Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

हेड-संयमित चूहों में स्थानिक सीखने के माप के लिए एक ओपन-सोर्स वर्चुअल रियलिटी सिस्टम

Published: March 3, 2023 doi: 10.3791/64863
Automatic Translation
1,2, 1, 1, 1, 1, 1,2, 1,2
1Division of Systems Neuroscience, New York State Psychiatric Institute, 2Department of Psychiatry, Columbia University

Summary

यहां, हम आभासी वास्तविकता (वीआर) का उपयोग करके माउस स्थानिक सीखने की जांच के लिए एक सरलीकृत ओपन-सोर्स हार्डवेयर और सॉफ्टवेयर सेटअप प्रस्तुत करते हैं। यह प्रणाली माइक्रोकंट्रोलर के नेटवर्क और एक एकल-बोर्ड कंप्यूटर का उपयोग करके एक पहिया पर चलने वाले सिर-संयमित माउस के लिए एक आभासी रैखिक ट्रैक प्रदर्शित करती है जो उपयोग में आसान पायथन ग्राफिकल सॉफ्टवेयर पैकेज चलाती है।

Abstract

चूहों में सिर-संयमित व्यवहार प्रयोग न्यूरोसाइंटिस्टों को एक व्यवहार करने वाले जानवर को सटीक संवेदी उत्तेजना प्रदान करते हुए उच्च-रिज़ॉल्यूशन इलेक्ट्रोफिजियोलॉजिकल और ऑप्टिकल इमेजिंग टूल के साथ तंत्रिका सर्किट गतिविधि का निरीक्षण करने की अनुमति देते हैं। हाल ही में, आभासी वास्तविकता (वीआर) वातावरण का उपयोग करके मानव और कृंतक अध्ययनों ने वीआर को हिप्पोकैम्पस और कॉर्टेक्स में स्थानिक सीखने के अंतर्निहित तंत्रिका तंत्र को उजागर करने के लिए एक महत्वपूर्ण उपकरण के रूप में दिखाया है, क्योंकि स्थानिक और प्रासंगिक संकेतों जैसे मापदंडों पर बेहद सटीक नियंत्रण है। कृंतक स्थानिक व्यवहार के लिए आभासी वातावरण स्थापित करना, हालांकि, महंगा हो सकता है और इंजीनियरिंग और कंप्यूटर प्रोग्रामिंग में व्यापक पृष्ठभूमि की आवश्यकता होती है। यहां, हम सस्ती, मॉड्यूलर, ओपन-सोर्स हार्डवेयर और सॉफ्टवेयर के आधार पर एक सरल लेकिन शक्तिशाली प्रणाली प्रस्तुत करते हैं जो शोधकर्ताओं को वीआर वातावरण का उपयोग करके सिर-संयमित चूहों में स्थानिक सीखने का अध्ययन करने में सक्षम बनाता है। यह प्रणाली हरकत को मापने और व्यवहार संबंधी उत्तेजनाओं को वितरित करने के लिए युग्मित माइक्रोकंट्रोलर का उपयोग करती है, जबकि सिर-संयमित चूहे एकल-बोर्ड कंप्यूटर पर चलने वाले ग्राफिकल सॉफ्टवेयर पैकेज द्वारा प्रदान किए गए आभासी रैखिक ट्रैक वातावरण के साथ मिलकर एक पहिया पर दौड़ते हैं। वितरित प्रसंस्करण पर जोर शोधकर्ताओं को स्तनधारी मस्तिष्क में तंत्रिका सर्किट गतिविधि और स्थानिक सीखने के बीच संबंध निर्धारित करने के लिए चूहों में जटिल स्थानिक व्यवहार को प्राप्त करने और मापने के लिए लचीले, मॉड्यूलर सिस्टम डिजाइन करने की अनुमति देता है।

Introduction

स्थानिक नेविगेशन एक महत्वपूर्ण व्यवहार है जिसके द्वारा जानवर नए स्थानों की विशेषताओं को एक संज्ञानात्मक मानचित्र में एन्कोड करते हैं, जिसका उपयोग संभावित इनाम के क्षेत्रों को खोजने और संभावित खतरे के क्षेत्रों से बचने के लिए किया जाता है। स्मृति के साथ अटूट रूप से जुड़े हुए, स्थानिक नेविगेशन अंतर्निहित संज्ञानात्मक प्रक्रियाएं हिप्पोकैम्पस1 और कॉर्टेक्स में एक तंत्रिका सब्सट्रेट साझा करती हैं, जहां इन क्षेत्रों में तंत्रिका सर्किट आने वाली जानकारी को एकीकृत करते हैं और बाद में यादकरने के लिए वातावरण और घटनाओं के संज्ञानात्मक मानचित्र बनाते हैं। जबकि हिप्पोकैम्पस 3,4 में जगह कोशिकाओं और एंटोरिनल कॉर्टेक्स5 में ग्रिड कोशिकाओं की खोज ने इस बात पर प्रकाश डाला है कि हिप्पोकैम्पस के भीतर संज्ञानात्मक मानचित्र कैसे बनता है, हिप्पोकैम्पस के विशिष्ट तंत्रिका उपप्रकार, माइक्रोसर्किट और व्यक्तिगत उप-क्षेत्र (डेंटेट गाइरस, और कॉर्नू एम्मोनिस क्षेत्र, सीए 3-1) कैसे बातचीत करते हैं और स्थानिक स्मृति गठन और याद में भाग लेते हैं।

विवो में दो-फोटॉन इमेजिंग संवेदी न्यूरोफिज़ियोलॉजी 6,7 में सेलुलर और जनसंख्या गतिशीलता को उजागर करने में एक उपयोगी उपकरण रहा है; हालांकि, सिर संयम के लिए विशिष्ट आवश्यकता स्तनधारी स्थानिक व्यवहार की जांच के लिए इस पद्धति की उपयोगिता को सीमित करती है। आभासी वास्तविकता (वीआर) 8 के आगमन ने इमर्सिव और यथार्थवादी विसुओस्पैटियल वातावरण पेश करके इस कमी को संबोधित किया है, जबकि सिर-संयमित चूहे हिप्पोकैम्पस 8,9,10 और कॉर्टेक्स 11 में स्थानिक और प्रासंगिक एन्कोडिंग का अध्ययन करने के लिए गेंद या ट्रेडमिल पर दौड़ते हैं। इसके अलावा, व्यवहार करने वाले चूहों के साथ वीआर वातावरण के उपयोग ने तंत्रिका विज्ञान शोधकर्ताओं को वीआर पर्यावरण12 (जैसे, दृश्य प्रवाह, प्रासंगिक मॉड्यूलेशन) के तत्वों को ठीक से नियंत्रित करके स्थानिक व्यवहार के घटकों को विच्छेदित करने की अनुमति दी है, जो स्थानिक सीखने के वास्तविक दुनिया के प्रयोगों में संभव नहीं है, जैसे कि मॉरिस वाटर भूलभुलैया, बार्न्स भूलभुलैया, या होल बोर्ड कार्य।

दृश्य वीआर वातावरण आमतौर पर कंप्यूटर की ग्राफिकल प्रोसेसिंग यूनिट (जीपीयू) पर प्रस्तुत किए जाते हैं, जो वास्तविक समय में स्क्रीन पर एक चलती 3 डी वातावरण को मॉडल करने के लिए आवश्यक हजारों बहुभुजों की तेजी से कंप्यूटिंग के भार को संभालता है। बड़ी प्रसंस्करण आवश्यकताओं को आम तौर पर जीपीयू के साथ एक अलग पीसी के उपयोग की आवश्यकता होती है जो दृश्य वातावरण को एक मॉनिटर, एकाधिक स्क्रीन13, या एक प्रोजेक्टर14 को प्रस्तुत करता है क्योंकि आंदोलन को जानवर के नीचे ट्रेडमिल, पहिया या फोम बॉल से दर्ज किया जाता है। वीआर पर्यावरण को नियंत्रित करने, प्रतिपादन करने और प्रोजेक्ट करने के लिए परिणामी उपकरण, इसलिए, अपेक्षाकृत महंगा, भारी और बोझिल है। इसके अलावा, साहित्य में ऐसे कई वातावरण मालिकाना सॉफ्टवेयर का उपयोग करके लागू किए गए हैं जो दोनों महंगे हैं और केवल एक समर्पित पीसी पर चलाए जा सकते हैं।

इन कारणों से, हमने रास्पबेरी पाई सिंगल-बोर्ड कंप्यूटर का उपयोग करके सिर-संयमित चूहों में स्थानिक सीखने के व्यवहार का अध्ययन करने के लिए एक ओपन-सोर्स वीआर सिस्टम तैयार किया है। यह लिनक्स कंप्यूटर छोटा और सस्ता दोनों है, फिर भी इसमें 3 डी रेंडरिंग के लिए एक जीपीयू चिप है, जो विभिन्न व्यक्तिगत सेटअपों में प्रदर्शन या व्यवहार तंत्र के साथ वीआर वातावरण के एकीकरण की अनुमति देता है। इसके अलावा, हमने पायथन, "हॉलपासवीआर" में लिखा गया एक ग्राफिकल सॉफ्टवेयर पैकेज विकसित किया है, जो एक ग्राफिकल यूजर इंटरफेस (जीयूआई) का उपयोग करके चयनित कस्टम दृश्य सुविधाओं को पुन: संयोजित करके एक सरल विसुओस्पैटियल वातावरण, एक आभासी रैखिक ट्रैक या हॉलवे प्रस्तुत करने के लिए एकल-बोर्ड कंप्यूटर का उपयोग करता है। यह हरकत को मापने और व्यवहार का समन्वय करने के लिए माइक्रोकंट्रोलर उपप्रणालियों (जैसे, ईएसपी 32 या अर्डुइनो) के साथ जोड़ा जाता है, जैसे कि संवेदी उत्तेजनाओं के अन्य तौर-तरीकों या सुदृढीकरण सीखने की सुविधा के लिए पुरस्कारों के वितरण द्वारा। यह प्रणाली स्थानिक सीखने के व्यवहार के अंतर्निहित तंत्रिका सर्किट का अध्ययन करने के लिए दो-फोटॉन इमेजिंग (या सिर निर्धारण की आवश्यकता वाली अन्य तकनीकों) के दौरान सिर-संयमित चूहों को विसुओस्पैटियल वीआर वातावरण देने के लिए एक सस्ती, लचीली और उपयोग में आसान वैकल्पिक विधि प्रदान करती है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

इस प्रोटोकॉल में सभी प्रक्रियाओं को न्यूयॉर्क स्टेट साइकियाट्रिक इंस्टीट्यूट की संस्थागत पशु देखभाल और उपयोग समिति द्वारा अनुमोदित किया गया था।

नोट: एक एकल-बोर्ड कंप्यूटर का उपयोग एक पहिया पर सिर-संयमित माउस के चलने के साथ समन्वित वीआर दृश्य वातावरण प्रदर्शित करने के लिए किया जाता है। आंदोलन की जानकारी एक ईएसपी 32 माइक्रोकंट्रोलर से सीरियल इनपुट के रूप में प्राप्त होती है जो पहिया धुरी के साथ युग्मित रोटरी एनकोडर को पढ़ती है। वीआर वातावरण को रास्पबेरी पाई जीपीयू पर ओपनजीएल हार्डवेयर त्वरण का उपयोग करके प्रस्तुत किया जाता है, जो रास्पबेरी पाई के लिए पीआई 3 डी पायथन 3 डी पैकेज का उपयोग करता है। प्रस्तुत वातावरण को तब एक प्रोजेक्टर के माध्यम से सिर-संयमित माउस के दृश्य क्षेत्र15,16 पर केंद्रित एक कॉम्पैक्ट रैपअराउंड पैराबोलिक स्क्रीन पर आउटपुट किया जाता है, जबकि व्यवहार (जैसे, स्थानिक पुरस्कारों के जवाब में चाटना) को दूसरे व्यवहार ईएसपी 32 माइक्रोकंट्रोलर द्वारा मापा जाता है। ग्राफिकल सॉफ्टवेयर पैकेज वर्चुअल रैखिक ट्रैक वातावरण के निर्माण को सक्षम बनाता है जिसमें ग्राफिकल यूजर इंटरफेस (जीयूआई) के साथ वर्चुअल कॉरिडोर या हॉलवे के साथ दृश्य उत्तेजनाओं के दोहराए गए पैटर्न शामिल होते हैं। इस डिजाइन को आसानी से पैरामीटर किया जाता है, इस प्रकार जटिल प्रयोगों के निर्माण की अनुमति मिलती है जिसका उद्देश्य यह समझना है कि मस्तिष्क स्थानिक सीखने के दौरान स्थानों और दृश्य संकेतों को कैसे एन्कोड करता है (अनुभाग 4 देखें)। इस प्रणाली के लिए आवश्यक कस्टम हार्डवेयर घटकों के लिए डिज़ाइन (यानी, रनिंग व्हील, प्रोजेक्शन स्क्रीन और हेड-संयम उपकरण) एक सार्वजनिक गिटहब रिपॉजिटरी (https://github.com/GergelyTuri/HallPassVR) में जमा किए जाते हैं। इस प्रोटोकॉल के साथ उस रिपॉजिटरी के प्रलेखन को पढ़ने की सिफारिश की जाती है, क्योंकि साइट को सिस्टम के भविष्य के संवर्द्धन के साथ अपडेट किया जाएगा।

1. हार्डवेयर सेटअप: रनिंग व्हील, प्रोजेक्शन स्क्रीन और हेड-फिक्सेशन उपकरण का निर्माण

नोट: इन सेटअपों के लिए कस्टम घटकों को आसानी से निर्मित किया जा सकता है यदि उपयोगकर्ता के पास 3 डी-प्रिंटिंग और लेजर-कटिंग उपकरण तक पहुंच है या पेशेवर विनिर्माण या 3 डी प्रोटोटाइपिंग सेवाओं (जैसे, ईमशीनहॉप) के लिए आउटसोर्स किया जा सकता है। सभी डिजाइन फ़ाइलें इस प्रकार प्रदान की जाती हैं। एसटीएल 3 डी फाइलें या । DXF AutoCAD फ़ाइलें।

  1. रनिंग व्हील और व्यवहार सेटअप (चित्रा 1)
    नोट: पहिया में एक स्पष्ट ऐक्रेलिक सिलेंडर (व्यास में 6, चौड़ाई में 3, मोटाई में 1/8) होता है जो बॉल बियरिंग के माध्यम से लेजर-कट ऐक्रेलिक माउंट से निलंबित एक धुरी पर केंद्रित होता है। व्हील असेंबली को तब एक हल्के एल्यूमीनियम फ्रेम (टी-स्लॉट) पर रखा जाता है और सुरक्षित रूप से ऑप्टिकल ब्रेडबोर्ड (चित्रा 1 सी-ई) में बांधा जाता है।
    1. लेजर-कट पहिया के किनारों को काटें और धुरी ऐक्रेलिक शीट में 1/4 से माउंट करती है, और पहिया पक्षों को ऐक्रेलिक सीमेंट के साथ ऐक्रेलिक सिलेंडर से जोड़ती है। पहिया साइड टुकड़े के केंद्र में एक्सल फ्लैंग को स्क्रू करें।
    2. एक्सल को व्हील सेंटर फ्लैंग में डालें, बॉल बियरिंग को एक्सल माउंट में स्नैप करें, और उन्हें ऊर्ध्वाधर एल्यूमीनियम सपोर्ट बार से संलग्न करें।
    3. व्हील एक्सल को माउंटेड बॉल बियरिंग में डालें, रोटरी एनकोडर के लगाव के लिए बियरिंग के ऊपर एक्सल का 0.5-1 इंच छोड़ दें।
    4. रोटरी एनकोडर माउंट को पहिया के सामने धुरी के अंत में संलग्न करें, और रोटरी एनकोडर डालें; फिर, व्हील एक्सल को रोटरी एनकोडर शाफ्ट में जोड़ने के लिए शाफ्ट कपलर का उपयोग करें।
    5. फ्लेक्स आर्म से चाट पोर्ट संलग्न करें, और फिर टी-स्लॉट नट्स के साथ एल्यूमीनियम व्हील फ्रेम से चिपकाएं। स्लिक पोर्ट को सोलनॉइड वाल्व और वाल्व को जलाशय से जोड़ने के लिए 1/16 इंच ट्यूबिंग का उपयोग करें।
      नोट: चाटने वाले पोर्ट को व्यवहार ईएसपी 32 के कैपेसिटिव टच सेंसिंग पिन से जोड़ने के लिए एक तार के साथ धातु से बना होना चाहिए।
  2. प्रोजेक्शन स्क्रीन
    नोट: वीआर स्क्रीन क्रिस्टोफर हार्वे की प्रयोगशाला 15,16 में विकसित एक डिजाइन के आधार पर एक छोटी परवलयिक रियर-प्रोजेक्शन स्क्रीन (कैनवास आकार: 54 सेमी x21.5 सेमी) है। उपयोग किए गए एलईडी प्रोजेक्टर का प्रक्षेपण कोण (कीस्टोन) पहले इस्तेमाल किए गए लेजर प्रोजेक्टर से अलग है; इस प्रकार, स्क्रीन के नीचे इकाई को बढ़ाकर और दर्पण प्रणाली को सरल बनाकर मूल डिजाइन को थोड़ा संशोधित किया जाता है (चित्रा 1 ए, बी)। हमारे साथ हार्वे लैब के प्रलेखन को पढ़ना उपयोगकर्ताकी जरूरतों के अनुसार वीआर वातावरण को तैयार करने के लिए अत्यधिक अनुशंसित है।
    1. लेजर-ब्लैक मैट ऐक्रेलिक शीट में प्रोजेक्शन स्क्रीन साइड्स को 1/4 से काटें। लेजर ने बैक प्रोजेक्शन मिरर को मिरर किए गए ऐक्रेलिक में 1/4 से काट दिया।
    2. एल्यूमीनियम सलाखों के साथ प्रोजेक्शन स्क्रीन फ्रेम को इकट्ठा करें, और ऐक्रेलिक पैनलों को लेजर-कट करें।
    3. फ्रेम में परवलयिक स्लॉट में पारभासी प्रक्षेपण स्क्रीन सामग्री डालें। प्रोजेक्शन स्क्रीन फ्रेम के पीछे स्लॉट में रियर प्रोजेक्शन मिरर डालें।
    4. प्रोजेक्शन स्क्रीन फ्रेम के अंदर नीचे माउंटिंग प्लेट पर एक एलईडी प्रोजेक्टर रखें। परवलयिक रियर प्रोजेक्शन स्क्रीन पर अनुमानित छवि की स्थिति को अनुकूलित करने के लिए प्रोजेक्टर को माउंटिंग बोल्ट के साथ संरेखित करें।
    5. यदि आवश्यक हो तो ऑप्टिकल सेंसर के प्रकाश संदूषण को रोकने के लिए प्रोजेक्टर बॉक्स यूनिट को सील करें।
  3. सिर-संयम उपकरण
    नोट: इस हेड-संयम उपकरण डिजाइन में धातु हेड पोस्ट (चित्रा 1 ई, एफ) को सुरक्षित करने के लिए दो इंटरलॉकिंग 3 डी-मुद्रित मैनिफोल्ड शामिल हैं।
    1. एक उच्च-रिज़ॉल्यूशन एसएलएम 3 डी प्रिंटर का उपयोग करके, 3 डी हेड पोस्ट को बाहों को पकड़ते हुए प्रिंट करें।
      नोट: राल-मुद्रित प्लास्टिक व्यवहार प्रयोगों के लिए स्थिर सिर निर्धारण प्रदान करने में सक्षम है; हालांकि, एकल-सेल रिकॉर्डिंग या दो-फोटॉन इमेजिंग जैसे संवेदनशील अनुप्रयोगों के लिए अधिकतम स्थिरता प्राप्त करने के लिए, मशीनी धातु भागों (जैसे, ईमशीनशॉप) का उपयोग करने की सिफारिश की जाती है।
    2. ऑप्टिकल माउंटिंग पोस्ट के साथ दोहरी-अक्ष गोनोमीटर पर 3 डी-मुद्रित हेड पोस्ट धारक स्थापित करें ताकि जानवर के सिर को तैयारी को समतल करने के लिए झुकाया जा सके।
      नोट: यह सुविधा विवो इमेजिंग प्रयोगों में दीर्घकालिक के लिए अपरिहार्य है जब बाद के इमेजिंग सत्रों में एक ही सेल आबादी खोजने की आवश्यकता होती है। अन्यथा सेटअप की लागत को कम करने के लिए इस सुविधा को छोड़ा जा सकता है।
    3. हेड पोस्ट बनाएं।
      नोट: इन निर्देशों के साथ सामग्री की तालिका में दिए गए लिंक में विभिन्न जटिलता (और मूल्य) के साथ दो प्रकार के हेड पोस्ट जमा किए जाते हैं।
      1. प्रयोग प्रकार के आधार पर, तय करें कि किस हेड पोस्ट को लागू करना है। हेड बार स्टेनलेस स्टील से बने होते हैं और आम तौर पर विनिर्माण के लिए किसी भी स्थानीय मशीन की दुकान या ऑनलाइन सेवा (जैसे, ईमशीनशॉप) को आउटसोर्स किए जाते हैं।

सॉफ्टवेयर का सेटअप (सिंगल बोर्ड कंप्यूटर, ईएसपी 32 माइक्रोकंट्रोलर, चित्रा 2)

  1. सिंगल-बोर्ड कंप्यूटर कॉन्फ़िगर करें।
    नोट: सामग्री की तालिका (रास्पबेरी पाई 4 बी) में शामिल एकल-बोर्ड कंप्यूटर इस सेटअप के लिए इष्टतम है क्योंकि इसमें वीआर पर्यावरण प्रतिपादन की सुविधा के लिए एक ऑनबोर्ड जीपीयू और प्रयोग नियंत्रण / निगरानी और वीआर प्रक्षेपण के लिए दो एचडीएमआई पोर्ट हैं। इन विशेषताओं वाले अन्य एकल-बोर्ड कंप्यूटरों को संभावित रूप से प्रतिस्थापित किया जा सकता है, लेकिन निम्नलिखित निर्देशों में से कुछ रास्पबेरी पाई के लिए विशिष्ट हो सकते हैं।
    1. पीसी पर सिंगल-बोर्ड कंप्यूटर इमेजर एप्लिकेशन डाउनलोड करें, और माइक्रोएसडी कार्ड (16+ जीबी) पर ओएस (वर्तमान में रास्पबेरी पाई ओएस आर.2021-05-07) स्थापित करें। कार्ड डालें, और एकल-बोर्ड कंप्यूटर बूट करें।
    2. pi3d Python 3D लायब्रेरी लायब्रेरी के लिए एकल-बोर्ड कंप्यूटर कॉन्फ़िगर करें: (मेनू पट्टी) रास्पबेरी पाई कॉन्फ़िगरेशन > प्राथमिकताएँ.
      1. डिस्प्ले > स्क्रीन ब्लैंकिंग पर क्लिक करें > अक्षम करें।
      2. सीरियल पोर्ट > सक्षम > इंटरफेस पर क्लिक करें।
      3. प्रदर्शन > GPU मेमोरी > 256 (MB) पर क्लिक करें।
    3. pi3d के लिए पायथन छवि लायब्रेरी पैकेज नवीनीकृत करें: (टर्मिनल)> sudo pip3 स्थापित तकिया --नवीनीकरण.
    4. एकल बोर्ड कंप्यूटर के लिए pi3d Python 3D पैकेज स्थापित करें: (टर्मिनल)> sudo pip3 स्थापित pi3d.
    5. प्रोजेक्टर के लिए एचडीएमआई आउटपुट स्तर बढ़ाएं: (टर्मिनल) > सुडो नैनो / बूट / कॉन्फ़िगरेशन.txt, अनटिमेंट config_hdmi_boost = 4, सेव और रिबूट।
    6. arduino.cc/en/software से एकीकृत विकास वातावरण (आईडीई) को डाउनलोड और स्थापित करें (उदाहरण के लिए, arduino-1.8.19-linuxarm.tar.gz), जो रोटरी एनकोडर और व्यवहार ESP32 माइक्रोकंट्रोलर पर कोड लोड करने के लिए आवश्यक है।
    7. IDE पर ESP32 माइक्रोकंट्रोलर समर्थन स्थापित करें:
      1. अतिरिक्त बोर्ड प्रबंधक URL > फ़ाइल > वरीयताएँ = https://raw.githubusercontent.com/espressif/arduino-esp32/gh-pages/package_esp32_index.json पर क्लिक करें
      2. ईएसपी 32 > उपकरण > बोर्ड > बोर्ड प्रबंधक (एस्प्रेसिफ द्वारा) पर क्लिक करें। v.2.0.0 स्थापित करें (v2.0.4 पर वर्तमान में अपलोड विफल रहता है).
    8. https://github.com/processing/processing4/releases से प्रोसेसिंग आईडीई डाउनलोड और इंस्टॉल करें (उदाहरण के लिए, प्रोसेसिंग-4.0.1-लिनक्स-आर्म 32.tgz), जो वीआर के दौरान माउस व्यवहार की रिकॉर्डिंग और ऑनलाइन प्लॉटिंग के लिए आवश्यक है।
      नोट: Arduino और Processing वातावरण को वांछित होने पर वीआर सिंगल-बोर्ड कंप्यूटर से एक अलग पीसी पर चलाया जा सकता है।
  2. रोटरी एनकोडर ESP32 कनेक्शन सेट करें।
    नोट: व्हील एक्सल के साथ युग्मित रोटरी एनकोडर माउस लोकोमोशन के साथ पहिया रोटेशन को मापता है, जिसे ईएसपी 32 माइक्रोकंट्रोलर के साथ गिना जाता है। स्थिति परिवर्तन तब ग्राफिकल सॉफ्टवेयर पैकेज का उपयोग करके आभासी वातावरण के माध्यम से आंदोलन को नियंत्रित करने के लिए एकल-बोर्ड कंप्यूटर जीपीआईओ सीरियल पोर्ट पर भेजे जाते हैं, साथ ही इनाम क्षेत्रों को नियंत्रित करने के लिए व्यवहार ईएसपी 32 (चित्रा 2)।
    1. रोटरी एनकोडर घटक और रोटरी ईएसपी 32 के बीच तारों को कनेक्ट करें। रोटरी एनकोडर में आम तौर पर चार तार होते हैं: +, जीएनडी, ए और बी (चतुष्कोणीय एन्कोडर के लिए दो डिजिटल लाइनें)। जम्पर तारों के माध्यम से इन्हें ईएसपी 32 3.3 वी, जीएनडी, 25, 26 (संलग्न कोड के मामले में) से कनेक्ट करें।
    2. सीरियल RX/TX तारों को रोटरी ESP32 और व्यवहार ESP32 के बीच कनेक्ट करें। रोटरी ESP32 Serial0 RX/TX (प्राप्त/संचारित) और व्यवहार ESP32 (TX/RX, पिन 17, 16; OMwSmall PCB के दाईं ओर सीरियल2 पोर्ट देखें) के बीच एक सरल दो-तार कनेक्शन बनाएँ। यह रोटरी एनकोडर से इनाम क्षेत्रों जैसे स्थानिक क्षेत्रों के लिए व्यवहार सेटअप तक आंदोलन की जानकारी ले जाएगा।
    3. रोटरी ESP32 और सिंगल-बोर्ड कंप्यूटर GPIO (या प्रत्यक्ष USB कनेक्शन) के बीच सीरियल RX/TX तारों को कनेक्ट करें। सिंगल-बोर्ड कंप्यूटर GPIO पिन 14, 15 (RX/ TX) और रोटरी ESP32 Serial2 (TX/ RX, पिन 17, 16) के बीच दो-तार कनेक्शन बनाएं। यह रोटरी एनकोडर से सिंगल-बोर्ड कंप्यूटर पर चलने वाले ग्राफिकल सॉफ्टवेयर पैकेज तक आंदोलन की जानकारी ले जाएगा।
      नोट: यह चरण केवल तभी आवश्यक है जब रोटरी ईएसपी 32 यूएसबी के माध्यम से जुड़ा नहीं है (यानी, यह "/dev/ttyS0" पर एक GPIO सीरियल कनेक्शन है), लेकिन HallPassVR_wired.py कोड को अन्यथा "/dev/ttyUSB0" का उपयोग करने के लिए संशोधित किया जाना चाहिए। यह हार्डवायर्ड कनेक्शन भविष्य के संस्करणों में वायरलेस ब्लूटूथ कनेक्शन के साथ बदल दिया जाएगा।
    4. प्रारंभिक रोटरी एनकोडर कोड अपलोड करने के लिए रोटरी ईएसपी 32 यूएसबी को सिंगल-बोर्ड कंप्यूटर यूएसबी (या आईडीई चलाने वाले अन्य पीसी) में प्लग करें।
  3. व्यवहार हार्डवेयर (OpenMaze PCB के माध्यम से ) के साथ व्यवहार ESP32 कनेक्शन सेट करें।
    नोट: व्यवहार ESP32 माइक्रोकंट्रोलर सभी गैर-वीआर पशु इंटरैक्शन (गैर-वीआर उत्तेजनाओं और पुरस्कारों को वितरित करना, माउस चाटने का पता लगाना) को नियंत्रित करेगा, जो ESP32, "OMwSmall" के लिए एक सामान्य पीसीबी "ब्रेकआउट बोर्ड" के माध्यम से जुड़े हुए हैं, जिसके डिजाइन OpenMaze वेबसाइट (www.openmaze.org) के माध्यम से उपलब्ध हैं। पीसीबी में इलेक्ट्रोमैकेनिकल घटकों को चलाने के लिए आवश्यक इलेक्ट्रॉनिक घटक होते हैं, जैसे कि तरल पुरस्कार देने के लिए उपयोग किए जाने वाले सोलनॉइड वाल्व।
    1. 12 वी तरल सोलनॉइड वाल्व को ओएमडब्ल्यूस्मॉल पीसीबी (उदाहरण सेटअप और कोड में पिन 12) के सबसे बाईं ओर यूएलएन 2803 आईसी आउटपुट से कनेक्ट करें। यह आईसी इनाम सोलनॉइड वाल्व के लिए 12 वी शक्ति को गेट करता है, जिसे व्यवहार ईएसपी 32 माइक्रोकंट्रोलर पर जीपीआईओ आउटपुट द्वारा नियंत्रित किया जाता है।
    2. लिक पोर्ट को ESP32 टच इनपुट से कनेक्ट करें (उदाहरण कोड में T0, GPIO4). ईएसपी 32 में विशिष्ट पिन पर अंतर्निहित कैपेसिटिव टच सेंसिंग है, जिसका उपयोग व्यवहार ईएसपी 32 कोड वीआर व्यवहार के दौरान संलग्न धातु चाटने वाले पोर्ट के माउस की चाट का पता लगाने के लिए करता है।
    3. सीरियल RX/TX तारों को व्यवहार ESP32 Serial2 (pins 16, 17) और रोटरी एनकोडर ESP32 Serial0 के बीच कनेक्ट करें (चरण 2.2.2 देखें)।
    4. यूएसबी को एकल-बोर्ड कंप्यूटर के यूएसबी पोर्ट (या अन्य पीसी) में प्लग करें ताकि विभिन्न प्रयोगात्मक प्रतिमानों (जैसे, इनाम क्षेत्रों की संख्या / स्थान) के लिए व्यवहार ईएसपी 32 में नए प्रोग्राम अपलोड किए जा सकें और शामिल प्रसंस्करण स्केच का उपयोग करके व्यवहार डेटा कैप्चर किया जा सके।
    5. इनाम सोलनॉइड वाल्व के लिए शक्ति प्रदान करने के लिए व्यवहार ESP32 OMwSmall PCB पर 2.1 मिमी बैरल जैक कनेक्टर में 12 वी डीसी दीवार एडाप्टर प्लग करें।
    6. प्रोजेक्टर एचडीएमआई पोर्ट में सिंगल-बोर्ड कंप्यूटर के एचडीएमआई # 2 आउटपुट को प्लग करें; यह सिंगल-बोर्ड कंप्यूटर जीपीयू द्वारा प्रदान किए गए वीआर वातावरण को प्रोजेक्शन स्क्रीन पर ले जाएगा।
    7. (वैकल्पिक) सिंक्रनाइज़ेशन तार (पिन 26) को तंत्रिका इमेजिंग या इलेक्ट्रोफिजियोलॉजिकल रिकॉर्डिंग सेटअप से कनेक्ट करें। सिस्टम को लगभग मिलीसेकंड परिशुद्धता के साथ संरेखित करने के लिए हर 5 सेकंड में एक 3.3 वी ट्रांजिस्टर-ट्रांजिस्टर-लॉजिक (टीटीएल) सिग्नल भेजा जाएगा।
  4. सॉफ्टवेयर सेट करें: आईडीई का उपयोग करके रोटरी एनकोडर ईएसपी 32 (चित्रा 2 बी) और व्यवहार ईएसपी 32 (चित्रा 2 ई) पर फर्मवेयर / सॉफ्टवेयर लोड करें, और सिंगल-बोर्ड कंप्यूटर पर वीआर पायथन सॉफ्टवेयर डाउनलोड करें। https://github.com/GergelyTuri/HallPassVR/software देखें।
    1. रोटरी एनकोडर ईएसपी 32 को पहले सिंगल-बोर्ड कंप्यूटर के यूएसबी पोर्ट में प्लग करें- इसे स्वचालित रूप से ओएस द्वारा "/dev/ttyUSB0" नाम दिया जाएगा।
    2. रोटरी एन्कोडर कोड लोड करें: फ़ाइल RotaryEncoder_Esp32_VR.ino को आईडीई में खोलें, और फिर ESP32 Dev मॉड्यूल > उपकरण > बोर्ड के तहत ESP32 का चयन करें। पोर्ट >/dev/ttyUSB0 > उपकरण क्लिक करके ESP32 पोर्ट का चयन करें, और तब अपलोड पर क्लिक करें.
    3. व्यवहार ईएसपी 32 को एकल-बोर्ड कंप्यूटर के यूएसबी पोर्ट में प्लग करें- इसे ओएस द्वारा "/dev/ttyUSB1" नाम दिया जाएगा।
    4. व्यवहार ESP32 (IDE, ESP32 Dev मॉड्यूल पहले से चयनित) पर व्यवहार अनुक्रम कोड लोड करें, फिर पोर्ट >/dev/ttyUSB1 > उपकरण पर क्लिक करें, और अपलोड करें: wheel_VR_behavior.ino पर क्लिक करें।
    5. आईडीई में प्रत्येक ESP32 के लिए सीरियल पोर्ट का चयन करके सीरियल कनेक्शन का परीक्षण करें (उपकरण > पोर्ट > / dev / ttyUSB0, या / dev / ttyUSB1) और फिर रोटरी बोर्ड (USB0) या व्यवहार बोर्ड (USB1) से सीरियल आउटपुट का निरीक्षण करने के लिए टूल > सीरियल मॉनिटर (बॉड दर: 115,200) पर क्लिक करें। USB0 पर रोटरी ESP32 से कच्चे आंदोलन आउटपुट को देखने के लिए पहिया घुमाएं या USB1 पर व्यवहार ESP32 से स्वरूपित आंदोलन आउटपुट देखें।
    6. ग्राफिकल सॉफ्टवेयर पैकेज पायथन कोड https://github.com/GergelyTuri/HallPassVR/tree/master/software/HallPassVR से डाउनलोड करें (/home/pi/Documents). इस फ़ोल्डर में ग्राफ़िकल सॉफ़्टवेयर पैकेज चलाने के लिए आवश्यक सभी फ़ाइलें हैं यदि pi3d Python3 पैकेज पहले ठीक से स्थापित किया गया था (चरण 2.1)।

3. ग्राफिकल सॉफ्टवेयर पैकेज चलाना और परीक्षण करना

नोट: वीआर रैखिक ट्रैक वातावरण शुरू करने के लिए ग्राफिकल सॉफ्टवेयर पैकेज जीयूआई चलाएं, वीआर सॉफ्टवेयर और व्यवहार ईएसपी 32 कोड पर दूरी को कैलिब्रेट करें, और शामिल प्रसंस्करण भाषा स्केच के साथ माउस के चलने और चाटने के व्यवहार के अधिग्रहण और ऑनलाइन प्लॉटिंग का परीक्षण करें।

  1. सिंगल-बोर्ड कंप्यूटर में टर्मिनल विंडो खोलें, और हॉलपासवीआर फ़ोल्डर पर नेविगेट करें (टर्मिनल: > सीडी / होम / पाई / दस्तावेज़ / हॉलपासवीआर / HallPassVR_Wired)
  2. VR GUI चलाएँ: (टर्मिनल) > python3 HallPassVR_GUI.py (GUI विंडो खुल जाएगी, चित्रा 3A)।
  3. ग्राफिकल सॉफ्टवेयर GUI
    1. ट्रैक के साथ तीन पैटर्न में से प्रत्येक के लिए सूचीबॉक्स से चार तत्वों (छवियों) का चयन करें और जोड़ें (या नीचे पूर्व-संग्रहीत पैटर्न का चयन करें, और फिर अपलोड पर क्लिक करें), और फिर जेनरेट करें पर क्लिक करें।
      नोट: नई छवि फ़ाइलों (.jpeg) को जीयूआई चलाने से पहले फ़ोल्डर HallPassVR/ HallPassVR_wired / छवियों / ELEMENTS में रखा जा सकता है।
    2. ड्रॉपडाउन मेनू से फर्श और छत की छवियों का चयन करें, और इस उदाहरण कोड के लिए ट्रैक की लंबाई 2 मीटर के रूप में सेट करें (इसे व्यवहार ईएसपी 32 कोड और प्रोसेसिंग कोड में मिलीमीटर [मिमी] में ट्रैक लंबाई के बराबर होना चाहिए)।
    3. यदि वांछित हो तो इस पैटर्न को नाम दें (यह HallPassVR_wired / छवियों / PATH_HIST में संग्रहीत किया जाएगा)।
    4. स्टार्ट बटन पर क्लिक करें (कहीं और क्लिक करने से पहले वीआर विंडो शुरू होने तक प्रतीक्षा करें)। वीआर वातावरण स्क्रीन # 2 (प्रोजेक्शन स्क्रीन, चित्रा 3 बी, सी) पर दिखाई देगा।
  4. व्यवहार डेटा / आंदोलन को प्राप्त करने और प्लॉट करने के लिए प्रसंस्करण स्केच चलाएं।
    1. प्रसंस्करण आईडीई में VRwheel_RecGraphSerialTxt.pde खोलें।
    2. जानवर बदलें = "आपका माउस नंबर"; चर, और सेट सत्र मिनटों में व्यवहार सत्र की लंबाई के बराबर मिनट।
    3. प्रसंस्करण आईडीई पर रन बटन पर क्लिक करें।
    4. प्रोसेसिंग प्लॉट विंडो की जांच करें, जिसे आभासी रैखिक ट्रैक पर वर्तमान माउस की स्थिति दिखानी चाहिए क्योंकि पहिया घूमता है, साथ ही इनाम क्षेत्र और हर 30 सेकंड में अपडेट किए गए चाट, लैप और पुरस्कारों के हिस्टोग्राम चलाना चाहिए (चित्रा 3 डी)। परीक्षण के लिए चल रहे माउस को अनुकरण करने के लिए हाथ से रनिंग व्हील को आगे बढ़ाएं, या प्रारंभिक सेटअप के लिए परीक्षण माउस का उपयोग करें।
    5. प्लॉट विंडो पर क्लिक करें, और व्यवहार डेटा प्राप्त करने से रोकने के लिए कीबोर्ड पर क्यू कुंजी दबाएं। व्यवहार संबंधी घटनाओं और समय (आमतौर पर < प्रति सत्र आकार में 2 एमबी) और अंतिम प्लॉट विंडो (.png) की एक छवि तब सहेजी जाती है जब सत्र मिनट बीत चुके होते हैं या उपयोगकर्ता छोड़ने के लिए क्यू कुंजी दबाता है।
      नोट: आउटपुट .txt फ़ाइलों के छोटे आकार के कारण, यह अनुमान लगाया गया है कि सिंगल-बोर्ड कंप्यूटर के एसडी कार्ड पर कम से कम कई हजार व्यवहार रिकॉर्डिंग संग्रहीत की जा सकती हैं। डेटा फ़ाइलों को बाद के विश्लेषण के लिए थंब ड्राइव पर सहेजा जा सकता है, या यदि स्थानीय नेटवर्क से जुड़ा हुआ है, तो डेटा को दूरस्थ रूप से प्रबंधित किया जा सकता है।
  5. वीआर ट्रैक लंबाई के साथ व्यवहार ट्रैक की लंबाई को कैलिब्रेट करें।
    1. वीआर कॉरिडोर और माउस की स्थिति (प्रसंस्करण भूखंड पर) का अवलोकन करते समय पहिया को हाथ से आगे बढ़ाएं। यदि वीआर कॉरिडोर माउस के व्यवहार प्लॉट के अंत तक पहुंचने से पहले / बाद में समाप्त होता है, तो वीआर ट्रैक की लंबाई को वृद्धिशील रूप से बढ़ाएं / घटाएं (HallPassVR_wired.py, corridor_length_default, सेंटीमीटर [सेमी]) जब तक कि ट्रैक दो प्रणालियों में एक साथ रीसेट न हो जाए।
      नोट: कोड वर्तमान में 256-स्थिति चतुर्भुज रोटरी एनकोडर का उपयोग करके 6 इंच व्यास के रनिंग व्हील के लिए कैलिब्रेट किया गया है, इसलिए उपयोगकर्ता को अन्य कॉन्फ़िगरेशन के लिए वीआर ( HallPassVR_wired.py, corridor_length_default, सेंटीमीटर [सेमी]) और व्यवहार कोड (wheel_VR_behavior.ino, ट्रैकलेंथ, मिलीमीटर [मिमी]) में बदलना पड़ सकता है। हालांकि, सिस्टम के बीच पत्राचार बनाए रखने के लिए प्रत्येक वीआर लैप पर व्यवहार की स्थिति को रीसेट किया जाता है।

4. माउस प्रशिक्षण और स्थानिक सीखने का व्यवहार

नोट: चूहों को सिर निर्धारण के लिए प्रत्यारोपित किया जाता है, सिर के संयम की आदत होती है, और फिर पहिया पर दौड़ने और तरल पुरस्कारों के लिए लगातार चाटने के लिए प्रशिक्षित किया जाता है ("यादृच्छिक चारा")। लगातार दौड़ने और चाटने वाले चूहों को तब वीआर वातावरण का उपयोग करके एक स्थानिक छिपे हुए इनाम कार्य पर प्रशिक्षित किया जाता है, जिसमें आभासी रैखिक ट्रैक पर एक दृश्य संकेत के बाद एक एकल इनाम क्षेत्र प्रस्तुत किया जाता है। स्थानिक सीखने को तब इनाम क्षेत्र से ठीक पहले पदों के लिए बढ़ी हुई चाट चयनात्मकता के रूप में मापा जाता है।

  1. हेड पोस्ट इम्प्लांटेशन सर्जरी: इस प्रक्रिया को इस पत्रिका में कहीं और और दूसरों में विस्तार से वर्णित किया गया है, इसलिए विशिष्टनिर्देशों 7,17,18,19,20,21 के लिए इस साहित्य को देखें।
  2. पानी की अनुसूची
    1. पहली हैंडलिंग से 24 घंटे पहले पानी पर प्रतिबंध करें (नीचे देखें), और आदत या सिर-संयमित व्यवहार के प्रत्येक सत्र के बाद एड लिबिटम पानी की खपत की अनुमति दें। आदत के दौरान तीन दिनों में धीरे-धीरे पानी की उपलब्धता के समय को लगभग 5 मिनट तक कम करें, और व्यक्तिगत चूहों के लिए मात्रा को समायोजित करें ताकि उनके शरीर का वजन उनके पूर्व-प्रतिबंध वजन के 80% से नीचे न गिरे। दैनिक रूप से प्रत्येक जानवर के वजन की निगरानी करेंऔर निर्जलीकरण के संकेतों के लिए प्रत्येक माउस की स्थिति का भी निरीक्षण करें। चूहे जो अपने पूर्व-प्रतिबंध शरीर के वजन का 80% बनाए रखने में सक्षम नहीं हैं या निर्जलित दिखाई देते हैं, उन्हें अध्ययन से हटा दिया जाना चाहिए और मुफ्त पानी की उपलब्धता दी जानी चाहिए।
      नोट: तरल पुरस्कारों का उपयोग करके चूहों को पहिया पर चलने के लिए प्रेरित करने के लिए पानी का प्रतिबंध आवश्यक है, साथ ही ट्रैक के साथ सीखे गए स्थानों के संकेत के रूप में स्थानिक चाट का उपयोग करना आवश्यक है। संस्थागत दिशानिर्देश इस प्रक्रिया के लिए विशिष्ट निर्देशों पर भिन्न हो सकते हैं, इसलिए उपयोगकर्ता को पानी के प्रतिबंध के दौरान पशु स्वास्थ्य और कल्याण सुनिश्चित करने के लिए अपनी व्यक्तिगत संस्थागत पशु देखभाल समितियों से परामर्श करना चाहिए।
  3. हैंडलिंग: प्रत्यारोपित चूहों को मानव संपर्क में लाने के लिए रोजाना संभालें, जिसके बाद सीमित एड लिबिटम पानी को सुदृढीकरण (1-5 मिनट / दिन, 2 दिन से 1 सप्ताह) के रूप में प्रशासित किया जा सकता है।
  4. सिर पर संयम रखने की आदत
    1. सिर निर्धारण के तनाव को कम करने के लिए चूहों को कभी-कभी पानी की बूंदों के साथ पुरस्कृत करते हुए सिर संयम उपकरण में रखकर समय की मात्रा बढ़ाने के लिए सिर संयम के लिए आदत डालें।
    2. सिर निर्धारण के 5 मिनट से शुरू करें, और प्रतिदिन 5 मिनट की वृद्धि से अवधि बढ़ाएं जब तक कि चूहे 30 मिनट तक निर्धारण को सहन करने में सक्षम न हों। निर्धारण तंत्र से चूहों को हटा दें यदि वे संघर्ष कर रहे हैं या बहुत कम हिल रहे हैं। हालांकि, चूहे आम तौर पर कई सत्रों के भीतर अनायास पहिया पर दौड़ना शुरू करते हैं, जिसका अर्थ है कि वे प्रशिक्षण के अगले चरण के लिए तैयार हैं।
      नोट: चूहे जो बार-बार सिर के संयम के तहत संघर्ष करते हैं या पुरस्कार के लिए दौड़ते और चाटते नहीं हैं, उन्हें प्रशिक्षण के पहले चरणों में वापस लाया जाना चाहिए और अध्ययन से हटा दिया जाना चाहिए यदि वे ऐसे तीन उपचारात्मक चक्रों के लिए प्रगति करने में विफल रहते हैं ( तालिका 1 देखें)।
  5. दौड़ें/चाटने का प्रशिक्षण (यादृच्छिक चारा खोजना)
    नोट: वीआर वातावरण में स्थानिक सीखने के कार्य को करने के लिए, चूहों को पहले पहिया पर दौड़ना सीखना चाहिए और कभी-कभी पुरस्कार के लिए लगातार चाटना चाहिए। ऑपरेटिंग व्यवहार मापदंडों में प्रगति को व्यवहार ईएसपी 32 माइक्रोकंट्रोलर के माध्यम से नियंत्रित किया जाता है।
    1. गैर-संचालन पुरस्कारों के साथ यादृच्छिक चारा खोजना
      1. मनमाने दृश्य तत्वों के पथ के साथ ग्राफिकल सॉफ़्टवेयर जीयूआई प्रोग्राम चलाएँ (उपयोगकर्ता पसंद, चरण 3.3 देखें)।
      2. व्यवहार प्रोग्राम को व्यवहार ESP32 पर कई गैर-संचालित पुरस्कारों (कोड चर: isOperant = 0, numRew = 4, isRandRew = 1) के साथ अपलोड करें ताकि चूहों को दौड़ने और चाटने की स्थिति मिल सके। चूहों को 20-30 मिनट के सत्रों में चलाएं जब तक कि चूहे प्रति सत्र कम से कम 20 लैप तक न दौड़ें और यादृच्छिक स्थानों (एक से चार सत्र) में प्रस्तुत पुरस्कारों के लिए चाटें।
    2. वैकल्पिक गोद में ऑपरेटिंग पुरस्कार के साथ यादृच्छिक चारा खोजना
      1. व्यवहार कार्यक्रम को altOpt = 1 (वैकल्पिक ऑपरेटिंग / गैर-ऑपरेटिंग लैप) के साथ अपलोड करें, और चूहों को प्रशिक्षित करें जब तक कि वे गैर-संचालित और ऑपरेटिंग इनाम क्षेत्रों (एक से चार सत्र) दोनों के लिए चाट न करें।
    3. पूरी तरह से संचालित यादृच्छिक खुराक
      1. व्यवहार प्रोग्राम को चार ऑपरेटिंग यादृच्छिक इनाम क्षेत्रों के साथ अपलोड करें (व्यवहार ESP32 कोड चर: isOperant = 1, numRew = 4, isRandRew = 1)। इस प्रशिक्षण चरण के अंत तक, चूहों को लगातार चलना चाहिए और पूरे ट्रैक की लंबाई (एक से चार सत्रों) पर परीक्षण चाटना चाहिए। चित्र 4 ए)।
  6. स्थानिक शिक्षा
    नोट: ट्रैक के साथ अंधेरे पैनलों के साथ 2 मीटर लंबे हॉलवे और बीच में एक उच्च-कंट्रास्ट दृश्य उत्तेजना पैनल का चयन करके एकल दृश्य संकेत से कुछ दूरी पर एक छिपे हुए इनाम क्षेत्र के साथ एक स्थानिक शिक्षण प्रयोग करें, जो स्थानिक घ्राणसंकेतों के साथ हाल के प्रयोगों के अनुरूप है। . चूहों को आभासी रैखिक ट्रैक वातावरण में दृश्य क्यू से दूरी पर स्थित इनाम क्षेत्र (1.5-1.8 मीटर की स्थिति पर) पर चाटने की आवश्यकता होती है।
    1. केंद्र में एकल दृश्य संकेत के साथ एक अंधेरे दालान के पथ के साथ ग्राफिकल सॉफ्टवेयर प्रोग्राम चलाएं (उदाहरण के लिए, शतरंज बोर्ड, चरण 3.3, चित्रा 3 ए देखें)।
    2. व्यवहार ईएसपी 32 (व्यवहार ESP32 कोड चर: isOperant = 1, isRandRew = 0, numRew = 1, rewPosArr[]= {1500}) के लिए एकल छिपे हुए इनाम क्षेत्र के साथ व्यवहार प्रोग्राम अपलोड करें।
    3. धीरे से माउस को हेड-फिक्सेशन उपकरण में रखें, माउस के मुंह के ठीक सामने एक स्थान पर चाट स्पॉट को समायोजित करें, और माउस व्हील को प्रोजेक्शन स्क्रीन ज़ोन के केंद्र में रखें। सुनिश्चित करें कि अंतिम समायोजन के बाद माउस का सिर स्क्रीन से ~ 12-15 सेमी दूर है।
    4. प्रसंस्करण स्केच में जानवर का नाम सेट करें, और फिर व्यवहार डेटा प्राप्त करने और प्लॉटिंग शुरू करने के लिए प्रोसेसिंग आईडीई में रन दबाएं (चरण 3.4 देखें)।
    5. माउस को एकल छिपे हुए इनाम क्षेत्र और एकल दृश्य क्यू वीआर हॉलवे के साथ 30 मिनट के सत्रों के लिए चलाएं।
    6. ऑफ़लाइन: प्रोसेसिंग स्केच फ़ोल्डर से .txt डेटा फ़ाइल डाउनलोड करें और स्थानिक चाट व्यवहार का विश्लेषण करें (उदाहरण के लिए, मैटलैब में शामिल फ़ाइलों procVRbehav.m और vrLickByLap.m के साथ)।
      नोट: चूहों को शुरू में पूरे वर्चुअल ट्रैक ("यादृच्छिक खुराक") पर परीक्षण चाटना चाहिए और फिर वीआर दृश्य क्यू (चित्रा 4) के बाद केवल इनाम स्थान के पास चुनिंदा रूप से चाटना शुरू करना चाहिए।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

इस ओपन-सोर्स वर्चुअल रियलिटी बिहेवियरल सेटअप ने हमें स्थानिक सीखने के रीड-आउट के रूप में चाटने के व्यवहार को निर्धारित करने की अनुमति दी क्योंकि सिर-संयमित चूहों ने एक आभासी रैखिक ट्रैक वातावरण को नेविगेट किया। 4 महीने की उम्र में दोनों लिंगों के सात सी 57बीएल /6 चूहों को एक प्रतिबंधित पानी अनुसूची पर रखा गया था और पहले वीआर के बिना यादृच्छिक स्थानिक पुरस्कार ("यादृच्छिक खुराक") के लिए पहिया पर दौड़ते हुए निम्न स्तर पर लगातार चाटने के लिए प्रशिक्षित किया गया था। यद्यपि उनका प्रदर्शन शुरू में प्रभावित हुआ था जब 2 मीटर यादृच्छिक दालान पैटर्न के साथ वीआर प्रोजेक्शन स्क्रीन सेटअप में ले जाया गया था, यह कई वीआर सत्रों (चित्रा 4 ए) के भीतर पिछले स्तरों पर लौट आया। जिन चूहों ने वीआर के साथ यादृच्छिक चारा खोजने की रणनीति विकसित की (सात चूहों में से छह, 86%; एक माउस लगातार चलने में विफल रहा और बाहर रखा गया था) को पानी के पुरस्कार ("छिपा इनाम कार्य") प्राप्त करने के लिए अन्यथा सुविधाहीन 2 मीटर वर्चुअल ट्रैक के बीच में एकल दृश्य स्थान क्यू के बाद 0.5 मीटर पर एक अनियंत्रित ऑपरेटिंग इनाम क्षेत्र में चाटने की आवश्यकता थी। इस प्रणाली के साथ वर्तमान पायलट डेटा के अनुसार, सात (57%) चूहों में से चार दो से चार सत्रों में एकल दृश्य संकेत के साथ छिपे हुए इनाम कार्य को सीखने में सक्षम थे, जैसा कि बढ़ती चयनात्मकता (तालिका 1, चित्रा 4 बी, सी) के साथ इनाम क्षेत्र के पास चाटकर दिखाया गया है, जो गैर-वीआर ट्रेडमिल17 के साथ हमारे पिछले परिणामों के समान है। . यह तथ्य स्थानिक सीखने के अध्ययन में महत्वपूर्ण है, क्योंकि यह व्यापक प्रशिक्षण के बिना सीखने की महत्वपूर्ण अवधि के दौरान तंत्रिका गतिविधि की निगरानी और / या हेरफेर की अनुमति देता है। इसके अलावा, चूहों ने सत्र के भीतर और साथ ही सत्र सीखने के बीच पर्याप्त प्रदर्शन किया (चित्रा 4 सी), जो स्थानिक सीखने के साथ अल्पकालिक और दीर्घकालिक तंत्रिका सर्किट अनुकूलन दोनों का निरीक्षण करने का अवसर प्रदान करता है। हमने एक समकक्ष गैर-वीआर कार्य की सीखने की दर का परीक्षण नहीं किया, लेकिन कई शास्त्रीय वास्तविक दुनिया हिप्पोकैम्पस-निर्भर स्थानिक कार्य, जैसे कि मॉरिस वॉटर भूलभुलैया, को और भी व्यापक प्रशिक्षण की आवश्यकता होती है और नाटकीय रूप से कम व्यवहार परीक्षण पेश करते हैं और इस प्रकार, तंत्रिका गतिविधि परिवर्तनों के साथ सीखने के व्यवहार की निगरानी के लिए कम उपयुक्त होते हैं।

जबकि इस पायलट समूह (57%) के अधिकांश चूहे कम संख्या में सत्रों में छिपे हुए इनाम कार्य को सीखने में सक्षम थे, अतिरिक्त चूहे लंबे समय तक स्थानिक सीखने का प्रदर्शन कर सकते हैं, और व्यक्तिगत प्रशिक्षण से चूहों के इस अंश में वृद्धि होनी चाहिए। दरअसल, सीखने की दर में भिन्नता मस्तिष्क क्षेत्रों जैसे हिप्पोकैम्पस और व्यवहार सीखने में तंत्रिका गतिविधि के बीच विशिष्ट संबंधों को अलग करने के लिए उपयोगी हो सकती है। हालांकि, हमने देखा कि चूहों के एक छोटे प्रतिशत ने पहिया पर दौड़ना या गैर-संचालित या ओपेरा पुरस्कारों (सात चूहों में से एक, 14%) के लिए चाटना नहीं सीखा और इस प्रकार, बाद के प्रयोगों के लिए उपयोग नहीं किया जा सका। अतिरिक्त हैंडलिंग और आदत और आगे के सुदृढीकरण के माध्यम से जानवर के तनाव की सामान्य स्थिति में कमी, जैसे कि वांछनीय खाद्य उपचारों का उपयोग करके, इन जानवरों को पहिया पर सिर-संयमित व्यवहार के दौरान सक्रिय दौड़ने और चाटने में मदद करने के लिए उपयोगी हो सकता है।

वर्चुअल ट्रैक पर आंतरायिक लैप पर क्यू और रिवॉर्ड ज़ोन की उपस्थिति और स्थिति में हेरफेर करके, एक प्रयोगकर्ता वीआर में जानकारी के विशिष्ट चैनलों पर स्थानिक रूप से चयनात्मक चाटने की निर्भरता को और समझ सकता है, उदाहरण के लिए, चूहे एक वातावरण में अपना स्थान स्थापित करने के लिए स्थानीय या दूर के संकेतों या आत्म-गति जानकारी पर कैसे भरोसा करते हैं। छिपे हुए इनाम स्थान को सीखने वाले चूहों की चाट चयनात्मकता ट्रैक के साथ दृश्य क्यू के बदलाव या चूक से प्रभावित होनी चाहिए यदि वे सक्रिय रूप से इस स्थानिक क्यू को एक लैंडमार्क के रूप में उपयोग करते हैं, जैसा कि हमने स्थानिक घ्राणसंकेतों 20 का उपयोग करके हाल के काम में दिखाया है। हालांकि, यहां प्रस्तुत किए गए सरल उदाहरण के साथ भी, चूहों द्वारा प्राप्त अत्यधिक चयनात्मक चाट (चित्रा 4 सी, दाएं) इंगित करता है कि वे अपने निर्णयों को सूचित करने के लिए वीआर दृश्य वातावरण को एन्कोड करते हैं कि वे कहां हैं और इसलिए, कब चाटना है, क्योंकि इनाम क्षेत्र केवल वीआर वातावरण में दृश्य संकेतों के संबंध में स्पष्ट है। यह वीआर प्रणाली दृश्य वीआर वातावरण के अलावा स्थानिक और प्रासंगिक संकेतों के अन्य तौर-तरीकों की प्रस्तुति की भी अनुमति देती है, जैसे घ्राण, स्पर्श और श्रवण संकेत, जिसका उपयोग अलग-अलग संवेदी संकेतों के जटिल संयोजनों के लिए तंत्रिका गतिविधि और व्यवहार की चयनात्मकता का परीक्षण करने के लिए किया जा सकता है। इसके अतिरिक्त, हालांकि हमने हिप्पोकैम्पल गतिविधि पर कार्य प्रदर्शन की निर्भरता के लिए परीक्षण नहीं किया, एक समान कार्य का उपयोग करके लेकिन स्पर्श संकेतों के साथ एक हालिया अध्ययन ने हिप्पोकैम्पल निष्क्रियता23 के साथ स्थानिक सीखने की गड़बड़ी दिखाई, जिसे इस अध्ययन में किए गए वीआर छिपे हुए इनाम कार्य के लिए पुष्टि की जानी चाहिए।

Figure 1
चित्र 1: हेड-संयमित वीआर हार्डवेयर सेटअप: प्रोजेक्शन स्क्रीन, रनिंग व्हील और हेड-फिक्सेशन उपकरण। (ए) रनिंग व्हील और प्रोजेक्शन स्क्रीन का एक 3 डी डिज़ाइन योजनाबद्ध। (बी) पूरा वीआर व्यवहार सेटअप। वीआर वातावरण (1) एक एकल-बोर्ड कंप्यूटर पर प्रस्तुत किया जाता है और एक परवलयिक (2) रियर-प्रोजेक्शन स्क्रीन (क्रिस हार्वे की प्रयोगशाला के डिजाइन15,16 के आधार पर) पर प्रक्षेपित किया जाता है। (3) व्हील असेंबली। (4) हेड पोस्ट होल्डर। (5) इनाम वितरण के लिए जल भंडार। (सी) प्रोजेक्शन स्क्रीन और व्यवहार सेटअप का शीर्ष दृश्य। (1) एलईडी प्रोजेक्टर। (2) घुमावदार स्क्रीन पर वीआर कॉरिडोर को रियर-प्रोजेक्ट करने के लिए दर्पण। (3) रनिंग व्हील। (डी) व्हील असेंबली का रियर व्यू। व्हील रोटेशन का अनुवाद (1) रोटरी एनकोडर द्वारा किया जाता है और (2) ईएसपी 32 माइक्रोकंट्रोलर के माध्यम से सिंगल-बोर्ड कंप्यूटर पर प्रेषित किया जाता है। (3) ऑप्टिकल इमेजिंग के लिए सिर की स्थिति को ठीक करने के लिए एक दोहरी-अक्ष गोनोमीटर का उपयोग किया जाता है। (ई) माउस सम्मिलन के स्तर पर सेटअप, (1) हेड-फिक्सेशन उपकरण और (2) (3) रनिंग व्हील सतह पर चाट पोर्ट प्लेसमेंट दिखाता है। (एफ) माउस के मुंह के पास इनाम स्पाउट के सटीक प्लेसमेंट के लिए (2) फ्लेक्स आर्म से जुड़े (1) चाटने वाले पोर्ट की तस्वीर। पुरस्कार व्यवहार ESP32 (OpenMaze OMwSmall PCB के माध्यम से) द्वारा नियंत्रित (3) सोलनॉइड वाल्व के माध्यम से दिए जाते हैं। इसके अलावा दृश्यमान रोटरी एनकोडर (4) पहिया धुरी और (5) सिर कोण समायोजन के लिए गोनोमीटर के साथ युग्मित है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Figure 2
चित्रा 2: वीआर इलेक्ट्रॉनिक्स सेटअप योजनाबद्ध। यह योजनाबद्ध चूहों के लिए ओपन-सोर्स वर्चुअल रियलिटी सिस्टम में इलेक्ट्रॉनिक घटकों के बीच सबसे प्रासंगिक कनेक्शन को दर्शाता है। (ए) चूहों को एक ऐक्रेलिक रनिंग व्हील के ऊपर कस्टम 3 डी-मुद्रित हेड-फिक्सेशन उपकरण पर सिर-संयमित किया जाता है। (बी) जब माउस चल रहा होता है तो व्हील एक्सल के रोटेशन का पता एक माइक्रोकंट्रोलर (रोटरी डिकोडर ईएसपी 32) से जुड़े एक उच्च-रिज़ॉल्यूशन रोटरी एनकोडर द्वारा लगाया जाता है। (सी) आंदोलन की जानकारी हॉलपासवीआर जीयूआई सॉफ्टवेयर और 3 डी वातावरण चलाने वाले एकल-बोर्ड कंप्यूटर को एक सीरियल कनेक्शन के माध्यम से दी जाती है, जो माउस की हरकत के आधार पर वीआर वर्चुअल रैखिक ट्रैक वातावरण में स्थिति को अपडेट करता है। (डी) प्रस्तुत वीआर वातावरण को सिंगल-बोर्ड कंप्यूटर (वीआर वीडियो एचडीएमआई) के एचडीएमआई # 2 वीडियो आउटपुट के माध्यम से प्रोजेक्टर / स्क्रीन पर भेजा जाता है। (ई) रोटरी एनकोडर ईएसपी 32 से आंदोलन की जानकारी एक अन्य माइक्रोकंट्रोलर (ओपनमेज ओएमडब्ल्यूस्मॉल पीसीबी के साथ व्यवहार ईएसपी 32) को भी भेजी जाती है, जो वीआर वातावरण के साथ मिलकर स्थानिक, गैर-वीआर व्यवहार संबंधी घटनाओं (जैसे इनाम क्षेत्र या स्थानिक घ्राण, स्पर्श, या श्रवण उत्तेजनाओं) को नियंत्रित करने के लिए माउस की स्थिति का उपयोग करता है और कैपेसिटिव टच सेंसिंग के माध्यम से माउस के चाटने को मापता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Figure 3
चित्र 3: ग्राफिकल सॉफ्टवेयर जीयूआई और व्यवहार। (ए) हॉलपासवीआर जीयूआई: ट्रैक लंबाई के बराबर प्रत्येक पथ में तीन पैटर्न के लिए ट्रैक लंबाई के एक तिहाई हिस्से (या पहले सहेजे गए संयोजन पैटर्न लोड किया गया है) को कवर करने वाले प्रत्येक स्थानिक पैटर्न पर टाइल करने के लिए चार छवियों का चयन किया जाता है। छत और फर्श छवियों का चयन किया जाता है, और फिर स्टार्ट को सिंगल-बोर्ड कंप्यूटर के एचडीएमआई आउटपुट (प्रोजेक्शन स्क्रीन) पर वीआर वातावरण को शुरू करने के लिए दबाया जाता है। (बी) उदाहरण वर्चुअल कॉरिडोर ए में दिखाए गए जीयूआई मापदंडों के साथ बनाया गया है और स्थानिक सीखने का परीक्षण करने के लिए एक छिपे हुए इनाम प्रयोग के लिए उपयोग किया जाता है। (सी) बी में दिखाए गए आभासी वातावरण में पहिया पर चलने वाले एक सिर-संयमित माउस की तस्वीर। (डी) शीर्ष पैनल व्यवहार डेटा को रिकॉर्ड करने और प्लॉट करने के लिए शामिल प्रसंस्करण स्केच से वीआर वातावरण में पशु व्यवहार के ऑनलाइन प्लॉट को दिखाता है। छिपे हुए इनाम स्थानिक सीखने के दौरान 30 मिनट के सत्र के लिए प्रति 30 सेकंड के टाइम बिन में चाटना, लैप और पुरस्कार प्लॉट किए जाते हैं। निचला पैनल वर्तमान माउस स्थिति (काला) और व्यवहार के दौरान किसी भी इनाम क्षेत्र (ग्रे) का स्थान दिखाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Figure 4
चित्रा 4: ग्राफिकल सॉफ्टवेयर वातावरण का उपयोग करके स्थानिक शिक्षा। वर्चुअल रैखिक ट्रैक के साथ यादृच्छिक संकेतों के साथ यादृच्छिक खुराक के दौरान एक जानवर (ए) से प्रतिनिधि स्थानिक चाट डेटा और (बी-सी) ट्रैक के बीच में एक एकल दृश्य संकेत के साथ 1.5 मीटर पर स्थिर छिपे हुए इनाम क्षेत्र के साथ 2 दिन का प्रशिक्षण। (ए) दिन 0 प्रति लैप चार इनाम क्षेत्रों के लिए यादृच्छिक रूप से चुना गया, जिसे 2 मीटर वर्चुअल रैखिक ट्रैक के साथ समान रूप से स्थित आठ स्थानों से यादृच्छिक रूप से चुना गया। (बाएं) 30 मिनट के सत्र में प्रति स्थानिक बिन (5 सेमी) चाटने की औसत संख्या (शीर्ष: यादृच्छिक दृश्य उत्तेजना पैनलों के साथ वीआर दालान)। (दाएं) इस सत्र के दौरान प्रत्येक 5 सेमी स्थानिक बिन प्रति लैप में चाटने की संख्या, एक हीटमैप द्वारा दर्शाया गया है। (बी) दिन 1, 1.5 मीटर (ट्रैक आरेख पर लाल बॉक्स, शीर्ष पर लाल बॉक्स) पर एकल इनाम क्षेत्र के साथ प्रशिक्षण का पहला दिन, एक आभासी ट्रैक का उपयोग करके जिसमें 0.8-1.2 मीटर (बाएं) की स्थिति में एकल उच्च-कंट्रास्ट उत्तेजना होती है। (दाएं) प्रति लैप स्थानिक चाट, पूर्व-इनाम क्षेत्र में चाटने की चयनात्मकता में वृद्धि दर्शाता है। (सी) दिन 2, उसी छिपे हुए इनाम कार्य और आभासी हॉलवे से दिन 1 और एक ही माउस से। (बाएं) प्रति स्थानिक बिन कुल चाट, पूर्व-इनाम क्षेत्र के बाहर चाट में कमी दिखाता है। (दाएं) दूसरे दिन प्रति लैप स्थानिक चाट, इनाम क्षेत्र से पहले चाटना और कहीं और चाटना कम करना दर्शाता है, जो स्थानिक रूप से विशिष्ट अग्रिम चाट के विकास का संकेत देता है। इससे पता चलता है कि इस जानवर ने छिपे हुए इनाम स्थान को सीखा है और उन क्षेत्रों में प्रयास (चाटना) को कम करने के लिए एक रणनीति विकसित की है जहां वे इनाम मौजूद होने की उम्मीद नहीं करते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

व्यवहार संबंधी परिणाम चूहों की संख्या चूहों का प्रतिशत
माउस नहीं चला/चाटा नहीं 1 14%
केवल यादृच्छिक चारा खोजना 2 29%
छिपा हुआ इनाम सीखा 4 57%
कुल (N) 7

तालिका 1: वीआर स्थानिक शिक्षण व्यवहार पायलट परिणाम। 4 महीने की उम्र में दोनों लिंगों के सात सी 57बीएल / 6 चूहों को वीआर में एक स्थानिक छिपे हुए इनाम कार्य को करने के लिए उत्तरोत्तर प्रशिक्षित किया गया था। इन चूहों में से, एक माउस ने प्रारंभिक प्रशिक्षण के बाद दौड़ना / चाटना नहीं किया (सात चूहों में से एक, 14%), जबकि शेष चूहों में से छह ने पहिया पर दौड़ना और प्रशिक्षण के यादृच्छिक खुराक चरण में यादृच्छिक स्थानिक पुरस्कारों के लिए चाटना सीखा (सात चूहों में से छह, 86%)। छह चूहों में से चार जो यादृच्छिक चारा खोजने वाले व्यवहार को करने में सक्षम थे, बाद में छिपे हुए इनाम कार्य में गैर-क्यूड इनाम की प्रत्याशा में चुनिंदा रूप से चाटना सीख गए (सात चूहों में से चार, कुल मिलाकर 57%, छह चूहों में से चार, यादृच्छिक चारा खोजने वाले चूहों का 66%), जबकि दो ने नहीं किया (सात चूहों में से दो, 29%).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

चूहों के लिए यह ओपन-सोर्स वीआर सिस्टम केवल तभी कार्य करेगा जब सीरियल कनेक्शन रोटरी और व्यवहार ईएसपी 32 माइक्रोकंट्रोलर और सिंगल-बोर्ड कंप्यूटर (चरण 2) के बीच ठीक से बनाए जाते हैं, जिसकी पुष्टि आईडीई सीरियल मॉनिटर (चरण 2.4.5) का उपयोग करके की जा सकती है। इस प्रोटोकॉल (चरण 4) से सफल व्यवहार परिणामों के लिए, चूहों को उपकरण की आदत होनी चाहिए और तरल पुरस्कार (चरण 4.3-4.5) के लिए पहिया पर चलने में सहज होना चाहिए। इसके लिए पर्याप्त (लेकिन अत्यधिक नहीं) पानी प्रतिबंध की आवश्यकता होती है, क्योंकि होमकेज में एड लिबिटम पानी दिए गए चूहों को पुरस्कारों के लिए दौड़ना और चाटना नहीं होगा (यानी, उनके कथित स्थान को इंगित करने के लिए), और निर्जलित चूहे सुस्त हो सकते हैं और पहिया पर नहीं दौड़ सकते हैं। यह भी ध्यान देने योग्य है कि पानी के प्रतिबंध के बिना माउस व्यवहार को प्रेरित करने के लिए वैकल्पिक तरीके हैं24; हालाँकि, हमने यहां इन तरीकों का परीक्षण नहीं किया। प्रशिक्षण प्रक्रिया के लिए, जो जानवर शुरू में नहीं चलते हैं, उन्हें प्रयोगकर्ता द्वारा एक संलग्न वैकल्पिक बटन प्रेस के माध्यम से तदर्थ (यानी, गैर-स्थानिक) पानी पुरस्कार दिया जा सकता है, या लोकोमोशन को प्रोत्साहित करने के लिए पहिया को धीरे से स्थानांतरित किया जा सकता है। यादृच्छिक चारा खोजने वाले व्यवहार को विकसित करने के लिए, चूहों को जो दौड़ते हैं लेकिन चाटते नहीं हैं, उन्हें गैर-ऑपरेटिंग पुरस्कारों (व्यवहार ESP32 कोड: isOperant = 0;, चरण 4.5.1) के साथ चलाया जाना चाहिए जब तक कि वे पुरस्कार के लिए दौड़ते और चाटते नहीं हैं, और फिर उन्हें गैर-संचालित और ऑपरेटिंग रिवॉर्ड ज़ोन (altOpt = 1) के वैकल्पिक लैप के साथ चलाया जा सकता है। चरण 4.5.2) जब तक कि वे पूरी तरह से संचालित यादृच्छिक इनाम क्षेत्रों (चरण 4.5.3) में जाने से पहले ऑपरेटिंग लैप पर चाटना शुरू नहीं करते।

जबकि हमने स्थानिक सीखने के एक रूप (आभासी रैखिक ट्रैक वातावरण में छिपे हुए इनाम स्थान पर वातानुकूलित चाटना) प्राप्त करने के उद्देश्य से प्रयोगों के एक बुनियादी सेट के लिए पूर्ण निर्देश और उदाहरण परिणाम प्रदान किए हैं, रास्पबेरी पाई के लिए पीआई 3 डी पायथन पैकेज का उपयोग करके अधिक जटिल विसुओस्पेटियल वातावरण के वितरण के लिए उसी मूल हार्डवेयर और सॉफ्टवेयर सेटअप को भी संशोधित किया जा सकता है। उदाहरण के लिए, यह प्रणाली अधिक जटिल भूलभुलैया को शामिल कर सकती है जैसे कि चर लंबाई, कई पैटर्न और 3 डी वस्तुओं और प्राकृतिक 3 डी वीआर परिदृश्य के साथ गलियारे। इसके अलावा, पानी के पुरस्कार और अन्य गैर-दृश्य उत्तेजनाओं के वितरण के लिए व्यवहार सॉफ्टवेयर को प्रमुख चर (व्यवहार ईएसपी 32 कोड की शुरुआत में प्रस्तुत) को बदलकर या एक ही कोड में नए प्रकार की स्थानिक घटनाओं को सम्मिलित करके अन्य प्रशिक्षण प्रतिमानों के लिए संशोधित किया जा सकता है। हम इस वीआर सेटअप के साथ या समस्या निवारण में अन्य प्रकार के व्यवहार प्रयोगों को लागू करने के तरीकों के बारे में उपयोगकर्ताओं को सलाह देने में प्रसन्न हैं।

इमर्सिव वीआर वातावरण ने नैदानिक और पशु अध्ययन दोनों में स्थानिक नेविगेशन 6,7,8, इनाम-सीखने के व्यवहार9, और दृश्य धारणा25 के अंतर्निहित तंत्रिका तंत्र का अध्ययन करने के लिए एक बहुमुखी उपकरण साबित किया है। इस दृष्टिकोण का मुख्य लाभ यह है कि प्रयोगकर्ता के पास दृश्य संकेतों और विशिष्ट स्थानिक उत्तेजनाओं (जैसे, पुरस्कार और घ्राण, श्रवण, या स्पर्श उत्तेजना) जैसे प्रासंगिक तत्वों पर कड़ा नियंत्रण है, जो स्वतंत्र रूप से चलने वाले जानवरों के साथ वास्तविक दुनिया के वातावरण में व्यावहारिक नहीं है। हालांकि, यह ध्यान दिया जाना चाहिए कि वास्तविक दुनिया के वातावरण26,27 के उपयोग की तुलना में हिप्पोकैम्पस जैसे मस्तिष्क क्षेत्रों द्वारा वीआर वातावरण को एन्कोड करने के तरीके में अंतर मौजूद हो सकता है। इस चेतावनी के साथ, वीआर वातावरण का उपयोग प्रयोगकर्ताओं को सावधानीपूर्वक नियंत्रित उत्तेजनाओं के साथ बड़ी संख्या में व्यवहार परीक्षण करने की अनुमति देता है, जिससे स्थानिक नेविगेशन के लिए अलग-अलग संवेदी तत्वों के योगदान के पृथक्करण की अनुमति मिलती है।

कस्टम वीआर सेटअप के निर्माण की जटिलता को अक्सर इंजीनियरिंग और कंप्यूटर प्रोग्रामिंग में एक व्यापक पृष्ठभूमि की आवश्यकता होती है, जो सेटअप के समय को बढ़ा सकती है और प्रयोग के लिए चूहों को प्रशिक्षित करने के लिए बनाए जा सकने वाले उपकरणों की संख्या को सीमित कर सकती है। वीआर सेटअप वाणिज्यिक विक्रेताओं से भी उपलब्ध हैं; हालाँकि, ये समाधान महंगे और सीमित हो सकते हैं यदि उपयोगकर्ता नई सुविधाओं को लागू करना चाहता है या एक से अधिक सेटअप में प्रशिक्षण / रिकॉर्डिंग क्षमता का विस्तार करना चाहता है। यहां प्रस्तुत ओपन-सोर्स वीआर सेटअप की अनुमानित मूल्य सीमा $ 1,000 (यूएसडी) < है; हालांकि, प्रशिक्षण के लिए एक सरलीकृत संस्करण (उदाहरण के लिए, सिर कोण समायोजन के लिए गोनोमीटर की कमी) < $ 500 (यूएसडी) के लिए उत्पादित किया जा सकता है, इस प्रकार बड़े पैमाने पर चूहों को प्रशिक्षित करने के लिए कई सेटअपों के निर्माण की अनुमति मिलती है। घटकों की मॉड्यूलर व्यवस्था व्यवहार नियंत्रण के लिए अन्य प्रणालियों के साथ वीआर के एकीकरण की भी अनुमति देती है, जैसे कि स्थानिक घ्राण और स्पर्श उत्तेजनाओं के साथ ट्रेडमिल प्रणाली जो हमने पहले20 का उपयोग किया है, और इस प्रकार, वीआर और अन्य उत्तेजना तौर-तरीके पारस्परिक रूप से अनन्य नहीं हैं।

यह ओपन-सोर्स वीआर सिस्टम अपने संबंधित हार्डवेयर (रनिंग व्हील, प्रोजेक्शन स्क्रीन और हेड-फिक्सेशन उपकरण), इलेक्ट्रॉनिक्स सेटअप (सिंगल-बोर्ड कंप्यूटर और ईएसपी 32 माइक्रोकंट्रोलर), और सॉफ्टवेयर (वीआर जीयूआई और व्यवहार कोड) के साथ सिर-संयमित स्थानिक नेविगेशन के दौरान चूहों को पैरामीटराइज्ड इमर्सिव वीआर वातावरण देने के लिए एक सस्ता, कॉम्पैक्ट और उपयोग में आसान सेटअप प्रदान करता है। इस व्यवहार को तब स्थानिक सीखने के दौरान तंत्रिका गतिविधि की जांच करने के लिए तंत्रिका इमेजिंग या इलेक्ट्रोफिजियोलॉजिकल रिकॉर्डिंग के साथ सिंक्रनाइज़ किया जा सकता है (चरण 2.3.7)। वीआर के साथ संगत प्रयोगात्मक तकनीकों का स्पेक्ट्रम व्यापक है, जिसमें अकेले स्थानिक सीखने के व्यवहार से लेकर फाइबर फोटोमेट्री, मिनिस्कोप इमेजिंग, सिंगल-फोटॉन और मल्टी-फोटॉन इमेजिंग, और इलेक्ट्रोफिजियोलॉजिकल तकनीकों (जैसे, न्यूरोपिक्सेल या इंट्रासेल्युलर रिकॉर्डिंग) के साथ संयोजन शामिल है। जबकि इन रिकॉर्डिंग तकनीकों में से कुछ के लिए सिर संयम आवश्यक है, उत्तेजना प्रस्तुति की अत्यंत सटीक प्रकृति और व्यवहार की रूढ़िवादी प्रकृति अन्य तकनीकों के लिए भी उपयोगी हो सकती है, जिन्हें सिर निर्धारण की आवश्यकता नहीं होती है, जैसे कि मिनिसोस्कोप इमेजिंग और फाइबर फोटोमेट्री। हालांकि, यह ध्यान दिया जाना चाहिए कि चाटने का पता लगाने के लिए हमारा कैपेसिटिव सेंसर-आधारित समाधान इलेक्ट्रोफिजियोलॉजिकल निशान पर महत्वपूर्ण शोर पेश कर सकता है। ऐसी कलाकृतियों, ऑप्टिकल या अन्य (जैसे, यांत्रिक) से बचने के लिए, चाट का पता लगाने के लिए सेंसर-आधारित समाधान लागू किए जाने चाहिए।

वीआर सिस्टम में भविष्य के सुधार प्रोजेक्ट GitHub पृष्ठ (https://github.com/GergelyTuri/HallPassVR) पर अपलोड किए जाएंगे, इसलिए उपयोगकर्ताओं को अपडेट के लिए नियमित रूप से इस पृष्ठ की जांच करनी चाहिए। उदाहरण के लिए, हम माइक्रोकंट्रोलर और सिंगल-बोर्ड कंप्यूटर के बीच हार्डवायर्ड सीरियल कनेक्शन को ब्लूटूथ कार्यक्षमता के साथ बदलने की प्रक्रिया में हैं, जो इस डिजाइन में पहले से ही उपयोग किए जाने वाले ईएसपी 32 माइक्रोकंट्रोलर के मूल निवासी है। इसके अलावा, हम हॉलपासवीआर जीयूआई को अपग्रेड करने की योजना बना रहे हैं ताकि प्रत्येक व्यवहार सत्र में विभिन्न पथों के विनिर्देश को अलग-अलग लैप पर प्रमुख ऐतिहासिक दृश्य उत्तेजनाओं के लिए अलग-अलग स्थानों को शामिल किया जा सके। यह स्थानिक सीखने के दौरान अंतरिक्ष के तंत्रिका एन्कोडिंग पर विशिष्ट दृश्य और प्रासंगिक विशेषताओं के प्रभाव को अलग करने के लिए अधिक लचीलापन देगा।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

क्ले लेसफील्ड OpenMaze.org के संस्थापक और रखरखावकर्ता हैं, जो डाउनलोड के लिए मुफ्त में इस प्रोटोकॉल में उपयोग किए जाने वाले ओएमडब्ल्यूस्मॉल पीसीबी के लिए डिजाइन प्रदान करता है।

Acknowledgments

हम इस पांडुलिपि में प्रोटोकॉल विकसित करते समय चर्चा और सुझावों के लिए हार्वे प्रयोगशाला से नूह पेटीट को धन्यवाद देना चाहते हैं। इस काम को एनआईएनडीएस आर 56एनएस 128177 (आरएच, सीएल) और एनआईएमएच आर01एमएच068542 (आरएच) के अलावा बीबीआरएफ यंग इन्वेस्टिगेटर अवार्ड और एनआईएमएच 1आर 21एमएच 122965 (जीएफटी) द्वारा समर्थित किया गया था।

Materials

Name Company Catalog Number Comments
1/4 " diam aluminum rod McMaster-Carr 9062K26 3" in length for wheel axle
1/4"-20 cap screws, 3/4" long (x2) Amazon.com B09ZNMR41V for affixing head post holders to optical posts
2"x7" T-slotted aluminum bar (x2) 8020.net 1020 wheel/animal mounting frame
6" diam, 3" wide acrylic cylinder (1/8" thick) Canal Plastics 33210090702 Running wheel (custom width cut at canalplastics.com)
8-32 x 1/2" socket head screws McMaster-Carr 92196A194 fastening head post holder to optical post 
Adjustable arm (14") Amazon.com B087BZGKSL to hold/adjust lick spout
Analysis code (MATLAB) custom written file at github.com/GergelyTuri/HallPassVR/software/Analysis code
Axle mounting flange, 1/4" ID Pololu 1993 for mounting wheel to axle
Ball bearing (5/8" OD, 1/4" ID, x2) McMaster-Carr 57155K324 for mounting wheel axle to frame
Behavior ESP32 code custom written file at github.com/GergelyTuri/HallPassVR/software/Arduino code/Behavior board
Black opaque matte acrylic sheets (1/4" thick) Canal Plastics 32918353422 laser cut file at github.com/GergelyTuri/HallPassVR/hardware/VR screen assembly
Clear acrylic sheet (1/4" thick) Canal Plastics 32920770574 laser cut file at github.com/GergelyTuri/HallPassVR/hardware/VR wheel assembly
ESP32 devKitC v4 (x2) Amazon.com B086YS4Z3F microcontroller for behavior and rotary encoder
ESP32 shield OpenMaze.org OMwSmall description at www.openmaze.org (https://claylacefield.wixsite.com/openmazehome/copy-of-om2shield). ZIP gerber files at: https://github.com/claylacefield/OpenMaze/tree/master/OM_PCBs
Fasteners and brackets  8020.net 4138, 3382,3280 for wheel frame mounts
goniometers Edmund Optics 66-526, 66-527 optional for behavior. Fine tuning head for imaging
HallPassVR python code custom written file at github.com/GergelyTuri/HallPassVR/software/HallPassVR
Head post holder custom design 3D design file at github.com/GergelyTuri/HallPassVR/hardware/VR head mount/Headpost Clamp
LED projector Texas Instruments DLPDLCR230NPEVM or other small LED projector
Lick spout VWR 20068-638 (or ~16 G metal hypodermic tubing)
M 2.5 x 6 set screws McMaster-Carr 92015A097 securing head post 
Matte white diffusion paper Amazon.com screen material
Metal headposts custom design 3D design file at github.com/GergelyTuri/HallPassVR/hardware/VR head mount/head post designs
Miscellenous tubing and tubing adapters (1/16" ID) for constructing the water line
Optical breadboard Thorlabs as per user's requirements
Optical posts, 1/2" diam (2x) Thorlabs TR4 for head fixation setup
Processing code custom written file at github.com/GergelyTuri/HallPassVR/software/Processing code
Raspberry Pi 4B raspberry.com, adafruit.com Single-board computer for rendering of HallPassVR envir.
Right angle clamp Thorlabs RA90 for head fixation setup
Rotary encoder (quadrature, 256 step) DigiKey ENS1J-B28-L00256L to measure wheel rotation
Rotary encoder ESP32 code custom written file at github.com/GergelyTuri/HallPassVR/software/Arduino code/Rotary encoder
SCIGRIP 10315 acrylic cement Amazon.com
Shaft coupler McMaster-Carr 9861T426 to couple rotary encoder shaft with axle
Silver mirror acrylic sheets Canal Plastics 32913817934 laser cut file at github.com/GergelyTuri/HallPassVR/hardware/VR screen assembly
Solenoid valve Parker 003-0137-900 to administer water rewards

DOWNLOAD MATERIALS LIST

References

  1. Lisman, J., et al. Viewpoints: How the hippocampus contributes to memory, navigation and cognition. Nature Neuroscience. 20 (11), 1434-1447 (2017).
  2. Buzsaki, G., Moser, E. I. Memory, navigation and theta rhythm in the hippocampal-entorhinal system. Nature Neuroscience. 16 (2), 130-138 (2013).
  3. O'Keefe, J., Dostrovsky, J. The hippocampus as a spatial map. Preliminary evidence from unit activity in the freely-moving rat. Brain Research. 34 (1), 171-175 (1971).
  4. O'Keefe, J. Place units in the hippocampus of the freely moving rat. Experimental Neurology. 51 (1), 78-109 (1976).
  5. Fyhn, M., Molden, S., Witter, M. P., Moser, E. I., Moser, M. B. Spatial representation in the entorhinal cortex. Science. 305 (5688), 1258-1264 (2004).
  6. Letzkus, J. J., et al. A disinhibitory microcircuit for associative fear learning in the auditory cortex. Nature. 480 (7377), 331-335 (2011).
  7. Lacefield, C. O., Pnevmatikakis, E. A., Paninski, L., Bruno, R. M. Reinforcement learning recruits somata and apical dendrites across layers of primary sensory cortex. Cell Reports. 26 (8), 2000-2008 (2019).
  8. Dombeck, D. A., Harvey, C. D., Tian, L., Looger, L. L., Tank, D. W. Functional imaging of hippocampal place cells at cellular resolution during virtual navigation. Nature Neuroscience. 13 (11), 1433-1440 (2010).
  9. Gauthier, J. L., Tank, D. W. A dedicated population for reward coding in the hippocampus. Neuron. 99 (1), 179-193 (2018).
  10. Rickgauer, J. P., Deisseroth, K., Tank, D. W. Simultaneous cellular-resolution optical perturbation and imaging of place cell firing fields. Nature Neuroscience. 17 (12), 1816-1824 (2014).
  11. Yadav, N., et al. Prefrontal feature representations drive memory recall. Nature. 608 (7921), 153-160 (2022).
  12. Priestley, J. B., Bowler, J. C., Rolotti, S. V., Fusi, S., Losonczy, A. Signatures of rapid plasticity in hippocampal CA1 representations during novel experiences. Neuron. 110 (12), 1978-1992 (2022).
  13. Heys, J. G., Rangarajan, K. V., Dombeck, D. A. The functional micro-organization of grid cells revealed by cellular-resolution imaging. Neuron. 84 (5), 1079-1090 (2014).
  14. Harvey, C. D., Collman, F., Dombeck, D. A., Tank, D. W. Intracellular dynamics of hippocampal place cells during virtual navigation. Nature. 461 (7266), 941-946 (2009).
  15. Pettit, N., et al. Harvey Lab Mouse VR. , Available from: https://github.com/Harvey/Lab/mouseVR (2021).
  16. Pettit, N. L., Yap, E. L., Greenberg, M. E., Harvey, C. D. Fos ensembles encode and shape stable spatial maps in the hippocampus. Nature. 609 (7926), 327-334 (2022).
  17. Turi, G. F., et al. Vasoactive intestinal polypeptide-expressing interneurons in the hippocampus support goal-oriented spatial learning. Neuron. 101 (6), 1150-1165 (2019).
  18. Ulivi, A. F., et al. Longitudinal two-photon imaging of dorsal hippocampal CA1 in live mice. Journal of Visual Experiments. (148), e59598 (2019).
  19. Wang, Y., Zhu, D., Liu, B., Piatkevich, K. D. Craniotomy procedure for visualizing neuronal activities in hippocampus of behaving mice. Journal of Visual Experiments. (173), e62266 (2021).
  20. Tuncdemir, S. N., et al. Parallel processing of sensory cue and spatial information in the dentate gyrus. Cell Reports. 38 (3), 110257 (2022).
  21. Dombeck, D. A., Khabbaz, A. N., Collman, F., Adelman, T. L., Tank, D. W. Imaging large-scale neural activity with cellular resolution in awake, mobile mice. Neuron. 56 (1), 43-57 (2007).
  22. Guo, Z. V., et al. Procedures for behavioral experiments in head-fixed mice. PLoS One. 9 (2), 88678 (2014).
  23. Jordan, J. T., Gonçalves, J. T. Silencing of hippocampal synaptic transmission impairs spatial reward search on a head-fixed tactile treadmill task. bioRxiv. , (2021).
  24. Urai, A. E., et al. Citric acid water as an alternative to water restriction for high-yield mouse behavior. eNeuro. 8 (1), (2021).
  25. Saleem, A. B., Diamanti, E. M., Fournier, J., Harris, K. D., Carandini, M. Coherent encoding of subjective spatial position in visual cortex and hippocampus. Nature. 562 (7725), 124-127 (2018).
  26. Ravassard, P., et al. Multisensory control of hippocampal spatiotemporal selectivity. Science. 340 (6138), 1342-1346 (2013).
  27. Aghajan, Z. M., et al. Impaired spatial selectivity and intact phase precession in two-dimensional virtual reality. Nature Neuroscience. 18 (1), 121-128 (2015).

Tags

तंत्रिका विज्ञान अंक 193
हेड-संयमित चूहों में स्थानिक सीखने के माप के लिए एक ओपन-सोर्स वर्चुअल रियलिटी सिस्टम
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Lacefield, C., Cai, H., Ho, H.,… More

Lacefield, C., Cai, H., Ho, H., Dias, C., Chung, H., Hen, R., Turi, G. F. An Open-Source Virtual Reality System for the Measurement of Spatial Learning in Head-Restrained Mice. J. Vis. Exp. (193), e64863, doi:10.3791/64863 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter