Methode om de impact van training op motorische vaardigheden te beoordelen is een nuttig instrument. Helaas kunnen de meeste gedrags beoordelingen arbeidsintensief en/of duur zijn. We beschrijven hier een robot methode voor het beoordelen van prehension (REACH-to-grasp) vaardigheid bij muizen.
We beschrijven een methode om naïeve muizen te introduceren in een roman prehension (REACH-to-grasp) taak. Muizen worden afzonderlijk ondergebracht in kooien met een frontale sleuf die de muis toelaat om uit zijn kooi te komen en voedsel pellets op te halen. Er wordt een minimale voedsel beperking gehanteerd om de muizen aan te moedigen het voedsel uit de sleuf te halen. Als de muizen beginnen te associëren komen naar de sleuf voor voedsel, de pellets worden handmatig weggehaald om de uitbreiding en pronatie van hun paw te begrijpen en de pellet door de frontale sleuf te halen. Wanneer de muizen beginnen te bereiken voor de pellets als ze aankomen in de sleuf, de gedrags test kan worden uitgevoerd door het meten van de snelheid waarmee ze met succes te begrijpen en de gewenste pellet te halen. Ze worden vervolgens geïntroduceerd bij een auto-trainer die zowel het proces van het leveren van voedsel pellets voor de muis te begrijpen, en de opname van succesvolle en mislukte bereiken en grijp pogingen automatiseert. Dit maakt het verzamelen van gegevens voor meerdere muizen met minimale inspanning mogelijk, om te worden gebruikt in de experimentele analyse, indien van toepassing.
Methoden om experimenteel een motorische vaardigheid te testen pre-en post-neurologische letsel, alsmede het moduleren van de timing, het bedrag en het type motor training zijn belangrijk voor translationeel onderzoek. In de afgelopen tien jaar zijn muizen, vanwege het bijbehorende gemak van genetische manipulatie, uitgegroeid tot een populair modelsysteem om de mechanismen van het leren van de motor vóór en na het letsel te verhelderden. Gedragstesten bij muizen zijn echter niet op dezelfde manier geoptimaliseerd dat dergelijke assays voor andere zoogdieren (vooral ratten) zijn geweest. Verder zijn er belangrijke verschillen tussen het gedrag van een muis en een rat die sterk suggereren om de twee soorten op verschillende manieren te trainen1,2.
Bekwame prehensiele bewegingen gebruiken een hand/poot om voedsel in de mond te plaatsen, om een object te manipuleren of om een gereedschap te gebruiken. Inderdaad, het bereiken van het begrijpen van verschillende objecten in het dagelijks leven is een fundamentele functie van de bovenste ledematen en de REACH-to-Eat Act is een vorm van prefensie die veel zoogdieren gebruiken. Veel van de genetische, fysiologische en anatomische veranderingen die ten grondslag liggen aan grijp skill Acquisition zijn goed gedefinieerd in veld3. Bij het vertalen van preklinische bevindingen naar klinisch onderzoek heeft men een relevante test nodig die efficiënt en reproduceerbaar is. Onderzoeken van knaagdieren en menselijk bereiken tonen aan dat het gedrag van de prefensie vergelijkbaar is bij mens en dier4. Dienovereenkomstig, deze gelijkenissen suggereren dat prehension testen kan dienen als een translationeel model voor het onderzoeken van motorische leren, alsmede bijzondere waardeverminderingen en behandelingen van de menselijke ziekte. Daarom kan het evalueren van prehension bij muizen een krachtig hulpmiddel bieden in translationeel onderzoek dat zowel gezondheids-als ziektetoestanden bestudeert4.
Helaas, de prehension taak bij muizen, zelfs voor een kleinschalige laboratorium setting, kan worden bewerkelijk en tijdrovend. Om dit probleem te verhelpen, beschrijven we hier een geautomatiseerde versie van de prehension-taak. De beschreven taak vereist muizen om een enkele poot uit te breiden door de eigen kooi van de muis, de verlengde poot te pronken, de voedsel pellet beloning te grijpen en de pellet terug te trekken naar het kooi interieur voor consumptie. De resulterende gegevens worden gepresenteerd als een succes of mislukking van de prehension. Deze automatisering registreert de gegevens met succes en vermindert de last en de tijd waarmee onderzoekers de taak moeten aangaan.
Onze auto-trainer evalueert op geautomatiseerde wijze forelimb REACH-to-grasp (prehension). Om dit eindpunt te bereiken, zijn veel van de parameters die zijn ontworpen voor de taak van de muis, zoals pelletplaatsing, korrelgrootte en trainings criteria, gedurende meerdere jaren herhaald en aangepast van eerdere protocollen2,5 ,6. De vooruitgang hier is de automatisering van de taak met behulp van een robot die huis-kooi huisves…
The authors have nothing to disclose.
Het auto-trainingsapparaat werd gebouwd door Jason Dunthorn, URI Täsch, en dan Täsch bij Step Analysis, LLC, met ondersteuning voorontwerp input en instructies van Robert Hubbard, Richard O’Brien en Steven zeiler.
Teresa Duarte van het centrum van Champalimaud voor het onbekende verschafte waardevol inzicht en ideeën over het beschrijven en categoriseren van muis bereiken van acties.
ABS Filament | Custom 3D Printed | N/A | utilized for pellet holder, frame, arm and funnel |
ABS Sheet | McMaster-Carr | 8586K581 | 3/8" thickness; used for platform compononents, positioning stand guides and base |
Adruino Mini | Adruino | A000087 | nano version also compatiable as well as other similar microcontrollers |
Bench-Top Adjustable-Height Positioning Stand | McMaster-Carr | 9967T43 | 35 lbs. load capacity |
Clear Acrylic Round Tube | McMaster-Carr | 8532K14 | ID 3/8" |
Low-Carbon Steel Wire | McMaster-Carr | 8855K14 | 0.148" diameter |
Pellet Dispenser | Lafayette Instrument: Neuroscience | 80209-45 | with 45 mg interchangeable pellet size wheel and optional stand |
Photointerrupter Breakout Board | SparkFun | BOB-09322 ROHS | designed for Sharp GP1A57HRJ00F |
Reflective Object Sensor | Fairchild Semiconductor | QRD1113 | phototransistor output |
Servo Motor | SparkFun | S8213 | generic metal gear (micro size) |
Transmissive Photointerrupter | Sharp | GP1A57HRJ00F | gap: 10 mm, slit: 1.8 mm |