Tüm Beyin Görüntüleme Sırasında Anne Davranış Tepkilerinin Profillenmesi
24 Ocak 2025
Burada, MRI ortamlarında davranışsal izlemedeki zorlukların üstesinden gelen ve dış ipuçlarına talimatsız davranışsal tepkilerin tespit edilmesine olanak tanıyan bir video analiz hattı sunulmaktadır. Bu analiz, uyarılmış iç durum değişikliklerinin ve beyin genelindeki aktivitenin daha kapsamlı bir şekilde anlaşılmasını kolaylaştıracaktır.
Bir bakıcının bebek ipuçlarını nasıl algıladığı ve bunlara nasıl yanıt verdiği, bebeğin hayatta kalmak için ihtiyaç duyduğu bakımı alıp almadığını belirleyecektir. Farelerde, yavru seslendirmeler karmaşık davranışsal tepkiler uyandırır ve bu nedenle muhtemelen bir beyin bölgeleri ağı boyunca koordineli aktivite uyandırır. Bu ağı, farklı anne deneyimi geçmişlerine sahip farelerde tanımlamak istiyoruz ve uyanık fare FMRI bunun için harika bir araçtır.
Uyanık fare FMRI daha yaygın olarak kullanıldıkça, hedefe yönelik davranışların sinirsel korelasyonlarını araştıran heyecan verici araştırmalar ortaya çıkmaktadır. Bu davranışlar tipik olarak, sızıntıları tespit etmek için ışın kesiciler ve hareketleri tespit etmek için basınç sensörleri gibi araçlar kullanılarak değerlendirilir. Protokolümüz, teknik olarak zorlu MRG ortamında bile spontan davranışsal tepkileri değerlendirmemize olanak tanır.
Amacımız, FMRI ile edindiğimiz beyin çapındaki aktiviteyi daha iyi anlamak için spontan davranış ölçümlerini kullanmaktır. Önceki çalışmalarımız, anne ve bakire hayvanların işitsel kortekslerinin yavru çağrılarına farklı tepki verdiğini ortaya koydu. Annelerde, sinirsel tepkileri bir yavrunun ağlamasına zaman kilitlidir.
Bakirelerde değiller. Bununla birlikte, bir bakire anne davranışını ifade etmeyi öğrendikçe, işitsel merkezler bu yeni beceriyi yansıtacak şekilde değişir. Önceki çalışmalarımız anestezi uygulanmış farelerde işitsel korteks üzerine odaklanmıştır.
Bu çalışma, işitsel korteksin sınırlarının ötesine geçerek, bir hayvanın anne olmayı öğrenirken uyanık davranan farelerde tüm beynin ve davranışın nasıl değiştiğini inceliyor. Başlamak için MathWorks web sitesinden MATLAB'ı indirin. Görüntü işleme araç kutusunu MATLAB eklentilerine eklemek için eklentileri yönet'e tıklayın, eklentileri edinin ve ardından bunları arayın ve ekleyin.
Benzer şekilde, Görüntü İşleme Araç Kutusu'nu MATLAB eklentilerine ekleyin. Analiz işlem hattının birinci komut dosyasını açtıktan sonra, komut dosyasının bir, iki, üç, dört, beş ve altıncı bölümlerini belirtilen veri yapılarına uyacak şekilde düzenleyin. Birinci bölümü çalıştırın.
Her videonun ilk karesini almak için komut dosyasının ikinci bölümünü çalıştırın. İlk iki noktaya bir kez tıklamak için fareyi kullanın, ardından üçüncü noktaya çift tıklayın. Videonun son noktalarını seçtikten sonra enter tuşuna basın.
Üçüncü ve dördüncü bölümü çalıştırın. Bayrağı sıfıra hizalayın ve beşinci bölümü çalıştırın. Ardından bayrağı bire hizalayın ve beşinci bölümü tekrar çalıştırın.
Şimdi altıncı bölümü çalıştırın ve sonuçları yan yana karşılaştırın. Ardından, ikinci komut dosyasını açın ve komut dosyasının birinci bölümünü veri yapılarına uyacak şekilde düzenleyin. Ardından birinci bölümü çalıştırın.
Kodun ikinci bölümünü veri yapılarına sığacak şekilde düzenleyin ve ikinci bölümü çalıştırın. Analiz edilen videolarda optik akışın en dramatik şekilde nerede dalgalandığını görmek için ortaya çıkan görüntüyü kullanın. Kodun üçüncü bölümünü veri yapılarına ve analiz gereksinimlerine uyacak şekilde düzenleyin.
Tam video FOV'unu analiz etmek için bayrağı ayarlayın, ROI'yi seçin ve ROI'yi sıfıra sağlayın. Ardından üçüncü bölümü çalıştırın. Yeni bir yatırım getirisini analiz etmek için YG'yi seçin bayrağını bir olarak ayarlayın ve yatırım getirisini sıfır olarak sağlayın.
Ardından newCoordsName'i düzenleyin ve üçüncü bölümü çalıştırın. Görüntülenen örnek çerçevede tıklayıp sürükleyerek yeni bir ROI seçin. Daha önce çizilen ROI'yi analiz etmek için, ROI'yi sıfır olarak seçin ve ROI'yi bire ayarlayın.
Ardından önceden belirlenmiş bir koordinat kümesi sağlamak için inputCoords'u düzenleyin ve üçüncü bölümü çalıştırın. Üçüncü komut dosyasını açın ve kod ile üçüncü arasındaki bölümleri veri yapılarına ve analiz gereksinimlerine uyacak şekilde düzenleyin. Birinci bölümde, ZSC, BLRM, BLZSC, demeanPerTrial ve applyLPfilter analiz seçeneklerini sıfır veya bir olarak ayarlayın.
LPfilter'ı hertz cinsinden istenen alçak geçiren filtreyi temsil eden bir sayıya ayarlayın. Ardından bir ila üç arasındaki bölümleri çalıştırın. Dördüncü komut dosyasını açın ve komut dosyasının birinci bölümünü veri yapılarına ve analiz gereksinimlerine uyacak şekilde düzenleyin.
Birinci bölümü çalıştırın. Beşinci komut dosyasını açın ve veri yapılarına ve analize uyacak şekilde komut dosyasının birinci bölümünü düzenleyin. Ardından birinci ve ikinci bölümü çalıştırın.
Üçüncü bölüm girişlerindeki group, myTitle ve threshT değişkenlerini istenen grup analizini yansıtacak şekilde değiştirin. Her ilgi alanı grubu için üçüncü bölümü çalıştırın. Ardından, görselleştirme için C ekseninin aralığını ve renk çubuğu sınırlarını istediğiniz gibi ayarlayın.
Dördüncü bölüm girişlerindeki mag, myTitle ve threshT değişkenlerini istenen grup karşılaştırmasını yansıtacak şekilde değiştirin. İlgilenilen her grup karşılaştırması için dördüncü bölümü çalıştırın, ardından görselleştirme için Z ekseni aralığını ve renk çubuğu sınırlarını istediğiniz gibi ayarlayın. Optik akış vektörleri, özellikle burun ve pençelerin etrafındaki hayvan hareket bölgelerini gösterdi.
Optik akış büyüklüğünün standart sapması, yüksek ve düşük hareket dalgalanmalarına sahip alanları tanımladı. Anneler, bakirelere kıyasla yavru çağrılarına daha yüksek hareket tepkileri gösterdi, ancak saf tonlara değil. Prensip bileşen analizi, annelerin her iki uyaran sunumu sırasında da bakirelere kıyasla burun bölgesinde daha fazla harekete sahip olduğunu ortaya koydu.
Bir doğrulama veri setinin optik akış ölçümü, yüksek ve düşük su ödüllerine verilen davranışsal tepkilerde önemli farklılıklar ortaya çıkardı. Bu sonuçlar ayrıca, sunulan video analiz hattının, koşullar arasında hayvan davranışındaki anlamlı farklılıkları yakalamak için kullanılabileceğini göstermektedir.
Genel Bakış
Bu çalışma, MRI ortamlarında farelerin kendiliğinden davranışsal tepkilerini izlemek için tasarlanmış bir video analiz boru hattını sunmaktadır. Uyanık fare fMRI kullanarak yapılan araştırma, yavru seslendirmelerine tepki olarak maternal davranışların nörolojik korelasyonlarını ortaya çıkarmayı amaçlamaktadır.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Sinirbilim
- Davranışsal Analiz
- Görüntüleme Teknikleri
Arka Plan
- Fare yavrularının seslendirmeleri karmaşık davranışsal tepkilere yol açar.
- Bu tepkileri anlamak, maternal bakım ve beyin aktivitesi hakkında içgörüler sağlayabilir.
- Önceki çalışmalar, anneler ve bakireler arasında işitsel korteks tepkilerinin farklılıklarını göstermiştir.
- Bu araştırma, beyin aktivitesinin genel durumunu incelemek için işitsel korteksin ötesine uzanır.
Çalışmanın Amacı
- Farklı maternal deneyimlere sahip farelerde yavru çağrılarından kaynaklanan beyin ağlarını belirlemek.
- Zorlu bir MRI ortamında kendiliğinden davranışsal tepkileri değerlendirmek.
- Maternal davranışlarla ilgili beyin geneli aktivite hakkındaki anlamayı geliştirmek.
Kullanılan Yöntemler
- MATLAB tabanlı bir video analiz boru hattının geliştirilmesi.
- Uyanık farelerden video verilerini analiz etmek için komut dosyalarının düzenlenmesi ve çalıştırılması.
- Hareket tepkilerini değerlendirmek için optik akış analizinin kullanılması.
- İşitsel uyaranlar sırasında anneler ve bakireler arasında davranışsal tepkilerin karşılaştırılması.
Ana Sonuçlar
- Anneler, bakirelere kıyasla yavru çağrılarına daha büyük hareket tepkileri göstermiştir.
- Optik akış analizi, maternal deneyime dayalı önemli davranışsal farklılıkları göstermiştir.
- Ana bileşen analizi, annelerde ve bakirelerde farklı hareket desenlerini ortaya çıkarmıştır.
- Video analiz boru hattı, koşullar arasında kendiliğinden davranışları etkili bir şekilde yakalamıştır.
Sonuçlar
- Çalışma, MRI ortamlarında kendiliğinden davranışları analiz etmek için bir yöntemin başarılı bir şekilde gösterilmesini sağlamaktadır.
- Bulgular, bebek ipuçlarına tepki olarak maternal davranışların nörolojik temelini anlamak için katkıda bulunmaktadır.
- Geliştirilen boru hattı, davranışsal sinirbilimde daha ileri araştırmalar için uygulanabilir.
Sıkça Sorulan Sorular
Executive Industry Relevance
Integrating behavioral profiling with whole-brain imaging in awake mice enables biopharma teams to link neural circuit activity to complex, ethologically relevant behaviors under constrained experimental conditions. This approach enhances predictive confidence in target validation by correlating quantitative behavioral outputs with brain-wide functional responses. The pipeline supports translational continuity from early discovery through preclinical model development, especially for neurobehavioral and CNS-targeted portfolios.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of neural circuits underlying specific behavioral phenotypes in response to defined stimuli.
- Supports biological de-risking by linking functional brain activity to observable behavioral outputs.
- Facilitates predictive confidence in target selection by quantifying stimulus-evoked responses across animal cohorts.
Screening & Assay Development
- Prepares validated behavioral readouts for integration with neural imaging workflows.
- Standardizes behavioral quantification using optical flow and dimensionality reduction for reproducibility.
- Enables robust comparison of compound or genetic interventions on both neural and behavioral endpoints.
Translational & Preclinical Research
- Aligns behavioral outputs with disease-relevant neural activity for translational biomarker development.
- Supports continuity from discovery through preclinical validation by enabling behavioral monitoring in constrained environments.
- Provides mechanistic de-risking for CNS and neuropsychiatric target portfolios.
Pipeline & Workflow Integration
This behavioral video analysis pipeline bridges early discovery and preclinical research by enabling synchronized acquisition of behavioral and neural data in challenging environments such as MRI. It is positioned for use in target validation, lead identification, and translational model development.
- Discovery Biology: Quantifies behavioral responses to defined stimuli, supporting hypothesis testing and pathway clarification.
- Screening: Delivers reproducible, quantitative behavioral metrics for downstream compound or genetic screening.
- Analytics: Provides statistical outputs and dimensionality reduction for robust cross-condition comparisons.
- Translational Research: Facilitates alignment of behavioral and neural endpoints for preclinical model validation.
- Enterprise Reuse: Offers a modular, adaptable pipeline for behavioral monitoring across diverse neural recording platforms.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in CNS target validation.
- Operational Value: Standardizes behavioral quantification for reproducibility and scalability across studies.
- Strategic Value: Improves go/no-go decisions by integrating behavioral and neural data streams.
- Portfolio Impact: Enables risk-adjusted prioritization of neurobehavioral targets and models.
Implementation Considerations
- Requires expertise in behavioral neuroscience, imaging, and computational analysis.
- Depends on access to MRI-compatible video acquisition and MATLAB-based analytical infrastructure.
- Necessitates cross-team standardization of behavioral scoring and data integration protocols.
- Adaptable to various neural recording modalities beyond fMRI, as supported by the pipeline design.
- Limited by the need for non-ferromagnetic equipment and restricted field of view in MRI environments.
