Kafası kısıtlanmış farelerde uzamsal öğrenmenin ölçülmesi için açık kaynaklı bir sanal gerçeklik sistemi

Bu açık kaynaklı sanal gerçeklik sistemi, beyindeki mekansal öğrenmenin incelenmesi için önemli bir araçtır, çünkü araştırmacıların basit bir modüler elektronik kurulum kullanarak kafası kısıtlanmış bir fareye tutarlı bir mekansal uyaran seti sunmalarını sağlar. Bu sistemin avantajı, ucuz, kurulumu kolay, kompakt ve modüler olmasıdır, bu da eğitim ve mevcut kafa kısıtlı davranışsal kurulumlarla entegrasyon için çoklu davranışsal kurulumlar oluşturmaya izin verir. Bu sistem, mekansal öğrenmeyi ve kafa kısıtlı fareleri ölçmek için idealdir, ancak insan psikofiziği ve nörogörüntüleme de dahil olmak üzere diğer türlerdeki ve preparatlardaki deneyler için görsel sanal gerçeklik ortamları sunabilir.

Bu prosedürü gösterenler, laboratuvarımızdaki araştırma görevlileri Carla Diaz ve Hannah Chung olacaktır. Başlamak için, döner kodlayıcı bileşeni ile döner ESP32 arasındaki kabloları bağlayın. Döner kodlayıcılar genellikle pozitif, GND, A ve B olmak üzere dört kabloya sahiptir.Bunları jumper telleri aracılığıyla ESP32, 3 0.3 volt, GND 25 ve 26 pinlerine bağlayın.

Seri RX/TX kablolarını döner ESP32 ile davranış ESP32 arasına bağlayın. ESP32, Serial0 RX/TX döner tablası ile ESP32 davranışının Serial2 bağlantı noktası arasında basit bir iki kablolu bağlantı kurun. Seri RX/TX kablolarını döner ESP32 ile tek kartlı bilgisayar GPIO veya doğrudan USB bağlantısı arasına bağlayın.

Tek kartlı bilgisayar GPIO pinleri, 14, 15, RX/TX ile döner ESP32, Serial2, TX/RX pimleri 1716 arasında iki kablolu bağlantı kurun. Ardından, ilk döner kodlayıcı kodunu yüklemek için döner ESP32 USB'yi tek kartlı bilgisayar USB'sine takın. 12 voltluk sıvı solenoid valfi OMW küçük PCB'nin en solundaki ULN2803 IC çıkışına bağlayın, yalama portunu ESP32 dokunmatik girişine bağlayın.

Farklı deneysel paradigmalar için davranış ESP32'ye yeni programlar yüklemek ve birlikte verilen işleme çizimini kullanarak davranış verilerini yakalamak için USB'yi tek kartlı bilgisayarın USB bağlantı noktasına takın. Ardından, ödül solenoid valfi için güç sağlamak üzere 12 voltluk DC duvar adaptörünü ESP32 OMW küçük PCB davranışındaki 2,1 milimetrelik silindirik jak konektörüne takın. Tek kartlı bilgisayarın HDMI iki çıkışını projektörün HDMI bağlantı noktasına takın.

Bu, tek kartlı bilgisayar GPU'su tarafından oluşturulan grafik yazılım ortamını projeksiyon ekranına taşıyacaktır. Tek kartlı bilgisayarda terminal penceresini açın ve Hall Pass VR klasörüne gidin. GUI penceresini açmak için belirtilen sanal gerçekliği veya VR grafik kullanıcı arayüzünü veya GUI'yi çalıştırın.

Parça boyunca üç desenin her biri için liste kutusundan dört öğe seçip ekleyin ve ardından Oluştur'a tıklayın. Açılır menülerden Zemin ve Tavan Görüntüleri'ni seçin ve bu örnek kod için parçanın uzunluğunu iki metre olarak ayarlayın. İsterseniz bu kalıbı adlandırın.

Başlat düğmesine tıklayın ve başka bir yere tıklamadan önce VR penceresinin başlamasını bekleyin. Grafik yazılım ortamı ikinci ekranda görünecektir. Davranışsal veri hareketini almak ve çizmek için işleme çizimini çalıştırın.

İşleme IDE'sinde belirtilen komutu açın. Hayvanı fare sayısı değişkeninize değiştirin ve oturum dakikalarını davranışsal oturumun uzunluğuna dakika cinsinden eşit olarak ayarlayın. İşleme IDE'sindeki Çalıştır düğmesine tıklayın.

Tekerlek ödül bölgeleriyle birlikte dönerken ve her 30 saniyede bir güncellenen yalamaların, turların ve ödüllerin histogramlarını çalıştırırken sanal doğrusal pistte geçerli fare konumunu göstermesi gereken işleme grafiği penceresini kontrol edin. Test için çalışan farenin benzetimini yapmak için koşu tekerleğini elle ilerletin veya ilk kurulum için bir test faresi kullanın. Grafik penceresine tıklayın ve davranışsal verileri almayı durdurmak için klavyedeki Q tuşuna basın.

Davranışsal olayların ve zamanların bir metin dosyası ve PNG'deki son çizim penceresinin bir görüntüsü, oturum dakikaları geçtiğinde veya kullanıcı çıkmak için Q tuşuna bastığında kaydedilir. İşlevsel olmayan ödüllerle rastgele dövme için, grafik yazılımı GUI programını rastgele görsel öğelerden oluşan bir yolla çalıştırın. Ardından, fareyi koşmak ve yalamak için koşullandırmak üzere birden fazla çalışmayan ödülle davranış programını ESP32 davranışına yükleyin.

Fareyi yavaşça kafa sabitleme aparatına yerleştirin, yalama ağzını farenin ağzının hemen önündeki bir konuma ayarlayın ve fare tekerleğini projeksiyon ekranı bölgesinin ortasına yerleştirin. İşleme çiziminde hayvanın adını ayarlayın ve ardından davranışsal verileri almaya ve çizmeye başlamak için işleme IDE'sinde Çalıştır'a basın. Fare, oturum başına en az 20 tur boyunca çalışana kadar fareyi 20 ila 30 dakikalık oturumlarda çalıştırın ve rastgele konumlarda sunulan ödüller için yalayın.

Alternatif turlarda operant ödüllerle rastgele yiyecek arama için, davranış programını bire eşit alternatif operant ile yükleyin ve fareyi hem çalışmayan hem de operant ödül bölgeleri için yalayana kadar eğitin. Tamamen işlevsel rastgele yiyecek arama için, davranış programını dört operant rastgele ödül bölgesi ile yükleyin ve fareyi pist boyunca tutarlı bir şekilde ödüller için yalayana kadar eğitin. Uzamsal öğrenme için, grafiksel yazılım programını, merkezinde tek bir görsel ipucu bulunan karanlık bir koridorun yolu ile çalıştırın.

Ardından, davranış programını tek bir gizli ödül bölgesi ile davranış ESP32'ye yükleyin. Farenin tek bir gizli ödül bölgesi ve tek bir görsel ipucu VR koridoru ile 30 dakikalık oturumlar boyunca çalışmasına izin verin ve daha önce açıklandığı gibi oturum sırasında verileri yakalayın. İşleme çizimi klasöründen txt veri dosyasını indirin ve mekansal öğrenmenin bir göstergesi olarak mekansal olarak seçici yalamanın ortaya çıkışını gözlemlemek için davranışsal verileri analiz edin.

Grafik yazılım ortamını kullanarak uzamsal öğrenme burada gösterilmiştir. Rastgele yiyecek arama eğitiminin ilerleyen aşamaları sayesinde, fareler tekerleğin üzerinde koşmayı ve mekansal öğrenmeyi göstermek için tek bir gizli ödül konumuna geçmeden önce düşük seviyelerde pist boyunca sürekli olarak yalamayı öğrendiler. Bu çalışmada, yedi fareden dördü, artan seçicilikle ödül bölgesinin yakınında yalamalarıyla gösterildiği gibi, iki ila dört seansta tek bir görsel ipucu ile gizli ödül görevini öğrendi.

Ayrıca, fareler hem oturum içinde hem de oturum öğrenimi arasında önemli bir performans sergiledi. İkinci gündeki tur başına uzamsal yalamalar, ödül bölgesinden önce yalamanın arttığını ve başka yerlerde yalamanın azaldığını gösterdi, bu da mekansal olarak spesifik beklentili yalamanın gelişimini gösterdi. Sistemi kullanırken hatırlanması gereken en önemli şey, farelerin yalnızca koşu tekerleğinde güçlendirilmiş ve rahat olmaları durumunda iyi performans göstereceğidir.

Bu nedenle, su hayvanları uygun şekilde kısıtlar, nazikçe tutar ve projeksiyon ekranını görüntülerken baş kısıtlama pozisyonlarının koşmak için en uygun olduğundan emin olun. Bir sinirbilim araştırmacısı, beyindeki mekansal öğrenmenin altında yatan nöron devrelerini araştırmak için bu açık kaynaklı VR sistemini in vivo görüntüleme veya elektrofizyoloji ile birleştirebilir. Bu açık kaynaklı VR sisteminin basitliğinin, araştırmacıların sistemi çeşitli nöro kayıt kurulumlarına entegre etmelerini sağlayacağını düşünüyoruz.

VR ortamındaki mekansal uyaranlar üzerindeki hassas kontrol, araştırmacıların belirli nöron devrelerinin mekansal öğrenmeye katkılarını incelemelerini sağlayacaktır.