Beskrivs här är ett nytt automatiserat experiment system som erbjuder ett alternativ till tre kammare test och löser också flera varningar. Detta system levererar flera beteendemässiga parametrar som möjliggör rigorös analys av små gnagare beteendemässiga dynamik under social preferens och sociala nyhet preferens tester.
Utforska de neurobiologiska mekanismerna i socialt beteende kräver beteendemässiga tester som kan tillämpas på djurmodeller på ett opartisk och observatör oberoende sätt. Sedan början av årtusendet, har tre kammare test använts i stor utsträckning som en standard paradigm för att utvärdera sällhet (social preferens) och sociala nyhet preferens i små gnagare. Emellertid, detta test lider av flera begränsningar, inklusive dess beroende av rumslig navigering och vårdslöshet av beteendemässiga dynamik. Presenteras och validerade här är ett nytt experiment system som erbjuder ett alternativ till tre kammare test, samtidigt lösa några av dess varningar. Systemet kräver en enkel och prisvärd experimentell apparat och allmänt tillgängliga öppen källkod analyssystem, som automatiskt mäter och analyserar flera beteendemässiga parametrar på individ-och populationsnivå. Det möjliggör detaljerad analys av beteendemässiga dynamiken hos små gnagare under någon social diskriminering test. Vi visar effektiviteten i systemet för att analysera dynamiken i socialt beteende under social preferens och sociala nyhet preferens tester som utförs av vuxna manliga möss och råttor. Dessutom validerar vi förmågan hos systemet att avslöja modifierade dynamiken i socialt beteende hos gnagare efter manipulationer såsom morrhår trimning. Sålunda, systemet möjliggör noggrann utredning av socialt beteende och dynamik i små gnagare modeller och stöder mer exakta jämförelser mellan stammar, villkor, och behandlingar.
Att avslöja de biologiska mekanismerna bakom neurologiska utvecklingsstörningar (NDDs) är en av de största utmaningarna inom neurovetenskap1. Att ta itu med denna utmaning kräver beteendemässiga paradigm och experimentella system som kännetecknar beteendet hos gnagare på ett standardiserat och opartisk sätt. En inflytelserik studie publicerad mer än ett decennium sedan av Moy och kollegor2 presenterade tre kammare test. Sedan dess har detta test varit allmänt används för att undersöka socialt beteende i gnagare modeller av NDDs. Detta testar utvärderar två medfödda tendenser av gnagare: 1) att bo i närheten av en social stimulans över en anmärka (sociabilityen, också kallat social preferens [SP]) och 2) att föredra närheten av en ny social stimulans över en bekant (social nyhet preferens [SNP])3,4. Flera efterföljande studier föreslog metoder för automatiserad analys av tre kammartest med hjälp av datoriserade metoder5,6.
Detta test lider fortfarande av flera varningar. Först undersöker det främst social plats preferens snarare än motivationen i ämnet att direkt interagera med en social stimulans, även om vissa grupper också mäta lukt utredning (sniffa) tid, antingen manuellt7 eller använda kommersiella datoriserade system8,9,10. För det andra, den tre-kammare test används främst för att mäta den totala tid som spenderas av ämnet i varje kammare, och det försummar beteendemässiga dynamik. Slutligen förlitar det sig på endast en aspekt av det sociala beteendet, som är den tid som används av ämnet i varje kammare (eller sniffa tid, om mätt).
Här presenterar vi ett nytt och prisvärt experiment system som är ett alternativ till tre kammar apparater. Det ger också prestanda för samma beteendemässiga tester samtidigt lösa de ovannämnda förbehåll. Det presenterade beteende systemet automatiskt och mäter direkt det undersökande beteendet hos en gnagare mot två stimuli. Dessutom analyserar den beteendemässiga dynamiken i en observatör oberoende sätt. Dessutom, detta system mäter flera beteendemässiga parametrar och analyserar dessa på både individ och populationsnivå; således stöder den en rigorös analys av socialt beteende och dess dynamik under varje test. Dessutom, slumpmässig ompositionering av kamrarna i motsatta hörn av arenan under de olika testfaserna neutraliserar alla effekter av rumsligt minne eller preferens. Detta system kan också användas för andra diskrimineringstest, såsom könsdiskriminering. Den anpassade apparaten är lätt att producera, och analyssystemet är allmänt tillgängligt som en öppen källkod, vilket möjliggör dess användning i alla laboratorier. Vi visar förmågan hos detta system att mäta flera parametrar av socialt beteende i gnagare stammar med distinkta pälsfärger under social preferens och social nyhet preferenser tester. Vi validerar också förmågan hos systemet att avslöja modifierade dynamiken i socialt beteende hos gnagare efter manipulationer, såsom morrhår trimning.
TrackRodent programvara: tre algoritmer skrevs i MATLAB (2014a-2019a) för att spåra försöks ämnet och dess interaktioner med stimuli. Alla algoritmer har deponerats i GitHub, finns på . Huvudsyftet med alla fyra algoritmer är att spåra konturerna av motivet kropp att upptäcka någon direkt kontakt med stimuli områden.
Body-baserad algoritm: denna algoritm har tre versioner som spårar konturerna av en icke-kabelansluten mörk mus på en vit bakgrund (BlackMouseBodyBased), en vit mus på en mörk bakgrund (WhiteMouseBodyBased), eller en vit råtta på en mörk bakgrund (WhiteRatBodyBased ). Det grafiska användargränssnittet (GUI) av programvaran kräver att försöksledaren väljer ett experiment med antingen möss eller råttor och sedan väljer rätt kod. För varje version av algoritmen finns det två valfria koder: en som presenterar spårningsprocessen på skärmen medan den utför analysen, och en som inte (därav, det går snabbare och kallas “snabb”). Namnen på de relevanta koderna för algoritmen BlackMouseBodyBased är till exempel: “BlackMouseBodyBased23_7_14” och “BlackMouseBodyBased23_7_14_Fast”. Alla algoritmer som slutar med “fast” visar inte spårningen online och användarna måste spara data direkt i resultatfilen (. mat-filen). Alla kroppsbaserade algoritmer kräver att du ställer in ett enda tröskelvärde (“låg tröskel” i programvarans GUI) för att identifiera ämnes kroppen.
Huvud-Directionality baserad algoritm: den andra algoritmen, som är tillgänglig endast för svart möss, är baserad på den kroppsbaserade algoritmen, förutom att bestämma huvudet Directionality. Denna algoritm detekterar interaktionerna hos Subject ‘ s Head med “stimuli”-områdena, och undviker därmed falska positiva identifieringar som kan uppstå genom slumpmässiga kontakter av ämnet med dessa områden. För den här algoritmen definieras två detektions trösklar för mus kroppens konturer: hög tröskel, vilket inkluderar den ljusare svansen på svarta möss och låg tröskel, vilket inkluderar kroppen utan svans. Därefter passar algoritmen en ellipsoid till de identifierade gränserna med det lägre tröskelvärdet och definierar placeringen av mus huvudet och svansen (utan åtskillnad mellan de två). Den slutliga diskrimineringen mellan svansen och huvudet är baserad på de gränser som definieras av den högre tröskeln.
Wired Animal algoritm: den tredje algoritmen syftar till att minimera artefakter till följd av kablar (dvs., elektrisk tråd eller optisk fiber) ansluten till djuret, vilket möjliggör analys av djurens beteende när den är ansluten till en kabel. Denna algoritm har koder endast för svarta möss och vita råttor. Koden för råttor kräver att försöksledaren definierar både låga och höga tröskelvärden, medan mus koden kräver endast ett lågt tröskelvärde.
Det experimentella system som beskrivshär, somhar utformats som ett alternativ till tre kammar apparater2,5, gördet möjligt att göra samma tester samtidigt som vissa av dess begränsningar kan lösas. Användningen av triangulära kammare, som ligger i två motsatta hörn av den rektangulära arenan begränsar ämnet-stimulus interaktion område till ett väl definierat plan, vilket möjliggör exakt automatiserad analys av utrednings beteende. En fördel är…
The authors have nothing to disclose.
Detta arbete stöddes av Human Frontier Science-programmet (HFSP Grant RGP0019/2015), Israel Science Foundation (ISF Grants #1350/12, 1361/17), av Milgrom Foundation och av ministeriet för vetenskap, teknik och utrymme för Israel (Grant #3-12068).
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 12V power supply | 2012topdeal eBay supplier | NaN | For illumination of the acoustic chamber |