ノブ外タスク: ラットの前肢関数を評価するための半自動メソッド

Behavior
 

Summary

本稿では、ラットの外を定量化する半自動化されたタスクについて説明します。ラットに到達、把握、および球状マニピュ ランダムを回外さ。ラットは、回転角度が設定した基準を超えた場合、ペレットで報われます。このタスクは、スループット、傷害、および従来作業に比べて客観性に対する感度を向上します。

Cite this Article

Copy Citation | Download Citations

Butensky, S. D., Bethea, T., Santos, J., Sindhurakar, A., Meyers, E., Sloan, A. M., Rennaker II, R. L., Carmel, J. B. The Knob Supination Task: A Semi-automated Method for Assessing Forelimb Function in Rats. J. Vis. Exp. (127), e56341, doi:10.3791/56341 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

動物モデルでの器用さを正確に測定するタスクは、重要な手の機能を理解します。器用さを大きく測定する現在のラット行動タスクに到達または食品の操作のビデオ分析を使用します。これらのタスクは、簡単に実装できる、疾患モデル間で堅牢なが、主観と実験者に骨の折れるです。伝統的なタスクの自動化や新しい自動化されたタスクの作成より効率的・客観的・定量的なタスクを行うことができます。ラットが少ないので霊長類、外は非常に神経系 (CNS) 損傷生成器用さでより多くの微妙な赤字しかし、中央より器用な影響を齧歯動物で重要な手に霊長類の機能。したがって、我々 はラットの前肢の回外を測定する半自動化されたタスクを設計されています。ラットに達するとノブ形マニピュ ランダムを把握し報酬を受け取るため外にマニピュ訓練されます。ラットは、5 日間 20 ± スキルを取得できます。トレーニングの初めの部分を監修高中訓練の多くは直接監督することがなく行われます。タスクは、損傷後微妙な赤字をキャプチャ確実かつ再現性をもって、臨床的回復曲線を正確に反映して機能回復を示しています。データの解析は、直感的に設計されたグラフィカル ユーザー インターフェイスを通じて専門的なソフトウェアによって実行されます。我々 はまた、トレーニング、および訓練の早い段階での動作に若干の修正が回外の信頼性の高い買収を作り出すショー中に生じる一般的な問題にソリューションを与えます。したがって、ノブ外作業は、ラットの器用さの重大な動きの効率的かつ定量的な評価を提供します。

Introduction

独立性と影響を受ける個人1,2,3,4の生活の質が著しく低下神経系の傷害や病気後の器用さの損失。したがって、器用さは神経修復の動きと運動学習の神経支配の基盤もとしてリハビリテーション科学を理解するための重要な指標です。伝統的に、単一のペレットに到達、パスタ操作やアーバイン、Beatties、ブレスナハン (IBB) 前肢スケールなど手作業は、動物、特に齧歯動物56、7の器用さを評価する使用されています。これらのタスクは、最低の仕事の取得時間により大衆化が。しかし、自然の中で、実験者および、微妙な赤字5,7,8,9外傷後の機能障害に鈍感、時に骨の折れる定性的です。従来の作業のこれらの制限が具体的には、動物では、運動機能の詳細の定量的な対策の開発が拍車をかけている前肢に到達します。

すなわち客観性、スループットの増加と減少の分析時間のタスクを自動化するいくつかの利点があります。新しい自動化されたタスクは、従来のタスク8,10より傷害後の器用さの評価のより敏感な測定を提供します。さらに、彼らは適応学習と訓練を仕立て、テスト及び動物のパフォーマンスに難易度をテストできます。最後に、自動化されたタスクは、大量のデータは、2 つの利点を提供するを生成します。まず、裁判内で両方のデータと試験の数の増加は、研究の統計力を高めます。第二に、それは神経科学者運動学習、トレーニング、および速度論的および運動学的情報11の分析を通してより確実補償を検討してより大きなデータ セットを与えます。

いくつかのグループは、伝統的なタスクを自動化しようとしています。高速度カメラは、タスク12に達する単一のペレットなどのタスクから運動学的データを収集するために使用できます。Alaverdashvili、エジンバラは、到達運動をキャプチャし、フレームでモーション測定ソフトウェア ピーク Motus 13を使用して数字の動きを分析する高速カメラを使用しています。ただし、このソフトウェアは、コンピュータ ビジョンを使用しての数字を識別しませんが、代わりにカーソルで移動ポイントをデジタイズに実験者が必要です。さらに、いくつかのタスクは、トレーニング プロセス14,15,16を自動化するフィーダーやケージと組み合わせて使用されています。

他のグループは、空間的調整を評価し、他はより複雑な動きの17をキャプチャするタスクを設計している間にパスタ操作を使用してに到達熟練した前肢で強制的に力センサーと高速度カメラを使用しています。このようなの 1 つのタスク 3 自由度ロボット デバイスを使用してラット前肢運動18の平面と回転の動きをキャプチャするに達するとプル タスクです。これはの複雑さとコストの増加が運動の動態を測定することができるという利点があります。

ここでは、ラット8回外を測定する半自動前肢タスクを示します。前肢の回外は手のひらまでの手のひらから手の回転です。回外は皮質脊髄路の機能の優れたマーカーと日常生活活動8,,1920に必要な人間で臨床的に関連する動き。さらに、外が損傷し、不活化、高感度8に達する単一のペレットと比べると。外作業をバーク医学研究所とダラス、水平面8,10措置回転運動、テキサス大学が共同で開発。ラット行動ボックス (図 1 a) に配置され、3 つの動き (図 1 b) を行うために訓練される: 長方形の開口部を介して到達球状マニピュ ランダム; を把握します。指定した角度に回外さ。

行動のタスクは、PC ソフトウェア (図 1) によって制御されます。制御ソフトウェアは、自動位置決め、光学式エンコーダー、スピーカー、および送り装置に接続されているマイコンに指示を送信します。マイコンとその周辺機器の接続は、マイクロ コント ローラー ボックスと呼ばれます。情報、コンピューター、マイクロ コント ローラー、光学式エンコーダーから流れる、マイクロ コント ローラーに戻ります。制御ソフトウェアがマイコンにシグナル状態に裁判が盛況、マイクロ コント ローラーは、ペレットを分配するフィーダーをトリガーします。各セッションの始めには、制御ソフトウェアは開口部からステージの定義された距離でノブの位置に自動ポジショナーを指示するマイクロ コント ローラーにステージ情報を中継します。自動ポジショナーは、自動位置決めに位置する矢印キーを使用して手動で操作できます。光学式エンコーダーは、角度で 100 Hz と措置の変更でデータを記録します。すべてのデータは、バイナリ形式で格納されます。

実験者は、あらかじめ決められた角度と成功率で supinating に慣れからラットを訓練するのにソフトウェア内で逐次的に訓練段階を使用します。慣れ、中にノブ マニピュ ランダムは任意の均衡なし絞りウィンドウ内に配置します。高いチャイルド トレーニングの週後に、ラットは報酬でノブを関連付け、独立してノブを回すことを開始します。ラットが個別に有効にすることと、ノブが 1.25 cm 0.25 cm 刻み、ラットが回すことができる単独で 1.25 cm。 カウンターウェイトまでは撤回されます 6 g. 自動訓練段階車ノブを回外さ動物に 3 g から 1 g 単位で追加6 g で 75 度まで。トレーニングのこの段階は主として教師;ラットでは、タスクを採用 (後述) 適切な形態と、一度彼らは正しく supinate 続けます。ラット supinate 75 8の成功率 (命中率) で 75 度トレーニングは完了します。ここでは、一般的なトレーニングのプロトコルと我々 が発生した一般的な問題の解決策を提示について述べる。トレーニングのプロトコルを通じて代表的な成功と失敗のラットの進行から、微妙なあるいはより深刻な赤字と機能障害を示す、タスクを変更できることを示します。

Protocol

このプロトコルを記述するタスクを設定して生活や条件だけでなく、訓練動物を餌、損傷後、動物をテストと動作データの分析を確立します。動物の訓練の 4 つの手順も説明: 慣れ、報酬協会、カウンターウ エイト トレーニング、トレーニング基準に方向が変わります。すべての動物実験は、ワイル コーネル医学 IACUC とテキサス大学ダラス校によって承認されました

1.「タスクの設定を

  1. デザイン 150 mm 幅 200 mm 長さ 250 mm 背が高く、透明なプラスチックで作られた行動ボックス
    。 注: ここでは、長方形の開口部は 14.2 mm 高 25.4 ミリメートル、幅です。ノブ マニピュ ランダム直径 9.5 mm メタクリル酸で作られています、100 ° 未満に回外を制限する 2 つのストップは。これらの各パラメーターがテストされ、結果のセクションで説明されている赤字の最適化します。行動ボックスとマニピュ ランダム 図 1 a に示します
  2. は、マイクロ コント ローラー ボックスをコンピューターに接続します。4 つのマイクロ コント ローラーまでボックスを各コンピューターに接続できます
  3. タスクを開始するコントロール ソフトウェア ( 図 1) を使用します
    1. ノブを選択制御する装置です。サブジェクト名を入力、" 件名 " フィールド。下で訓練のための段階を選択、" ステージ " ドロップ ダウン メニュー
      。 注: 段階指示各試験の 3 つのパラメーター: " ヒット ウィンドウ " " ヒットしきい値 " と " 初期しきい値。 " ヒット、時間の定義された期間内基準角度に到達をいいます。" ウィンドウのヒット "、トライアルを開始し、基準角度に達する動物用に割り当てられた時間を指します。" ヒットのしきい値 " 試験が成功の基準角度です。" 初期しきい値 " 基準角度を試みを開始し、ウィンドウをヒットこれはターンの開始を示します。ステージの詳細については、セクションの下の下見ることができる " トレーニング動物。 "
    2. をクリックして " を開始 " トレーニング セッションを開始します。クリックして " フィード " 手動で給紙する動物と " を停止 " トレーニング セッションを停止する
      。 注: 手動給紙タスクに興味を維持するために使用する必要があります、3 のセクションで詳細に説明されています。セッションを停止した後は、セッション データを c: ドライブに保存されます

2。生活と給餌条件

  1. 使用大人女性スプレイグ ラット (175-200 g)。逆 12 h ダーク/12 h と標準的なケージで一緒に家のラットの光サイクル。すべてのトレーニングを行い、淡色ライトとダークのサイクル中にテストします
    。 メモ: 雌ラットを使用するは、以来、彼らは 21 を訓練しやすい。ここでモーターの訓練で使用される一般的なひずみは、遺伝子組み換えの優勢なひずみ Sprague-dawley が使用されました。ただし、タスク (カウンターウェイト、ターン角度基準、ノブ、ノブ自体までの距離) の調節可能な性質を与えられてこれら簡単に調節できる異なる系統およびより大きいの (例えば 男性) またはより小さい (例えば Wistar ラット
  2. 研究の最初の 5 日間を与えるために、5 日間の栄養上完全なチョコレート風味を付けられたペレットに加えて完全トラフをラットします。後五日目食品-制限ラット、正常体重曲線の 85% にします
  3. 食事制限が開始された後は、彼らの訓練の全体を通してラット (年齢調整重量の 85% を維持するために上下を調整) チョコレートのペレットの 7.5 g をフィードしました。ラットが彼らのトレーニングでチョコレートのペレットの 7.5 g を受け取っていない場合は、最終のセッションの後標準食事を補完します
    。 注: 週末供給標準食事 自由 日曜日の夕方まで、食べ物奪う一晩です。手術や他の侵襲的介入を実行するとき許可食品 広告自由 少なくとも 3 日前にし、3 日後に再び制限給餌のラットを入れる前に (回復時間) によってプロシージャ

3。トレーニングの手順

注: 図 3 a に訓練のプロシージャの概要を示します。プロトコルを通して、朝と午後に、ラットを 1 日 2 回列車します。午後のセッションを開始する前に午前中のセッションの後、少なくとも 3 h を待つ

  1. 慣れ
    注: 慣れの目標テスト ボックスと処理ラットを理解することです。
    1. 自動ポジショナーの下矢印キーを押してノブ デバイスを完全に上げる
    2. 15 分の動作ボックスでラットの場所
    3. ボックスで 15 分後、実験者にラットを理解する少なくとも 5 分手で各ラットを処理します
    4. 5 日間これを繰り返します
  2. 報酬協会
    注: 目標にノブの回転の食糧報酬を関連付けるラットを訓練することです。訓練の報酬協会段階で 30 分のフル ・ セッションの長さがタスクに費やすことを期待します。
    1. は、ソフトウェアを開き、ラットの名前を入力します。ステージを設定 " K1: ノブを形成 - プーリー。 "
      注: これは 0.0 cm でのマニピュ ランダムの距離、絞り値を設定、" 初期化。脱穀をすませた。 " 3 ° " ヒット パンチ。 " で 5 度と " ヒット ウィンドウ " 2 s。これはラットが過去 3 度ノブを回す限り供給するラットをことができます。" ヒット ウィンドウ " 2 のままになりますトレーニング中の s.
    2. ラット行動箱とプレスを入れて " を開始 " セッションを開始します
    3. は、一度に 2-3 ペレットを調剤報酬トラフがあるボックスの側をタップして報酬トラフにラットを理解します。手差しトレイのボタンを使用して、ペレットを調剤します
    4. ラットは開口部の前に、調剤、ラットは報酬の場所を知っている、一度手動で 1 ペレット
    5. ラットでは一度はペレットの報酬、条件、マニピュ ランダムと対話するラットを見越して絞り値に移動します。
      1. 、マニピュ ランダムの近く 45 mg 食品ペレットを置くことによってまたは、マニピュ ランダムに直接ペレットほこりを適用することによって従事するラットを求め、手を差し伸べるし、それを把握することができます。ラットは、開口部から移動する場合の注意をリダイレクトするマニピュ ランダム ボックスをタップします
        。 注: ラットに達する前足でノブに触れている場合、プログラムはラットをフィードします。(かむ、段鼻、マニピュ ランダム) の足の使用を含まない任意の相互作用が正しくないと報われないする必要があります
    6. ラット始まる 0.0 cm で 10 回連続して報酬を得る目的の足とノブに触れると、マニピュを撤回して 0.25 cm 繰り返しに自動ポジショナー ( 図 1 a) の下向きの矢印キーを使用。こので 0.25 cm マニピュは開口部から 1.25 cm までをインクリメントします
    7. プレス " 停止 " セッションを終了する 30 分後します
    8. ラット supinates 絞り ( 図 1 b) から 1.25 cm で必要な足とマニピュ ランダム報酬協会を続行します
    9. ラットが supinating、マニピュ ランダムとペレットの報酬を取得 2 の連続したセッションを完了、カウンターウ エイト トレーニングを開始します
  3. カウンターウェイト 6 g のカウンターウ エイトを回外さラットを鍛える訓練。 カウンターウェイトの端をコネクタをマニピュに L 字のアタッチメント ポイントに接続することによってマニピュ ランダムに
    1. 3 g の場所のカウンターウェイト。滑車カウンターウェイトが自由にハングアップするまで通しますカウンターウェイト文字列
    2. は、ソフトウェアを開き、ラットの名前を入力します。ステージを設定 " K2: ノブを形成 - プーリー。 "
      注: これは 1.25 cm でのマニピュ ランダムの距離、絞り値を設定、" 初期化。脱穀をすませた。 " 3 ° と " ヒット パンチ。 " 5 度。マニピュ ランダムの距離この時点から 1.25 cm のままになります
    3. ラット行動箱とプレスを入れて " を開始 " セッションを開始します
    4. プレス " 停止 " 100 + 成功した試験の後。ラットが 100 + 成功した試験の 2 つの連続したセッションを完了、セッションの終了後 1 g で体重が増加します。以降のセッションで 3 g から 6 g に重量を増加します
    5. は、6 g で 100 + 成功試験外の 2 連続セッション後 3.4 の手順に進みます
      。 注: までの平均動作するように 6 セッション (3 日間) 3 g から 6 g. カウンターウェイト トレーニングに始まり、それは正しい回外運動に報われるし、うち不適切な回外運動の形を取得しますが不可欠です。視覚的なガイドと正しいと正しくない外フォームについての説明は、 図 2 を参照してください
  4. トレーニング 基準に
    注: 形状正しい回外運動を続行してください。再度、 図 2 正答/誤答外運動の視覚的なガイドと不適切な回外を改善する方法を参照してください。基準条件に回外さラットを訓練します。ここでは、これは 75% 以上の成功率で 6 g のカウンターウ エイトを 75 度です。
    1. 、マニピュ ランダムに 6 g のカウンターウ エイトを配置します
    2. は、ソフトウェアを開き、ラットの名前を入力します。ステージを設定 " ksb 4: ノブ トレーニング中央 75 最大 "
      注: これを設定します、" 初期化。脱穀します。 " 5 ° " ヒットしきい値の最小値 " 15 ° と " ヒットしきい値最大 " 75 °。これと呼ばれる、" 適応 " トレーニング ステージ、しきい値がラットとして増加を意味 ' s のパフォーマンスが向上します。"、Ksb 4 " ステージ、しきい値を最初に以前のセッション設定 ' s 最終しきい値。この段階で実行された以前のセッションがない場合は、しきい値が 15 度のしきい値の最小値に設定されます。セッションの最初の 10 の試験の後前の 10 試験におけるピークの中央角としきい値を計算します。したがって、しきい値がトライアルごとに異なるが、ラットに依存 ' 前の試験のパフォーマンス
    3. 30 分後にセッションを停止
    4. 続行平均ピーク角度は 75 度までの適応の段階を使用してトレーニング以上。3.5 の手順に進みます。これは一般的に約 10 日間または 20 セッション後に発生します
  5. 4 つの連続したベースラインを記録するベースライン評価
    1. 、マニピュ ランダムに 6 g のカウンターウ エイトを配置します
    2. は、ソフトウェアを開き、ラットの名前を入力します。ステージを設定 " K27: 75 度。 " を設定します、" 初期化。脱穀します " で 5 ° と " 75 ° でヒットしきい値。
    3. プレス " 停止 " 30 分以降 100 回の試行では、どちらか早い方、セッションを終了する
    4. 成功率 75% 以上で 4 つの連続した基準までを繰り返します

4。受傷後評価

  1. ソフトウェアを開き、ラットの名前を入力します。中古損傷基準となるテストと同じ静的なステージにステージを設定します。これは、ベースラインに使用する同じパラメーターが保持されます
  2. プレス " 開始 " まで 30 分のセッションを実行して
    メモ: 傷害の後参加が低場合があります。これはマニュアルを使用して改善することができますフィード ボタンまたは、マニピュ ランダムに従事するラットを誘惑するマニピュ ランダム近く報酬ペレットを配置します
  3. は、受傷後評価の所望の長さに達するまで毎週間隔で週に一度のテストを繰り返しています
    。 注: ここでは、私たちは受傷後 6 週間毎週パフォーマンス評価します

5。データ分析

注: データが PC の C ドライブの既定の場所に保存されます。データはヒットのウィンドウ中に 100 Hz でキャプチャされた、バイナリ形式で格納されます。ここでは、器用さと呼ばれるカスタム プログラムを使用してデータを行った。この無料のソフトウェアにアクセスするため博士ジェイソン カーメルをメールしてください

  1. オープンの器用さとクリック " 標準的な "
  2. ラット データは、目的のフォルダーを選択してディレクトリを検索します
  3. ディレクトリを選択後、選択分析用ラット
  4. をクリックして " を維持 " または " を破棄 " 維持または完全なまたはデータが含まれていないファイルを破棄する
    。 注: ある時間違ったパラメーターを使用して、ステージのトレーニング セッションが開始されたとき、彼らはすぐに停止されている間、ファイルは作成されます。このファイルは、分析中に破棄する必要があります。インスタンスもあります、特に急性損傷後とき動物の怪我や非常に小さな試験試験を行いません。これらのセッションは、彼らのパフォーマンスの表現ですのでファイルを保たれなければなりません。ない成功した試験でファイルを保持すると、NaN が計算された変数の適切な場所に配置されます
  5. 。 場合、
  6. は今または後で実験に注釈を付けるかどうかを選択 " 注釈を付けるようになりました " は選択すると、新しいウィンドウが開きます。入力、" 実験名 " " グループ名 " " イベント データ " と " 週間総数 " 実験で
  7. 科目をグループに割り当てます
  8. は、各週または時間ポイントでデータ セッションの数を入力します。入力セッションをスペースで区切ります、最後の後に空白を入れることを確認 つまり (1 1 1 1) 番号です
  9. は、時間のポイントのラベルを入力します。スペースで入力のラベルを区切るし、最後ラベル すなわち (Pre Wk1 Wk2 Wk3) 後にスペースを入れることを確認してください
  10. 選択時イベントが発生した; 分析セッションを保存するオプションが表示されます。クリックして " はい " 分析セッションを保存します
  11. 注釈と unannotated データの概要が表示されます。これは、データをプロットするオプションを提供します
  12. Unannotated のデータをクリックして " グラフ件名 " プロット個々 の主題にまたは " グラフ科目 " 同じグラフですべての科目をプロットする
  13. 注釈付きの分析をクリックして " のプロット " 実験をプロットする
  14. の注釈し、unannotated、両方印刷する変数の一覧のドロップダウンの矢印をクリックします。プロットを表示する変数] をクリックします
  15. グラフやデータは、グラフに関連付けられているをクリックしてエクスポートします

Representative Results

訓練の早い段階で実験者はラット行動の形成のタスクにより多くの時間を費やしています。ラットの報酬、手でラット外に関連付ける時間減少 (図 3 a)。慣れ、報酬協会、カウンターウ エイト トレーニング、中にフル ・ セッションの長さ (30 分) がタスクに費やされています。ただし、ラットは、6 g で supinating は後、仕事の時間徐々 に軽減する約 15 分にラットの外の角度が増加するにつれて。最後に、ラットでは、ベースラインに達すると、仕事の時間が最小であります。実験者はのみ行動ボックスにラットを置き、プログラムを起動する必要があります。実験者が同時に扱うことができますラットの最大数は報酬協会の中に 2 匹のラット、カウンターウェイト訓練および基準、訓練中に 4 つのラット、多くのラットがボックス ベースライン評価および受傷後テスト中に。ラットの平均、75% (n = 56) タスクを取得します。

ラットは報酬に回外を関連付けられている後、ラットの外の角 (図 3 b) 肯定的な進展があります。図 3 bでラットは 3 g から 6 g カウンターウェイトを 3 日目から 7 日目に進んで。トレーニング、カウンターウェイト後 7 日目、9 日目に 26 から 30 度に増加する外中から適応訓練の短期間があった。大きな変化もないので静的しきい値が 9 に 18 日から採用されました。この期間中に、ラットは、着実に 8 日間で 75 度 30 度から増加。トレーニング、特に、12 〜 14 日全体で日々 の変動があります。しかし、一般的に、外の角度で上昇傾向があります。日 17 後慣れの最後に、ラットは、その最初のベースラインを記録していたし、4 つのセッション後に、それはベースライン評価を完了しました。4 基準の記録慣れからトレーニングのプロトコルは 5 日間 20 ± の平均をとります。

トレーニングのプロトコルを通じて理想的な進行を表示することは重要ですが、失敗した進行の表示は重要である (図 4) では均等に。図 4 aにオレンジ色のラインは、青い線は失敗したラットを示しています、プロトコルを正常に完了するラットを示しています、灰色の線を表示別の六つの成功したラット。正常ラットに達した基準 15 ± 0.6 日 (n = 7)。代表的な成功したラットは、1 把握失敗したラット使用 3 把握。両方のラットは、2 日間で報酬にノブを関連付けます。さらに、両方のラットは、カウンターウェイトを追加した後最初の 4 日間で同様の回外角度 (図 4 a) 進行を表示します。ただし、これ以降、正常ラットを失敗したラットからの脱却を開始します。これは、失敗したラットの把握はこのポイント前に修正することができませんでした (図 2参照)。

正常ラットの 50 ~ 60 度高原に始まるが、75 度に向けてより安定した上昇を再開し外の角度の急な上昇があります。しかし、失敗したラットの外の角度のより漸進的な増加があります。ラットでは、20 度前後が高原、supinate などに押されて、ラットが、最終的には、マニュアル給餌しても、タスクに興味を失うこと、15 日後慣れ周り外角度が急激に低下します。17 日後馴化後は若干の回復が、ラット supinate 25 度以上に苦労します。ラットは、20 日目基準を達成していない、我々 このラットの失敗を考慮し、研究からラットを削除します。

回外角度に加えて 1 つは成功と失敗のラットの外波形 (図 4 bD) の目視検査を実行できます。視覚的な検査を実行すると、今後、いくつかの波形特性: 線、待機時間、および試験の時間帯でのピークの数の斜面。直線の傾きは、曲線の発症と曲線のピークの間の曲線の微分として計算されます。待ち時間は、裁判の開始とヒットのしきい値を交差曲線間の時間として計算されます。最後に、ピーク、トライアル ウィンドウで極大を検索する派生物を使用して計算されます。以前は、我々 ライン、または速度の斜面を発見、外速度の堅牢な測定、微妙な赤字8に敏感。

成功したラット (図 4 b1) が 20 度、失敗したラット (図 4 b2に近いピークを持つ単一波形を示します supinate (図 4 b) 6 g を使用して開始した後のトレーニングの最初 3 分の 1) 二重ターンや 10 度近く最初のピークと 5 度近く 2 番目のピークの 2 つのピークを示しています。(図 4) をトレーニングの中間、正常ラット (図 41) ピーク角度 20 度から 50 度より定義され、単一ピーク曲線との増加を示しています。失敗したラット (図 42)、一方、唯一の限界はピーク角度を 20 度の増加しますが、そのフォームの改善それは今、一回転を使用します。成功したラット (図 41) が 20 のピーク角度約 65 °、失敗したラット (図 42) 対のピーク非常に顕著な単一波形を示します (図 4) の訓練の最後の 3 番目で2 でピークを持つが、今度 15 ° の s。これは、増加訓練の難しさ、ネズミがその 3 把握を修正し、順番に、正しく supinate できませんできなかったこと別の良い指標です。このラットは、研究から除外ではなかった、最終的に 75 度までを実行できる場合でも質問が補償外対真外だったかどうかについて残る。

最後に、外作業は複数種類の障害、皮質脊髄路、人の自主的な動きのための主要な経路のカット病変とエンドセリン注射で前肢運動皮質病変を含む後の機能障害を検出します。図 5 () 8,10,22。Pyramidotomy 群ラット (紫、n = 8) 皮質病変群ラット中の少なくとも 75 ° 以上 75% の成功率で 6 g を回外さに訓練された (緑、n = 10) 75% 以上 7.5 g で 60 ° を回外さために訓練されました。両方のグループのラットは、怪我 (図 5 a) 成功率の急激な減少を示した。Pyramidotomy 群ラットの成功率は、90% ± 2% から 14% ± 8% から減少しました。Sucラット皮質病変のセス率は 76% ± 10% に 1% ± 3% から減少しました。週 6、両方のグループはまだ損なわれた: pyramidotomy グループは 34% ± 11% 皮質病変グループが 16% ± 7% にとどまっている間。外の角度は両方のグループは受傷後 (図 5 b) に前から減少を示します。別の基準基準外角度のためは、pyramidotomy グループは、皮質病変群 (67 ° ± 0.52 °) よりも高い中古損傷外角度 (85 ° ± 2.9 °) を持っていた。Pyramidotomy グループは、皮質病変グループ減少 27 ° ± 2.9 ° 38 ° ± 10 ° に減少しました。

Figure 1
図 1:外作業説明します。(A) ラットが開口部に達するし、外になってノブを握り、プレキシ グラス箱に配置されます。ノブは回外角度 100 ° より大きいを防ぐために 2 つの停止です。ノブがあります; おもりと滑車これはラットが supinate に克服しなければならないトルクを作成します。ノブは、0.25 ° の精度で角度を測定する光学式エンコーダーに接続されます。この光学式エンコーダーは、順番がタスクを制御するコンピューターに接続されているマイクロ コント ローラーに接続されます。コンピューター信号トリガー オーディオ ・ フィードバックするときマイクロ コント ローラーを成功条件が達成された場合は、フィーダーからペレットを分配します。マイコンも 0 と 1.25 cm の位置はコンピューターによって設定訓練段階によって決定されます自動位置決めを制御します。ラット (B) 3 つの連続的な動きでタスクが実行されます: 1、および supinating にある開口部を介して到達、力把握とノブを把握します。(C) ノブ外のタスクは、制御ソフトウェアによって制御されます。実験者はサブジェクトの名前を入力し、プログラムは、対応するパラメーターを設定しながらの訓練段階を選ぶ。トライアル 1 つ成功した外の波形は青に示すように、成功および失敗した試行のシーケンスはそれぞれ緑と赤で表示されます。試みは失敗しない場合マーク外の角度が定義された時間ウィンドウ内でのヒットのしきい値よりも大きい場合は、制御ソフトウェアに試みは成功にマークされます。このプログラムは、1 つのボックスを制御します。4 つのプログラムは、コンピューター 1 台につき同時に実行できます。この図は、2017 年の Sindhurakarから変更されたニューロリハビリテーションと神経修復8この図の拡大版を表示するのにはここをクリックしてください

Figure 2
図 2:回外運動します。図とトレーニングのプロトコルの中に発生した共通の正しいと不適切な回外運動の説明。正しい動き不適切な運動など代償機構真外を妨げる可能性のある真の回外を可能にします。不適切な動きを修正するための推奨される解決方法は、含まれています。この図の拡大版を表示するのにはここをクリックしてください

Figure 3
図 3: トレーニングのプロトコル。(A) 標準的なタイムライン。合計で約 25 日間研修の 5 つの期間があります: 慣れ (5 d)、報酬の関連付け (1-3 d)、ウエイト トレーニング (3-4 d)、(8-12 d)、ベースラインとベースライン評価 (2-4 d) トレーニングします。タイムライン上の線のパターンは、実験者の各セッションがタスクに費やす時間を指定します。トレーニングのプロトコルが進むにつれて、仕事の時間が減少します。(ラットの能力ベースライン評価する報酬協会から supinate B) 一般的な進行。全体的にみて、ベースラインに向かってラットの肯定的な線形の進行があるが、トレーニングのプロトコルの中でラットのパフォーマンスの変動があるが観察したよう。ウエイト トレーニングの後は、適応訓練の期間ラットのパフォーマンスに合わせて外の角度のしきい値を変更する箇所。ラットはベースラインを達成するまでに、この適応訓練は静的しきい値パラダイムが続きます。この図の拡大版を表示するのにはここをクリックしてください

Figure 4
図 4:成功と失敗タスク取得します。教育の成功の 7、8 のラットのプロトコルを通して角度を回外の (A) 進行、1 つ失敗しました。(成功、オレンジ) ベースライン基準に達する 1 つの代表的なラットおよび 1 つ失敗したラット (青)、さらにケーススタディとして使用されます。馴化後トレーニングの最初の 7 日間、両方成功と失敗のラットは回外の角度で似たような進行状況を示した。11 日後 habituation によって成功したラットは中失敗したラット バーカール 25 ° 55 ° を supinating だった。15 日後馴化後成功したラット示した強い上昇進行失敗したラットがパフォーマンスの低下しました。トレーニング後慣れの最終的な 3 分の 1 で成功したラットは 80 ° を supinating しながら、失敗したラットいた 30 ° で頭打ちです。(B) 平均波形 (黒線) 95% 信頼区間 (オレンジの成功、青の失敗) トレーニング 6 g のおもりを追加した後の最初の 3 分の。(B1)正常ラット - 単一ピーク 20 ° のまわり。(B2)失敗したラット - グローバル最大 10 ° までの二重のピーク。(C) 平均波形 (黒線) 95% 信頼区間 (オレンジの成功、青の失敗) 6 g のおもりを追加した後の訓練の 2 番目 3 番目の。(C1)正常ラット - 45 ° で単一ピーク。(C2)失敗したラット - 20 ° 付近に単一ピークを持つ改善されたフォーム。95% 信頼区間とともに (D) 平均波形 (黒線) (オレンジの成功、青の失敗) 6 g のおもりを追加した後の訓練の最後の 3 番目の。(D1)正常ラット - 65 ° で単一ピークを発音します。(D2)失敗したラット - グローバル最大 20 ° で二重のピーク。この図の拡大版を表示するのにはここをクリックしてください

Figure 5
図 5:強い > 異なる損傷モデルに作業感度。Pyramidotomy 群ラット (紫、n = 8) 皮質病変群ラット中 75 ° 以上 75% の成功率で 6 g を回外さに訓練された (緑、n = 10) 75% 以上 6 g で 60 ° を回外さために訓練されました。表示されるデータは、平均 ± 標準誤差です。(Pyramidotomy 皮質病変と病変のため A) 成功率。両方損傷モデルでは、受傷後 (第 1 週) 前からの成功率の急激な減少を示した。Pyramidotomy の成功率は 0.02 に 0.14 ± 0.08、0.90 ± から減少した皮質病変の成功率は 0.76 ± 0.01 から減少しました。(B) 外は皮質病変対 pyramidotomy の角度します。両方のグループは、受傷後に前からの減少を示した: 27.1 ° ± 2.9 ° に減少皮質病変グループ、pyramidotomy グループが 38.2 ° ± 10.1 ° に減少しました。この図の拡大版を表示するのにはここをクリックしてください

Discussion

ノブの外作業は、定量的または半自動的な方法を用いて、ラットの前肢の回外を評価します。ノブの配置、マニピュ ランダム デザイン、およびトレーニング条件を含めて、仕事のために設計パラメーターの多くは、これらのエンドポイントを達成するために数年にわたって繰り返されたら。ノブの配置、我々 は絞りに関してノブの 3 つの異なる線形を試しました: ノブを絞り、中心し、ノブの右側に揃えて配置の右側にある開口部の左側に揃えられますノブの左側は、perture。左の足からの干渉を最短の時間で訓練を受けていたし、人は具体的には、最小限の代償機構とバーカールこの作り出されたラットとして開口部の右側に揃えて配置されてノブの右側に落ち着いた。

マニピュ ランダム デザイン我々 は前肢旋を最大化し、身体の使用を最小限に抑えるためのいくつかのデザイン機能を変更しました。さらに、予測の赤字の重大度にタスクの難易度をスケーリングされます。Pyramidotomy 後、外は最も強く影響を受ける動きが減損はまだ比較的微妙です。したがって、受傷後に巨額の財政赤字を遵守した高いベースライン基準 (75 °) をラットを訓練しました。詳細を損なうことは、大脳皮質の病変で 7.5 g 60 度しきい値傷害後大幅な赤字で示す十分でした。トライアル アンド エラーによる最適化された追加のパラメーターは、口径サイズ、絞り値、および試験が成功を達成するために時間帯からノブの距離に含まれます。

トレーニングのプロトコルを通じて注意深い監督を必要とするいくつかの重要なポイントがあります。ベースラインにトレーニングをするとき、75 ° 10ラットを訓練する適応しきい値選定法を正常に使用されています。ただし、ラットがピークで高原角度 75 ° 未満;4-5 セッションの後のパフォーマンスは同じです。パフォーマンスを向上させる静的しきい値を用いることができます。静的しきい値は、最近のパフォーマンスに基づいて変化適応しきい値ではなく、ラットのパフォーマンスの設定程度で残りのしきい値を指します。ラットは、適応訓練中高原、実験者は静的しきい値を変更ください。70 度 10 ° 刻みで 20 から静的な学習段階の範囲です。(K28 - K33 段階)。以前の 2 セッションでネズミの平均ピーク角度に基づいて静的なステージを選択します。たとえば、ラット 45 ° の平均は場合、は、50 度 (K31) の静的なステージを選択します。すべての静的な段階設定「初期化。脱穀。「5 °。訓練中にラットは、モチベーションを失う場合手動でフィード ラットそれ supinates に近いが、しきい値を超えていない場合。

さらに、ベースライン評価中にラットの約 5% 退行の回外の角度に 5 ~ 10 ° とセッション間の成功率 5-10%。これが起こるし、ラット 3-4 セッション後平均ピーク角度 75 ° は復元されません、ステップ 3.5 に戻る前にラットの現在の平均角度を 10 度以内に静的な段階が低下します。静的トレーニング ステージ上に配置されているかつてない適応の段階にラットを再導入することが重要です。

タスクにいくつかの制限があります。間違った把握の位置を確立すると、(図 2) の把持動作の変更は難しくなります。したがって、早期発見と補正は重要です。水平方向と垂直方向に開口部の大きさを狭くすることによってラットの把握を修正するに絞り値を変更できます。通常は、調整を必要とする開口部の端にスライド ガラスをテープします。ほとんどのラットのマニピュを特定の方法で把握するそれらを強制するために、把握形式が向上します。これは、ターンでは、正しく supinate する能力が向上します。

このような課題に加え、ラットは supinate に代償機構を開発できます。回外; で前肢を支援するためにヘッドの使用が含まれますノブ; に肘と肩関節を下げる左の足を使用して、ノブや到達の前足をプッシュ ダウンを助けます。すべてのこれらの動作は、正常にタスクを完了する使用できます。前述のように、行動把握に関しては絞りを操作することによって修正できます。代償的なメカニズムの理解の外しかし、ない代償行動に報酬を与える実験者の積極的な参加が必要です。損傷後我々 は supinating する前に適切な位置に足を配置するいくつかの試験を取ってラットを観察しました。タスクのコンポーネント外の損失に貢献するかもしれない我々 の分析がない、これら正確なグリップの損失を含めることができます、多くの可能性の間での力の調節を障害者します。

半自動外作業の平均所要時間、20 ± 5 日基準、ラットを訓練し、動物の 25% はタスクに関するトレーニングを受けることができません。トレーニング時間に貢献しては、実際に我々 は当然右好みラットを選択していないが、代わりに彼らの右の足を使用するすべての動物を強制的ほとんど到達アッセイでは一般的のようです。我々 は左好みラットを用いて試していませんが、まず足の好みを識別し、支配的な手を訓練する興味深い探索的研究ででしょう。これに合わせて、我々 は開口部が逆になっているので、ドアの方向を反転する必要があります。これを行うことが簡単にできます。

IBB や単一のペレットに達するような伝統的な作業と比べると、回外タスク定量的かつ客観的に測定前肢に到達します。それは重傷 (皮質病変) や微妙な傷害 (pyramidotomy) への感受性を示し、訓練のプロシージャは損傷モデルの重大度に応じて変更できます。半自動化されたので、タスクは、トレーニングの段階によって、同時に複数のラットを訓練する実験者をできます。実験者の生産性およびラットのスループットが大幅に向上します。タスクは、信頼性と再現性のあるラットの間です。トレーニング プロトコル間を参照する実験者のためのトラブルシューティング ガイド (図 2) を作成すると、それらの解決策と同様に、いくつかの不適切な行動が標準化されています。最後に、タスクは、大量のデータを分析するための直感的な手段を提供しています、実験者の外論に深く掘り下げて調査する能力を与えます。

将来は、我々 使用する半自動外作業プラットフォームとしての種類、用量、およびリハビリテーションのタイミングを評価します。私たちの研究室は、外傷後の機能改善に対する刺激効果に関心があります。また、神経を刺激する治療の修復または神経伝導を向上に興味があるし、通信することができます再生に影響を与えます。我々 も運動学習を学ぶことができますので、電気生理学に対応するタスクを変更するのに興味を持ってください。頭のラットキャップは定期的にタスクを実行し、記録または刺激の整流子を追加することは簡単でしょう。タスク、前述のようは、ラットしますが、タスクにマウスを使って実験するラボもあります。一般に、さまざまな損傷モデルと病気の状態で齧歯動物の前肢の機能を評価するため、ターンでは、リハビリの戦略を評価するため、このタスクを使用できます。今後、不適切な動作を軽減やタスクの取得率とトレーニング時間を短縮するための改良と、作業を改善するためにいきます。

Disclosures

博士 Rennaker、博士・ スローンは、本機器を製造する Vulintus 社の所有者です。他の著者の利益相反が宣言されていません。

Acknowledgements

この研究は、NIH NINDS R03 NS091737 によって賄われています。

Materials

Name Company Catalog Number Comments
Base Cage - Rat Model Vulintus MotoTrak Rat System N/A
Controller Vulintus MotoTrak Rat System N/A
Behavior Module Vulintus MotoTrak Rat System Supination Task, Methacrylate Dual Stop Knobs
Pellet Dispenser - 45mg Vulintus MotoTrak Rat System N/A
Autopositioner Vulintus MotoTrak Rat System N/A
45 mg, Chocolate Flavor, 50,000/Box Bio-Serv F0299 N/A
HP Z230 Tower WorkStation HP N/A Intel Xeon CPU E3-1225 v3 @ 3.20 GHz, 16GB RAM, 1TB HDD. Min Requirements: 8GB RAM, Multi-Core Processor
Dexterity Burke Medical Research Institute Matlab software for data analysis
Enviropak WF Fisher and Son N/A N/A

DOWNLOAD MATERIALS LIST

References

  1. Anderson, K. D. Targeting recovery: priorities of the spinal cord-injured population. J Neurotraum. 21, (10), 1371-1383 (2004).
  2. Martin, J. H. Systems neurobiology of restorative neurology and future directions for repair of the damaged motor systems. Clin Neurol Neurosur. 114, (5), 515-523 (2012).
  3. Lemon, R. N. Descending pathways in motor control. Annu Rev Neurosci. 31, 195-218 (2008).
  4. Feng, W., Wang, J., et al. Corticospinal tract lesion load: An imaging biomarker for stroke motor outcomes. Ann Neurol. 78, (6), 860-870 (2015).
  5. Whishaw, I. Q., Pellis, S. M., Gorny, B. P., Pellis, V. C. The impairments in reaching and the movements of compensation in rats with motor cortex lesions: an endpoint, videorecording, and movement notation analysis. Behav Brain Res. 42, (1), 77-91 (1991).
  6. Irvine, K. A., Ferguson, A. R., Mitchell, K. D., Beattie, S. B., Beattie, M. S., Bresnahan, J. C. A novel method for assessing proximal and distal forelimb function in the rat: the Irvine, Beatties and Bresnahan (IBB) forelimb scale. J Vis Exp. (46), (2010).
  7. Allred, R. P., Adkins, D. L., et al. The vermicelli handling test: a simple quantitative measure of dexterous forepaw function in rats. J Neurosci Meth. 170, (2), 229-244 (2008).
  8. Sindhurakar, A., Butensky, S. D., et al. An automated test of rat forelimb supination quantifies motor function loss and recovery after corticospinal injury. Neurorehab Neural Re. 31, (2), 122-132 (2017).
  9. Carmel, J. B., Kim, S., Brus-Ramer, M., Martin, J. H. Feed-forward control of preshaping in the rat is mediated by the corticospinal tract. Eur J Neurosci. 32, (10), 1678-1685 (2010).
  10. Meyers, E., Sindhurakar, A., et al. The supination assessment task: An automated method for quantifying forelimb rotational function in rats. J Neurosci Meth. 266, 11-20 (2016).
  11. Gomez-Marin, A., Paton, J. J., Kampff, A. R., Costa, R. M., Mainen, Z. F. Big behavioral data: psychology, ethology and the foundations of neuroscience. Nat Neurosci. 17, (11), 1455-1462 (2014).
  12. Wong, C. C., Ramanathan, D. S., Gulati, T., Won, S. J., Ganguly, K. An automated behavioral box to assess forelimb function in rats. J Neurosci Meth. 246, 30-37 (2015).
  13. Alaverdashvili, M., Whishaw, I. Q. Motor cortex stroke impairs individual digit movement in skilled reaching by the rat. Eur J Neurosci. 28, (2), 311-322 (2008).
  14. Ellens, D. J., Gaidica, M., et al. An automated rat single pellet reaching system with high-speed video capture. J Neurosci Meth. 271, 119-127 (2016).
  15. Lai, S., Panarese, A., et al. Quantitative kinematic characterization of reaching impairments in mice after a stroke. Neurorehab Neural Re. 29, (4), 382-392 (2015).
  16. Molina-Luna, K., Hertler, B., Buitrago, M. M., Luft, A. R. Motor learning transiently changes cortical somatotopy. Neuroimage. 40, (4), 1748-1754 (2008).
  17. Ballermann, M., Tompkins, G., Whishaw, I. Q. Skilled forelimb reaching for pasta guided by tactile input in the rat as measured by accuracy, spatial adjustments, and force. Behav Brain Res. 109, (1), 49-57 (2000).
  18. Vigaru, B. C., Lambercy, O., et al. A robotic platform to assess, guide and perturb rat forelimb movements. IEEE Trans Neural Syst Rehabil Eng. 21, (5), 796-805 (2013).
  19. Martin, J. H., Choy, M., Pullman, S., Meng, Z. Corticospinal system development depends on motor experience. J Neurosci. 24, (9), 2122-2132 (2004).
  20. Murgia, A., Kyberd, P. J., Chappell, P. H., Light, C. M. Marker placement to describe the wrist movements during activities of daily living in cyclical tasks. Clin Biomech. 19, (3), 248-254 (2004).
  21. Simpson, J., Kelly, J. P. An investigation of whether there are sex differences in certain behavioural and neurochemical parameters in the rat. Behav Brain Res. 229, (1), 289-300 (2012).
  22. Hays, S. A., Khodaparast, N., et al. The isometric pull task: a novel automated method for quantifying forelimb force generation in rats. J Neurosci Meth. 212, (2), 329-337 (2013).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics