10 Eylül 2018
Fayda-maliyet analizi karar verme boyunca beyin gerçekleştirir ağırlığında ölçekli bir yaklaşımdır. Burada, biz tren için bir protokol fareler üzerinde bir edimsel dayalı karar verme paradigma nereye fare seçmek için 15 bekleyen pahasına daha yüksek Ödülleri teklif s onları almak için.
Bu teknik, bilişsel sinirbilimlerde, sonuçları ve nedenleri karşılaştırmanın karar vermeyi nasıl etkileyebileceği gibi temel soruları yanıtlayabilir. Bu tekniğin temel avantajı, tahtanın konumu gibi özel unsurların hayvanın kararını etkilememesidir. 12 saatlik aydınlık / karanlık döngüsüne sahip bir odada yetişkin erkek sıçanlara yiyecek erişimini kısıtlayarak başlayın.
Bir ila üçüncü günlerde, hayvanları günde iki kez beş dakika boyunca idare edin. Ardından, serbest besleme miktarını belirlemek için her elleçleme seansından sonra hayvanları tartın. Ardından, üç bölme veya kol, iki uyaran hoparlörü, beş geri çekilebilir kapı ve beş kızılötesi hareket sensörü veya Kızılötesi Işın veya IRB sensörü ile donatılmış bir T labirenti edinin.
Deneysel yazılım kodunu bilgisayara kopyalayın. Ardından, deneysel yazılımı indirin ve bir bilgisayara kurun. Mikrodenetleyiciyi bir USB bağlantı noktası kullanarak bilgisayara bağlayın.
Ardından, bilgisayarda yazılım simgesine tıklayın, Araçlar'a gidin ve ardından Bağlantı Noktası'nı seçin. Açılır menüden, yazılımı bilgisayara bağlayan COM bağlantı noktasını seçin. Araçlar'a gidin ve Panolar'ı seçin.
Açılır menüden, T labirentini kontrol eden yazılım türünü seçin. Ardından, arayüz penceresinin sol üst köşesindeki Yükle'ye tıklayın. Deneysel yazılım kodunu seçin, işlem bitene kadar bekleyin.
İşlem bittikten sonra, arayüz penceresinin sağ üst köşesindeki Seri Monitör'e tıklayın. Ardından, yeni bir açılır pencerede baud hızını 115, 200 olarak değiştirin. Deney gününden önceki beş gün boyunca, hayvanları en az bir saat deney odasına getirin.
Her kale koluna 10 şeker topağı bırakın ve tüm kapıları açık bırakın. Birinci ila üçüncü günler boyunca, labirenti herhangi bir kısıtlama olmaksızın keşfetmek için hayvanları günde bir kez 10 dakikalık periyotlarla tek tek labirente yerleştirin. Dört ila beşinci günler boyunca, hayvanları tek tek labirente yerleştirin.
Her kolda iki pelet bırakın ve yiyeceği her iki taraftan da örneklemelerine izin verin. Her iki taraftan peletleri yedikten hemen sonra veya labirentte beş dakika kaldıktan sonra hayvanı labirentten çıkarın. Son olarak, her alışkanlık seansından sonra, labirentin zeminlerini %70 etanol ile temizleyin ve bir sonraki hayvanı labirente yerleştirmeden önce etanolün buharlaştığından emin olun.
Altıncı günde, deneyden en az bir saat önce hayvanları deney odasına getirin. Yazılım programını çalıştırın ve deneme numarasını 14 olarak ayarlayın, bunlardan ilk dördü zorunlu seçim, geri kalanı ise seçim denemeleri olacaktır. Her deneme başlamadan önce, Yüksek Ödül Kolu, HRA olarak işaretlenecek olan hedef koluna dört pelet ve Düşük Ödül Kolu, LRA olan diğer kola iki pelet yerleştirin.
Zorunlu seçim deneme eğitimi için, her denemeden önce bir kolu rastgele bloke edin, böylece hayvan diğer kolu seçmeye zorlanır. Başlangıç kutusuna bir hayvan yerleştirin. Beş ila yedi saniye sonra, aynı anda başlangıç kapısını açın ve yazılımın arayüz penceresinde Başlat'a tıklayın.
Peletleri yedikten hemen sonra veya labirentte beş dakika kaldıktan sonra hayvanı toplayın ve hayvanı iki dakika ev kafesinde bırakın. Her denemeden önce, yazılım tarafından HRA olarak seçilen kolun B kapısını kapatın. Karşı kolda, LRA'da A kapısını açık bırakın.
Ardından, başlangıç kutusuna bir hayvan yerleştirin. Beş ila yedi saniye sonra, aynı anda başlangıç kapısını açın ve Başlat'a tıklayın. Hayvanın her iki kolunu da özgürce seçmesine izin verin.
Hayvan HRA'yı seçerse, A kapısını açın, hayvanın odaya girmesine izin verin, A kapısını kapatın ve hayvanın seçilen yiyeceğe iyi bir şekilde erişmesini sağlamak için hemen B kapısını açın. Hayvan LRA'yı seçerse, hayvanın yiyeceğe iyi bir şekilde erişmesini sağlamak için B kapısını açın. Daha sonra, seçilen yiyecekteki tüm yiyecekleri iyice yedikten sonra hayvanı çıkarın ve iki dakika boyunca ev kafesinde bırakın.
Her hayvan için 10 seçim denemesini tamamlayın ve her denemede HRA veya LRA olmak üzere hayvanın seçimini kaydedin. Her eğitim oturumundan sonra tüm seçim denemeleri için Yüksek Ödül Seçimi (HRC) yüzdesini hesaplayın. Son olarak, ayrımcılık eğitiminde her hayvan HRC'nin %80'ine ulaştıktan sonra, hayvan HRA'yı seçtiğinde beş saniyelik bir gecikmeden sonra B kapısını açarak gecikme eğitimini tamamlayın.
Her hayvan için günde 10 deneme yapın. Sonuçlar, uyaranın başlangıcından sonuna kadar ACC'deki hem düşük hem de yüksek frekans güçlerinde bir azalma olduğunu gösterdi. Odanın dışında geçirilen süre ile odanın içinde geçirilen süre karşılaştırıldığında, spektral analiz ACC'deki salınım aktivitelerinde herhangi bir değişiklik göstermedi.
Ayrıca, OFC'deki orta ila yüksek frekans bandı aktiviteleri, uyaran başlangıcını takiben artmıştır. Birlikte karşılaştırıldıklarında ön oda ve oda zaman pencerelerinde önemli bir değişiklik gözlenmedi. Bu prosedürü denerken, hayvanın kararını etkileyebileceği ve sonucun güvenilirliğini bozabileceği için herhangi bir endişe kaynağını ortadan kaldırmak önemlidir.
Tam transkripti görüntüleyin ve binlerce bilimsel videoya erişin
Bu çalışma, karar verme sırasında maliyet-fayda analizlerini araştırmak için yetişkin erkek sıçanların operant temelli bir karar verme paradigmasında eğitilmesi için bir protokol önermektedir. Odak noktası, beynin ödül ve bekleme sürelerini nasıl tarttığını, davranışsal ve bilişsel nörobilimsel içgörüleri vurgulayarak incelemektedir.
This protocol enables automated assessment of cost-benefit decision-making in rodents, providing a standardized platform for evaluating neural mechanisms underlying reward valuation and impulse control. By quantifying behavioral choices and correlating them with electrophysiological readouts, it supports target validation in neuropsychiatric drug discovery, particularly for disorders involving impaired decision-making such as addiction and depression. The automation and reproducibility enhance translational confidence in early-stage mechanistic de-risking.
The method fits within the discovery biology phase, where it informs target selection by modeling cognitive endophenotypes relevant to psychiatric indications.