskliga primater är större än för människor, är många nya tekniska framsteg antingen otillgängliga eller betydligt begränsad i primater.

Gnagare skickliga nå är en kompletterande metod för att studera skicklig motorstyrning. Råttor och möss kan utbildas för att nå för, greppa, och hämta en sockerpellet i en stereotyp sekvens av rörelser homolog till mänskliga nå mönster2. På grund av sin relativt korta generationstid och lägre boendekostnader, samt deras förmåga att förvärva skickliga nå under dagar till veckor, är det möjligt att studera ett stort antal ämnen under både inlärning och skicklighet konsoliderings faser. Användningen av gnagare, särskilt möss, underlättar också användningen av kraftfulla moderna neurovetenskapliga verktyg (t. ex. optogenetik, kalcium avbildning, genetiska modeller av sjukdomar) för att studera dexterös skicklighet.

Gnagare kvalificerade nå har använts i årtionden för att studera normal motorstyrning och hur det påverkas av specifika patologier som stroke och Parkinsons sjukdom3. Men de flesta versioner av denna uppgift är arbete och tidskrävande, lindra fördelarna med att studera gnagare. Typiska implementeringar involverar att placera gnagare i en Reach-kammare med en hylla framför en smal lucka genom vilken gnagare måste nå. En forskare placerar manuellt sockerpelletar på hyllan, väntar på att djuret ska nå och placerar sedan ytterligare en. Når görs som framgångar eller misslyckanden antingen i realtid eller genom Video Review4. Men bara scoring når som framgångar eller misslyckanden ignorerar rika kinematiska data som kan ge insikt i hur (i motsats till helt enkelt om) nå är nedsatt. Detta problem åtgärdades genom att implementera detaljerad granskning av att nå videor för att identifiera och semi-kvantitativt Poäng nå under rörelser5. Även om detta lagt till några data om Reach kinematik, det också betydligt högre försöksledaren tid och ansträngning. Ytterligare, höga nivåer av experimenteraren engagemang kan leda till inkonsekvenser i metodik och dataanalys, även inom samma labb.

På senare tid har flera automatiserade versioner av kompetent att nå utvecklats. Vissa fäster hem buren6,7, vilket eliminerar behovet av att överföra djur. Detta både minskar stressen på djuren och eliminerar behovet av att vänja dem vid en specialiserad nå kammare. Andra versioner tillåter Paw tracking så att kinematiska förändringar under specifika interventioner kan studeras8,9,10, eller har mekanismer för att automatiskt avgöra om pellets slogs av hyllan11. Automatiserade kvalificerade att nå uppgifter är särskilt användbara för högintensiv träning, som kan krävas för rehabilitering efter en skada12. Automatiserade system gör det möjligt för djur att utföra ett stort antal räckvidder under långa tidsperioder utan att kräva intensiv forskar inblandning. Dessutom, system som tillåter Paw Tracking och automatiserad resultat scoring minska forskaren tid spenderas utföra dataanalys.

Vi utvecklade ett automatiserat rått kompetent att nå system med flera specialiserade funktioner. Först, genom att använda en rörlig piedestal för att få pelleten i “nå position” underifrån, får vi en nästan obehindrad bild av forelimb. För det andra tillåter ett system av speglar flera samtidiga vyer av Reach med en enda kamera, vilket möjliggör tredimensionell (3-D) rekonstruktion av Reach banor med hjälp av en högupplöst, hög hastighet (300 fps) kamera. Med den senaste utvecklingen av robusta maskininlärningsalgoritmer för markerless rörelsespårning13, spårar vi nu inte bara Paw utan enskilda knogar för att extrahera detaljerad räckvidd och förstå kinematik. För det tredje tillåter en Frame-Grabber som utför enkel videobearbetning i realtid identifiering av distinkta nå faser. Denna information används för att utlösa video förvärv (kontinuerlig video förvärv är inte praktiskt på grund av filstorlek), och kan också användas för att utlösa interventioner (t. ex., optogenetik) vid exakta tidpunkter. Slutligen, enskilda videobildrutor utlöses av transistor-transistor logic (TTL) pulser, vilket gör att videon exakt synkroniseras med neurala inspelningar (t. ex., elektrofysiologi eller fotometri). Här beskriver vi hur man bygger detta system, utbilda råttor för att utföra uppgiften, synkronisera apparaten med externa system, och rekonstruera 3-D nå Trajectories.

Protocol

Alla metoder som omfattar användning av djur som beskrivs här har godkänts av den institutionella djuromsorg och användning kommittén (IACUC) vid University of Michigan. 1. ställa in den gående kammaren Anmärkning: Se Ellens et al.14 för detaljer och scheman över apparaten. Artikelnummer se figur 1. Bond Clear polykarbonat paneler med akryl cement för att bygga den når kamma…

Representative Results

Råttor förvärva skickliga nå uppgift snabbt en gång acklierat till apparaten, med prestanda plateauing i termer av både antal når och noggrannhet över 1 – 2 veckor (figur 5). Figur 6 visar prov videobildrutor som indikerar strukturer som identifierats av DeepLabCut, och figur 7 visar överlagda individuella räckvidds banor från en enda session. Slutligen, i figur 8, illustrerar vi vad som h?…

Discussion

Rodent skicklig att nå har blivit ett standardverktyg för att studera motoriskt system fysiologi och patofysiologi. Vi har beskrivit hur man genomför en automatiserad råtta skicklig nå uppgift som tillåter: utbildning och testning med minimal övervakning, 3-D Paw och Digit bana rekonstruktion (under nå, gripa och tass indragning), realtid identifiering av Paw under nå, och synkronisering med extern elektronik. Det är väl lämpad att korrelera forelimb kinematik med fysiologi eller att utföra exakt tidsinstäl…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Författarna skulle vilja tacka Karunesh Ganguly och hans laboratorium för råd om den skickliga nå uppgift, och Alexander och Mackenzie Mathis för deras hjälp med att anpassa DeepLabCut. Detta arbete stöddes av det nationella institutet för neurologisk sjukdom och stroke (Grant Number K08-NS072183) och 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