Een systeem voor het bijhouden van de dynamiek van sociaal voorkeurs gedrag bij kleine knaagdieren

Summary

Hier beschreven is een nieuw geautomatiseerd experimenteel systeem dat een alternatief biedt voor de test met drie kamers en ook verschillende voorbehoud oplost. Dit systeem levert meerdere gedragsparameters die een grondige analyse van de kleine knaagdier gedrag dynamiek tijdens de sociale voorkeur en sociale nieuwigheid voorkeur tests mogelijk te maken.

Abstract

Het verkennen van de neurobiologische mechanismen van sociaal gedrag vereist gedragstesten die kunnen worden toegepast op diermodellen op een onbevooroordeelde en waarnemer-onafhankelijke manier. Sinds het begin van het Millennium is de test met drie kamer op grote schaal gebruikt als een standaard paradigma om de gezelligheid (sociale voorkeur) en sociale nieuwigheid voorkeur bij kleine knaagdieren te evalueren. Echter, deze test lijdt aan meerdere beperkingen, met inbegrip van de afhankelijkheid van ruimtelijke navigatie en nalatigheid van gedrags dynamiek. Hier gepresenteerd en gevalideerd is een nieuw experimenteel systeem dat een alternatief biedt voor de test met drie kamers, terwijl het ook enkele van zijn voorbehoud oplost. Het systeem vereist een eenvoudig en betaalbaar experimenteel apparaat en een openbaar beschikbaar open-source analysesysteem, dat automatisch meerdere gedragsparameters op individueel en bevolkingsniveau meet en analyseert. Het maakt gedetailleerde analyse van de gedrags dynamiek van kleine knaagdieren tijdens elke sociale discriminatie test. We demonstreren de efficiëntie van het systeem bij het analyseren van de dynamiek van sociaal gedrag tijdens de sociale voorkeur en sociale nieuwheidsvoorkeur tests zoals uitgevoerd door volwassen mannelijke muizen en ratten. Bovendien valideren we het vermogen van het systeem om aangepaste dynamiek van sociaal gedrag in knaagdieren na manipulaties zoals whisker-trimmen te onthullen. Het systeem zorgt dus voor een rigoureus onderzoek naar sociaal gedrag en dynamiek in kleine knaagdieren modellen en ondersteunt nauwkeurigere vergelijkingen tussen stammen, condities en behandelingen.

Introduction

Het onthullen van de biologische mechanismen onderliggende neuroontwikkelingsstoornissen (Ndd's) is een van de belangrijkste uitdagingen op het gebied van neurowetenschappen¹. Het aanpakken van deze uitdaging vereist gedrags paradigma's en experimentele systemen die het gedrag van knaagdieren op een standaard en onbevooroordeelde manier typeren. Een invloedrijke studie die meer dan een decennium geleden werd gepubliceerd door Moy en collega's² presenteerde de drie kamer test. Sindsdien is deze test op grote schaal gebruikt om sociaal gedrag in knaagdieren modellen van Ndd's te onderzoeken. Deze test evalueert twee aangeboren tendensen van knaagdieren: 1) om in de nabijheid van een sociale stimulans over een object (gezelligheid, ook wel sociale voorkeur [SP]) te blijven, en 2) om de nabijheid van een nieuwe sociale stimulans over een vertrouwde een te verkiezen (sociale nieuwigheid voorkeur [SNP])^3,4. Verschillende daaropvolgende studies suggereerden methoden voor geautomatiseerde analyse van de test met drie kamer met behulp van computergestuurde methoden^5,6.

Deze test heeft nog steeds last van verschillende kanttekeningen. Ten eerste onderzoekt het hoofdzakelijk de voorkeur van sociale plaatsen in plaats van de motivatie van het onderwerp om rechtstreeks te communiceren met een sociale stimulans, hoewel sommige groepen ook reuk Investigation (snuiven) tijd meten, ofwel handmatig⁷ of met behulp van commerciële computergestuurde systemen^8,9,10. Ten tweede wordt de test met drie kamer meestal gebruikt om de totale tijd te meten die door het onderwerp in elke kamer wordt doorgebracht, en het negeert de gedrags dynamiek. Ten slotte, het steunt op slechts één aspect van het sociale gedrag, dat is de tijd doorgebracht door het onderwerp in elke kamer (of snuiven tijd, indien gemeten).

Hier presenteren we een nieuw en betaalbaar experimenteel systeem dat een alternatief is voor het drie kamer apparaat. Het maakt ook de prestaties van dezelfde gedrags tests terwijl het oplossen van de bovengenoemde voorbehoud. Het gepresenteerde gedrags systeem automatisch en direct meet het onderzoeksgedrag van een knaagdier naar twee stimuli. Daarnaast analyseert het de gedrags dynamiek op een waarnemer-onafhankelijke manier. Bovendien, dit systeem meet meerdere gedragsparameters en analyseert deze op zowel individuele als bevolkingsniveau; Zo ondersteunt het een grondige analyse van sociaal gedrag en de dynamiek ervan tijdens elke test. Bovendien neutraliseert willekeurige herpositionering van de kamers in tegengestelde hoeken van de Arena tijdens de verschillende test stadia alle effecten van ruimtelijk geheugen of voorkeur. Dit systeem kan ook worden gebruikt voor andere discriminatie tests, zoals discriminatie op grond van geslacht. Het aangepaste apparaat is gemakkelijk te produceren en het analysesysteem is openbaar toegankelijk als een open-source code, waardoor het gebruik ervan in elk laboratorium mogelijk is. We demonstreren het vermogen van dit systeem om meerdere parameters van sociaal gedrag te meten in knaagdieren met uitgesproken bont kleuren tijdens de sociale voorkeur en sociale nieuwigheid voorkeurs tests. We valideren ook het vermogen van het systeem om gewijzigde dynamiek van sociaal gedrag in knaagdieren na manipulaties te onthullen, zoals het trimmen van Whiskers.

TrackRodent software: drie algoritmen werden geschreven in MATLAB (2014a-2019a) om het experimentele onderwerp en de interacties met de stimuli te volgen. Alle algoritmen zijn gedeponeerd in GitHub, te vinden op < https:/github.com/shainetser/trackrodent >. Het belangrijkste doel van alle vier algoritmen is om de contouren van het lichaam van het onderwerp te volgen om direct contact met de stimuli gebieden te detecteren.

Body-based algoritme: dit algoritme heeft drie versies die de contouren van een niet-bekabelde donkere muis op een witte achtergrond volgen (BlackMouseBodyBased), een witte muis op een donkere achtergrond (WhiteMouseBodyBased), of een witte rat op een donkere achtergrond (WhiteRatBodyBased ). De grafische gebruikersinterface (GUI) van de software vereist dat de experimenteerder een experiment kiest met muizen of ratten en vervolgens de juiste code selecteert. Voor elke versie van het algoritme zijn er twee optionele codes: een die het Volg proces op het scherm presenteert terwijl het de analyse uitvoert, en een die dat niet doet (vandaar, het loopt sneller en wordt "snel" genoemd). De namen van de relevante codes voor het algoritme BlackMouseBodyBased zijn bijvoorbeeld: "BlackMouseBodyBased23_7_14" en "BlackMouseBodyBased23_7_14_Fast". Alle algoritmen die eindigen op ' Fast ' laten de tracking online niet zien en gebruikers moeten de gegevens rechtstreeks opslaan in het resultatenbestand (. mat-bestand). Voor alle algoritmen op basis van het lichaam is het instellen van een enkele drempel (' lage drempel ' in de GUI van de software) vereist om de hoofdtekst van het onderwerp te detecteren.

Head-directionality gebaseerd algoritme: het tweede algoritme, dat alleen beschikbaar is voor zwarte muizen, is gebaseerd op het Body-based algoritme, naast het bepalen van de hoofd richtinggevoeligheid. Dit algoritme detecteert de interacties van het hoofd van het onderwerp met de "stimuli" gebieden, dus het vermijden van valse positieven die kunnen voortvloeien uit willekeurige contacten van het onderwerp ' met deze gebieden. Voor dit algoritme worden twee detectiedrempels van muis lichaam contouren gedefinieerd: hoge drempelwaarde, waaronder de helderdere staart van zwarte muizen, en lage drempel, waaronder het lichaam zonder staart. Daarna, het algoritme past een ellipsoïde aan de gedetecteerde grenzen met behulp van de lagere drempel en definieert de locatie van de muis kop en staart (zonder onderscheid tussen de twee). De uiteindelijke discriminatie tussen de staart en het hoofd is gebaseerd op de grenzen die worden bepaald door de hogere drempel.

Bedraad dierlijk algoritme: het derde algoritme heeft tot doel artefacten te minimaliseren die voortvloeien uit kabels (d.w.z. elektrische draad of optische vezels) die zijn aangesloten op het dier, waardoor het gedrag van het dier kan worden geanalyseerd terwijl het is aangesloten op een kabel. Dit algoritme heeft alleen codes voor zwarte muizen en witte ratten. De code voor ratten vereist dat de experimenteerder zowel lage als hoge drempels definieert, terwijl de muis code slechts een lage drempel vereist.

Protocol

Alle beschreven methoden zijn goedgekeurd door het institutioneel Dierenzorg-en gebruiks Comité (IACUC) van de Universiteit van Haifa.

1. experimentele opstelling

1. Arena
   1. Bouw de experimentele arena voor muizen (Figuur 1A, D) door het plaatsen van een wit of zwart (afhankelijk van de kleur van het dier) plexiglas doos (37 cm x 22 cm x 35 cm) in het midden van een akoestische kamer (60 cm x 65 cm x 80 cm, gemaakt van 2 cm dik hout gecoat aan de binnenkant met 2 cm dik schuim). Voor het licht, verwijder een strook (2 cm breed, 10 cm onder het plafond van de kamer) van het schuim rond de akoestische kamer (naast de deur), en bevestig een LED-strip met een rode of witte gloeilampen. Zorg ervoor dat het licht zo uniform mogelijk is rond de Arena om reflecties te voorkomen.
   2. Bouw de arena voor ratten op dezelfde manier als hierboven beschreven voor muizen, met verschillende afmetingen die passend passen bij de grootte van Sprague-Dawley (SD) ratten (Figuur 1G). Plaats een zwarte plexiglas doos (50 cm x 50 cm x 40 cm) in het midden van een akoestische kamer (90 cm x 60 cm x 85 cm, gemaakt van 2 cm dik hout gecoat aan de binnenzijde met 2 cm dik schuim).
2. Kamers
   1. Voor muizen, maak twee zwart of wit (afhankelijk van de vachtkleur) driehoekige kamers (12 cm Isosceles, 35 cm hoogte, met de vloeren gesloten) van 6 mm dik plexiglas. Lokaliseer ze in twee willekeurig gekozen tegenovergestelde hoeken van de Arena (Figuur 1B, E). Plak een metalen gaas (van 18 mm x 6 cm; 1 cm x 1 cm gaten) in het onderste gedeelte van elke kamer met behulp van epoxy lijm om directe interacties met de stimulus door het gaas mogelijk te maken (Figuur 1C, F). Elke kamer markeren op een manier die toelaat discriminatie van de anderen in een video zonder aanwijzingen te geven aan de onderwerpen (Zie afbeelding 1B, E voor voorbeelden).
      Opmerking: Elke kamer zal uiteindelijk een sociale stimulus (muis) of voorwerp bevatten (plastic speelgoed, 5 cm x 5 cm x 5 cm, met een duidelijke vorm en kleur; Figuur 1C, I insets). Laat de geur van epoxy lijm minstens een week vóór gebruik verdampen.
   2. Voor ratten, maak twee zwarte driehoekige kamers (20,5 cm Isosceles, 40 cm hoog, gemaakt van 6 mm dik plexiglas, met gesloten vloeren) en plaats ze in twee willekeurig gekozen tegenoverliggende hoeken van de Arena (Figuur 1H), elk met een metalen gaas (25 cm x 7 cm; 2,5 cm x 1 cm gaten) die het onderste gedeelte bedekken (Figuur 1I)
3. Plaats een monochromatische camera van hoge kwaliteit, uitgerust met een groothoeklens, aan de bovenkant van de akoestische kamer en verbind deze met een computer om het gedrag van het onderwerp duidelijk te bekijken en op te nemen met behulp van commerciële software (Zie tabel met materialen voor suggesties).

2. gedrags paradigma

Opmerking: Stappen 2.1-2.7 beschrijven het gedrags paradigma voor muizen. Zie paragraaf 2,8 voor specifieke instructies met betrekking tot ratten.

1. Zorg ervoor dat de kooien van alle dieren (proefpersonen: 2-4 maand-oude mannelijke muizen; stimuli: 21-30 dag-oude jonge muizen) blijven in de experimentele ruimte voor ten minste 1 h voordat u begint met het gedrags experiment.
2. Na de acclimatie periode plaatst u twee lege kamers willekeurig in de Arena in twee tegengestelde hoeken. Plaats het onderwerp in het midden van de arena voor 15 min gegegegegewacht. In die tijd, plaats de twee sociale stimuli, elk in een andere kamer gelegen uit de arena voor gegegewacht. Plaats een voorwerp (een plastic speeltje, 5 cm x 5 cm x 5 cm, met een uitgesproken vorm en kleur) in een andere kamer.
3. Om de sociale voorkeur test uit te voeren, start u de video-opname en houdt u de opname tot het einde van de test.
4. Verwijder de twee lege kamers en plaats onmiddellijk het voorwerp en een van de sociale stimuli, elk in een aparte kamer. Lokaliseer deze kamers willekeurig in de tegenoverliggende hoeken van de arena die leeg waren tijdens gegegete. Laat het onderwerp om te communiceren met de stimuli voor de 5 min van de SP-test. Stop de opname aan het einde van de test.
5. Na de SP test, verwijder de stimuli-bevattende kamers uit de Arena en laat het onderwerp in de lege arena voor 15 min. Reinig de kamers van buitenaf met 10% ethanol doekjes.
6. Om de SNP-test (sociale nieuwigheid voorkeur) uit te voeren, start u video-opname en plaatst u twee kamers in de Arena: één met dezelfde sociale stimulans die voor de SP-test wordt gebruikt (vertrouwde stimulus), en de andere met de nieuwe sociale stimulans. Plaats deze kamers willekeurig in twee tegenovergestelde hoeken van de Arena, en zorg ervoor dat deze locaties niet werden gebruikt voor de SP-test. Laat het onderwerp communiceren met de stimuli voor de 5 min van de SNP-test.
7. Aan het einde van de SNP-test stop je video-opnames, verwijder je het onderwerp en de kamers uit de Arena en plaats je het onderwerp terug in de huis kooi. Laat de stimuli in de kamers voor het volgende experiment (met een ander onderwerp) of terug te keren naar hun huis kooien. Reinig de Arena en kamers met stromend water, gevolgd door 10% ethanol en laat drogen.
8. Gedrags paradigma voor ratten
   1. Voor ratten, herhaal het gedrags paradigma beschreven in stappen 2.1-2.7, met twee wijzigingen: 1) omgaan met de rat onderwerpen en gewend de sociale stimuli om de kamers voor 2 dagen (10 min elke dag) voorafgaand aan het experiment; en 2) Verleng de SP-test gedurende 15 minuten om de ratten een langere periode van blootstelling aan sociale prikkels te geven. Later, beperk de analyse van de SP-test tot de initiële 5 min.
      Opmerking: Er zijn minstens één arena en vijf kamers nodig om één sessie te kunnen uitvoeren.

3. het gebruik van de TrackRodent GUI voor gedragsanalyse

Opmerking: Zie het bovenste paneel van Figuur 2A voor de trackrodent GUI.

1. Open MATLAB (getest met 2014a-2019a) en kies de map TrackRodent.
2. Voeg alle submappen toe aan het werk pad door met de rechtermuisknop op elke map te klikken en toevoegen aan pad te selecteren | Geselecteerde mappen en submappen.
3. Typ TrackRodent in het opdrachtvenster en druk op ENTER.
4. Upload een enkel bestand of meerdere videobestanden (AVI-of MP4-indeling) door Load Session file (AVI) te selecteren.
5. Een film inspecteur, waardoor de videoclip frame-voor-frame kan worden geïnspecteerd, wordt onmiddellijk geopend voor het eerste bestand in de lijst (afbeelding 2A). Gebruik deze om de videoclip te bekijken en de eerste en laatste frames te definiëren van het segment dat moet worden geanalyseerd. Noteer de nummers van deze frames, die later vereist zullen zijn. Sluit het venster wanneer u klaar bent.
6. Voor het inspecteren van extra videobestanden opent u de video Inspector op elk gewenst moment door op film inspecteren te drukken en een specifiek videobestand te selecteren.
7. Selecteer de geteste soorten (muis of Rat; muis is de standaard).
8. Sluit alle gebieden uit die de tracking kunnen onderbreken, in overeenstemming met de kleuren van het onderwerp en de Arena (zwart of wit).
   1. Als u een bepaald gebied wilt uitsluiten, drukt u op het gebied uitsluitenen nadat de cursor is gewijzigd in een kruisvorm, markeert u alle hoeken van het gebied voor uitsluiting. Als u klaar bent, klikt u met de rechtermuisknop op de muis en dubbelklikt u vervolgens met de linkermuisknop op het midden van het gemarkeerde gebied. Het uitgesloten gebied wordt een schaduw van rood op het scherm. Herhaal deze procedure om zoveel gebieden uit te sluiten als nodig is.
9. Als u een gebied wilt verwijderen uit uitsluiting, drukt u op uitgesloten gebied verwijderenen vervolgens (met behulp van de gekruiste cursor) op het gebied dat moet worden verwijderd uit uitsluiting.
10. Om elke kamer te definiëren als een "stimulus"-gebied, voor automatische detectie van het onderzoek door het onderwerp, kiest u de vorm van het "stimulus"-gebied als polygoon of elliptisch door het juiste vakje aan te vinken en vervolgens op stimulus x te drukken (waarbij "X" staat voor 1, 2 of 3). Markeer de ' stimulus ' gebieden op dezelfde manier als de uitgesloten gebieden, die dan geel van kleur worden. Voor het wijzigen van de locatie van een specifiek ' stimulus ' gebied, drukt u nogmaals op stimulus X en markeert u de nieuwe gebieds locatie (Hiermee wordt de locatie automatisch bijgewerkt).
    Opmerking: Kies het nummer van de verschillende stimuli op een consistente manier voor alle bestanden (d.w.z. object als stimulus 1 voor alle SP-testbestanden).
11. Om de aanwezigheid van het onderwerp in een specifiek virtueel compartiment in de Arena bij te houden, kiest u de vorm van het ' compartiment ' gebied (veelhoek of elliptisch) en drukt u vervolgens op compartiment x (waarbij ' X ' staat voor 1, 2, 3, 4 of 5). Markeer de ' compartiment ' gebieden op dezelfde manier als de uitgesloten of stimuli gebieden, die dan blauw van kleur zullen worden. Om de locatie van een specifiek compartiment te veranderen, druk je opnieuw op compartiment X en markeer je de nieuwe gebieds locatie (Hiermee wordt de locatie automatisch bijgewerkt).
12. Kies het gewenste algoritme (BlackMouseBodyBased werd gebruikt voor de video) uit de lijst (Zie beschikbare algoritmen in afbeelding 2B).
13. Noteer de nummers van begin-en eindframes voor de analyse in de corresponderende bewerkingsvakken van de GUI.
14. Kies een drempel voor het detecteren van de onderwerptekst.
    Opmerking: De meeste algoritmen gebruiken alleen de "lage" drempelwaarde, terwijl de hoofd directionality gebaseerde algoritmen de "hoge" drempelwaarde, ook gebruiken. Voor de "lage" drempel, kies een niveau dat de muis/rat lichaam zonder de staart (zo veel mogelijk) omvat, terwijl de "hoge" drempel moet ook de staart bevatten. In het geval van het gebruik van Head directionality-gebaseerde algoritmen, zal de software de hoofdlocatie bepalen als tegengesteld aan de staart locatie.
    Opmerking: De software zal later op negeert kleine objecten gedetecteerd met behulp van de gekozen drempel.
15. Als u de automatische detectie van de onderwerpranden voor een bepaalde drempel wilt evalueren, voegt u een waarde in het relevante veld drempel in en drukt u op ENTER op het toetsenbord.
16. Wanneer u meerdere bestanden kiest, gaat u naar het volgende bestand (met de knop volgende bovenaan) en selecteert u de juiste definities voor elk bestand. Wanneer u klaar bent, controleert u de parameters en gebieds locaties voor alle bestanden door tussen beide te gaan, met behulp van de knoppen Vorige en volgende boven aan de GUI.
    Opmerking: De definities van alle gebieden en parameters zijn specifiek voor een bepaald bestand.
17. Voor het starten van gedragsanalyse van alle geselecteerde bestanden gaat u naar het eerste bestand en drukt u op Start.
18. Aan het einde van de analyse wordt een resultatenbestand (. mat-bestand) opgeslagen voor elke film in dezelfde map van de filmbestanden.
    Opmerking: Als de langzame (niet-snelle) versie van het algoritme wordt gebruikt, zal het ook een versie van de film opslaan met een wit kruis van het midden van de lichaamsmassa, die de kleur van elk frame verandert dat wordt gedetecteerd als onderzoek, tenzij de wisselknop opgeslagen film opslaan van de GUI is uitgeschakeld. Deze versie van de film (opgeslagen in dezelfde map, met dezelfde naam als de originele film, met het achtervoegsel ' geanalyseerde film ') kan offline worden gebruikt om de kwaliteit van de automatische detectie uitgevoerd door het systeem te evalueren.

4. het gebruik van de TrackRodent GUI voor de presentatie van de resultaten

Opmerking: Zie het onderste deelvenster van afbeelding 2A voor de presentatie van de resultaten.

1. Als u de resultaten van elk filmbestand wilt inspecteren, drukt u op bestand met resultaten laden en kiest u de. mat-bestanden die door de gedragsanalyse worden gegenereerd.
2. Ga tussen de wisselknoppen om een van de volgende analyses op het scherm te bekijken: trace van de muis locatie (Figuur 2A); Compartimenten bezetting langs sessie (als ' compartimenten ' werden gedefinieerd, niet weergegeven); Stimuli verkenning langs sessie (Figuur 2C); Totale tijd in compartimenten (indien "compartimenten" werden gedefinieerd, niet weergegeven); en totale stimuli exploratie tijd (Figuur 2D).
   Opmerking: "Stimulus"-gebieden zijn gebieden waarop de software de interactie tussen onderwerpen evalueert, terwijl ' compartiment ' gebieden gebieden zijn waarin de software de aanwezigheid van het onderwerp bijhoudt. Als u de analyse stopt met de knop analyse stoppen , worden de resultaten die tot het laatst geanalyseerde frame zijn gegenereerd, automatisch opgeslagen. Voor de meeste computers moet het mogelijk zijn om maar liefst 20 films tegelijk te uploaden en te analyseren (afhankelijk van de prestaties van de computer).

5. het gebruik van de TrackRodentPopulationSummary GUI voor Populatieanalyse (Figuur 2E)

1. Open MATLAB (getest met 2014a-2019a) en kies de map TrackRodent.
2. Typ Trackrodentpopulationsummary in het opdrachtvenster en druk op Enter.
3. Upload meerdere TrackRodent-resultaten bestanden (. mat-indeling) door te drukken op resultaten bestanden kiezen.
4. Vul de nummers van het laatste frame in voor analyse, test naam, stimulus 1-naam en stimulus 2-naam.
5. Kies de gewenste analyses uit de lijst met optionele analyses door alle geschikte vakjes aan te vinken.
6. Kies de resultaten exporteren naar een speadsheet door het juiste vakje in te schakelen om alle resultaten van de gecontroleerde analyses uit te pakken als één spreadsheetbestand.
7. Druk op Start en wacht tot de analyse is voltooid.
   Opmerking: Hiermee is de analyse beëindigd. De software kan worden gebruikt om de resultaten van zoveel filmbestanden te analyseren als gewenst, gezien het feit dat ze allemaal gedragingen zijn geanalyseerd met behulp van de TrackRodent-software. De analyse uitgevoerd door de software veronderstelt video-opname met een framesnelheid van 30 Hz. In het geval dat een andere framesnelheid werd gebruikt, vermenigvuldigt u de tijd met 30 en verdeelt u de framesnelheid die wordt gebruikt voor de opname om deze te converteren naar de juiste waarde (n).

Representative Results

Het systeem gebruiken voor de sociale voorkeurs test bij muizen met C57BL/6J
Figuur 1 toont drie versies van de experimentele opstelling. De eerste versie (Figuur 1A-C) is ontworpen voor muizen met donkere VACHT kleuren, zoals C57BL/6j muizen. De tweede (Figuur 1D-F) is gepland voor muizen met felle vacht kleuren, zoals Balb/c of ICR (cd-1) muizen. De derde is groter (Figuur 1G-I) en ontworpen voor ratten met felle VACHT kleuren, zoals SD-ratten. De eerste onderzochte onderwerpen waren naïeve volwassen (8-12 weken oud), groep-gehuisvest (twee tot vijf dieren per kooi) mannelijke C57BL/6J muizen. Sociale stimuli waren jeugdig (21-30 dagen oud), groep-gehuisvest (twee tot zes dieren per kooi), mannelijke C57BL/6J muizen. Object stimuli waren geurloos plastic speelgoed met verschillende kleuren (insets in Figuur 1C, I). Video bestanden van de experimenten werden geanalyseerd met behulp van de TrackRodent software (Body-based algoritme, zie exemplarisch scherm beeld en GUI in afbeelding 2A), die automatisch en continu bijgehouden onderwerp locatie op basis van 1) Body Center en 2) het contact van de lichaamscontouren met de stimuli-bevattende kamers.

De analyse betrof de volgende procedures. Na het uploaden van een filmbestand en het grafisch definiëren van gebieden die moeten worden uitgesloten van de analyse, definieerde de experiter grafisch twee gebieden, elk bestaande uit een aparte kamer, als ' stimuli ' (Figuur 2a, geelachtige gebieden). Gebruikers kunnen ook maximaal vijf gebieden definiëren als virtuele ' compartimenten '. Vervolgens kiezen gebruikers het algoritme ' BlackMouseBodyBased23_7_14_Fast ' uit de lijst met mogelijke algoritmen (afbeelding 2B). Na het indrukken van de Start analyse knop, de software bijgehouden de dierlijke locatie frame-voor-frame en afgebeeld de muis locatie trace in de Arena (afbeelding 2A, blauwe lijn). Tijdens deze analyse, de software ook bijgehouden contacten tussen de ' stimuli ' gebieden en lichaams contour van het onderwerp (Figuur 2C). Dergelijke contactgebeurtenissen werden gedefinieerd als onderzoek en dienden voor het berekenen van de onderzoekstijden voor elke stimulus en de tijd gedurende welke geen onderzoeksgedrag werd weergegeven (Figuur 2D). Zoals blijkt uit Figuur 2C, D met de geanalyseerde film, werd een hogere onderzoekstijdtijd voor ' stimulus 2 waargenomen ', wat de sociale stimulans was, vergeleken met het object, dat in dit geval werd gedefinieerd als ' stimulus 1 '.

Populatieanalyse van de sociale voorkeurs test bij muizen van C57BL/6J
Na het toestaan van de TrackRodent software om alle videobestanden van de experimentele groep te analyseren, een Populatieanalyse voor deze groep werd uitgevoerd met behulp van de "TrackRodentPopulationSummary" GUI (Figuur 2E), terwijl het kiezen van alle mogelijke analyses van deze software. De afzonderlijke uitgangen van deze analyses voor de SP-test uitgevoerd met 58 C57BL/6J volwassen mannelijke muizen worden weergegeven in Figuur 3, precies zoals ze op het computerscherm verschenen, met alle foutbalken die SEM afbeelden. statistische analyses van deze resultaten werden eerder gepubliceerd¹¹.

De gemiddelde totale onderzoekstijding van de populatie van proefpersonen naar elk van de twee stimuli (hetzelfde geslacht juveniele sociale stimulans en een voorwerp) wordt weergegeven in Figuur 3a, die een duidelijke voorkeur van het onderwerp weergeeft ten opzichte van de sociale stimulans. Hoewel het algoritme eenvoudig is, werd een uitstekende correlatie waargenomen (r² = 0,91, p < 10^-6, Pearson correlatie) tussen de onderzoekstijden handmatig gemeten door een getrainde waarnemer en de waarde berekend door de software. De dynamiek van deze voorkeur is te zien in Figuur 3B, waarin de gemiddelde onderzoekstijden voor elke stimulus worden uitgezet langs de tijd in 20 s bakken. Zoals getoond, sociale voorkeur wordt gehandhaafd door de onderwerpen gedurende de hele sessie, hoewel het leek licht sterker in vroege stadia.

Figuur 3C toont de onderzoekstijde tijd voor elke stimulus, gecategoriseerd volgens bout duur in korte (≤ 6 s), medium (> 6 s, ≤ 19 s), en lange (> 19 s) aanvallen, samen met de totale onderzoekstijde tijd. De verdeling van de onderzoekstijde tijd voor elke stimulus volgens bout duur in 1 s bakken wordt weergegeven in Figuur 3D. Zoals weergegeven in Figuur 3C, D, was er geen verschil tussen stimuli in de korte periodes, terwijl de medium en Long Bouts duidelijke sociale voorkeuren vertoonden. Deze resultaten suggereren dat in C57BL/6J-muizen korte periodes nieuwsgierigheid weerspiegelen, terwijl lange periodes een interactie tussen het onderwerp en stimuli weerspiegelen. De relatieve duur van het onderzoek (RDI, [sociaal-object]/[sociaal + object]) waarden voor elke categorie (kort, gemiddeld en lange periodes), alsmede voor de totale onderzoekstijdes, worden weergegeven in Figuur 3E. Zoals getoond, wordt de hoogste RDI-waarde bereikt met de lange periodes, wat suggereert dat ze het beste de sociale voorkeuren van onderwerpen weerspiegelen.

Voor het analyseren van de dynamiek van onderzoek bout tijdens de test, zijn distributies na verloop van tijd voor elke categorie afzonderlijk getekend. De distributies na verloop van tijd van de korte (Figuur 3F) en gemiddeld (Figuur 3G) onderzoek Bouts suggereren een geleidelijke vermindering van deze periodes na verloop van tijd. Een vergelijkbare analyse van de lange periodes (Figuur 3H) vertoont daarentegen een geleidelijke toename in de loop van de test. Deze tendens wordt ook weerspiegeld door de verdeling van de gemiddelde bout duur (Figuur 3I), die een geleidelijke toename in de tijd vertoont. Zo, het lijkt alsof de onderwerpen tentoongesteld nieuwsgierigheid vooral in de vroege stadia van de test, terwijl later ze weergegeven meer interacties met de stimuli. Opgemerkt moet worden dat er tijdens de laatste minuut een inherente vooroordelen bestaan over de analyse naar korte periodes, omdat lange periodes kunstmatig aan het einde van de sessie werden beëindigd. Daarom moet de laatste minuut worden genegeerd wanneer wordt gekeken naar het tijdsverloop van de onderzoekstoren.

We analyseerden ook de intervallen tussen opeenvolgende onderzoek aanvallen naar dezelfde stimulus (d.w.z. de tijd die het onderwerp kostte om terug te keren naar dezelfde stimulus na het einde van elk onderzoek bout). Deze parameter weerspiegelt de drang van het onderwerp om terug te keren naar dezelfde stimulus en onderzoeken. Hier werden de intervallen ook onderverdeeld in korte (≤ 5 s), gemiddeld (> 5 s, ≤ 20 s) en lange (> 20 s) gevechten, die samen met totale tijdsintervallen voor elke stimulus in Figuur 3Jworden getoond. Het histogram van de intervallen in 1 s-bakken in afbeelding 3K. Zoals blijkt uit Figuur 3J, K, waren de intervallen tussen onderzoeken van de sociale stimulans veel korter dan die tussen onderzoeken van het object. Dienovereenkomstig leverden de RDI-waarden van intervallen in het lange bereik de hoogste absolute waarde (Figuur 3L); Daarom kunnen ze worden gebruikt als een onderzoekstijdonafhankelijke variabele die de sociale voorkeur beoordeelt. De verdelingen over de tijd van de intervallen die afzonderlijk voor elke categorie worden uitgezet (Figuur 3M-O) suggereren een geleidelijke vermindering van de korte en middellange intervallen en een tegenovergestelde verandering in lange intervallen tussen onderzoekstijden, die hoogstwaarschijnlijk de algemene verlenging van onderzoeksgevechten weerspiegelen. Net als bij de distributie van onderzoekstoren, is de laatste minuut van intervallen bevooroordeeld naar korte waarden en moet worden genegeerd.

We analyseerden ook de overgangen waargenomen bij proefpersonen van de ene stimulus naar de andere. Dit plot wordt weergegeven in Figuur 3P, waarbij elk tijdpunt dat het onderwerp begon te onderzoeken van een nieuwe stimulus wordt gemarkeerd door een blauwe stip, elke rij vertegenwoordigt een afzonderlijk onderwerp en de rode lijn vertegenwoordigt de gemiddelde overgangssnelheid. Zoals blijkt, was de overgangssnelheid het grootst (~ 1,5 transities/min) tijdens de eerste 2 min van de test en werd geleidelijk teruggebracht tot minder dan 50% van de piek. Dezelfde tendens blijkt uit de verdeling van de gemiddelde overgangssnelheid in de tijd (Figuur 3Q).

Ten slotte worden Heatmaps van onderzoek in de richting van de sociale stimulus (Figuur 3R) en object (Figuur 3s) in de loop van de test voor elk onderwerp getoond, met de kleuren markering bout duur (Figuur 3s). In totaal suggereren de resultaten dat in C57Bl/6J-muizen de SP-test ruwweg wordt onderverdeeld in een vroege verkennende fase (gekenmerkt door een hoge Overgangssnelheid en korte onderzoekstijden) en een late interactie fase (gekenmerkt door een lage Overgangssnelheid en lange onderzoekgevechten).

Populatieanalyse van de sociale nieuwigheid voorkeurs test bij SD-ratten
Figuur 4 toont dezelfde analyse als hierboven voor de SNP-test uitgevoerd door 59 SD ratten. Typisch, de voorkeur van roman VS. bekende sociale stimuli zijn zwakker dan de voorkeur naar een nieuwe sociale stimulus versus een object, tentoongesteld door muizen in de SP-test (Figuur 3). Niettemin, de sociale nieuwigheid voorkeur wordt duidelijk weerspiegeld door alle parameters. Met name, zoals hierboven uit de SP-test bij muizen is geconcludeerd, zijn de lange onderzoekstoren en lange intervallen de parameters die het duidelijkst verschillen vertonen tussen de stimuli, zoals weergegeven door hun hoogste absolute RDI-waarden (Figuur 4E, L; opgemerkt moet worden dat de RDI-waarden voor de SNP-test worden gedefinieerd als [familiar-roman]/

Verlies van snorharen schaadt de sociale voorkeur in zowel C57BL/6j muizen als SD ratten
Om de effecten van somatosensorische manipulatie op de dynamiek van sociaal gedrag te evalueren, werd analyse uitgevoerd van de SP-test voltooid door 29 C57BL/6J-muizen en 33 SD-ratten na het trimmen van whisker (uitgevoerd 3-7 dagen voor het testen). Vervolgens werden deze resultaten vergeleken met controledieren. Zoals weergegeven in figuur 5a-F, hadden de met whisker geknipte muizen geen voorkeur voor de sociale stimulans boven het object, zoals blijkt uit het gebrek aan verschil in onderzoektijd tussen de twee stimuli (Vergelijk Figuur 5a tot Figuur 5D) en het verlies van lange onderzoekaanvallen naar sociale stimulus (Vergelijk Figuur 5B tot Figuur 5E). Interessant is dat de met Whiskers getrimde muizen ook verhoogde overgangs percentages vertoonden ten opzichte van controle muizen (Vergelijk Figuur 5C tot Figuur 5F).

Al met al suggereren deze gegevens dat met whisker getrimde muizen de duur van hun interacties met de sociale stimulans aanzienlijk hebben verminderd. In tegenstelling tot muizen, hebben whisker-getrimde ratten hun sociale voorkeuren niet verloren (Figuur 5G-L). Ze veranderden hun gedrag echter aanzienlijk tijdens de eerste minuut van de test, toen ze minder lange onderzoekstoren hadden (Vergelijk Figuur 5H tot Figuur 5K) en nog veel meer overgangen (Vergelijk Figuur 5I tot Figuur 5L). Zo veranderde whisker trimmen het gedrag van zowel ratten als muizen in de SP-test significant, maar op een heel andere manier tussen de twee soorten. Deze resultaten suggereren een duidelijke rol voor de whisker-afhankelijke somatosensorische stimulatie in sociale interacties van ratten en muizen.

Figuur 1: experimentele opstelling. A) eenschematische voorstelling van de experimentele Arena ontworpen voor muizen met zwarte vacht. (B) een foto van de arena van bovenaf, met behulp van Dim rood licht, met een C57BL/6j subject Mouse in de arena. C) een afbeelding van het fijnmazig-gebied van een witte kamer, waardoor het onderwerp samenwerkt met een stimulus (inzet: een foto van een voor muizen gebruikte voorwerp stimulus). (D-F) Zoals weergegeven in de panelen A-C, een experimentele Arena en kamers ontworpen voor muizen met felle vacht. (G-I) Zoals weergegeven in de panelen A-C, een experimentele Arena en kamers ontworpen voor ratten met felle vacht (inset in [I]: afbeelding van een voorwerp stimulans gebruikt voor ratten). Klik hier om een grotere versie van dit cijfer te bekijken.

Figuur 2: TrackRodent software. (A) een scherm van een computer waarop de TrackRodent-software wordt uitgevoerd. Links: het videobeeld aan het begin van de geanalyseerde film (eerste frame gekozen door de experimenteerder), met de gelabelde ' stimuli ' gebieden en bijgehouden verplaatsings traject van de C57BL/6J onderwerp. Rechts: de software GUI. B) de lijst van optionele codes van de software die met de GUI moet worden gebruikt. Elk van deze codes past in een uitgesproken experimentele conditie. C) de analyse van het specifieke experiment zoals weergegeven in panel A, wanneer de optie van stimuli verkennen langs sessie werd geselecteerd in de resultaten presentatie sectie van de GUI. Dit plot toont (bij elk frame) of het onderwerp in aanraking was met ' stimulus 1 ' of ' stimulus 2 '. In de gepresenteerde zaak, een duidelijke voorkeur voor "stimulus 2" is duidelijk door het hogere aantal en de duur van de onderzoeksteams gedetecteerd naar deze stimulus. D) de analyse van het experiment in de deelvensters A en C, wanneer de optie van totale stimuli exploratie tijd werd geselecteerd in de resultaten presentatie sectie van de GUI. Ook hier is een duidelijke voorkeur voor ' stimulus 2 ' duidelijk te zien aan de hogere onderzoekstijding naar deze stimulans. (E) de GUI van de trackrodentpopulationsummary-software die analyse en plotten van de resultaten van een populatie dieren mogelijk maakt, die elk worden geanalyseerd met behulp van de trackrodent-software (Zie Figuur 3 voor de resultaten van deze analyse). Klik hier om een grotere versie van dit cijfer te bekijken.

Figuur 3: analyse van het onderzoeksgedrag van C57BL/6J-muizen tijdens SP-test met behulp van de TrackRodent-software. Deze afbeelding toont de verschillende plots van alle optionele analyses van de TrackRodentPopulationSummary software (figuur 2e) die wordt gebruikt voor een populatie van 58 C57BL/6j volwassen mannelijke muizen die de SP-test uitvoeren. De verschillende plots worden weergegeven in een gelijkaardige volgorde en op de manier zoals ze op het computerscherm verschenen (Zie de representatieve resultaten sectie voor een gedetailleerde uitleg van elk perceel). (A) totale tijd van stimuli onderzoek, (B) onderzoek van stimuli langs tijd, (C) short VS Long Bouts-totale tijd, (D) 1S bin histogram van Bouts, (E) short VS Long Bouts-RDI,F) < 6 s Bouts langs de tijd, (G) 6 − 19 s Bouts langs de tijd, (H) > 19 s Bouts langs de tijd, (I) gemiddelde bout duur langs tijd, (J) korte VS lange intervallen-totale tijd, (K) 1 s bin histogram van intervallen, (L) short VS Long intervallen-RDI,M) < 5 s-intervallen langs de tijd, (N) 5 − 20 s-intervallen langs de tijd, (O) > intervallen van 20 s langs de tijd, (P) overgangen tussen stimuli-raster plot, (Q) overgang tussen stimuli langs tijden, (R) Heat-kaart van bout duur met sociale, (s) Heat-map van bout duration met object. Klik hier om een grotere versie van dit cijfer te bekijken.

Figuur 4: analyse van het onderzoeksgedrag van SD-ratten tijdens de SNP-test met behulp van de TrackRodent-software. Plots voor alle optionele analyses van de TrackRodentPopulationSummary software (figuur 2e) die wordt gebruikt voor een populatie van 59 SD volwassen mannelijke ratten die de SNP-test uitvoeren. De verschillende plots worden weergegeven in een gelijkaardige volgorde en op de manier zoals ze op het computerscherm verschenen (Zie de representatieve resultaten sectie voor een gedetailleerde uitleg van elk perceel). (A-Q) Zelfde als beschreven in Figuur 3. (R) Heat-map van bout duur met vertrouwde, (S) Heat-map van bout duur met roman. Klik hier om een grotere versie van dit cijfer te bekijken.

Figuur 5: whisker-trimmen van muizen en ratten belemmert het sociale gedrag differentieel. A) plot van de gemiddelde onderzoekstijdetijd (gemeten in 20 s-bakken) tijdens de SP-test voor mannelijke C57BL/6j-muizen (n = 58). (B) distributie (1 min bin) van de gemiddelde totale tijd van lange (> 19 s) onderzoek wordt uitgevoerd langs de SP-test in panel A voor sociale en object stimuli. Let op de veel langere tijd van het lange onderzoek in de richting van de sociale stimulans in vergelijking met het voorwerp. C) de verdeling (1 min bin) van de overgangssnelheid langs de tijd van de SP-test zoals aangegeven onder a). (D-F) Zoals weergegeven in de panelen A-C, werden 29 muizen snorharen bijgesneden ongeveer 1 week voor de test. Deze dieren verloren hun sociale voorkeur, zoals blijkt uit de (D) algemene onderzoekstijd en (E) distributie van lange periodes. Ze weergegeven ook een hogere algemene snelheid van overgangen (F), suggereren minder aanhoudende interacties met de sociale stimulans. (G-I) Zoals weergegeven in panelen A-C, voerden 60 SD-ratten de SP-test uit. Noteer de verschillende dynamiek van het gedrag van de ratten in vergelijking met muizen, met lagere overgangs percentages en langere perioden van lange onderzoekaanvallen in de vroege fase (2 min) van de test. (J-L) Zoals weergegeven in panelen G-H, 33 ratten waren whisker-bijgesneden. Merk op dat terwijl de ratten de sociale voorkeur niet verliezen na de whisker-trimmen zoals muizen dat deden, de dynamiek van hun sociaal gedrag in de eerste 2 minuten van de test werd gewijzigd, wat meer overgangen en minder lange periodes toonde. Klik hier om een grotere versie van dit cijfer te bekijken.

Discussion

Het hier beschreven experimentele systeem, dat is ontworpen als alternatief voor het 3-kamer apparaat^2,5, maakt het mogelijk dezelfde tests uit te voeren terwijl enkele van de beperkingen worden opgelost. Het gebruik van driehoekige kamers, die zich in twee tegenovergestelde hoeken van de rechthoekige Arena bevinden, beperkt het onderwerp-stimulus-interactie gebied tot een goed gedefinieerd vlak, waardoor een precieze geautomatiseerde analyse van het onderzoeksgedrag mogelijk wordt. Een voordeel is het gebruik van de analyse software (TrackRodent) voor het berekenen van meerdere gedragsparameters voor elke test. Het maakt het ook mogelijk herpositionering van de kamers in willekeurige tegenovergestelde hoeken van de Arena tijdens de verschillende stadia van het paradigma, neutralisatie van alle effecten van ruimtelijke navigatie vaardigheden.

Bovendien bieden de twee hoeken van de Arena, die tijdens elke etappe leeg gelaten worden, het onderwerp een handige plek om te rusten en te verzorgen en het af te trekken van de kamers, waardoor vals-positieve resultaten worden geminimaliseerd. Zo kan het systeem directe beoordeling van de motivatie van het onderwerp voor het onderzoeken van elke stimulus tijdens de SP-en SNP-tests. Bovendien, als gedragsanalyse van de Video's op een geautomatiseerde manier wordt gedaan door de TrackRodent-software, kan een experimenteerder meerdere films laden voor analyse, de juiste parameters definiëren voor elk, en de software 's nachts laten verwerken, wat kostbare tijd bespaart. Met name kan het systeem worden gebruikt voor elk type sociale discriminatie test, zoals discriminatie tussen mannelijke en vrouwelijke sociale stimuli of stimuli van verschillende stammen. Bovendien zijn er geen grenzen (boven/onder) aan de grootte van onderwerpen die kunnen worden bijgehouden met behulp van dit systeem; het kan dus worden gebruikt met juveniele of zwaarlijvige dieren. Dit experimentele systeem is goedkoop en eenvoudig te produceren, en de computercodes gebruikt voor analyse zijn openbaar beschikbaar als een open-source codes, waardoor elk laboratorium om gemakkelijk de methode te nemen.

De geautomatiseerde opsporing van onderzoeksgedrag in het systeem is gebaseerd op de detectie van fysiek contact tussen de lichaamscontouren van een onderwerp en elk van de gebieden die door de experiteerder als ' stimuli ' worden gedefinieerd. Dus, als het onderwerp de "stimuli" gebied met zijn lichaam raakt in plaats van hoofd, wordt dit evenement beschouwd als onderzoek (d.w.z. een vals positief). Hiertoe werd het op de Head-directionality gebaseerde algoritme gegenereerd, dat het hoofd van het onderwerp identificeert en rekening houdt met het contact tussen het hoofd en de ' stimuli '. Dit algoritme loopt echter aanzienlijk langzamer dan de op basis van het lichaam algoritmen; Daarom wordt het niet aanbevolen voor analyse van een groot aantal films, tenzij de experimentele omstandigheden dit vereisen.

Vergelijkbare resultaten werden waargenomen (1,1% verschil, n = 11 experimenten, 5 min elk, gegevens niet weergegeven) tussen de twee algoritmen; Daarom werden de Body-based algoritmen meestal gebruikt. Opgemerkt moet worden dat hoewel analyses van grote groepen dieren hier worden gepresenteerd, een veel kleinere groepsgrootte nodig is voor het observeren van een statistisch significant verschil tussen twee prikkels, gebaseerd op de totale onderzoekstijde tijd gemeten door het systeem. De vermogens berekeningen toonden bijvoorbeeld aan dat voor de SP-en SNP-test van muizen respectievelijk slechts vijf en acht dieren nodig zijn (α = 0,05, vermogen = 0,8). Toch werden hier significant grotere groepen dieren gebruikt om de waarneming van alle dynamiek van sociaal gedrag te garanderen.

Het systeem vereist dat de experimenteerder de drempel voor detectie van de lichaamscontouren van het onderwerp handmatig definieert. Het vinden van de juiste drempel om te gebruiken kan enige ervaring vereisen; Daarom hebben de meeste algoritmen die in dit systeem worden gebruikt, regelmatige, langzamere versies. Deze versies presenteren de geanalyseerde film en detecteren opsporings gebeurtenissen online, terwijl hun snelle versies niet online presentatie inschakelen. Het wordt aanbevolen dat nieuwe gebruikers de reguliere versies gebruiken en online analyses controleren om ervoor te zorgen dat het goed werkt, en dat ze de "snelle" algoritmen alleen gebruiken na het verzamelen van ervaring met de analyseprocedure.

Een voordeel van dit systeem tijdens de test met drie kamer is dat het meerdere parameters van het onderzoeksgedrag meet, waardoor meer gedetailleerde analyses worden ondersteund. Dit voordeel is tweeledig. Ten eerste hoeft de experimenteerder niet alleen te vertrouwen op het totale onderzoekstijdertijdstip om de voorkeur te bepalen. Er werd geconstateerd dat de lange onderzoekstoren en lange intervallen gevoeliger zijn dan de totale onderzoekstijde tijd bij het opsporen van een voorkeur van een stimulans boven een ander. Met betrekking tot deze parameters moet worden opgemerkt dat hun waarden tijdens de laatste minuut van de test zijn bevooroordeeld naar beneden, zoals het lange onderzoek Bouts en intervallen worden voortijdig beëindigd aan het einde van de 5-min sessie.

Ten tweede maken de meervoudige parameters het mogelijk om subtiele veranderingen in de dynamiek van sociaal onderzoek na verschillende manipulaties te detecteren. Bijvoorbeeld, bleek dat C57BL/6J mannelijke muizen verloren hun sociale voorkeur na whisker-trimmen. SD-mannetjesratten bleven daarentegen hun sociale voorkeur behouden, maar veranderden de dynamiek van het sociale gedrag, zoals blijkt uit kortere onderzoekstoren en een hoger niveau van transities in de vroege fase van de test. Over het algemeen suggereren deze gegevens een afname van de neiging van ratten en muizen voor sociale interacties na het trimmen van de whisker. Dit systeem ondersteunt dus een grondige analyse van de dynamiek van sociaal gedrag, die zeer gevoelig kan zijn voor verschillende manipulaties.

Kortom, we presenteerden hier een nieuw, eenvoudig en betaalbaar experimenteel systeem dat geautomatiseerde analyse van gedrags dynamiek op sociaal onderzoek ondersteunt. Dit systeem zal gedetailleerde analyses van sociale gedrags tekorten in verschillende stammen en genetisch gemodificeerde lijnen van kleine knaagdieren vergemakkelijken. Bovendien, de precieze opsporing van onderzoek Bouts gedemonstreerd hier, in combinatie met de mogelijkheid van dit systeem om gedrag te analyseren terwijl onderwerpen zijn aangesloten op elektrische kabels of optische vezels, maakt het gebruik ervan in experimenten waarbij opname van hersenactiviteit geassocieerd met sociaal gedrag.

Materials

Name	Company	Catalog Number	Comments
Flea3 1.3 MP Mono USB3 Vision	FLIR (formerly PointGrey)	FL3-U3-13Y3M-C	Monochromatic Camera
FlyCap 2.0	FLIR (formerly PointGrey)	FlyCapture 2.13.3.61X64	Video recording software
Home 5 minute Epoxy glue	Devocon	20845	For gluing the metal mesh to the Plexiglas stimuli chambers
Matlab 2014-2019	MathWorks	R2014a - R2019a	Programming environment
Plexiglas boards (6 mm thickBlack or white)	Melina (1990) LTD, Israel	NaN	For arena and stimuli chambers construction
Red led strips (60 leds per meter) connected to a 12 V power supply	2012topdeal eBay supplier	NaN	For illumination of the acoustic chamber