Summary
माउसवॉकर (एमडब्ल्यू) टूलबॉक्स का उपयोग करके स्वतंत्र रूप से चलने वाले चूहों के लोकोमोटर पैटर्न का मात्रात्मक रूप से वर्णन करने के लिए एक प्रयोगात्मक पाइपलाइन प्रदान की जाती है, जिसमें प्रारंभिक वीडियो रिकॉर्डिंग और ट्रैकिंग से लेकर पोस्ट-परिमाणीकरण विश्लेषण तक शामिल हैं। एमडब्ल्यू प्रणाली की उपयोगिता को प्रदर्शित करने के लिए चूहों में रीढ़ की हड्डी की चोट मॉडल को नियोजित किया जाता है।
Abstract
जटिल और अत्यधिक समन्वित मोटर कार्यक्रमों का निष्पादन, जैसे चलना और दौड़ना, रीढ़ की हड्डी और सुप्रा-स्पाइनल सर्किट के लयबद्ध सक्रियण पर निर्भर है। वक्ष रीढ़ की हड्डी की चोट के बाद, अपस्ट्रीम सर्किट के साथ संचार बिगड़ा हुआ है। यह बदले में, सीमित वसूली क्षमता के साथ समन्वय के नुकसान की ओर जाता है। इसलिए, दवाओं या उपचारों के प्रशासन के बाद वसूली की डिग्री का बेहतर मूल्यांकन करने के लिए, रीढ़ की हड्डी की चोट के पशु मॉडल में चाल, अंग समन्वय और लोकोमोटर व्यवहार के अन्य ठीक पहलुओं को मापने के लिए नए, अधिक विस्तृत और सटीक उपकरणों की आवश्यकता है। कृन्तकों में मुक्त-चलने वाले व्यवहार का मात्रात्मक रूप से आकलन करने के लिए वर्षों में कई परख विकसित किए गए हैं; हालांकि, उनके पास आमतौर पर चाल रणनीतियों, पदचिह्न पैटर्न और समन्वय से संबंधित प्रत्यक्ष माप की कमी होती है। इन कमियों को दूर करने के लिए, माउसवॉकर का एक अद्यतन संस्करण, जो ट्रैकिंग और परिमाणीकरण सॉफ्टवेयर के साथ एक कुंठित कुल आंतरिक प्रतिबिंब (एफटीआईआर) वॉकवे को जोड़ता है, प्रदान किया जाता है। इस ओपन-सोर्स सिस्टम को कई ग्राफिकल आउटपुट और किनेमेटिक पैरामीटर निकालने के लिए अनुकूलित किया गया है, और पोस्ट-परिमाणीकरण टूल का एक सेट प्रदान किए गए आउटपुट डेटा का विश्लेषण करने के लिए हो सकता है। यह पांडुलिपि यह भी दर्शाती है कि यह विधि, पहले से स्थापित व्यवहार परीक्षणों के साथ संबद्ध, रीढ़ की हड्डी की चोट के बाद लोकोमोटर घाटे का मात्रात्मक रूप से वर्णन करती है।
Introduction
चार अंगों का प्रभावी समन्वय चतुष्कोणीय जानवरों के लिए अद्वितीय नहीं है। मनुष्यों में फोरलिम्ब-हिंदलिम्ब समन्वय कई कार्यों को पूरा करने के लिए महत्वपूर्ण रहता है, जैसे तैराकीऔर चलते समय गति में परिवर्तन। विभिन्न अंग कीनेमेटिक2 और मोटर प्रोग्राम 1,3,4, साथ ही प्रोप्रियोसेप्टिव फीडबैक सर्किट5, मनुष्यों और अन्य स्तनधारियों के बीच संरक्षित हैं और मोटर विकारों के लिए चिकित्सीय विकल्पों का विश्लेषण करते समय विचार किया जाना चाहिए, जैसे कि रीढ़ की हड्डी की चोट (एससीआई) 6,7,8।
चलने के लिए, अग्रअंगों और हिंदलिम्ब्स से कई रीढ़ की हड्डी के कनेक्शन को ठीक से वायर्ड और लयबद्ध रूप से सक्रिय करने की आवश्यकता होती है, जिसके लिए मस्तिष्क से इनपुट और सोमैटोसेंसरी सिस्टम 2,9,10 से प्रतिक्रिया की आवश्यकता होती है। ये कनेक्शन केंद्रीय पैटर्न जनरेटर (सीपीजी) में समाप्त होते हैं, जो क्रमशः 1,9,10 के अग्रभाग और हिंदअंगों के लिए ग्रीवा और काठ के स्तर पर स्थित होते हैं। अक्सर, एससीआई के बाद, न्यूरोनल कनेक्टिविटी का विघटन और एक निरोधात्मक ग्लियल निशान12 का गठन लोकोमोटर फ़ंक्शन की वसूली को सीमित करता है, जिसमें चोट की गंभीरता के आधार पर अंगों के समूह के कुल पक्षाघात से प्रतिबंधित कार्य तक के परिणाम भिन्न होते हैं। एससीआई के बाद लोकोमोटर फ़ंक्शन को सटीक रूप से निर्धारित करने के लिए उपकरण वसूली की निगरानी और उपचार या अन्यनैदानिक हस्तक्षेपों के प्रभावों का मूल्यांकन करने के लिए महत्वपूर्ण हैं।
एससीआई के माउस कंट्यूशन मॉडल के लिए मानक मीट्रिक परख बासो माउस स्केल (बीएमएस) 13,14 है, एक गैर-पैरामीट्रिक स्कोर जो एक खुले क्षेत्र क्षेत्र में ट्रंक स्थिरता, पूंछ की स्थिति, प्लांटर स्टेपिंग और फोरलिम्ब-हिंदलिम्ब समन्वय पर विचार करता है। भले ही बीएमएस ज्यादातर मामलों के लिए बेहद विश्वसनीय है, लेकिन प्राकृतिक परिवर्तनशीलता और पूर्वाग्रह को कम करने के लिए पशु आंदोलन के सभी कोणों का निरीक्षण करने के लिए कम से कम दो अनुभवी रेटर्स की आवश्यकता होती है।
एससीआई के बाद मात्रात्मक रूप से मोटर प्रदर्शन का आकलन करने के लिए अन्य परख भी विकसित किए गए हैं। इनमें रोटारोड परीक्षण शामिल है, जो घूर्णन सिलेंडर15 पर बिताए गए समय को मापता है; क्षैतिज सीढ़ी, जो छूटी हुई रेलिंग और सकारात्मक सीढ़ी की संख्या को मापती है,16,17 पकड़ती है; और बीम वॉकिंग टेस्ट, जो एक जानवर द्वारा लिए गए समय और एक संकीर्ण बीम18 को पार करते समय होने वाली विफलताओं की संख्या को मापता है। मोटर घाटे के संयोजन को प्रतिबिंबित करने के बावजूद, इनमें से कोई भी परीक्षण फोरलिम्ब-हिंदलिम्ब समन्वय के बारे में प्रत्यक्ष लोकोमोटर जानकारी का उत्पादन नहीं करता है।
विशेष रूप से और अधिक अच्छी तरह से चलने के व्यवहार का विश्लेषण करने के लिए, कदम चक्रों और गैटिंग रणनीतियों के पुनर्निर्माण के लिए अन्य परख विकसित किए गए हैं। एक उदाहरण पदचिह्न परीक्षण है, जहां एक जानवर के स्याही वाले पंजे सफेद कागज19 की शीट पर एक पैटर्न खींचते हैं। हालांकि इसके निष्पादन में सरल है, स्ट्राइड लंबाई जैसे किनेमेटिक पैरामीटर निकालना बोझिल और गलत है। इसके अलावा, गतिशील मापदंडों की कमी, जैसे कि चरण चक्र की अवधि या लेग-टाइमसमन्वय, इसके अनुप्रयोगों को सीमित करता है; दरअसल, इन गतिशील मापदंडों को केवल पारदर्शी सतह के माध्यम से चलने वाले कृन्तकों के फ्रेम-दर-फ्रेम वीडियो का विश्लेषण करके प्राप्त किया जा सकता है। एससीआई अध्ययनों के लिए, शोधकर्ताओं ने ट्रेडमिल का उपयोग करके पार्श्व दृश्य से चलने के व्यवहार का विश्लेषण किया है, जिसमें चरण चक्र का पुनर्निर्माण और प्रत्येक पैर के जोड़ 4,20,21 के कोणीय विविधताओं को मापना शामिल है। भले ही यह दृष्टिकोण बेहद जानकारीपूर्ण हो सकता है6, यह अंगों के एक विशिष्ट सेट पर केंद्रित रहता है और समन्वय जैसे अतिरिक्त चाल सुविधाओं का अभाव होता है।
इन अंतरालों को भरने के लिए, हैमर्स और सहयोगियों ने निराश कुल आंतरिक प्रतिबिंब (एफटीआईआर) 22 का उपयोग करके ऑप्टिकल टच सेंसर के आधार पर एक मात्रात्मक परीक्षण विकसित किया। इस विधि में, प्रकाश आंतरिक प्रतिबिंब के माध्यम से कांच के माध्यम से फैलता है, पंजा दबाने पर बिखर जाता है, और अंत में, एक उच्च गति वाले कैमरे द्वारा कैप्चर किया जाता है। हाल ही में, इस विधि का एक ओपन-सोर्स संस्करण, जिसे माउसवॉकर कहा जाता है, उपलब्ध कराया गया था, और यह दृष्टिकोण एक एफटीआईआर वॉकवे को ट्रैकिंग और परिमाणीकरण सॉफ्टवेयर पैकेज23 के साथ जोड़ता है। इस विधि का उपयोग करके, उपयोगकर्ता मात्रात्मक मापदंडों का एक बड़ा सेट निकाल सकता है, जिसमें चरण, स्थानिक और चाल पैटर्न, पदचिह्न स्थिति, और फोरलिम्ब-हिंदलिंब समन्वय, साथ ही दृश्य आउटपुट, जैसे पदचिह्न पैटर्न (स्याही पंजा परख6 की नकल) या शरीर अक्ष के सापेक्ष रुख चरण शामिल हैं। महत्वपूर्ण रूप से, इसकी ओपन-सोर्स प्रकृति के कारण, MATLAB स्क्रिप्ट पैकेज को अपडेट करके नए पैरामीटर निकाले जा सकते हैं।
यहां, माउसवॉकर23 सिस्टम की पहले प्रकाशित असेंबली अपडेट की गई है। इसे कैसे सेट अप किया जाए, इसका विवरण प्रदान किया गया है, जिसमें सर्वोत्तम वीडियो गुणवत्ता, ट्रैकिंग स्थितियों और पैरामीटर अधिग्रहण को प्राप्त करने के लिए आवश्यक सभी कदम हैं। माउसवॉकर (एमडब्ल्यू) आउटपुट डेटासेट के विश्लेषण को बढ़ाने के लिए अतिरिक्त पोस्ट-परिमाणीकरण उपकरण भी साझा किए जाते हैं। अंत में, इस उपकरण की उपयोगिता रीढ़ की हड्डी की चोट (एससीआई) संदर्भ में सामान्य लोकोमोटर प्रदर्शन, विशेष रूप से चरण चक्र और फोरलिम्ब-हिंदलिम्ब समन्वय के लिए मात्रात्मक मूल्य प्राप्त करके प्रदर्शित की जाती है।
Subscription Required. Please recommend JoVE to your librarian.
Protocol
सभी हैंडलिंग, सर्जिकल और पोस्ट-ऑपरेटिव देखभाल प्रक्रियाओं को यूरोपीय समुदाय के दिशानिर्देशों (निर्देश 2010/63 / ईयू) और पशु देखभाल पर पुर्तगाली कानून (डीएल 113/2013) के अनुसार इंस्टीट्यूटो डी मेडिसिना आणविक आंतरिक समिति (ओआरबीईए) और पुर्तगाली पशु नैतिकता समिति (डीजीएवी) द्वारा लाइसेंस 0421/000/000/2022 के तहत अनुमोदित किया गया था। वर्तमान अध्ययन के लिए 9 सप्ताह की आयु की महिला C57Bl / 6J चूहों का उपयोग किया गया था। जानवरों की संख्या को कम करने और अध्ययन में उपयोग किए जाने वाले जानवरों की पीड़ा को कम करने के लिए सभी प्रयास किए गए थे। MATLAB स्क्रिप्ट और MW सॉफ़्टवेयर का स्टैंडअलोन संस्करण ओपन-सोर्स हैं और GitHub पर उपलब्ध हैं।
रिपॉजिटरी (https://github.com/NeurogeneLocomotion/MouseWalker)। जबकि MW सॉफ्टवेयर MATLAB R2012b में विकसित किया गया था, इसे MATLAB R2022b में चलाने के लिए अनुकूलित किया गया है। चित्र 1 MW के विश्लेषण वर्कफ़्लो को दर्शाता है।
1. माउसवॉकर (एमडब्ल्यू) उपकरण की स्थापना
- एमडब्ल्यू उपकरण को इकट्ठा करें जैसा कि पहले23 में वर्णित है, या प्रयोगात्मक डिजाइन की विशिष्ट आवश्यकताओं के अनुकूल है (सेटअप पर अधिक जानकारी के लिए सामग्री की तालिका और पूरक चित्रा 1 देखें)।
नोट: चूहों जैसे बड़े जानवरों को समायोजित करने के लिए चलने के क्षेत्र को व्यापक बनाया जा सकता है। -
सत्यापित करें कि प्लेक्सीग्लास जहां जानवर चलते हैं वह साफ और खरोंच मुक्त है। एक चिकनी सफाई कपड़े का उपयोग करें, और उच्च सांद्रता में अमोनिया या इथेनॉल जैसे कार्बनिक सॉल्वैंट्स के उपयोग को कम करें, जो प्लेक्सीग्लास को नुकसान पहुंचा सकता है (3% हाइड्रोजन पेरोक्साइड, 7% इथेनॉल, या प्लेक्सीग्लास के लिए किसी भी संगत और उपयुक्त कीटाणुनाशक की सिफारिश की जाती है)। यदि आवश्यक हो, तो प्लेक्सीग्लास को बदलें।
- बड़ी मात्रा में प्रकाश को कैप्चर करने के लिए एक तेज लेंस और एक बड़े एपर्चर (यानी, छोटे एफ-स्टॉप मान) के साथ उच्च गति वाले कैमरे को सेट करें, क्योंकि यह एफटीआईआर संकेतों को रिकॉर्ड करने में मदद करता है ( सामग्री की तालिका देखें)।
नोट: लेंस को ऑप्टिकल विकृतियां उत्पन्न नहीं करनी चाहिए, खासकर छवि के किनारों पर। ऑप्टिकल विकृतियों का परीक्षण एक ज्ञात पैटर्न (जैसे, धारियों या वर्गों) को रिकॉर्ड करके और फिर इमेजजे / फिजी24 पर ब्लॉकों के आकार को मापकर किया जा सकता है (लाइन टूल का उपयोग करें, और फिर > माप का विश्लेषण करें पर क्लिक करें)। उदाहरण के लिए, 1 सेमी आकार के वर्ग में छवि के केंद्र और किनारों पर समान पिक्सेल आयाम होना चाहिए। विविधताएं 5% से कम होनी चाहिए। - पृष्ठभूमि प्रकाश बॉक्स से बहुरंगी एलईडी लाइट पट्टी को रोशन करें।
- वॉकवे लाइट बॉक्स से सफेद एलईडी लाइट स्ट्रिप को रोशन करें।
नोट: पदचिह्न / शरीर / पृष्ठभूमि केभेद को सुविधाजनक बनाने के लिए एक रंगीन एलईडी का भी उपयोग किया जा सकता है। - कमरे की रोशनी बंद होने के साथ, पृष्ठभूमि प्रकाश बॉक्स और वॉकवे की प्रकाश तीव्रता को सत्यापित करें। यदि आवश्यक हो, तो पोटेंशियोमीटर या अर्ध-अपारदर्शी प्लास्टिक का उपयोग करके तीव्रता को समायोजित करें। इन्हें अनुकूलित किया जाना चाहिए ताकि पिक्सेल तीव्रता निम्नलिखित क्रम में बढ़े: जानवरों का शरीर < पृष्ठभूमि < पैरों के निशान।
- जानवरों के शरीर / पृष्ठभूमि / पैरों के निशान की पिक्सेल तीव्रता की जांच करने के लिए, ImageJ / FIJI24 पर छवि अनुक्रम खोलें, और > माप का विश्लेषण करें पर क्लिक करें। पदचिह्न संकेत को अतिसंतृप्त नहीं होना चाहिए, क्योंकि यह पदचिह्न की सीमाओं को परिभाषित करने से रोक देगा (यानी, पैर की उंगलियों और पैर पैड) (पूरक चित्रा 2)।
- वीडियो रिकॉर्डिंग सॉफ्टवेयर पर वॉकवे की छवि कंट्रास्ट समायोजित करें। कंट्रास्ट को दो तरीकों से समायोजित किया जा सकता है: एलईडी स्ट्रिप पर प्रकाश व्यवस्था को मंद करके या बढ़ाकर या कैमरा लेंस एपर्चर को समायोजित करके।
- लेंस को सही ढंग से एक ही ऊंचाई पर और 45 ° प्रतिबिंबित दर्पण के केंद्र में और पैदल मार्ग के लंबवत (90 °) में रखें। यह बाएं-दाएं पैदल मार्ग के साथ एक लगातार आनुपातिक छवि उत्पन्न करेगा।
नोट: कई रिकॉर्डिंग सत्रों में कैमरे की स्थिति (दूरी, ऊंचाई और अभिविन्यास) को बदलने से बचें। यदि आवश्यक हो, तो उस मंजिल को चिह्नित करें जहां तिपाई रखी जानी चाहिए। यह छवि सुविधाओं को बनाए रखेगा। - लेंस को प्लेक्सीग्लास की सतह पर केंद्रित करें। यह प्लेक्सीग्लास की सतह को छूने वाली एक गैर-हानिकारक वस्तु का उपयोग करके परीक्षण किया जा सकता है।
नोट: कम एफ-स्टॉप लेंस मूल्यों के साथ, क्षेत्र की गहराई छोटी हो जाएगी, इस प्रकार ध्यान केंद्रित करना कठिन हो जाएगा। - सुनिश्चित करें कि परख के दौरान सभी सेटिंग्स अपरिवर्तित रहें, क्योंकि वे रिकॉर्ड किए गए वीडियो की पिक्सेल तीव्रता को बदल सकते हैं।
2. वीडियो अधिग्रहण
- सुनिश्चित करें कि परीक्षण से पहले चूहे कमरे और उपकरण से परिचित हैं। आदत के लिए कम से कम 1 दिन बचाएं (दिन 0)। अत्यधिक प्रशिक्षण से बचने के लिए, एमडब्ल्यू परीक्षण अन्य व्यवहार परीक्षणों (अधिमानतः अगले दिन) से अलग दिन पर करें।
- वीडियो रिकॉर्डिंग सॉफ्टवेयर में, सुनिश्चित करें कि वॉकवे का कम से कम 50 सेमी दिखाई दे रहा है।
- वॉकवे क्षेत्र को छोटा करने के लिए रिकॉर्डिंग सेटिंग्स समायोजित करें। यह वीडियो आकार को कम करेगा और वीडियो अधिग्रहण को अनुकूलित करेगा।
- प्रत्येक सत्र से पहले एक नियमित शासक की एक तस्वीर या एक छोटा वीडियो लें। वीडियो को कैलिब्रेट करने के लिए बाद में "सेटिंग्स विंडो" में प्रति सेंटीमीटर पिक्सेल की संख्या का उपयोग किया जाएगा।
- वीडियो अधिग्रहण शुरू करें, और चोटों से बचने के लिए पूंछ के आधार को पकड़कर जानवर को पैदल मार्ग के किनारे पर रखें। सुनिश्चित करें कि जानवर मंच के चरम किनारे पर आगे बढ़ें। चिकनी चाल संक्रमण सुनिश्चित करने के लिए कम से कम 100 फ्रेम / सेकंड के साथ वीडियो रिकॉर्डिंग करें।
- यदि आवश्यक हो, तो जानवरों को धीरे-धीरे वॉकवे की दीवार को टैप करके या उंगलियों को काटकर / ताली बजाकर स्थानांतरित करने के लिए प्रेरित करें। हालांकि, शारीरिक छेड़छाड़ से बचें, क्योंकि यह परिणामों को प्रभावित कर सकता है।
- वीडियो को सीधे TIFF (LZW संपीड़न के साथ), JPEG या PNG स्वरूप में छवि अनुक्रम के रूप में सहेजें. यदि कैमरा एक कच्ची MOV फ़ाइल के रूप में रिकॉर्ड करता है, तो ImageJ / FIJI24 में फ़ाइल खोलकर और फ़ाइल > छवि अनुक्रम के रूप में सहेजें पर क्लिक करके वीडियो > छवि अनुक्रम में परिवर्तित करें (या अन्य सॉफ़्टवेयर, जैसे कि लॉसलेसकट25 का उपयोग करके)।
नोट: अधिकांश जानवर पैदल मार्ग में डाले जाने के तुरंत बाद चलना शुरू करते हैं; इसलिए, जानवर को रखने से पहले वीडियो अधिग्रहण शुरू करने की सिफारिश की जाती है।
3. एमडब्ल्यू ट्रैकिंग सॉफ्टवेयर के लिए वीडियो तैयार करना
- प्रत्येक व्यक्तिगत माउस के पर्याप्त पूर्ण रन फिल्माएं। प्रति स्थिति फिल्म करने के लिए जानवरों की संख्या और पूर्ण रन की संख्या प्रत्येक प्रयोगात्मक डिजाइन के अनुसार तय की जानी चाहिए। एक पूर्ण रन तब होता है जब माउस लंबे समय तक रुकने के बिना वॉकवे के पूरे 50 सेमी चलता है (इस प्रयोग में, तीन पूर्ण रन चुने गए थे)।
नोट: छवि अधिग्रहण सॉफ्टवेयर के आधार पर, वीडियो को सबसे छोटे ROI पर क्रॉप करने की आवश्यकता हो सकती है। इससे ट्रैकिंग और आउटपुट जनरेशन की स्पीड बढ़ेगी। - ImageJ/FIJI24 में, छवि > स्टैक > उपकरण पर क्लिक करके उन फ़्रेम का चयन करें जिनमें माउस स्क्रीन पर है > एक सबस्टैक बनाएं। मेगावाट पर ट्रैकिंग के लिए सिर और पूंछ को सभी फ्रेम में दिखाई देने की आवश्यकता होती है। हालांकि, एक ही वीडियो रिकॉर्डिंग से कई सबस्टैक्स बनाना संभव है, जो बाद में प्रत्येक रन का प्रतिनिधित्व करेगा।
- फ़ाइल > छवि अनुक्रम के रूप में सहेजें पर क्लिक करके प्रत्येक सबस्टैक को अलग-अलग फ़ोल्डरों में अलग-अलग सहेजें > करें। एमडब्ल्यू सॉफ्टवेयर बाद में प्रत्येक निर्देशिका में स्वचालित रूप से एक सबफ़ोल्डर बनाता है जब कोई रन का विश्लेषण करना शुरू करता है।
4. ट्रैकिंग
- MATLAB खोलें, कार्य निर्देशिका में MW स्क्रिप्ट वाले फ़ोल्डर जोड़ें, और मुख्य कमांड लाइन पर "MouseWalker.m" चलाएँ।
नोट: MATLAB के तहत MW सॉफ़्टवेयर का उपयोग करने से MATLAB के मुख्य कंसोल पर ट्रैकिंग त्रुटि संदेश ों को देखा जा सकता है और वांछित आउटपुट डेटा का चयन किया जा सकता है (मुख्य स्क्रिप्ट फ़ाइल "MouseEvaluate.m" खोलकर और आउटपुट को 1 या 0 में बदलकर: एक्सेल फ़ाइल, पदचिह्न प्लॉट, रुख निशान और चाल पैटर्न)। - वीडियो फ़ोल्डर को "इनपुट निर्देशिका" के रूप में लोड करें। कोई आउटपुट फ़ोल्डर भी चुन सकता है; हालाँकि, यह एक आवश्यकता नहीं है क्योंकि एमडब्ल्यू सॉफ्टवेयर "इनपुट निर्देशिका" के अंदर स्वचालित रूप से "परिणाम" नामक एक नया फ़ोल्डर बनाता है।
- तीर "<<", "<", ">>", और ">" का उपयोग करके जांचें कि क्या वीडियो फ्रेम सभी एमडब्ल्यू सॉफ्टवेयर के अंदर सही ढंग से लोड किए गए हैं।
- "सेटिंग्स विंडो" पर जाएं जहां सभी अंशांकन और थ्रेशोल्ड पैरामीटर स्थित हैं। ये सेटिंग्स पृष्ठभूमि और पैरों के निशान की पिक्सेल तीव्रता के साथ-साथ शरीर के न्यूनतम आकार और पैरों के निशान के आधार पर बदल सकती हैं, अन्य कारकों के बीच ( पूरक चित्र 2 में उदाहरण देखें)। पूर्वावलोकन बटन पर क्लिक करके कुछ मापदंडों को बदलने के प्रभाव का परीक्षण करें।
- थ्रेशोल्ड मापदंडों को समायोजित करने के बाद शरीर के अंगों को भेदभाव करने में मदद करने के लिए "शरीर + पैर + पूंछ", "केवल शरीर", "केवल पैर" और "पूंछ केवल" सहित विभिन्न कथानक शैलियों का उपयोग करें।
- चमक या आकार का माप लेने के लिए दाईं ओर पैनल पर उपकरणों का लाभ उठाएं (क्रमशः "चमक" और "शासक" बटन का उपयोग करके)। सभी सेटिंग्स को "डिफ़ॉल्ट" के रूप में सहेजा जा सकता है जब तक कि कैमरे की दूरी समान रहती है।
- थ्रेशोल्ड पैरामीटर समायोजित करने के बाद, जांचें कि वीडियो स्वचालित ट्रैकिंग के लिए तैयार है। पहले फ्रेम पर जाएं, और ट्रैकिंग शुरू करने के लिए ऑटो पर क्लिक करें। इस चरण का वास्तविक समय में पालन किया जा सकता है, और वीडियो के आकार और कंप्यूटर के प्रदर्शन के आधार पर इसमें कुछ मिनट लगते हैं।
- यदि ऑटो-ट्रैकिंग गलत तरीके से बॉडी सुविधाओं को लेबल करता है, तो ऑटो-ट्रैकिंग रद्द करें, नई सेटिंग्स दर्ज करें, और प्रक्रिया को पुनरारंभ करें।
- ट्रैकिंग पूरी होने के बाद, जांचें कि क्या मैन्युअल सुधार की आवश्यकता है। सही करने के लिए, दाएं पैर (आरएफ), दाएं हिंद (आरएच), बाएं पैर (एलएफ), और बाएं हिंद (एलएच) पंजे के पदचिह्न, सिर, नाक, शरीर (दो खंडों में विभाजित), और पूंछ की स्थिति (चार खंडों में विभाजित) के स्थान को इंगित करने के लिए मध्य पैनल का उपयोग करें। सहेजें बटन दबाकर परिवर्तन सहेजें.
नोट: सभी बटन और अधिकांश कमांड में एक कुंजी शॉर्टकट होता है (विवरण23 के लिए संबंधित मैनुअल की जांच करें)। वीडियो स्क्रॉलिंग और कीबोर्ड शॉर्टकट के निष्पादन की सुविधा के लिए, प्रोग्राम करने योग्य बटन के साथ एक हार्डवेयर नियंत्रक और कंटूर शटलप्रो वी 2 जैसे शटल व्हील का उपयोग किया जा सकता है। - ट्रैक किए गए वीडियो से आउटपुट फ़ाइलों को उत्पन्न करने के लिए मूल्यांकन पर क्लिक करें। चयनित वांछित आउटपुट के आधार पर (चरण 4.1 देखें), इस चरण में कुछ मिनट लग सकते हैं।
- जाँचें कि सभी ग्राफ़िकल आउटपुट डेटा प्लॉट "परिणाम" फ़ोल्डर में सहेजे गए हैं। कुछ ग्राफिकल आउटपुट की जांच करके ट्रैकिंग की सटीकता को सत्यापित करें, जैसे कि "रुख निशान", जहां कोई यह जांच सकता है कि सभी पंजे की स्थिति सुसंगत है या नहीं।
- यदि कोई त्रुटि पहचानी जाती है, तो मैन्युअल रूप से ट्रैकिंग को सही करें (यदि संभव हो; अन्यथा, "परिणाम" फ़ोल्डर को हटा दें, और नई सेटिंग्स के साथ फिर से ऑटो-ट्रैकिंग करें), और फिर से मूल्यांकन आदेश पर क्लिक करें।
- जांचें कि एमडब्ल्यू सॉफ्टवेयर द्वारा उत्पन्न सभी मात्रात्मक माप एक्सेल स्प्रेडशीट पर सहेजे जाते हैं और "1" पर सारांशित होते हैं। Info_Sheet". सुनिश्चित करें कि सूत्र परिसीमन के लिए Excel विकल्प स्क्रिप्ट से मेल खाते हैं. दशमलव विभाजक "" होना चाहिए, और हजार विभाजक ";" होना चाहिए।
- विश्लेषण के लिए एक नई फ़ाइल में सभी रन से माप को इकट्ठा करने के लिए "MouseMultiEvaluate.m" स्क्रिप्ट का उपयोग करें।
- शुरू करने के लिए, सभी वीडियो (जैसे "वीडियोफाइल.txt") के लिए फ़ोल्डर पथ युक्त एक .txt फ़ाइल उत्पन्न करें। सुनिश्चित करें कि प्रत्येक पंक्ति एक ही वीडियो से मेल खाती है।
- फिर, कमांड लाइन में "माउसमल्टीएवैल्यूएशन ('वीडियोफाइल.txt')" लिखें। कार्यशील निर्देशिका में "परिणाम सारांश.xls" नामक एक एक्सेल फ़ाइल उत्पन्न की जाएगी (GitHub रिपॉजिटरी में एक उदाहरण देखें)।
नोट: चित्रा 2 एक रिकॉर्ड किए गए जानवर के वीडियो से एमडब्ल्यू सॉफ्टवेयर द्वारा प्राप्त ग्राफिकल आउटपुट का प्रतिनिधित्व करता है।
5. काइनेमेटिक डेटा विश्लेषण वर्कफ़्लो
- चरण 4.10 में उत्पन्न एक्सेल शीट को संपादित करें, जिसमें निम्नलिखित पूर्वापेक्षाओं के अनुसार, आपूर्ति की गई पायथन स्क्रिप्ट का उपयोग करके प्रसंस्करण के लिए डेटा शामिल है।
- पहले स्तंभ शीर्षलेख में, प्रयोगात्मक स्थिति निर्दिष्ट करें. शर्त नाम का अनुसरण करते हुए प्रत्येक पंक्ति को नाम दें (समान समूहों के व्यक्तियों का एक ही नाम होना चाहिए)। पहला समूह नियंत्रण या आधार रेखा होना चाहिए (यह केवल हीटमैप प्लॉटिंग के लिए अनिवार्य है, चरण 5.6)।
- दूसरे कॉलम में, पशु आईडी निर्दिष्ट करें। यह अनिवार्य है, हालांकि इस जानकारी का उपयोग भूखंड उत्पादन के लिए नहीं किया जाएगा।
- तीसरे कॉलम में, उन मोटर मापदंडों का चयन करें जिनका उपयोग विश्लेषण के लिए किया जाएगा। सुनिश्चित करें कि पहली पंक्ति पैरामीटर का नाम है (ये नाम बाद में भूखंडों में दिखाई देंगे)।
- एनाकोंडा नेविगेटर खोलें, और आपूर्ति की गई पायथन स्क्रिप्ट खोलने के लिए स्पाइडर निष्पादित करें।
नोट: सभी स्क्रिप्ट पायथन 3.9.13 के साथ विकसित किए गए थे, एनाकोंडा नेविगेटर 2.1.4 में स्पाइडर 5.2.2 के साथ निष्पादित किए गए थे, और सामग्री की तालिका और गिटहब रिपॉजिटरी में उपलब्ध हैं (जहां अतिरिक्त सामग्री शामिल है, जैसे कि वीडियो उदाहरण, एक एक्सेल उदाहरण फ़ाइल और एक एफएक्यू दस्तावेज़)। एनाकोंडा नेविगेटर के बाहर स्क्रिप्ट निष्पादित करना संभव है; हालाँकि, यह ग्राफिकल यूजर इंटरफेस अधिक उपयोगकर्ता के अनुकूल है। - कच्चे डेटा प्लॉट उत्पन्न करने के लिए "Rawdata_PlotGenerator.py" का उपयोग करें। यह गति के कार्य के रूप में प्रत्येक पैरामीटर के विज़ुअलाइज़ेशन की अनुमति देगा।
- स्पाइडर में "Rawdata_PlotGenerator.py" खोलें, और प्ले बटन पर क्लिक करके कोड चलाएं।
- विश्लेषण करने के लिए Excel फ़ाइल और स्वचालित विंडो में पत्रक नाम का चयन करें. यदि पत्रक का नाम परिवर्तित नहीं किया गया था, तो "पत्रक 1" लिखें।
- कच्चे डेटा प्लॉट प्लॉट कंसोल (ऊपरी दाएं पैनल) में दिखाई देंगे। प्लॉट को सहेजने के लिए, प्लॉट कंसोल में छवि सहेजें या सभी छवियों को सहेजें बटन पर क्लिक करें।
- डेटा विश्लेषण के लिए अवशिष्ट की गणना करने के लिए स्क्रिप्ट "Residuals_DataAnalysis" का उपयोग करें। यह स्क्रिप्ट सभी मोटर मापदंडों के लिए अवशिष्ट की गणना के साथ एक सीएसवी फ़ाइल उत्पन्न करेगी।
नोट: एमडब्ल्यू द्वारा निकाले गए कई मापा चाल पैरामीटर गति के साथ भिन्न होते हैं (उदाहरण के लिए, स्विंग गति, कदम की लंबाई, रुख अवधि, रुख सीधापन, और चाल सूचकांक)। इसलिए, बेसलाइन प्रयोग के लिए प्रत्येक व्यक्तिगत पैरामीटर बनाम गति का सर्वोत्तम-फिट प्रतिगमन मॉडल करने और फिर इस प्रतिगमन मॉडल के संबंध में प्रत्येक प्रयोगात्मक समूह के लिए अवशिष्ट मूल्यों को निर्धारित करने की सिफारिश की जाती है। डेटा को तब अवशिष्ट सामान्यीकृत रेखा26 से अंतर के रूप में व्यक्त किया जाता है।- स्पाइडर में "Residuals_DataAnalysis.py" खोलें, और प्ले बटन पर क्लिक करके कोड चलाएं।
- विश्लेषण करने के लिए Excel फ़ाइल और स्वचालित विंडो में पत्रक नाम का चयन करें. यदि पत्रक का नाम परिवर्तित नहीं किया गया था, तो "पत्रक 1" लिखें।
- CSV फ़ाइल को डेटा के समान फ़ोल्डर में सहेजें. यह अनिवार्य है कि नियंत्रण (या बेसलाइन) एक्सेल फ़ाइल में पहला समूह है।
- एक प्रमुख घटक विश्लेषण (PCA) करने के लिए "PCA_PlotGenerator.py" स्क्रिप्ट का उपयोग करें।
नोट: इस असुरक्षित आयामीता कमी विधि का उपयोग डेटा के अधिक संक्षिप्त प्रतिनिधित्व27,28,29 उत्पन्न करने के लिए किया जाता है (चित्रा 3 ए, बी)। PCA स्क्रिप्ट में निम्न चरण शामिल हैं। डेटा को पहले सेंटरिंग और स्केलिंग द्वारा पूर्व-संसाधित किया जाता है, जिसके बाद पीसीए एल्गोरिदम चर के बीच सहसंबंध निर्धारित करने के लिए सहसंयोजक मैट्रिक्स की गणना करता है और प्रमुख घटकों की पहचान करने के लिए सहसंयोजक मैट्रिक्स के आइजिनवैक्टर और इवेजन की गणना करता है। पहले दो या तीन प्रमुख घटकों को क्रमशः 2 डी या 3 डी प्लॉट में डेटा के प्रतिनिधित्व के लिए चुना जाता है। भूखंडों में प्रत्येक बिंदु एक जानवर से मेल खाता है और एक अलग अमूर्त चर का प्रतिनिधित्व करता है। विशिष्ट समूहों को अलग करने के लिए रंग-कोडित बिंदुओं का उपयोग किया जाता है। जैसे, डॉट्स के समूह संबंधित व्यक्तियों द्वारा साझा किए गए समान चलने के पैटर्न को दर्शाते हैं।- स्पाइडर में "PCA_PlotGenerator.py" खोलें, और प्ले बटन पर क्लिक करके कोड चलाएं।
- विश्लेषण करने के लिए Excel फ़ाइल और स्वचालित विंडो में पत्रक नाम का चयन करें. यदि पत्रक का नाम परिवर्तित नहीं किया गया था, तो "पत्रक 1" लिखें।
- सुनिश्चित करें कि पीसीए 2 डी और 3 डी प्लॉट प्लॉट कंसोल (ऊपरी-दाएं पैनल) में दिखाई दें। प्रत्येक रंग एक अलग समूह का प्रतिनिधित्व करता है, और किंवदंती कथानक के बगल में दिखाई देती है। प्लॉट को सहेजने के लिए, प्लॉट कंसोल में छवि सहेजें पर क्लिक करें।
- हीटमैप उत्पन्न करने के लिए "Heatmap_PlotGenerator.py" का उपयोग करें। सुनिश्चित करें कि हीटमैप जनरेटर प्रत्येक मोटर पैरामीटर27 (चित्रा 4) के लिए बेसलाइन समूह (या नियंत्रण समूह) और अन्य समूहों के बीच सांख्यिकीय अंतर दिखाने वाली तालिका बनाता है। प्रत्येक कॉलम एक समूह को दर्शाता है, और प्रत्येक पंक्ति एक विशिष्ट मोटर पैरामीटर से संबंधित है।
नोट: सांख्यिकीय विश्लेषण एक-तरफ़ा एनोवा के साथ आयोजित किया गया था, जिसके बाद टुकी का पोस्ट हॉक टेस्ट (सामान्य वितरण के लिए) या क्रुस्कल-वालिस एनोवा और उसके बाद डन का पोस्ट-हॉक टेस्ट (गैर-सामान्य वितरण के लिए) था। आउटलायर्स को विश्लेषण से बाहर रखा गया था। पी-मानों को एक रंग कोड द्वारा दर्शाया जाता है, जिसमें लाल और नीले रंग क्रमशः नियंत्रण (या बेसलाइन) के सापेक्ष वृद्धि या कमी का संकेत देते हैं। रंग छाया सांख्यिकीय महत्व का प्रतिनिधित्व करती है, जिसमें गहरे रंग उच्च महत्व दिखाते हैं, और हल्के रंग कम महत्व दिखाते हैं। पी < 0.001 से मेल खाती है; ** पी < 0.01 से मेल खाती है; और * पी < 0.05 से मेल खाती है। सफेद कोई भिन्नता नहीं दर्शाता है।- स्पाइडर में "Heatmap_PlotGenerator.py" खोलें, और प्ले बटन पर क्लिक करके कोड चलाएं।
- विश्लेषण करने के लिए Excel फ़ाइल और स्वचालित विंडो में पत्रक नाम का चयन करें. यदि पत्रक का नाम परिवर्तित नहीं किया गया था, तो "पत्रक 1" लिखें।
- दूसरी स्वचालित विंडो में डेटा के प्रकार का चयन करें: कच्चा डेटा या अवशिष्ट डेटा। यदि कोई विकल्प चयनित नहीं है, तो अवशिष्ट डेटा डिफ़ॉल्ट है।
- हीटमैप प्लॉट कंसोल (ऊपरी-दाएं पैनल) में दिखाई देगा। प्लॉट को सहेजने के लिए, प्लॉट कंसोल में छवि सहेजें पर क्लिक करें।
नोट: यह अनिवार्य है कि नियंत्रण (या बेसलाइन) एक्सेल फ़ाइल में पहला समूह है।
- बॉक्सप्लॉट उत्पन्न करने के लिए "Boxplots_PlotGenerator.py" का उपयोग करें। यह उपकरण बॉक्सप्लॉट की पीढ़ी की अनुमति देगा जो प्रत्येक समूह के लिए सभी मोटर मापदंडों (चित्रा 5, चित्रा 6, और चित्रा 7) के लिए मूल्यों के वितरण का प्रतिनिधित्व करता है।
नोट: प्रत्येक बॉक्स में मध्य रेखा के रूप में माध्य होता है, और बक्से के निचले और ऊपरी किनारे क्रमशः 25% और 75% चतुर्थक का प्रतिनिधित्व करते हैं। मूंछें आउटलायर्स को छोड़कर, पूर्ण डेटा सेट की सीमा का प्रतिनिधित्व करती हैं। आउटलायर्स को किसी भी मूल्य के रूप में परिभाषित किया जाता है जो क्रमशः 25% और 75% चतुर्थक से नीचे या ऊपर इंटरक्वार्टाइल रेंज का 1.5 गुना है।- स्पाइडर में "Boxplots_PlotGenerator.py" खोलें, और प्ले बटन पर क्लिक करके कोड चलाएं।
- विश्लेषण करने के लिए Excel फ़ाइल और स्वचालित विंडो में पत्रक नाम का चयन करें. यदि पत्रक का नाम परिवर्तित नहीं किया गया था, तो "पत्रक 1" लिखें।
- दूसरी स्वचालित विंडो में डेटा के प्रकार का चयन करें: कच्चा डेटा या अवशिष्ट डेटा। यदि कोई विकल्प चयनित नहीं है, तो अवशिष्ट डेटा डिफ़ॉल्ट है।
- बॉक्सप्लॉट प्लॉट कंसोल (ऊपरी-दाएं पैनल) में दिखाई देंगे। प्लॉट को सहेजने के लिए, प्लॉट कंसोल में छवि सहेजें या सभी छवियों को सहेजें बटन पर क्लिक करें।
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
मानक बीएमएस प्रणाली एससीआई14 के बाद सकल मोटर घाटे का वर्णन करती है। इसकी व्यक्तिपरक प्रकृति के कारण, अन्य मात्रात्मक परख आमतौर पर बीएमएस के साथ किए जाते हैं ताकि हरकत का अधिक विस्तृत और ठीक मूल्यांकन किया जा सके। हालांकि, ये परीक्षण चरण चक्र, स्टेपिंग पैटर्न और फोरलिम्ब-हिंदलिम्ब समन्वय के बारे में विशिष्ट जानकारी दिखाने में विफल रहते हैं, जो यह समझने में बेहद महत्वपूर्ण है कि स्पाइनल सर्किटरी कैसे कार्य को बनाए रखती है और एक अपूर्ण एससीआई के अनुकूल होती है। यह खंड दिखाता है कि कैसे एमडब्ल्यू टूलबॉक्स एससीआई के बाद लोकोमोटर फ़ंक्शन की वसूली की निगरानी करने में मदद कर सकता है और चलने के व्यवहार के बारे में प्रासंगिक जानकारी जोड़ सकता है।
अध्ययन के नमूने को 9 सप्ताह की आयु की महिला C57Bl/6J चूहों के दो समूहों में विभाजित किया गया था: एक एससीआई प्रयोगात्मक समूह (n = 11), जिसमें जानवरों को लैमिनेक्टॉमी से गुजरना पड़ा, जिसके बाद अनंत क्षितिज इम्पैक्टर का उपयोग करके T9/T10 कशेरुक स्तंभ के स्तर पर मध्यम से गंभीर चोट लगी ( सामग्री की तालिका देखें); और एक शाम-घायल नियंत्रण समूह (एन = 10), जिसमें केवल लैमिनेक्टॉमी एक ही कॉलम स्तर पर किया गया था (चित्रा 1, चरण 1)। एससीआई और शाम-घायल जानवरों के लोकोमोटर व्यवहार की निगरानी 30 दिनों तक की गई थी। एमडब्ल्यू परीक्षण सर्जरी (बेसलाइन) से पहले आदत के दिन और 15 दिन, 22 दिन और 30 दिन बाद चोट (डीपीआई) (चित्रा 1, चरण 2) पर किया गया था। तुलना के लिए, चूहों को सर्जरी से पहले समानांतर में बीएमएस परीक्षण के अधीन किया गया था और 1 डीपीआई, 3 डीपीआई, 7 डीपीआई, 14 डीपीआई, 21 डीपीआई और 30 डीपीआई (पूरक चित्रा 3) पर। एमडब्ल्यू के साथ प्राप्त सभी वीडियो को ट्रैक करने के बाद, दो प्रकार की आउटपुट फाइलें उत्पन्न हुईं: ग्राफिकल आउटपुट, प्रत्येक रन के बाद कई मापदंडों के दृश्य प्रतिनिधित्व दिखाते हुए, और किनेमेटिक आउटपुट, सभी औसत दर्जे के मोटर मापदंडों को सारांशित करते हुए (चित्रा 1, चरण 3 और चरण 4)।
नतीजतन, पायथन स्क्रिप्ट के एक सेट का उपयोग करके ( सामग्री की तालिका और गिटहब रिपॉजिटरी लिंक देखें), कच्चे डेटा प्लॉट प्राप्त किए गए (चित्रा 1, चरण 5)। चूंकि अधिकांश पैरामीटर जानवर की गति से प्रभावित होते हैं, चोट से पहले बेसलाइन समूह का एक प्रतिगमन मॉडल प्रत्येक स्थिति के लिए मापा अवशिष्ट मूल्यों के साथ किया गया था (चित्रा 1, चरण 6)। नियंत्रण (शाम) और प्रयोगात्मक समूहों (एससीआई) के बीच कीनेमेटिक प्रोफाइल और महत्वपूर्ण अंतर की जांच करने के लिए, सभी किनेमेटिक पैरामीटर (कुल 79) को तीन-क्रम प्रमुख घटक विश्लेषण (पीसीए) के अधीन किया गया था, और मोटर मापदंडों के संग्रह के साथ एक हीटमैप उत्पन्न किया गया था जो डेटासेट (कुल 33) का सबसे अच्छा वर्णन करता था (चित्रा 1, चरण 7 ए, बी)। अंत में, एससीआई के बाद प्रभावित होने वाले विशिष्ट मोटर मापदंडों की तुलना चोट से पहले बेसलाइन से की गई थी (चित्रा 1, चरण 7 सी)।
चित्र 1: MW के विश्लेषण वर्कफ़्लो का योजनाबद्ध प्रतिनिधित्व। (1) जानवरों को लैमिनेक्टॉमी (शाम नियंत्रण समूह) या लैमिनेक्टॉमी के लिए चुना जाता है, जिसके बाद रीढ़ की हड्डी की चोट (प्रयोगात्मक समूह) होती है। (2) जानवरों को चोट से एक दिन पहले और चोट के बाद 15, 22 और 30 दिनों में एक व्यवहार परख के अधीन किया जाता है। (3) एमडब्ल्यू दो प्रकार के आउटपुट डेटा उत्पन्न करता है: (ए) कई मापदंडों के ग्राफिकल विज़ुअलाइज़ेशन, जैसे कि रुख के निशान, गैटिंग और स्टेपिंग पैटर्न, और (बी) सभी मापने योग्य मोटर मापदंडों का एक किनेमेटिक सारांश। (4) सभी नियंत्रण और प्रयोगात्मक डेटा MATLAB पर "MouseMultiEvaluate.m" स्क्रिप्ट का उपयोग करके एक ही फ़ाइल में एकत्र किए जाते हैं। (5) पायथन के लिए "RawData_PlotGenerator" स्क्रिप्ट एक दृश्य प्रतिनिधित्व उत्पन्न करती है कि सभी औसत दर्जे के मोटर पैरामीटर गति के अनुसार कैसे भिन्न होते हैं। यदि पैरामीटर गति के साथ सहसंबंधित नहीं हैं, तो कोई (7) को छोड़ सकता है; हालांकि, चूंकि एससीआई के बाद अधिकांश पैरामीटर दृढ़ता से गति पर निर्भर करते हैं, पायथन के लिए "Residual_DataAnalysis" स्क्रिप्ट का उपयोग करके एक मॉडल उत्पन्न किया जाना चाहिए (6)। प्रत्येक मोटर पैरामीटर के लिए अवशिष्ट मान उत्पन्न करने के बाद, डेटा विश्लेषण किया जाता है (7): (ए) "PCA_PlotGenerator" स्क्रिप्ट के साथ मापदंडों के चयन का उपयोग करके एक प्रमुख घटक विश्लेषण (पीसीए) किया जाता है; (बी) विभिन्न मापदंडों के लिए स्थितियों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर दिखाने के लिए एक "Heatmap_PlotGenerator" स्क्रिप्ट के साथ एक हीटमैप बनाया गया है; और सी) एससीआई के बाद बदले गए कई व्यक्तिगत मापदंडों का मूल्यांकन "BoxPlot_PlotGenerator" स्क्रिप्ट के साथ किया जाता है। सभी स्क्रिप्ट सामग्री तालिका और GitHub रिपॉजिटरी लिंक में उपलब्ध हैं। स्क्रिप्ट लाल रंग में दिखाए गए हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
एमडब्ल्यू से एकत्र किए गए ग्राफिकल आउटपुट डेटा से, एससीआई के बाद पदचिह्नों के दृश्य प्रदर्शन में प्रसिद्ध अचानक परिवर्तन की पुष्टि करना संभव था। एमडब्ल्यू द्वारा उत्पन्न "डिजिटल-स्याही" परख में, हिंदपाव के समर्थन की कमी का पता लगाया गया था (चित्रा 2 ए), साथ ही बाएं और दाएं हिंदपाव (चित्रा 2 बी) दोनों के लिए पदचिह्न क्षेत्र में कमी आई थी, जिसे 15 डीपीआई से आगे बनाए रखा गया था (डेटा नहीं दिखाया गया था)। इसके अलावा, प्रत्येक चरण चक्र के भीतर, एमडब्ल्यू रुख चरण (यानी, पंजे के टचडाउन और लिफ्ट-ऑफ से पहले का समय) और स्विंग चरण (यानी, अंग के जमीन से दूर होने का समय) से संबंधित मापदंडों की गणना करता है। जैसे, एमडब्ल्यू दृश्य "रुख निशान" उत्पन्न कर सकता है, जो रुख चरण23 के दौरान प्रत्येक पैर और उनके पदचिह्न केंद्र के संबंध में शरीर के केंद्र और अक्ष की स्थिति को ध्यान में रखता है। प्रत्येक जानवर के लिए प्राप्त समग्र रुख के निशान ने कई अनूठी विशेषताओं को प्रदर्शित किया (चित्रा 2 सी)। इस डेटा से पता चला है कि एससीआई के बाद, हिंदपाव्स में 15 डीपीआई से आगे टचडाउन और लिफ्ट-ऑफ दोनों पर कम रुख के निशान और अधिक यादृच्छिक पंजे की स्थिति थी (चित्रा 2 सी)।
चित्रा 2: ट्रैकिंग वीडियो से एमडब्ल्यू सॉफ्टवेयर द्वारा प्राप्त प्रतिनिधि ग्राफिकल आउटपुट। (ए) एक एससीआई जानवर के लिए "डिजिटल-स्याही" प्रिंट प्रत्येक पंजे को एक अलग रंग के साथ दिखाते हैं: लाल (दाएं अग्र), पीला (बाएं अग्रभाग), हरा (दाएं हिंद), और नीला (बाएं हिंद) कई समय बिंदुओं पर। (बी) 15 डीपीआई पर एक एससीआई जानवर के बाएं पैर (एलएफ), बाएं हिंद (एलएच), दाएं पैर (आरएफ), और दाएं हिंद (आरएच) के लिए पैरों के निशान। (सी) कई समय बिंदुओं पर एक एससीआई जानवर के लिए "रुख का निशान"। पैरों में से एक के लिए एईपी और पीईपी को पहले पैनल में चित्रित किया गया है। एईपी और पीईपी दोनों के लिए "पदचिह्न क्लस्टरिंग" प्रत्येक वीडियो में औसत एईपी या पीईपी निर्देशांक के मानक विचलन से मेल खाती है। संक्षेप: डीपीआई = चोट के बाद के दिन; सेमी = सेंटीमीटर; px = पिक्सेल। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
इसके बाद, एमडब्ल्यू (चित्रा 3 और चित्रा 4) द्वारा गणना किए जाने के बाद किनेमेटिक आउटपुट का विश्लेषण किया गया। डेटासेट का अधिक संक्षिप्त चित्रण प्राप्त करने और यह परीक्षण करने के लिए कि क्या एमडब्ल्यू से प्राप्त कीनेमेटिक मोटर पैरामीटर समय के साथ एससीआई जानवरों में पाए जाने वाले लोकोमोटर घाटे को चित्रित करने के लिए पर्याप्त थे, एक पीसीए27 का प्रदर्शन किया गया था। उल्लेखनीय रूप से, डेटा में 40% भिन्नता को पहले घटक (पीसी 1: 40.1%) में समझाया जा सकता है, जिसने उन जानवरों के समूह को अलग किया जिनके पास एससीआई था, जिसमें सभी समय बिंदुओं (15 डीपीआई, 22 डीपीआई और 30 डीपीआई) पर एक-तरफा एनोवा परीक्षण (चित्रा 3 ए, बी) के आधार पर 0.001 से कम पी-वैल्यू थी। अन्य घटकों (पीसी 2: 11% और पीसी 3: 8.6%) से भी खराब योगदान था। प्रत्येक घटक के लिए प्रत्येक मोटर पैरामीटर योगदान का असाइन किया गया वजन पूरक चित्र 4 में चित्रित किया गया है। इसके अलावा, डेटासेट में भिन्नता समय के साथ अंतर को प्रतिबिंबित करने के लिए पर्याप्त नहीं थी (यानी, 15 डीपीआई, 22 डीपीआई और 30 डीपीआई के बीच), जो लोकोमोटर रिकवरी14 के पहले वर्णित पठार को दोहराता है। कुल मिलाकर, इन परिणामों से संकेत मिलता है कि एमडब्ल्यू से प्राप्त कीनेमेटिक पैरामीटर सभी समय बिंदुओं पर एससीआई के बाद देखे गए मोटर घाटे का दृढ़ता से वर्णन करते हैं।
चित्रा 3: अवशिष्ट डेटा विश्लेषण के बाद एमडब्ल्यू सॉफ्टवेयर द्वारा प्राप्त सभी किनेमेटिक मोटर मापदंडों (79) का प्रमुख घटक विश्लेषण। (ए) तीन-घटक पीसीए विश्लेषण का एक 3 डी विज़ुअलाइज़ेशन। (बी) एकत्र किए गए डेटा के 50% का प्रतिनिधित्व करने वाले मंडलों के साथ एक 2 डी विज़ुअलाइज़ेशन। पीसी 1 में, जिसने 40% से अधिक भिन्नता की व्याख्या की, 15 डीपीआई, 22 डीपीआई और 30 डीपीआई पर एससीआई समूह शाम समूह और बेसलाइन (चोट से पहले) से काफी अलग था, जिसमें पी-वैल्यू 0.001 < था, जैसा कि एक-तरफा एनोवा द्वारा निर्धारित किया गया था। प्रत्येक व्यक्तिगत छोटा बिंदु या त्रिकोण प्रत्येक जानवर के लिए तीन वीडियो के औसत का प्रतिनिधित्व करता है, जबकि बड़े बिंदु या त्रिकोण औसत बिंदु का प्रतिनिधित्व करते हैं (एन = 10-11 प्रति स्थिति, एन = 21 बेसलाइन समूह के लिए)। प्रत्येक घटक का योगदान प्रत्येक अक्ष में इंगित किया गया है। संक्षेप: डीपीआई = चोट के बाद के दिन; एससीआई = रीढ़ की हड्डी की चोट; पीसी = प्रमुख घटक। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
फिर, मोटर मापदंडों का एक संग्रह इस आधार पर चुना गया था कि यह डेटासेट (कुल में 33) का कितनी दृढ़ता से वर्णन करता है, और एक हीटमैप उत्पन्न हुआ था (चित्रा 4)। दरअसल, अधिकांश लोकोमोटर मापदंडों ने एससीआई के बाद सभी समय बिंदुओं (15 डीपीआई, 22 डीपीआई और 30 डीपीआई) पर भारी बदलाव दिखाया, जबकि शाम-घायल नियंत्रणों ने केवल 30 डीपीआई पर महत्वपूर्ण बदलाव दिखाए। शाम समूह में इन परिवर्तनों को स्विंग गति में समग्र कमी से समझाया जा सकता है, संभवतः परीक्षण आदत के कारण, जिस पर बाद में चर्चा की जाएगी।
यह ध्यान देने योग्य था कि एससीआई जानवर शाम-घायल नियंत्रणों (डेटा नहीं दिखाया गया) की तुलना में धीमी गति से चलते थे। हालांकि, 15 डीपीआई और 30 डीपीआई दोनों पर गति से स्वतंत्र रूप से, एससीआई जानवरों ने उच्च स्विंग अवधि, कम रुख अवधि और कम शुल्क कारक सूचकांक प्रदर्शित किया, जो रुख अवधि / कदम अवधि23 से संबंधित है। इन परिणामों से संकेत मिलता है कि ऊपर वर्णित पैर की स्थिति में परिवर्तन एससीआई की विशेषता है, जैसा कि अन्य पशु मॉडल30,31,32 में देखा गया है, और गति में परिवर्तन से संबंधित नहीं हैं (चित्रा 4)।
यह भी उल्लेख किया जाना चाहिए कि बाएं और दाएं सिंक्रनाइज़ प्रभावित नहीं हुआ था, क्योंकि अग्रअंगों और हिंदअंगों के लिए "चरण" सूचकांक में एक महत्वपूर्ण परिवर्तन10,23 (चित्रा 4) नहीं देखा गया था, जो बाएं और दाएं अंगों के बीच बरकरार युग्मन का संकेत देता है।
इसके अलावा, एससीआई चूहों ने अग्रांगों और हिंदलिम्ब्स दोनों में कम "रुख सीधेपन" सूचकांक (विस्थापन / पथ की लंबाई) प्रदर्शित किया (चित्रा 4)। यह पैरामीटर मापता है कि आदर्श स्थिति के संबंध में निशान कितने रैखिक हैं, जो एक सीधी रेखा होगी (0 से 1 तक, एक रैखिक ट्रेस का संकेत देती है)। इसलिए, ये परिणाम इस समूह में सीधे चलने में एक मजबूत असमर्थता का संकेत देते हैं।
प्रत्येक रुख चरण के लिए, एमडब्ल्यू शरीर के दोलनों का पुनर्निर्माण करता है, जो पंजे के स्पर्श से शुरू होता है - पूर्ववर्ती चरम स्थिति, या एईपी - और लिफ्ट-ऑफ से पहले समाप्त होता है - पीछे की चरम स्थिति, या पीईपी ( चित्रा 2 सी में उदाहरण देखें)। एईपी और पीईपी दोनों का "पदचिह्न क्लस्टरिंग" प्रत्येक वीडियो में औसत एईपी या पीईपी निर्देशांक के मानक विचलन को मापता है। एससीआई जानवरों ने हर समय एईपी के लिए हिंदपॉ फुटप्रिंट क्लस्टरिंग में वृद्धि दिखाई, और एक महत्वपूर्ण प्रभाव केवल 15 डीपीआई (चित्रा 4) पर शाम-घायल समूह के लिए देखा गया। इससे पता चलता है कि एससीआई जानवर स्विंग के बाद टचडाउन पर अपने पिछले अंगों को सही ढंग से स्थिति में नहीं रख सके। इसके अतिरिक्त, पीईपी के लिए फोरपॉव "फुटप्रिंट क्लस्टरिंग" में कमी देखी गई, साथ ही पीईपी के लिए हिंदपॉव फुटप्रिंट क्लस्टरिंग में कमी के साथ, 30 डीपीआई (चित्रा 4)। ये परिणाम खींचे गए "रुख निशान" में जो देखा गया है, उसके अनुसार हैं और सुझाव देते हैं कि चोट के बाद पंजे की स्थिति अधिक प्रतिबंधित हो जाती है।
अंत में, और पंजे की स्थिति में परिवर्तन के अनुसार, पंजे द्वारा प्राप्त चाल रणनीतियों और "दबाव" में परिवर्तन हुए, जैसा कि क्षेत्र पर औसत चमक (चित्रा 4) द्वारा मापा जाता है, जिस पर आगे चर्चा की जाएगी।
चित्रा 4: हीटमैप प्लॉट सर्जरी से पहले दिन के सापेक्ष एससीआई जानवरों और शाम-घायल जानवरों की तुलना में काफी परिवर्तित लोकोमोटर मापदंडों का संग्रह दिखाता है, जैसा कि अवशिष्ट डेटा विश्लेषण के बाद एमडब्ल्यू द्वारा प्राप्त किया गया है। एन = 10-11 प्रति शर्त; बेसलाइन समूह में सर्जरी से एक दिन पहले सभी जानवर शामिल हैं, एन = 21। डेटा को सांख्यिकीय विश्लेषण के बाद पी-वैल्यू द्वारा एक-तरफ़ा एनोवा के साथ व्यक्त किया जाता है, जिसके बाद टुकी का पोस्ट हॉक टेस्ट (सामान्य वितरण के लिए) या डन का पोस्ट हॉक टेस्ट (गैर-सामान्य वितरण के लिए) होता है। पी-मानों को एक रंग कोड द्वारा दर्शाया जाता है, जिसमें लाल और नीले रंग क्रमशः बेसलाइन के सापेक्ष कमी या वृद्धि का संकेत देते हैं। रंग छाया सांख्यिकीय महत्व का प्रतिनिधित्व करती है, जिसमें गहरे रंग उच्च महत्व का संकेत देते हैं और हल्के रंग कम महत्व का संकेत देते हैं; पी < 0.001; ** पी < 0.01; * पी < 0.05. सफेद कोई भिन्नता नहीं दर्शाता है। संक्षेप: डीपीआई = चोट के बाद के दिन; एससीआई = रीढ़ की हड्डी की चोट; एस = दूसरा; एमएस = मिलीसेकंड; औसत = औसत; एफ = फोर; एच = हिंद; एईपी = पूर्ववर्ती चरम स्थिति; पीईपी = पीछे की चरम स्थिति; एलएफ = बाएं अग्रभाग; एलएच = बाएं हिंद; आरएफ = दाहिना अग्रभाग; आरएच = दाहिना हिंद। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
इसके बाद, हमने यह समझने की कोशिश की कि चोट के विभिन्न चरणों (यानी, 15 डीपीआई, 22 डीपीआई और 30 डीपीआई) में एससीआई जानवरों के लोकोमोटर घाटे का वर्णन करने के लिए कौन से व्यक्तिगत पैरामीटर सबसे अच्छे होंगे। हमने चरण चक्र मापदंडों की जांच करके शुरू किया, जिसमें अग्रअंगों और हिंदलिम्ब्स के बीच अंतर दिखाया गया क्योंकि हिंदलिम्ब्स कुल पक्षाघात से आंशिक कार्य में प्रगति करते हैं (चित्रा 5)। जबकि बेसलाइन (चोट से पहले) के सापेक्ष अग्रअंगों के लिए औसत स्विंग गति में काफी वृद्धि हुई, हिंदलिम्ब स्विंग की गति में काफी बदलाव नहीं हुआ (हालांकि इसके लिए बेसलाइन से कम होने की प्रवृत्ति थी) (चित्रा 5 ए, बी)। समानांतर में, अग्रअंगों की औसत चरण लंबाई कम हो गई, जिसमें हिंदलिम्ब्स के लिए कोई महत्वपूर्ण परिवर्तन नहीं हुआ (चित्रा 5 सी, डी)। आश्चर्य की बात नहीं है कि घायल चूहों ने फोरलिम्ब स्विंग अवधि में कमी और 15 डीपीआई से आगे उनके हिंदलिम्ब स्विंग की अवधि में विपरीत वृद्धि दिखाई (चित्रा 5 ई, एफ)। एक साथ लिया गया, इन परिणामों से संकेत मिलता है कि फोरलिम्ब्स ने एक तेज लय को अपनाया, जिसमें प्रत्येक हिंदलिम्ब चक्र के लिए दो फोरलिम्ब चक्र थे। इस 2: 1 चक्र अनुपात को पहले चूहों 1,33 में एससीआई हेमीसेक्शन के बाद वर्णित किया गया है और दोषपूर्ण फोरलिम्ब-हिंदलिम्ब समन्वय के एक महत्वपूर्ण पहलू को दर्शाता है, जो चूहों में 30 डीपीआई के बाद पुनर्प्राप्त नहीं होता है।
चित्रा 5: चोट से 1 दिन पहले और एससीआई जानवरों (एन = 11) में 15 डीपीआई, 22 डीपीआई और 30 डीपीआई पर कई समय बिंदुओं पर फोरपॉव और हिंदपॉव के लिए चरण चक्र पैरामीटर। (ए, बी) बेसलाइन के सापेक्ष फोरपॉव और हिंदपॉव की औसत स्विंग गति। (C, D) बेसलाइन के सापेक्ष अग्रभाग और हिंदपंजे की औसत चरण लंबाई। (E, F) बेसलाइन के सापेक्ष फोरपॉव और हिंदपाव के लिए औसत स्विंग अवधि। बॉक्सप्लॉट में, माध्य को मध्य रेखा द्वारा दर्शाया जाता है, और बक्से के निचले और ऊपरी किनारे क्रमशः 25% और 75% चतुर्थक का प्रतिनिधित्व करते हैं; मूंछें पूर्ण डेटा सेट की सीमा का प्रतिनिधित्व करती हैं। आउटलायर्स को एकल बिंदुओं द्वारा दर्शाया जाता है। सांख्यिकीय विश्लेषण एक-तरफ़ा एनोवा के साथ आयोजित किया गया था, जिसके बाद टुकी का पोस्ट-हॉक टेस्ट (सामान्य वितरण के लिए) या डन का पोस्ट हॉक टेस्ट (गैर-सामान्य वितरण के लिए) था। * पी < 0.05; ** पी < 0.01; P < 0.001. संक्षेप: डीपीआई = चोट के बाद के दिन; एससीआई = रीढ़ की हड्डी की चोट; सेमी = सेंटीमीटर; s = सेकंड। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
एमडब्ल्यू सॉफ्टवेयर एक विशिष्ट पैर संयोजन को सौंपे गए फ्रेम के अंश को मापकर चूहों के स्टेपिंग पैटर्न की गणना करने में भी सक्षम है, और यह विशिष्ट चाल रणनीतियों की उपस्थिति के लिए प्रॉक्सी के रूप में काम करता है। धीमी गति पर, अघायल चूहे "चलने वाली चाल" को अपनाते हैं, जिसमें अधिकांश फ्रेम में एकल-पैर स्विंग होता है (पंजे की स्थिति की परवाह किए बिना)। मध्यवर्ती गति पर, रनवे पर सबसे आम, चूहे एक ट्रॉट चाल में बदल जाते हैं, जिसमें सबसे अधिक प्रतिनिधि विन्यास विकर्ण-पैर स्विंग है। अंत में, उच्च गति पर, चूहे "सरपट चाल" का उपयोग करते हैं, जिसमें तीन पैर एक ही समय मेंझूलते हैं 23,34। अन्य कम सामान्य विन्यासों में पेसिंग चाल शामिल है, जो ज्यादातर पार्श्व-पैर स्विंग (या तो बाएं या दाएं दोनों पैर) और "बाउंड / होपिंग चाल" द्वारा दर्शाया जाता है, जिसमें या तो दोनों हिंदलिम्ब या फोरलिम्ब एक साथ झूलतेहैं। हालांकि, किसी को यह ध्यान रखना चाहिए कि, एससीआई के संदर्भ में, इनमें से कुछ विन्यास, जैसे कि तीन-पैर स्विंग, दोषपूर्ण हिंदलिम्ब पंजे की स्थिति को प्रतिबिंबित कर सकते हैं और इस प्रकार, एक विशिष्ट गैटिंग रणनीति के साथ सटीक रूप से मेल नहीं खाते हैं- इस मामले में, सरपट। इसलिए, अकेले पैर विन्यास की तुलना करके विश्लेषण को सरल बनाया गया था।
अवशिष्ट विश्लेषण करने के बाद, यह देखा गया कि सभी समय बिंदुओं पर एकल स्विंग में कमी के साथ विकर्ण स्विंग के प्रसार में कमी आई थी (चित्रा 6 ए, बी)। इससे भी दिलचस्प बात यह है कि पार्श्व स्विंग (चित्रा 6 सी) के प्रसार में वृद्धि हुई थी। पेसिंग जैसी चाल सामान्य C57BL/6J माउस के लिए विशिष्ट नहीं है; हालांकि, यह पहले से ही चूहों1 में एससीआई हेमीसेक्शन के बाद होने की सूचना दी गई है। यह इन-फेज पैटर्न फोरलिम्ब या हिंदलिम्ब चरण सूचकांक (जैसा कि चित्र 3 में देखा गया है) को बदलने के लिए पर्याप्त प्रचलित नहीं था, लेकिन हिंदलिम्ब्स से फोरलिम्ब्स तक दोषपूर्ण रीढ़ की हड्डी की प्रतिक्रिया को दर्शाता है। इसके अतिरिक्त, फोरलिम्ब/हिंदलिम्ब स्विंग्स (चित्रा 6 डी) के प्रसार में एक प्राकृतिक वृद्धि हुई थी, संभवतः गलत हिंदलिंब प्लांटर स्टेपिंग के कारण, और तीन-पैर स्विंग में वृद्धि (चित्रा 6 ई)।
चित्रा 6: विभिन्न स्टेपिंग स्विंग कॉन्फ़िगरेशन के लिए औसत अनुक्रमणिका । (ए) विकर्ण, (बी) एकल, (सी) पार्श्व, (डी) अग्र/हिंद, और (ई) एससीआई जानवरों (एन = 11) में कई समय बिंदुओं पर तीन-पैर स्विंग दिखाए गए हैं। बॉक्सप्लॉट में, माध्य को मध्य रेखा द्वारा दर्शाया जाता है, और बक्से के निचले और ऊपरी किनारे क्रमशः 25% और 75% चतुर्थक का प्रतिनिधित्व करते हैं; मूंछें पूर्ण डेटा सेट की सीमा का प्रतिनिधित्व करती हैं। आउटलायर्स को एकल बिंदुओं द्वारा दर्शाया जाता है। सांख्यिकीय विश्लेषण एक-तरफ़ा एनोवा के साथ किया गया था, जिसके बाद टुकी का पोस्ट-हॉक टेस्ट (सामान्य वितरण के लिए) या डन का पोस्ट-हॉक टेस्ट (गैर-सामान्य वितरण के लिए) किया गया था। ** पी < 0.01; P < 0.001. संक्षेप: डीपीआई = चोट के बाद के दिन; एससीआई = रीढ़ की हड्डी की चोट; एनए = लागू नहीं है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
अंत में, एक और रीडआउट जो मेगावाट से निकाला जा सकता है वह चमक / क्षेत्र के माप के रूप में "दबाव" है। उच्च गति के साथ, जमीन के साथ संपर्क का क्षेत्र कम हो जाता है, और दबाव बढ़ जाता है, इसलिए बेसलाइन डेटा का एक रैखिक प्रतिगमन किया गया था, और प्रत्येक स्थिति के लिए अवशिष्ट मूल्यों को मापा गया था। यह देखा गया कि फोरपॉज़ पर दबाव सभी समय बिंदुओं पर काफी बढ़ गया, लेकिन इस प्रभाव की ताकत समय के साथ कम हो गई, क्योंकि बाएं पैर के पंजे के लिए परिवर्तन पहले से ही 30 डीपीआई (चित्रा 7 ए, सी) पर सांख्यिकीय महत्व खो चुका है। बाईं ओर इस विशिष्ट प्रभाव को पार्श्वीकृत चोट द्वारा समझाया जा सकता है, जो अधिमानतः इस अध्ययन में रीढ़ की हड्डी के दाहिने हिस्से को प्रभावित कर सकता था। फिर भी, हिंडपाव द्वारा डाला गया दबाव घायल चूहों में कम हो गया था, जैसा कि अपेक्षित था, सभी समय बिंदुओं पर, वृद्धि की ओर कोई प्रवृत्ति नहीं थी (चित्रा 7 बी, डी)।
चित्र 7: एससीआई जानवरों में कई समय बिंदुओं पर पिछले और सामने के पंजे द्वारा प्राप्त दबाव (एन = 11)। (ए) बाएं पंजे, (बी) बाएं हिंदपाव, (सी) दाएं पंजे और (डी) दाएं हिंदपाव द्वारा प्राप्त दबाव, बेसलाइन (चोट से एक दिन पहले) के सापेक्ष अंतर के रूप में दिखाया गया है। बॉक्सप्लॉट में, माध्य को मध्य रेखा के रूप में दर्शाया जाता है, और बक्से के निचले और ऊपरी किनारे क्रमशः 25% और 75% चतुर्थक का प्रतिनिधित्व करते हैं; मूंछें पूर्ण डेटा सेट की सीमा का प्रतिनिधित्व करती हैं। आउटलायर्स को एकल बिंदुओं द्वारा दर्शाया जाता है। सांख्यिकीय विश्लेषण एक-तरफ़ा एनोवा के साथ किया गया था, जिसके बाद टुकी का पोस्ट-हॉक टेस्ट (सामान्य वितरण के लिए) या डन का पोस्ट-हॉक टेस्ट (गैर-सामान्य वितरण के लिए) किया गया था। ** पी < 0.01; P < 0.001. संक्षेप: डीपीआई = चोट के बाद के दिन; एससीआई = रीढ़ की हड्डी की चोट; सेमी = सेंटीमीटर; px = पिक्सेल। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
एक साथ लिया गया, यह अध्ययन एससीआई के कारण होने वाली मोटर हानि का मात्रात्मक वर्णन करने के लिए एमडब्ल्यू सिस्टम की शक्ति को दर्शाता है जिसे कभी-कभी अन्य परीक्षण सीमाओं के कारण अनदेखा किया जा सकता है। इसके अलावा, यह एससीआई के दूषित माउस मॉडल में समय के साथ निस्संदेह सीमित कार्यात्मक वसूली को रेखांकित करता है।
पूरक चित्र 1: मेगावाट हार्डवेयर घटक। (ए) इस सेटअप को निम्नानुसार विभाजित किया गया है: आई - एफटीआईआर वॉकवे; II - एफटीआईआर समर्थन आधार और पद; III - पैदल मार्ग की दीवार; IV - 45 ° दर्पण; और वी - पृष्ठभूमि बैकलाइट। (बी) बेस-यू-चैनल और वॉकवे साइडलाइन की क्लोज-अप छवियां। (सी) वॉकवे की दीवार का डिजाइन। (डी) 45 ° दर्पण सेटअप की क्लोज-अप छवि। संक्षिप्त नाम: सेमी = सेंटीमीटर। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
पूरक चित्रा 2: एक एफटीआईआर वीडियो का एक एकल फ्रेम जिसमें पिक्सेल तीव्रता और क्षेत्र क्षेत्रों को इंगित किया गया है। इस अध्ययन में वीडियो विश्लेषण के लिए उपयोग किए जाने वाले शरीर, पृष्ठभूमि और पदचिह्नों के लिए पिक्सेल तीव्रता कोष्ठक के बीच प्रस्तुत की जाती है और लाल रंग में इंगित की जाती है, सभी छवि स्पष्टता के लिए अनुकूलित होते हैं। विभिन्न क्षेत्रों के बीच उचित भेदभाव प्राप्त करने के लिए प्रकाश तीव्रता को समायोजित किया जाना चाहिए। शरीर के सापेक्ष क्षेत्रों और पैरों के निशान को धराशायी पीली रेखाओं द्वारा इंगित किया जाता है। इमेजजे /फिजी में दोनों क्षेत्रों और पिक्सेल तीव्रता का अधिग्रहण किया गया था। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
पूरक चित्रा 3: (ए) बीएमएस कुल स्कोर और (बी) इस अध्ययन में विश्लेषण किए गए चूहों के उपस्कोर (एन = 10-11)। ±सांख्यिकीय विश्लेषण दो-तरफा दोहराए गए उपायों एनोवा के साथ किया गया था, जिसके बाद बोनफेरोनी का पोस्ट-हॉक परीक्षण किया गया था; P < 0.001. संक्षिप्त नाम: बीएमएस = बासो माउस स्केल। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
पूरक चित्रा 4: प्रत्येक घटक के लिए प्रत्येक मोटर पैरामीटर योगदान का असाइन किया गया वजन। पीसीए में (ए) पीसी 1, (बी) पीसी 2, और (सी) पीसी 3 के लिए अवशिष्ट विश्लेषण के बाद प्रत्येक मोटर पैरामीटर (कुल में 79) का असाइन किया गया वजन। कटऑफ लाइन 0.04 एमएस और -0.04 पर खींची गई थी। संक्षेप: एमएस = मिलीसेकंड; औसत = औसत; एसडी = मानक विचलन; एफ = फोर; एच = हिंद; एईपी = पूर्ववर्ती चरम स्थिति; पीईपी = पीछे की चरम स्थिति; एलएफ = बाएं अग्रभाग; एलएच = बाएं हिंद; आरएफ = दाहिना अग्रभाग; आरएच = दाएं हिंद; प्रेस = दबाव। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
यहां, एससीआई के बाद लोकोमोटर व्यवहार का विश्लेषण करके माउसवॉकर विधि की क्षमता का प्रदर्शन किया जाता है। यह कदम, पदचिह्न और चाल पैटर्न में विशिष्ट परिवर्तनों में नई अंतर्दृष्टि प्रदान करता है जो अन्यथा अन्य मानक परीक्षणों से चूक जाएंगे। एमडब्ल्यू पैकेज का एक अद्यतन संस्करण प्रदान करने के अलावा, डेटा विश्लेषण उपकरण भी आपूर्ति किए गए पायथन स्क्रिप्ट का उपयोग करके वर्णित हैं (चरण 5 देखें)।
चूंकि एमडब्ल्यू एक बड़ा डेटासेट और किनेमेटिक मापदंडों का एक संग्रह उत्पन्न करता है जो एक अत्यधिक आयामी लोकोमोटर प्रक्रिया को दर्शाता है, एक पीसीए नियोजित किया गया था; वास्तव में, पीसीए का व्यापक रूप से इस27,35,36 (चित्रा 3) के समान अन्य किनेमेटिक डेटासेट में उपयोग किया गया है। यह आयामीता कमी तकनीक न्यूनतम मान्यताओं के साथ एक सरल और मजबूत विधि है जो मात्रात्मक रूप से कीनेमेटिक प्रोफाइल की पहचान करने और उन्हें नियंत्रण या आधारभूत स्थितियों से जल्दी से अलग करने की अनुमति देती है। इसके अलावा, हीटमैप उन मापदंडों की तुरंत पहचान करने के लिए उत्पन्न किए गए थे जो बेसलाइन (चित्रा 4) से सांख्यिकीय रूप से भिन्न थे, जिन्हें बाद में व्यक्तिगत रूप से विश्लेषण किया जा सकता था (चित्रा 5, चित्रा 6, और चित्रा 7)।
इसके बाद, यह दिखाया गया कि एमडब्ल्यू से निकाले जा सकने वाले विशिष्ट पैरामीटर एससीआई जानवरों में देखे गए मजबूत लोकोमोटर घाटे को कैसे चित्रित करते हैं, जैसे समन्वय। समन्वय एक कार्य करने के लिए संगठित तरीके से प्रत्येक अंग का उपयोग करने की क्षमता है। अक्सर, समन्वय को अप्रत्यक्ष रूप से सीढ़ी16,17 पर गलतियों / सकारात्मक घटनाओं की संख्या या रोटारोड 15 पर बिताए गए समय से मापा जाता है। स्पष्ट रूप से, एमडब्ल्यू चरण चक्र (पदचिह्न पैटर्न) और "रुख सीधेपन" सूचकांक27 के दौरान पंजे की स्थिति में परिवर्तनशीलता दोनों की गणना करता है। यह दिखाया गया था कि दोनों पैरामीटर चोट से काफी प्रभावित थे (चित्रा 4)।
इसके अलावा, एमडब्ल्यू उपयोगकर्ता को अस्थायी गतिशीलता से संबंधित मापदंडों को निकालने की अनुमति देता है। एससीआई जानवरों में स्विंग/रुख अवधि में एक महत्वपूर्ण व्यवधान देखा गया (चित्रा 4), और यह पाया गया कि एससीआई चूहों ने अपने फोरलिम्ब स्टेप चक्र को तेज करके अपने पिछले अंगों पर समर्थन के नुकसान की भरपाई की, इस प्रकार फोरलिम्ब स्टेप लंबाई और औसत स्विंग समय को कम कर दिया (चित्रा 5)। यह प्रभाव गुरुत्वाकर्षण के केंद्र में बदलाव से संबंधित हो सकता है, जो अग्रभाग को अधिक शरीरके वजन को सहन करने के लिए मजबूर करता है। इसी तरह, इसे लंबे आरोही प्रोप्रियोस्पाइनल मार्गों के नुकसान के लिए जिम्मेदार ठहराया जा सकता है, जो फोरलिम्ब और हिंदलिम्ब सीपीजी 1,9,32 के बीच सिनर्जेटिक इंटरैक्शन के लिए जिम्मेदार हैं, जो अंततः फोरलिम्ब-हिंदलिंब ताल पृथक्करण की ओर ले जाते हैं।
स्टेपिंग चाल की विशेषताएं लोकोमोटर नेटवर्क 1,34 के मॉड्यूलर संगठन को चित्रित कर सकती हैं। यद्यपि स्टेपिंग पैटर्नइस मामले में अपनाई गई चाल रणनीतियों के लिए प्रत्यक्ष प्रॉक्सी नहीं हैं, फिर भी कुछ महत्वपूर्ण अवलोकन तैयार किए जा सकते हैं। एससीआई चूहों के स्टेपिंग पैटर्न में महत्वपूर्ण परिवर्तन देखे गए (चित्रा 6)। घायल जानवरों ने पार्श्व स्विंग (पेसिंग जैसी चाल) को अपनाना शुरू कर दिया, और विकर्ण स्विंग में भी कमी आई। ये अनुकूलन अग्रअंगों और हिंदलिम्ब्स के समन्वय के प्रयास से जुड़े प्रतीत होते हैं, फिर से चोट के नीचे और ऊपर रीढ़ की हड्डी की पटरियों के बीच पृथक्करण का प्रदर्शन करते हैं, जो 1,9,32 को ठीक नहीं करता है।
एससीआई के बाद सीमित वसूली को हिंदलिम्ब्स में मांसपेशियों की शक्ति में कमी से भी सत्यापित किया गया था, जैसा कि औसत दबाव (चित्रा 7) द्वारा मापा जाता है। नतीजतन, अग्रभाग को अधिक शरीर के वजन का समर्थन करने के लिए मजबूर किया जाता है, जिससे दबाव बढ़ जाता है। जबकि मांसपेशियों की गतिशीलता से संबंधित कई मापदंडों का यहां विश्लेषण नहीं किया गया था (यानी, फ्लेक्सर और एक्सटेंसर मांसपेशी समन्वय 7,21), यह मात्रात्मक माप अंग समर्थन की मात्रा का सीधा रीड-आउट प्रदान कर सकता है।
इस एमडब्ल्यू विश्लेषण को मानक बीएमएस परीक्षण के साथ भी साझेदारी की जा सकती है, जो अंग रोटेशन, पंजे के प्लेसमेंट, पूंछ की स्थिति और कदम की गलतियों को मापता है। आम तौर पर, एससीआई चूहे 3 के अधिकतम उपस्कोर के साथ 4-5 का अधिकतम स्कोर प्राप्त करते हैं, जिसका अर्थ है कि वे कभी-कभी लगातार कदम उठा सकते हैं लेकिन ज्यादातर पंजे के लिफ्ट-ऑफ और / या टचडाउन14 (पूरक चित्रा 2) पर घूमते हैं। यह स्पष्ट हो जाता है कि एससीआई समूह में हिंदपाव के लिए एईपी मूल्यों में काफी बदलाव क्यों किया गया था, क्योंकि स्विंग चरण के दौरान अंगों की गैर-समानांतर स्थिति पंजे निर्देशांक को प्रभावित कर सकती है। इसके अलावा, बीएमएस में, ट्रंक को आमतौर पर ऐसे उदाहरणों या घटनाओं की उपस्थिति के कारण गंभीर के रूप में वर्गीकृत किया जाता है जो कदम रखने से रोकते हैं, जैसे कि बट डाउन और होपिंग14। यद्यपि बट डाउन व्यवहार या ऐसे उदाहरणों को मापना संभव नहीं था जो कदम उठाने से रोकते थे, एमडब्ल्यू में प्रतिबंधित हिंदपाव कदम का पता लगाया गया था, जिसमें उच्च स्विंग अवधि (चित्रा 5 एफ), तीन लेग-स्विंग (चित्रा 6 ई), और कम दबाव (चित्रा 7 बी-डी) में वृद्धि हुई थी। इसके अलावा, फोर/हिंद स्विंग में उल्लेखनीय वृद्धि देखी गई (चित्रा 6 डी)। इस व्यवहार अभिव्यक्ति के लिए दो पूरक स्पष्टीकरण हो सकते हैं। सबसे पहले, होपिंग जैसी चाल को मापा गया था, जिसे पहले से ही बीएमएस परीक्षण में देखा जा सकता है। हालांकि, यह व्यवहार दोनों हिंदअंगों में सही प्लांटर स्टेपिंग की कमी से भी संबंधित हो सकता है, जिसके परिणामस्वरूप पैर खींचने या पृष्ठीय प्लेसमेंट होता है। कुल मिलाकर, ये अवलोकन इस दावे का समर्थन करते हैं कि एससीआई के बाद ट्रंक स्थिरता गंभीर रूप से क्षतिग्रस्त हो जाती है। अंत में, बीएमएस टेस्ट में 5 से अधिक स्कोर करने के लिए आवश्यकताओं में से एक समन्वय14 है, और इसके लिए, परीक्षण के दौरान रेटर्स द्वारा कम से कम तीन सुलभ पास देखे जाने चाहिए। उनमें से, तीन या अधिक सुलभ पासों में से दो को समन्वित के रूप में वर्गीकृत करने की आवश्यकता है (यानी, फोरलिम्ब्स और हिंडलिम्ब्स वैकल्पिक)। एमडब्ल्यू डेटा से, कोई उद्देश्य माप, रुख स्ट्रेटनेस इंडेक्स और पदचिह्न क्लस्टरिंग निकाल सकता है, जो सीधे पशु गति या सुलभ पास से स्वतंत्र रूप से समन्वय की मात्रा निर्धारित करता है (चित्रा 4)। इसके अलावा, अंगों के बीच परिवर्तन को कदम रणनीतियों को मापकर निष्पक्ष रूप से निर्धारित किया जा सकता है (चित्रा 6)। ये पैरामीटर स्पष्ट रूप से बताते हैं कि एससीआई चूहे लगातार सीधी रेखाओं में नहीं चल सकते हैं और अपने पिछले अंगों को खो देते हैं।
जबकि एमडब्ल्यू टूलबॉक्स एससीआई के बाद लोकोमोटर दोषों का अध्ययन करने के लिए एक सहायक रणनीति है, किसी को इसकी कुछ सीमाओं पर विचार करना चाहिए। सबसे पहले, अधिग्रहण मापदंडों (यानी, कैमरा स्थिति, फोकस, प्रकाश तीव्रता) के अनुरूप रहना महत्वपूर्ण है ताकि समय बिंदुओं के बीच छवि सुविधाओं को बनाए रखा जा सके। दूसरे, यह देखा गया कि पुनरावृत्ति से आदत पैदा हुई, जिसके कारण गति में कमी आई। इसने पालन-पोषण के व्यवहार में वृद्धि करने में भी योगदान दिया और बीच में ही रुक गया। घायल जानवरों के लिए, पैदल मार्ग की दीवारों पर झुकने की प्रवृत्ति भी थी और बीच में स्टॉप की संख्या में वृद्धि हुई थी। चूंकि ये व्यवहार लोकोमोटर मूल्यांकन का हिस्सा नहीं हैं, इसलिए उन पर विचार नहीं किया जाना चाहिए। अधिमानतः, शोधकर्ताओं को उन वीडियो का चयन करना चाहिए जिसमें जानवर अपने सिर को सीधे इंगित करके लगातार चलते हैं। इस अध्ययन के परिणामों पर इन व्यवहारों के प्रभाव का मुकाबला करने के लिए, चूहों को कम से कम चार या पांच रन के लिए लगातार दर्ज किया गया था और वॉकवे के साथ किसी भी दिशा में दौड़ने की अनुमति दी गई थी। बाद में, तीन सर्वश्रेष्ठ रिकॉर्ड किए गए रनों का चयन किया गया और इमेजजे / फिजी24 (180 डिग्री रोटेशन) पर एक ही दिशा में समायोजित किया गया। इस प्रकार, प्रत्येक जानवर को प्रति समय बिंदु पर एक साथ तीन रन के औसत से दर्शाया गया था। प्रति स्थिति जानवरों की एक बड़ी संख्या भी अपेक्षित परिवर्तनशीलता को कम कर सकती है। इसके अलावा, यह ध्यान दिया जाना चाहिए कि इस लोकोमोटर परीक्षण की सिफारिश केवल प्लांटर स्टेपिंग हासिल करने के बाद की जाती है, क्योंकि ट्रैकिंग सिस्टम को ठीक-ट्यून लोकोमोटर मूल्यांकन के लिए डिज़ाइन किया गया था। इस अध्ययन में, यह नोट किया गया था कि 15 डीपीआई से पहले, एमडब्ल्यू परीक्षण बढ़े हुए पैर ड्रैग और गलत प्लांटर प्लेसमेंट के कारण लोकोमोटर मूल्यांकन के लिए फायदेमंद नहीं था, जो ट्रैकिंग को प्रभावित कर सकता था (डेटा नहीं दिखाया गया)। अंत में, कुछ पैरामीटर (जैसे पदचिह्न क्लस्टरिंग) उत्पन्न प्रतिगमन मॉडल द्वारा किए गए बहिर्वेशन के प्रति बहुत संवेदनशील हैं। इसलिए, कोड तदनुसार समायोजित किया गया था (GitHub लिंक में स्क्रिप्ट में दस्तावेज़ीकरण देखें)।
कुल मिलाकर, यह दिखाया गया था कि एमडब्ल्यू एससीआई जानवरों को शाम-घायल नियंत्रणों से दृढ़ता से भेदभाव कर सकता है, और एमडब्ल्यू को एससीआई के बाद लोकोमोटर दोषों का अध्ययन करने के लिए एक मूल्यवान विधि के रूप में स्थापित परीक्षणों के साथ भी भागीदारी की जा सकती है। इसके अलावा, यह दिखाया गया था कि आपूर्ति की गई पायथन स्क्रिप्ट का उपयोग करके एमडब्ल्यू डेटासेट से मात्रात्मक आउटपुट आसानी से उत्पन्न किए जा सकते हैं। ये उपकरण मात्रात्मक और ग्राफिकल आउटपुट के एक समृद्ध और विविध सेट को उत्पन्न करने के लिए एक कुशल प्रयोगात्मक पाइपलाइन प्रदान करते हैं जो मूल एमडब्ल्यू आउटपुट फाइलों के पूरक हैं और विश्लेषण और ग्राफिकल प्रतिनिधित्व के प्रकार के संदर्भ में शोधकर्ता के लक्ष्यों को पूरा करने के लिए बदला जा सकता है।
यह टूलबॉक्स अन्य मोटर से संबंधित बीमारियों या मोटर डिसफंक्शन का अध्ययन करने के लिए एक मूल्यवान तरीका है, न केवल रीढ़ की हड्डी की चोट से संबंधित। स्कार्लाटौ एट अल.10 ने पहले ही प्रदर्शित किया है कि विकास के दौरान एक महत्वपूर्ण मचान प्रोटीन, अफाडिन में एक विशिष्ट उत्परिवर्तन, दो केंद्रीय नहरों को उत्पन्न करके रीढ़ की हड्डी में एक असामान्य फेनोटाइप का कारण बनता है। इस दोष के परिणामस्वरूप दाएं-बाएं अंग परिवर्तन का नुकसान हुआ और अंग सिंक्रनाइज़ेशन का उच्च प्रसार हुआ, जो एक होपिंग चाल की विशेषता है। Stauch et al.10 ने यह भी सचित्र किया कि इस प्रकार की प्रणाली को उपयोगकर्ता की आवश्यकताओं के अनुसार अनुकूलित किया जा सकता है। इस मामले में, यह एक चूहे पार्किंसंस रोग मॉडल में विशिष्ट व्यवहार घाटे का अध्ययन करने के लिए लागू किया गया था। इस प्रकार, इस टूलबॉक्स में विभिन्न मॉडलों में अनुप्रयोगों की एक विस्तृत श्रृंखला है जिसमें मोटर गड़बड़ी की उम्मीद है और इसे क्षेत्र में पहले से स्थापित व्यवहार प्रोटोकॉल के साथ जोड़ा जा सकता है।
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
लेखक घोषणा करते हैं कि उनके पास कोई प्रतिस्पर्धी वित्तीय हित नहीं हैं।
Acknowledgments
लेखक ों ने पांडुलिपि पर अपनी टिप्पणियों और इंस्टीट्यूटो डी मेडिसिना मॉलिक्यूलर जोआओ लोबो एंट्यून्स की कृंतक सुविधा द्वारा दिए गए समर्थन के लिए लौरा टकर और नतासा लोनकेरेविक को धन्यवाद दिया। लेखक स्पाइनल कॉर्ड इंजरी रिसर्च (एमसी-36/2020) के लिए प्रेमियोस सांता कासा न्यूरोसिएनसियास - पुरस्कार मेलो ई कास्त्रो से एलएस और सीएसएम तक वित्तीय सहायता स्वीकार करना चाहते हैं। इस काम को फंडाको पैरा ए सिएन्सिया ई ए टेक्नोलोगिया (एफसीटी) (पीटीडीसी/बीआईए-कॉम/0151/2020), आईनोवा4हेल्थ (यूआईडीबी/04462/2020 और यूआईडीपी/04462/2020) और एलएस4फ्यूचर (एलए/पी/0087/2020) द्वारा समर्थित किया गया था। एएफआई को एफसीटी (2020.08168.BD) से डॉक्टरेट फैलोशिप द्वारा समर्थित किया गया था। एएमएम को एफसीटी (पीडी / बीडी / 128445 / 2017) से डॉक्टरेट फैलोशिप द्वारा समर्थित किया गया था। आईएम को एफसीटी (एसएफआरएच / बीपीडी / 118051 / 2016) से पोस्ट-डॉक्टरेट फैलोशिप द्वारा समर्थित किया गया था। डी.एन.एस. को एफसीटी (एसएफआरएच / बीडी / 138636 / 2018) से डॉक्टरेट फैलोशिप द्वारा समर्थित किया गया था।
Materials
| Name | Company | Catalog Number | Comments |
| 45º Mirror | |||
| 2 aluminum extrusion (2 x 2 cm), 16 cm height, 1 on each side | Misumi | ||
| 2 aluminum extrusion (2 x 2 cm), 23 cm, @ 45° , 1 on each side | Misumi | ||
| 1 aluminum extrusion (2 x 2 cm), 83 cm long | Misumi | ||
| 87 x 23 cm mirror | General glass supplier | ||
| black cardboard filler | General stationery supplier | We used 2, one with 69 x 6 cm and another with 69 x 3cm to limit the reflection on the mirror | |
| Background backlight | |||
| 109 x 23 cm plexiglass (0.9525 cm thick) | General hardware supplier | ||
| 2 lateral aluminum extrusion (4 x 4 cm), 20 cm long, 1 on each side | Misumi | ||
| multicolor LED strip | General hardware supplier | ||
| white opaque paper to cover the plexyglass | General stationery supplier | ||
| fTIR Support base and posts | |||
| 2 aluminum extrusion (4 x 4 cm), 100 cm height | Misumi | ||
| 60 x 30 cm metric breadboard | Edmund Optics | #54-641 | |
| M6 12 mm screws | Edmund Optics | ||
| M6 hex nuts and wahers | Edmund Optics | ||
| fTIR Walkway | |||
| 109 x 8.5 cm plexyglass (1.2 cm thick) | General hardware supplier | 109 x 8.5 cm plexyglass (1.2 cm thick) | |
| 109 cm long Base-U-channel aluminum with 1.6 cm height x 1.9 cm depth thick folds (to hold the plexyglass) | General hardware supplier | ||
| 2 lateral aluminum extrusion (4 x 4 cm) 20 cm length, 1 on each side | Misumi | ||
| black cardboard filler | General stationery supplier | we used 2 fillers on each side to cover the limits of the plexyglass, avoiding bright edges | |
| M6 12 mm screws | Edmund Optics | ||
| High speed camera (on a tripod) | |||
| Blackfly S USB3 | FLIR | #BFS-U3-32S4M-C | This is a reccomendation. The requirement is to record at least 100 frames per second |
| Infinite Horizon Impactor | |||
| Infinite Horizon Impactor | Precision Systems and Instrumentation, LLC. | #0400 | |
| Lens | |||
| Nikon AF Zoom-Nikkor 24-85mm | Nikon | #1929 | This lens is reccomended, however other lens can be used. Make sure it contains a large aperture (i.e., smaller F-stop values), to capture fTIR signals |
| Software | |||
| MATLAB R2022b | MathWorks | ||
| Python 3.9.13 | Python Software Foundation | ||
| Anaconda Navigator 2.1.4 | Anaconda, Inc. | ||
| Spyder 5.1.5 | Spyder Project Contributors | ||
| Walkway wall | |||
| 2 large rectagular acrilics with 100 x 15 cm | Any bricolage convenience store | ||
| 2 Trapezian acrilic laterals with 6-10 length x 15 cm height | Any bricolage convenience store | ||
| GitHub Materials | |||
| Folder name | URL | ||
| Boxplots | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Boxplots | Script to create Boxplots | |
| Docs | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Docs | Additional documents | |
| Heatmap | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Heatmaps | Script to create heatmap | |
| Matlat script | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Matlab%20Script | MouseWalker matlab script | |
| PCA | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/PCA%20plots | Script to perform Principal Component Analysis | |
| Raw data Plots | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Rawdata%20Plots | Script to create Raw data plots | |
| Residual Analysis | https://github.com/NeurogeneLocomotion/MouseWalker/tree/main/Residual_Analysis | Code to compute residuals from Raw data |
References
- Frigon, A. The neural control of interlimb coordination during mammalian locomotion. Journal of Neurophysiology. 117 (6), 2224-2241 (2017).
- Grillner, S. Biological pattern generation: The cellular and computational logic of networks in motion. Neuron. 52 (5), 751-766 (2006).
- Dominici, N., et al. locomotor primitives in newborn babies and their development. Science. 334 (6058), 997-999 (2011).
- Courtine, G., et al. Kinematic and EMG determinants in quadrupedal locomotion of a non-human primate (Rhesus). Journal of Neurophysiology. 93 (6), 3127-3145 (2005).
- Clarac, F., Cattaert, D., le Ray, D. Central control components of a 'simple' stretch reflex. Trends Neuroscience. 23 (5), 199-208 (2000).
- Squair, J. W., Gautier, M., Sofroniew, M. V., Courtine, G., Anderson, M. A.
- Wenger, N., et al. Spatiotemporal neuromodulation therapies engaging muscle synergies improve motor control after spinal cord injury. Nature Medicine. 22 (2), 138-145 (2016).
- Grillner, S. The spinal locomotor CPG: A target after spinal cord injury. Progress in Brain Research. 137, 97-108 (2002).
- Boulain, M., et al. Synergistic interaction between sensory inputs and propriospinal signalling underlying quadrupedal locomotion. Journal of Physiology. 599 (19), 4477-4496 (2021).
- Skarlatou, S., et al. Afadin signaling at the spinal neuroepithelium regulates central canal formation and gait selection. Cell Reports. 31 (10), 107741 (2020).
- Viala, D., Vidal, C. Evidence for distinct spinal locomotion generators supplying respectively fore-and hindlimbs in the rabbit. Brain Research. 155 (1), 182-186 (1978).
- Silver, J., Miller, J. H.
- Basso, D. M., Beattie, M. S., Bresnahan, J. C. A sensitive and reliable locomotor rating scale for open field testing in rats. Journal of Neurotrauma. 12 (1), 1-21 (1995).
- Basso, D. M., et al. Basso mouse scale for locomotion detects differences in recovery after spinal cord injury in five common mouse strains. Journal of Neurotrauma. 23 (5), 635-659 (2006).
- Jones, B. J., Roberts, D. J. The quantitative measurement of motor inco-ordination in naive mice using an accelerating rotarod. Journal of Pharmacy and Pharmacology. 20 (4), 302-304 (1968).
- Metz, G. A., Whishaw, I. Q. The ladder rung walking task: A scoring system and its practical application. Journal of Visualized Experiments. (28), e1204 (2009).
- Metz, G. A., Whishaw, I. Q. Cortical and subcortical lesions impair skilled walking in the ladder rung walking test: A new task to evaluate fore-and hindlimb stepping, placing, and coordination. Journal of Neuroscience Methods. 115 (2), 169-179 (2002).
- Wallace, J. E., Krauter, E. E., Campbell, B. A. Motor and reflexive behavior in the aging rat. Journal of Gerontology. 35 (3), 364-370 (1980).
- Carter, R. J., et al. Characterization of progressive motor deficits in mice transgenic for the human Huntington's disease mutation. The Journal of Neuroscience. 19 (8), 3248-3257 (1999).
- Leblond, H., L'espérance, M., Orsal, D., Rossignol, S. Behavioral/systems/cognitive treadmill locomotion in the intact and spinal mouse. The Journal of Neuroscience. 23 (36), 11411-11419 (2003).
- Courtine, G., et al. Recovery of supraspinal control of stepping via indirect propriospinal relay connections after spinal cord injury. Nature Medicine. 14 (1), 69-74 (2008).
- Hamers, F. P. T., Koopmans, G. C., Joosten, E. A. J. CatWalk-assisted gait analysis in the assessment of spinal cord injury. Journal of Neurotrauma. 23 (3-4), 537-548 (2006).
- Mendes, C. S., et al. Quantification of gait parameters in freely walking rodents. BMC Biology. 13 (1), 50 (2015).
- Schindelin, J., et al. Fiji: An open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
- Stauch, K. L., et al. Applying the ratwalker system for gait analysis in a genetic rat model of Parkinson's disease. Journal of Visualized Experiments. (167), e62002 (2021).
- Mendes, C. S., Rajendren, S. V., Bartos, I., Márka, S., Mann, R. S. Kinematic responses to changes in walking orientation and gravitational load in Drosophila melanogaster. PLoS One. 9 (10), e109204 (2014).
- Cabrita, A., et al. Motor dysfunction in Drosophila melanogaster as a biomarker for developmental neurotoxicity. iScience. 25 (7), 104541 (2022).
- Bishop, C. M. Pattern Recognition and Machine Learning. , Springer. Delhi, India. (2006).
- vander Maaten, L., Postma, E., vanden Herik, J. Dimensionality reduction: A comparative review. , Tilburg University. The Netherlands.. http://www.uvt.nl/ticc (2009).
- Courtine, G., et al. Performance of locomotion and foot grasping following a unilateral thoracic corticospinal tract lesion in monkeys (Macaca mulatta). Brain. 128 (10), 2338-2358 (2005).
- Drew, T., Jiang, W., Kably, B., Lavoie, S. Role of the motor cortex in the control of visually triggered gait modifications. Canadian Journal of Physiology and Pharmacology. 74 (4), 426-442 (1996).
- Cheng, H., et al. Gait analysis of adult paraplegic rats after spinal cord repair. Experimental Neurology. 148 (2), 544-557 (1997).
- Thibaudier, Y., et al. Interlimb coordination during tied-belt and transverse split-belt locomotion before and after an incomplete spinal cord injury. Journal of Neurotrauma. 34 (9), 1751-1765 (2017).
- Bellardita, C., Kiehn, O. Phenotypic characterization of speed-associated gait changes in mice reveals modular organization of locomotor networks. Current Biology. 25 (11), 1426-1436 (2015).
- Machado, A. S., Marques, H. G., Duarte, D. F., Darmohray, D. M., Carey, M. R. Shared and specific signatures of locomotor ataxia in mutant mice. eLife. 9, 55356 (2020).
- Takeoka, A., Vollenweider, I., Courtine, G., Arber, S. Muscle spindle feedback directs locomotor recovery and circuit reorganization after spinal cord injury. Cell. 159 (7), 1626-1639 (2014).
