3,214 Views
•
11:32 min
•
January 19, 2022
DOI:
Sensoriska associativa inlärningsparadigmer har avslöjat mycket om lillhjärnans funktion och dess förhållande till resten av hjärnan och beteende. Med musen som modellorganism presenterar vi en metod med tillräcklig detaljrikedom för laboratorier runt om i världen för att implementera dessa kraftfulla metoder effektivt och billigt. Vårt protokoll gör det möjligt för forskare att ställa in flera cerebellumberoende beteenden.
Kärnfunktionerna i vår forskningsplattform kan enkelt modifieras för att passa en viss forskningsfråga. Börja med att ansluta kamerans seriella gränssnittskabel till kameran och kameraporten på SBC. Ladda sedan ner operativsystemet för SBC till värddatorn och skapa en fil som heter ssh på microSD-kortet.
Mata ut microSD-kortet från värddatorn. Sätt i den i SBC microSD-kortplatsen och strömutjämna SBC. För att förbereda SBC för att acceptera en trådbunden anslutning till värden, öppna en terminal, skriv kommandot ifconfig”och spela in Ethernet IP-adressen för SBC.
Gå sedan till fliken Gränssnitt i Raspberry Pi-konfigurationsinställningen och aktivera alternativen för kamera, SSH och VNC. För att upprätta den trådbundna anslutningen, anslut en Ethernet-kabel till Ethernet-porten på SBC och en värddator och anslut den andra änden av dessa kablar till en Ethernet-switch. Använd sedan en klient för beräkning av virtuella nätverk, till exempel VNC, för att komma åt skrivbordet med hjälp av SBC-IP-adressen och standardautentiseringen.
Ladda sedan ner den nödvändiga programvaran och nödvändiga Python-bibliotek till SBC. Om du vill tillåta direkt kontroll över mikrostyrenheten laddar du ned den integrerade utvecklingsmiljön för mikrostyrenheten eller IDE-programvaran. Öppna sedan ett SBC-terminalfönster, navigera till katalogen Nedladdningar och installera IDE.
När du har öppnat mikrostyrenhetens IDE väljer du Verktyg, följt av Hantera bibliotek, och installerar kodarbiblioteket från Paul Stoffregen. Slutligen sätt in en tummenhet i en USB-port på SBC och ange kommandona för montering av den externa USB-lagringsenheten. När du har anslutit SBC till mikrostyrenhetens programmeringsport öppnar du nedladdningsskissen med mikrostyrenhetens IDE och laddar upp den till mikrostyrenheten.
Ladda sedan ner och installera lämplig version av Arduino IDE på värddatorn. Ladda sedan ner DTSC_US. ino skiss till värddatorn.
Anslut USB A till USB B-kabeln till värddatorn och mikrostyrenheten. Öppna skissen och ladda upp den till mikrostyrenheten. Fäst ledningar på mikrostyrenhetens breadboard, lysdioder, roterande kodare, stegmotor med drivrutin och magnetventil med drivrutin.
Koppla sedan en kanal i en strömförsörjning till stiftmotordrivrutinens positiva V- och GND-stift. När du har slagit på strömförsörjningen ställer du in den anslutna kanalspänningen till 25 volt. Därefter kopplar du den positiva ledningen för en strömförsörjning till magnetventilens drivrutinshållspänningsstift och den andra positiva ledningen till spikspänningsstiftet.
När du har slagit på strömförsörjningen ställer du in kanalen ansluten till spikspänning till 12 volt och kanalen ansluten till hållspänningen till 2,5 volt. Anslut sedan en luftkälla reglerad till ett tryck på 20 pund per kvadrattum till magnetventilen. Därefter, för att göra löphjulet, skär ett tre-tums hjul från en skumrulle och borra ett kvart-tums hål i exakt hjulcentrum.
Sätt sedan in en kvarts tums axel i hjulet och fixera den på plats med klämmnav. Fäst den roterande kodaren på en 4,5-tums aluminiumkanal. Stabilisera sedan aluminiumkanalen på aluminiumbrödskivan.
Efter att ha fäst hjulet på den roterande kodaren, stabilisera hjulaxelns fria sida med ett lager infört i en rätvinklämma, installerad på en panerbordsmonterad optisk stolpe. Placera sedan nackstöden med optiska stolpar och rätvinklämmor. Placera sedan den villkorliga stimulanslampan och magnetventilutloppet för dec-ovillkorlig stimulans runt det monterade hjulet.
Montera sedan stegmotorn som används för DTSC ovillkorlig stimulans och Pi-kamera på en optisk stolpe. Placera den infraröda ljusuppsättningen på samma sida som Pi-kameran, något ovanför och direkt vänd mot där djurets ansikte kommer att placeras. Gör en taktil stimulans för fördröjd taktil skrämseln konditionering genom att tejpa skum på kanten av en bit akryl.
Montera på en kvarts tums axel med ett klämmnav och fäst sedan den taktila stimulansen på stegmotoraxeln. För att implantera en huvudplatta, bedöva musen och gör sedan ett snitt med en skalpell längs hårbottens mittlinje, från ögons bakkant till skallen. Sprid snittet öppet och kläm fast båda sidor med hemostater för att hålla det öppet.
Fäst huvudplattan på skallen med cyanoakrylatlim. Applicera sedan en blandning av dentalcementpulver, lösningsmedel och katalysator på alla områden av exponerat ben. Sutur huden stängd, bakom och framför huvudplattan.
Injicera sedan postoperativ analgesi, samtidigt som musen kan återhämta sig i minst fem dagar. För att förbereda mössen för beteendesessioner, låt dem vanora till plattformen genom att montera dem i nackstödet. Före sessionen, se till att magnetventilens utlopp är centrerat på målögat, placerat mindre än en centimeter bort, och den taktila stimulansen är centrerad på musens näsa, placerad cirka 1,5 centimeter bort.
För förberedelse av DTSC-sessioner startar du GUI från en SBC-terminal. Kör en testsession med tre försök och se till att loggade data som skrivs ut till terminalen visar en avböjning på mer än 20, men mindre än 100 steg. För att köra en session, montera en mus på nackstödet och starta GUI från SBC-terminalen.
För att spara kamerainspelningar, tryck på Stream innan du startar sessionen. Mata in identifierande information för djuret i fältet Djur-ID och tryck på knappen Ställ in. Ange sedan önskade experimentparametrar och tryck på Ladda upp till Arduino “knapp.
Slutligen, tryck på Starta session för att starta sessionen. DEC-träningsresultat från ett inspelningspass med acceptabel belysning visas här. De acceptabla belysningsförhållandena resulterade i en god kontrast mellan ögat och periokulär päls.
Prestandan hos en enda mus som tränats i åtta sessioner visade beteendespår, utan konditionerat svar i den otränade musen och robusta konditionerade svar när musen är tränad. En provförsöksvideo visar en tränad mus som framgångsrikt stänger ögat som svar på LED-villkorlig stimulans, medan den otränade musen inte blinkar förrän den ovillkorliga stimulansen. Det konditionerade svaret ökar i storlek och frekvens genom beteendesessioner som utförs över dagar.
Suboptimala ljusförhållanden begränsar allvarligt kvaliteten på de data som förvärvas. När kontrasten mellan ögat och den omgivande pälsen är låg kan små förändringar i bilden väsentligt ändra den inspelade formen på det okonditionerade svaret under en enda session och minska signal-brusförhållandet för att upptäcka ögonlockets position. DTSC-träningsresultat för en mus som tränats i fem sessioner presenteras här.
En provförsöksvideo visar en tränad mus som framgångsrikt backar hjulet som svar på LED-villkorlig stimulans, medan en otränad mus misslyckas med att flytta hjulet förrän den taktila ovillkorliga stimulansen appliceras. Frekvensen och amplituden för det konditionerade svaret ökar när träningen fortskrider. I en kohort av djur som tränades med en ovillkorlig stimulans som producerade ovillkorliga svar med låg amplitud, lärde sig inget djur att konsekvent producera konditionerade svar efter fyra dagars träning.
För framgångsrikt beteende är djurets komfort när du kör på riggen avgörande. Det är viktigt att se till att hjulet vrider sig fritt och jämnt innan djuren vans vid riggen. Med hjälp av denna flexibla plattform har vi framgångsrikt avbildat och stört aktiviteten hos Purkinje-neuroner, cerebellumets utgångsceller, under inlärning hos huvudbesörjade djur.
Vi har utvecklat en enda plattform för att spåra djurs beteende under två klättringsfiberberoende associativa inlärningsuppgifter. Den billiga designen möjliggör integration med optogenetiska eller bildbehandlingsexperiment riktade mot klättring av fiberassocierad cerebellär aktivitet.
Read Article
Cite this Article
Broussard, G. J., Kislin, M., Jung, C., Wang, S. S. -. A Flexible Platform for Monitoring Cerebellum-Dependent Sensory Associative Learning. J. Vis. Exp. (179), e63205, doi:10.3791/63205 (2022).
Copy