Küçük Kemirgenlerde Sosyal Tercih Davranışının Dinamiklerini İzleme Sistemi

Summary

Burada açıklanan üç oda testi için bir alternatif sunan ve aynı zamanda çeşitli uyarılar çözer yeni bir otomatik deneysel sistemdir. Bu sistem, sosyal tercih ve sosyal yenilik tercihi testleri sırasında küçük kemirgen davranış dinamiklerinin titizlikle analizini sağlayan birden fazla davranışsal parametre sağlar.

Abstract

Sosyal davranışın nörobiyolojik mekanizmalarının araştırılması, hayvan modellerine tarafsız ve gözlemciden bağımsız bir şekilde uygulanabilecek davranışsal testler gerektirir. Milenyumun başlangıcından bu yana, üç odalı test, küçük kemirgenlerde sosyalliği (sosyal tercih) ve sosyal yenilik tercihini değerlendirmek için standart bir paradigma olarak yaygın olarak kullanılmıştır. Ancak, bu test, mekansal navigasyon ve davranışsal dinamiklerin ihmali bağımlılığı da dahil olmak üzere birden fazla sınırlama, muzdarip. Sunulan ve doğrulanmış burada üç oda testi için bir alternatif sunan yeni bir deneysel sistem, aynı zamanda bazı uyarılar çözme. Sistem, bireysel ve nüfus düzeylerinde birden fazla davranışsal parametreyi otomatik olarak ölçen ve analiz eden basit ve uygun fiyatlı bir deneysel cihaz ve kamuya açık açık kaynak analiz sistemi gerektirir. Herhangi bir sosyal ayrımcılık testi sırasında küçük kemirgenlerin davranış dinamiklerinin ayrıntılı analizini sağlar. Yetişkin erkek fare ve sıçanlar tarafından yapılan sosyal tercih ve sosyal yenilik tercihi testlerinde sosyal davranış dinamiklerinin analizinde sistemin etkinliğini gösteriyoruz. Ayrıca, bıyık budama gibi manipülasyonlar aşağıdaki kemirgenlerde sosyal davranışın değiştirilmiş dinamikleri ortaya çıkarmak için sistemin yeteneğini doğrulamak. Böylece, sistem küçük kemirgen modellerinde sosyal davranış ve dinamiklerin titiz bir şekilde araştırılmasına olanak sağlar ve suşlar, koşullar ve tedaviler arasında daha doğru karşılaştırmaları destekler.

Introduction

Nörogelişimsel bozuklukların (NDD) altında yatan biyolojik mekanizmaların ortaya çıkması nörobilim^1. Bu zorluğun ele alınması, kemirgenlerin davranışlarını standart ve tarafsız bir şekilde tipleyen davranışsal paradigmalar ve deneysel sistemler gerektirir. Etkili bir çalışma moy ve meslektaşları² tarafından on yıldan fazla önce yayınlanan üç odalı test sundu. O zamandan beri, bu test yaygın NDDs kemirgen modellerinde sosyal davranışı araştırmak için kullanılmıştır. Bu test kemirgenlerin iki doğuştan gelen eğilimini değerlendirir: 1) bir nesne üzerinde sosyal bir uyarıcının yakınında kalmak (sosyallik, aynı zamanda sosyal tercih [SP] olarak da adlandırılır), ve 2) yenibir sosyal uyarıcının tanıdık bir (sosyal yenilik tercihi [SNP]) 3^,4. Birkaç sonraki çalışmalar da bilgisayarlı yöntemler kullanarak üç odalı test otomatik analiz yöntemleri önerdi^5,6.

Bu test hala çeşitli uyarılar muzdarip. İlk olarak, esas olarak doğrudan bir sosyal uyarıcı ile etkileşim konunun motivasyonu yerine sosyal yer tercihi inceler, bazı gruplar da koku araştırma (koklama) zaman ölçmek rağmen, ya elle⁷ veya ticari bilgisayarlı sistemleri kullanarak^8,9,10. İkinci olarak, üç bölmeli test çoğunlukla her odada denek tarafından harcanan toplam zamanı ölçmek için kullanılır ve davranış dinamiklerini ihmal eder. Son olarak, her odada özne tarafından harcanan zaman (ya da sniffing zaman, ölçülürse) sosyal davranışın sadece bir yönü, dayanır.

Burada üç odalı cihazlara alternatif olan yeni ve uygun fiyatlı bir deneysel sistem salıyoruz. Ayrıca yukarıda belirtilen uyarılar çözerken aynı davranıştestleri performans sağlar. Sunulan davranış sistemi otomatik olarak ve doğrudan iki uyaran doğru bir kemirgen in araştırmacı davranışını ölçer. Ayrıca, davranış dinamiklerini gözlemciden bağımsız bir şekilde analiz eder. Ayrıca, bu sistem birden fazla davranışsal parametreleri ölçer ve bunları hem bireysel hem de nüfus düzeyinde analiz eder; böylece, her test sırasında sosyal davranış ve dinamikleri titiz bir analiz destekler. Ayrıca, çeşitli test aşamalarında arenanın zıt köşelerinde odaların rasgele yeniden konumlandırılması mekansal bellek veya tercih herhangi bir etkisini nötralize eder. Bu sistem, cinsiyet ayrımcılığı gibi diğer ayrımcılık testleri için de kullanılabilir. Özel cihazların üretimi kolaydır ve analiz sistemi açık kaynak kodu olarak herkese açıktır ve böylece herhangi bir laboratuvarda kullanılmasına izin verilir. Bu sistemin, sosyal tercih ve sosyal yenilik tercihi testleri sırasında farklı kürk renkleri ile kemirgen lerde sosyal davranışın birden fazla parametresini ölçebilme yeteneğini gösteriyoruz. Ayrıca, sistemin bıyık kesme gibi manipülasyonları takiben kemirgenlerde sosyal davranışın değiştirilmiş dinamiklerini ortaya çıkarabilme yeteneğini de doğrularız.

TrackRodent yazılımı: Deneysel konuyu ve uyaranlarla etkileşimlerini izlemek için MATLAB'da (2014a-2019a) üç algoritma yazıldı. Tüm algoritmalar GitHub'da yatırıldı, bulunan . Dört algoritmanın da temel amacı, uyarıcı alanlarıyla doğrudan temas bulmak için deneğin vücudunun hatlarını izlemektir.

Gövde tabanlı algoritma: Bu algoritma, beyaz arka plan (BlackMouseBodyBased), koyu arka plan üzerinde beyaz bir fare (WhiteMouseBodyBased) veya koyu arka plan (WhiteRatBodyBased) üzerinde bir beyaz fare nin hatlarını izlemek üç sürümü vardır ). Yazılımın grafik kullanıcı arabirimi (GUI), deneycinin fare veya sıçan kullanarak bir deneme seçmesini ve ardından doğru kodu seçmesini gerektirir. Algoritmanın her sürümü için iki isteğe bağlı kod vardır: biri çözümlemesi gerçekleştirirken ekranda izleme işlemini sunan, diğeri de (dolayısıyla daha hızlı çalışır ve "hızlı" olarak adlandırılır). Örneğin, BlackMouseBodyBased algoritması için ilgili kodların adları şunlardır: "BlackMouseBodyBased23_7_14" ve "BlackMouseBodyBased23_7_14_Fast". "Hızlı" ile biten tüm algoritmalar izlemeyi çevrimiçi göstermez ve kullanıcıların verileri doğrudan sonuç dosyasına (.mat dosyası) kaydetmeleri gerekir. Tüm gövde tabanlı algoritmalar, nesnenin gövdesini algılamak için tek bir eşik ("yazılım GUI'sinde düşük eşik") ayarlanması gerekir.

Kafa yönlülük tabanlı algoritma: sadece siyah fareler için kullanılabilen ikinci algoritma, kafa yönlülüğünü belirlemeye ek olarak, vücut tabanlı algoritmaya dayanır. Bu algoritma, öznenin başının "uyaran" alanlarıyla etkileşimlerini algılayarak, öznenin bu alanlarla rastgele temaslarından kaynaklabilen yanlış pozitiflerden kaçınır. Bu algoritma için, fare gövdesi konturlarının iki algılama eşiği tanımlanır: siyah farelerin parlak kuyruğunu içeren yüksek eşik ve kuyruksuz gövdeyi içeren düşük eşik. Bundan sonra, algoritma alt eşiği kullanarak algılanan sınırlara bir elipsoid sığar ve fare kafası ve kuyruğunun konumunu tanımlar (ikisi arasında ayrım olmadan). Kuyruk ve baş arasındaki son ayrımcılık, daha yüksek eşik tarafından tanımlanan sınırlara dayanır.

Kablolu hayvan algoritması: Üçüncü algoritma, hayvana bağlı kablolardan (elektrik kablosu veya optik fiber) kaynaklanan yapıları en aza indirmeyi ve bir kabloya bağlıyken hayvanın davranışlarının analizini sağlamayı amaçlamaktadır. Bu algoritmanın sadece siyah fareler ve beyaz fareler için kodları vardır. Fare kodu yalnızca düşük bir eşik gerektirirken fareler için kod deneycinin hem düşük hem de yüksek eşikleri tanımlamasını gerektirir.

Protocol

Açıklanan tüm yöntemler Hayfa Üniversitesi Kurumsal Hayvan Bakım ve Kullanım Komitesi (IACUC) tarafından onaylanmıştır.

1. Deneysel Kurulum

1. Arena
   1. Bir akustik odanınortasına (60 cm x 65 cm x 80 cm, iç kısmı 2 cm kalınlığında köpükle kaplanmış 2 cm kalınlığında ahşaptan yapılmış) beyaz veya siyah (hayvanın rengine bağlı olarak) pleksiglas bir kutu (37 cm x 22 cm x 35 cm) yerleştirerek fareler için deneysel arenayı kurun. Işık için, akustik haznenin etrafındaki köpükten (kapının yanı sıra) bir şerit (2 cm genişliğinde, odanın tavanının 10 cm altında) çıkarın ve kırmızı veya beyaz ampuller içeren bir LED şerit takın. Yansımaları önlemek için ışığın arenanın etrafında mümkün olduğunca düzgün olduğundan emin olun.
   2. Fareler için yukarıda açıklanana benzer bir arenayı, Sprague-Dawley (SD) sıçanlarının büyüklüğüne uygun farklı boyutlarda inşa edin(Şekil 1G). Bir akustik haznenin ortasına siyah pleksiglas bir kutu (50 cm x 50 cm x 40 cm) yerleştirin (90 cm x 60 cm x 85 cm, iç kısmı 2 cm kalınlığında köpükle kaplanmış 2 cm kalınlığında ahşaptan yapılmış).
2. Odalar
   1. Fareler için, 6 mm kalınlığındapleksicamdan iki siyah veya beyaz (kürk rengine bağlı olarak) üçgen bölmeler (12 cm izosceles, 35 cm yüksekliğinde, zeminkapalı) oluşturun. Onları arenanın rastgele seçilmiş iki zıt köşesinde bulun(Şekil 1B,E). Her odanın alt kısmına epoksi tutkal kullanarak, kafes aracılığıyla uyarıcı ile doğrudan etkileşime izin vermek için metal bir kafes(18mm x 6 cm; 1 cm delik) saplayın (Şekil 1C,F). Her odayı, nesnelere ipucu vermeden bir videoda diğerlerinden ayrımcılığa izin verecek şekilde işaretleyin (örnekler için Şekil 1B,E'ye bakın).
      NOT: Her oda sonunda bir sosyal uyarıcı (fare) veya nesne (plastik oyuncak, 5 cm x 5 cm x 5 cm, farklı bir şekil ve renk ile içerecektir; Şekil 1C,I insets). Epoksi tutkal kokusu kullanmadan önce en az bir hafta buharlaşmasına izin verin.
   2. Sıçanlar için, iki siyah üçgen oda (20,5 cm izosceles, 40 cm yükseklik, 6 mm kalınlığında pleksiglas yapılmış, zeminkapalı) oluşturmak ve arenanın iki rasgele seçilmiş köşelerinde yerleştirin(Şekil 1H), her bir metal örgü ile (25 cm x 7 cm; 2,5 cm x 1 cm delik) alt kısmını kapsayan(Şekil 1I).
3. Akustik odanın üst kısmında geniş açılı lensle donatılmış yüksek kaliteli monokromatik bir kamera yerleştirin ve ticari yazılım kullanarak nesnenin davranışlarının net bir şekilde görüntülenmesini ve kaydedilmesini sağlamak için bir bilgisayara bağlayın (öneriler için Malzemeler Tablosu'na bakın).

2. Davranış Salkımı

NOT: Adım 2.1-2.7 fareler için davranış salkımı açıklar. Farelerle ilgili özel talimatlar için bölüm 2.8'e bakın.

1. Tüm hayvanların kafeslerinin (denekler: 2-4 aylık erkek fareler; uyaranlar: 21-30 günlük yavru fareler) davranışsal deneye başlamadan önce deney odasında en az 1 saat kaldığından emin olun.
2. Alışma süresini takiben, iki zıt köşede rastgele arenaya iki boş oda yerleştirin. Alışkanlık 15 dakika için arenanın ortasında konu yerleştirin. Bu süre zarfında, her biri alışma için arenanın dışında bulunan farklı bir odaya iki sosyal uyarıcı yerleştirin. Başka bir odaya bir nesne (plastik bir oyuncak, 5 cm x 5 cm x 5 cm, farklı bir şekil ve renk ile) yerleştirin.
3. Sosyal tercih (SP) testini gerçekleştirmek için video kaydını başlatın ve testin sonuna kadar kaydı tutun.
4. İki boş odayı çıkarın ve hemen nesneyi ve sosyal uyaranlardan birini ayrı bir odaya yerleştirin. Bu odaları, alışma sırasında boş olan arenanın zıt köşelerinde rastgele bulun. SP testinin 5 dakikası için deneğin uyaranlarla etkileşime geçmesine izin verin. Testin sonunda, kaydı durdurun.
5. SP testini takiben, uyarıcı içeren odaları arenadan çıkarın ve konuyu boş arenada 15 dakika bekletin.
6. Sosyal yenilik tercihi (SNP) testini gerçekleştirmek için, video kaydını başlatın ve arenaya iki oda yerleştirin: biri SP testinde kullanılan aynı sosyal uyarıcıyı (tanıdık uyarıcı) ve diğeri de yeni sosyal uyarıcıyı içeren. Bu odaları arenanın iki zıt köşesine rastgele yerleştirin ve bu konumların SP testi için kullanılmadığından emin olun. Konunun SNP testinin 5 dakikası için uyaranlarla etkileşime geçmesine izin verin.
7. SNP testinin sonunda, video kaydını durdurun, konuyu ve odaları arenadan çıkarın ve konuyu ev kafesine geri yerleştirin. Uyaranları bir sonraki deney için (başka bir nesneyle) odalara bırakın veya ev kafeslerine geri getirin. Arenayı ve odaları akan suyla temizleyin ve ardından %10 etanol verin ve kurudu.
8. Sıçanlar için davranışsal paradigma
   1. Sıçanlar için, 2.1-2.7 adımlarında açıklanan davranışsal paradigmayı iki değişiklikle tekrarlayın: 1) sıçan deneklerini ele almak ve deneyden önce 2 gün (her gün 10 dakika) için odalara sosyal uyaranları alışmak; ve 2) sıçanlar sosyal uyaranlara maruz kalma daha uzun bir süre vermek için 15 dakika için SP testi uzatmak. Daha sonra, SP testinin analizini ilk 5 dakika ile sınırlandırın.
      NOT: Tek bir oturumun yürütülebilmesi için en az bir arena ve beş oda gereklidir.

3. Davranış Analizi için TrackRodent GUI kullanma

NOT: TrackRodent GUI için Şekil 2A'nın üst paneline bakın.

1. MATLAB'ı açın (2014a-2019a ile test edin) ve TrackRodent klasörünü seçin.
2. Her klasöre sağ tıklayarak ve Yola Ekle'yi seçerek tüm alt klasörleri çalışma yoluna ekleyin | Seçili Klasörler ve Alt Klasörler.
3. Komut penceresinde TrackRodent yazın ve Enter tuşuna basın.
4. Yükle oturumu dosya (AVI) seçerek tek bir dosya veya birden çok video dosyası (AVI veya MP4 biçimi) yükleyin.
5. Video klibin kare kare incelenmesine izin veren bir film denetçisi, listedeki ilk dosya için hemen açılır (Şekil 2A). Video klibi incelemek ve analiz edilecek segmentin ilk ve son karelerini tanımlamak için kullanın. Daha sonra gerekli olacak bu çerçevelerin numaralarını kaydedin. Bittiğinde pencereyi kapatın.
6. Ek video dosyalarını incelemek için, filmi incele tuşuna basarak ve belirli bir video dosyası seçerek istediğiniz zaman video denetçisini açın.
7. Test edilen türleri seçin (fare veya sıçan; fare varsayılandır).
8. Konunun ve arenanın renklerine (siyah veya beyaz) uygun olarak izlemeyi kesintiye uğratabilecek tüm alanları hariç tinleyin.
   1. Belirli bir alanı dışlamak için Dışla alanınıdışla'ya basın ve imleç çapraz şekle döndükten sonra, dışlanma için alanın her köşesini işaretleyin. Bittiğinde, fareye sağ tıklayın, ardından işaretli alanın ortasını çift sol tıklatın. Dışlanan alan ekranda kırmızı bir gölge haline gelecektir. Gerektiği kadar alanı hariç tutmak için bu yordamı yineleyin.
9. Bir alanı dışlamadan kaldırmak için dışlanmış alanı kaldır'abasın , ardından (çaprazimleç kullanarak) dışlanmadan kaldırılacak alana tıklayın.
10. Her odayı bir 'uyarıcı' alanı olarak tanımlamak için, konu tarafından incelenmesinin otomatik olarak algılanması için, uygun kutuyu işaretleyerek 'uyarıcı' alanının şeklini çokgen veya eliptik olarak seçin, ardından Stimulus X tuşuna basarak ("X"in 1, 2 veya 3'ü temsil ettiği yer) tuşuna basın. 'Uyarıcı' alanları dışlanan alanlara benzer şekilde işaretleyin, bu da daha sonra renk olarak sarı yayılacaktır. Belirli bir 'uyarıcı' alanın konumunu değiştirmek için Stimulus X'e yeniden basın ve yeni alan konumunu işaretleyin (bu işlem konumu otomatik olarak günceller).
    NOT: Tüm dosyalar için tutarlı bir şekilde farklı uyaran numarasını seçin (yani tüm SP test dosyaları için uyarıcı 1 olarak nesne).
11. Nesnenin arena içindeki belirli bir sanal bölmede varlığını izlemek için,'bölme' alanının (çokgen veya eliptik) şeklini seçin, ardından X Bölmesi'ne ("X"in 1, 2, 3, 4 veya 5'i temsil ettiği yer) basın. 'Bölme' alanlarını dışlanmış veya uyaran alanlara benzer şekilde işaretleyin, bu da daha sonra mavi renkte olacak. Belirli bir 'bölme' alanının konumunu değiştirmek için, Bölmesi X'e yeniden basın ve yeni alan konumunu işaretleyin (bu durum konumu otomatik olarak günceller).
12. Listeden istenen algoritmayı seçin (Video için BlackMouseBodyBased kullanıldı) (Şekil 2B'dekimevcut algoritmalara bakın).
13. GUI'nin ilgili düzeltme kutularına analiz için başlangıç ve bitiş karelerinin numaralarını yazın.
14. Nesne gövdesini algılamak için bir eşik seçin.
    NOT: Çoğu algoritma yalnızca "Düşük" eşiğini kullanırken, baş yönlülük tabanlı algoritmalar da "Yüksek" eşiğini kullanır. "Düşük" eşiği için, kuyruk olmadan fare/fare gövdesini içeren bir düzey seçin (mümkün olduğunca yüksek" eşiği de kuyruğu içermelidir. Baş yönlülük tabanlı algoritmalar kullanılması durumunda, yazılım kuyruk konumuna zıt olarak baş konumunu belirleyecektir.
    NOT: Yazılım daha sonra seçilen eşik kullanılarak algılanan küçük nesneleri yok sayar.
15. Belirli bir eşik için konu kenarlıklarının otomatik olarak algılanmasını değerlendirmek için, ilgili eşik alanına bir değer ekleyin ve klavyeden Enter tuşuna basın.
16. Birden çok dosya seçerken, bir sonraki dosyaya geçin (üstteki İleri düğmesini kullanarak) ve her dosya için uygun tanımları seçin. Tamamlandığında, GUI'nin üst kısmındaki Önceki ve Sonraki düğmelerini kullanarak, her biri arasında hareket ederek tüm dosyaların parametrelerini ve alan konumlarını doğrulayın.
    NOT: Tüm alanların ve parametrelerin tanımları belirli bir dosyaya özgür.
17. Seçili tüm dosyaların davranış analizini başlatmak için ilk dosyaya geçin ve Başlat'a basın.
18. Çözümlemenin sonunda, film dosyalarının aynı dizininde her film için bir sonuç dosyası (.mat dosyası) kaydedilir.
    NOT: Algoritmanın yavaş (hızlı olmayan) sürümü kullanılırsa, gui'nin Kaydet çözümlenmiş film geçiş düğmesi işaretlenmedikçe, vücut kütlesinin merkezinin beyaz bir çaprazı olan filmin bir sürümünü de kaydeder. Filmin bu sürümü (orijinal filmle aynı adla, 'analiz edilmiş film' ekiyle aynı dizinde kaydedilmiştir) sistem tarafından gerçekleştirilen otomatik algılamanın kalitesini değerlendirmek için çevrimdışı kullanılabilir.

4. Sonuçlar Sunumu için TrackRodent GUI kullanma

NOT: Sonuç sunumu için Şekil 2 A'nın alt paneline bakın.

1. Her film dosyasının sonuçlarını incelemek için, Yükle sonuçları dosyasına basın ve davranış çözümlemesi tarafından oluşturulan .mat dosyalarını seçin.
2. Aşağıdaki analizlerden herhangi birini incelemek için geçiş düğmeleri arasında hareket edin: Fare konum takibi (Şekil 2A); Oturum boyunca bölümler işgal ('bölmeler' tanımlanmışsa, gösterilmez); Oturum boyunca uyarıcı keşfi (Şekil 2C); Bölmelerde toplam süre ('bölmeler' tanımlanmışsa, gösterilmez); ve toplam uyarıcı arama süresi (Şekil 2D).
   NOT: 'Uyarıcı' alanlar, yazılımın konu etkileşimini değerlendirdiği alanlardır, 'Bölme' alanları ise yazılımın nesnenin varlığını izlediği alanlardır. Çözümlemeyi Durdur düğmesini kullanarak çözümlemeyi durdurmak, oluşturulan sonuçları otomatik olarak son çözümlenen çerçeveye kaydeder. Çoğu bilgisayar için, aynı anda en fazla 20 film yüklemek ve analiz etmek mümkün olmalıdır (bilgisayar performansına bağlı olarak).

5. Nüfus Analizi için TrackRodentPopulationSummary GUI kullanma (Şekil 2E)

1. MATLAB'ı açın (2014a-2019a ile test edin) ve TrackRodent klasörünü seçin.
2. Komut penceresinde TrackRodentPopulationSummary yazın ve Entertuşuna basın.
3. Sonuçları seç dosyalarını seç'e basarak birden çok TrackRodent sonuç dosyalarını (.mat biçimi) yükleyin.
4. Analiz için Son karenumaralarını doldurun , Test adı, Stimulus 1 adı, ve Stimulus 2 adı.
5. Tüm uygun kutuları işaretleyerek isteğe bağlı analizler listesinden istenilen analizleri seçin.
6. Tek bir elektronik tablo dosyası olarak denetlenen analizlerin tüm sonuçlarını ayıklamak için uygun kutuyu işaretleyerek bir speadsheet için Dışa Aktarma sonuçlarını seçin.
7. Başlat'a basın ve analiz tamamlanana kadar bekleyin.
   NOT: Bu analiz sonuçlandırır. Yazılım, tüm davranışsal TrackRodent yazılımı kullanılarak analiz edildi göz önüne alındığında, istenilen kadar çok film dosyasının sonuçlarını analiz etmek için kullanılabilir. Yazılım tarafından gerçekleştirilen analiz, video kaydının 30 Hz kare hızında olduğunu varsayar. Farklı bir kare hızı nın kullanılması durumunda, zamanı 30 ile çarpın ve doğru değere (ler) dönüştürmek için kayıt için kullanılan kare hızına bölün.

Results

C57BL/6J farelerde sosyal tercih testi için sistemi kullanma
Şekil 1 deneysel kurulumun üç versiyonunu göstermektedir. İlk sürüm(Şekil 1A-C),C57BL/6J fareler gibi koyu kürk rengindeki fareler için tasarlanmıştır. İkinci(Şekil 1D-F)BALB/c veya ICR (CD-1) fareler gibi parlak kürk renkleriolan fareler için planlanmıştır. Üçüncüsü daha büyüktür

Discussion

Burada açıklanan ve üç odalı cihaz^2,5'ealternatif olarak tasarlanan deneysel sistem, bazı sınırlamaları çözerken aynı testlerin yapılmasına olanak sağlamaktadır. Dikdörtgen arenanın iki zıt köşesinde yer alan üçgen odaların kullanımı, konu-uyarıcı etkileşim alanını iyi tanımlanmış bir düzlemle sınırlar ve böylece araştırma davranışının hassas otomatik analizini sağlar. Bir avantajı analiz yazılımı (TrackRodent) her test için birden fazla davranış parametreleri he...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Flea3 1.3 MP Mono USB3 Vision	FLIR (eski adıyla PointGrey)	FL3-U3-13Y3M-C	Monokromatik Kamera
FlyCap 2.0	FLIR (eski adıyla PointGrey)	FlyCapture 2.13.3.61X64	Video kayıt yazılımı
Ev 5 dakika Epoksi yapıştırıcı	Devocon	20845	Metal ağı Pleksiglas uyaran odalarına yapıştırmak için
Matlab 2014-2019	MathWorks	R2014a - R2019a	Programlama ortamı
Pleksiglas levhalar (6 mm kalınlığındaSiyah veya beyaz)	Melina (1990) LTD, İsrail	NaN	Arena ve uyaran odaları yapımı için
12 V güç kaynağına bağlı kırmızı led şeritler (metre başına 60 led)	2012topdeal eBay tedarikçisi	NaN	Akustik odanın aydınlatması için