Summary

Una piattaforma flessibile per il monitoraggio dell'apprendimento associativo sensoriale dipendente dal cervelletto

Published: January 19, 2022
doi:

Summary

Abbiamo sviluppato un’unica piattaforma per tracciare il comportamento degli animali durante due attività di apprendimento associativo dipendenti dalla fibra di arrampicata. Il design a basso costo consente l’integrazione con esperimenti optogenetici o di imaging diretti verso l’arrampicata dell’attività cerebellare associata alle fibre.

Abstract

Gli input di fibre rampicanti alle cellule di Purkinje forniscono segnali istruttivi critici per l’apprendimento associativo dipendente dal cervelletto. Lo studio di questi segnali in topi fissi facilita l’uso di metodi di imaging, elettrofisiologici e optogenetici. Qui, è stata sviluppata una piattaforma comportamentale a basso costo (~ $ 1000) che consente il monitoraggio dell’apprendimento associativo in topi fissi a testa che locomotano liberamente su una ruota da corsa. La piattaforma incorpora due paradigmi di apprendimento associativo comuni: il condizionamento dell’eyeblink e il condizionamento dello startle tattile ritardato. Il comportamento viene monitorato utilizzando una telecamera e il movimento della ruota da un rilevatore. Descriviamo i componenti e la configurazione e forniamo un protocollo dettagliato per la formazione e l’analisi dei dati. Questa piattaforma consente l’incorporazione della stimolazione optogenetica e dell’imaging a fluorescenza. Il design consente a un singolo computer host di controllare più piattaforme per addestrare più animali contemporaneamente.

Introduction

Il condizionamento pavloviano dell’associazione sub-seconda tra stimoli per suscitare una risposta condizionata è stato a lungo utilizzato per sondare l’apprendimento cerebellare-dipendente. Ad esempio, nel classico condizionamento ritardato dell’occhio (DEC), gli animali imparano a fare un battito di ciglia protettivo tempestivo in risposta a uno stimolo condizionale neutro (CS; ad esempio, un lampo di luce o un tono uditivo) quando è accoppiato ripetutamente con uno stimolo incondizionato (US; ad esempio, un soffio d’aria applicato alla cornea) che provoca sempre un battito di ciglia riflesso, e che arriva alla fine o vicino alla fine del CS. La risposta appresa è indicata come risposta condizionata (CR), mentre la risposta riflessa è indicata come risposta incondizionata (UR). Nei conigli, le lesioni specifiche del cervelletto interrompono questa forma di apprendimento 1,2,3,4. Inoltre, i picchi complessi di cellule di Purkinje, guidati dai loro ingressi in fibra rampicante5, forniscono un segnale 6,7 necessario e sufficiente 8,9 per l’acquisizione di CR correttamente temporizzati.

Più recentemente, sono stati sviluppati paradigmi di apprendimento associativo dipendenti dalla fibra rampicante per topi fissi a testa. DEC è stato il primo paradigma di apprendimento associativo ad essere adattato a questa configurazione10,11. Dec in topi fissi è stato utilizzato per identificare le regioni cerebellari 11,12,13,14,15,16,17 e gli elementi circuitali 11,1 2,13,14,15,18,19 che sono necessari per l’acquisizione e l’estinzione delle attività. Questo approccio è stato utilizzato anche per dimostrare come la rappresentazione fisiologica a livello cellulare dei parametri del compito si evolve con l’apprendimento 13,15,16.

Oltre all’eyeblink, il paradigma del condizionamento tattile dello startle ritardato (DTSC) è stato recentemente sviluppato come un nuovo compito di apprendimento associativo per topi fissi a testa20. Concettualmente simile al DEC, DTSC prevede la presentazione di un CS neutro con un US, un tap to the face di intensità sufficiente per innestare un riflesso di startle21,22 come UR. Nel paradigma DTSC, sia l’UR che il CR vengono letti come locomozione all’indietro su una ruota. DTSC è stato ora utilizzato per scoprire come l’apprendimento associativo altera l’attività cerebellare e i modelli di espressione genica20.

In questo lavoro, è stato sviluppato un metodo per applicare in modo flessibile DEC o DTSC in un’unica piattaforma. Gli attributi di stimolo e piattaforma sono schematizzati nella Figura 1. Il design incorpora la capacità di tracciare il comportamento degli animali con una telecamera e un encoder rotativo per tracciare la locomozione del mouse su una ruota. Tutti gli aspetti della registrazione dei dati e della struttura di prova sono controllati da microcontrollori accoppiati (Arduino) e da un computer a scheda singola (SBC; Raspberry Pi). È possibile accedere a questi dispositivi tramite un’interfaccia utente grafica fornita. Qui presentiamo un flusso di lavoro per l’installazione, la preparazione e l’esecuzione degli esperimenti e una pipeline di analisi personalizzata per la visualizzazione dei dati.

Protocol

I protocolli sugli animali qui descritti sono stati approvati dai comitati per la cura e l’uso degli animali dell’Università di Princeton. 1. Impostazione del CFS Collegare il cavo CSI (Camera Serial Interface) alla telecamera Raspberry NoIR V2 e alla porta della telecamera sull’SBC. Scaricare il sistema operativo per l’SBC sul computer host. Scrivere l’immagine del sistema operativo su una scheda micro secure digital (microSD).NOTA: le istruzioni dett…

Representative Results

Flusso di lavoro per esperimenti e analisi DECUna corretta selezione dei parametri sperimentali è importante per il successo dell’allenamento di condizionamento ritardato dell’occhio (DEC). Per i dati qui presentati, la GUI è stata utilizzata per scegliere una durata CS di 350 ms e una durata STATUNITENSE di 50 ms. Questo accoppiamento si traduce in un intervallo inter-stimolo di 300 ms: abbastanza lungo da prevenire la produzione di CR a bassa ampiezza10 e abbastanza breve …

Discussion

La piattaforma con i protocolli associati qui descritti può essere utilizzata per tracciare in modo affidabile il comportamento animale in due attività di apprendimento associativo sensoriale. Ogni compito dipende dalla comunicazione intatta attraverso il percorso in fibra di arrampicata. Nel progetto qui descritto, incorporiamo elementi per facilitare l’apprendimento e la registrazione / perturbazione della risposta cerebellare. Questi includono una ruota per consentire la locomozione libera <s…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Questo lavoro è supportato da sovvenzioni del National Institutes of Mental Health NRSA F32 MH120887-03 (a G.J.B.) e R01 NS045193 e R01 MH115750 (a S.S-H.W.). Ringraziamo i dottori Bas Koekkoek e Henk-Jan Boele per le discussioni utili per l’ottimizzazione della configurazione DEC e i dottori Yue Wang e Xiaoying Chen per le discussioni utili per ottimizzare la configurazione DTSC.

Materials

"B" Quick Base For C&B METABOND – 10 mL bottle Parkell S398 Dental cement solvent
"C" Universal TBB Catalyst – 0.7 mL Parkell S371 Catalyst
#8 Washers Thorlabs W8S038 Washers
0.250" (1/4") x 8.00" Stainless Steel Precision Shafting Servocity 634172 1/4" shaft
0.250” (0.770") Clamping Hub Servocity 545588 Clamping hub
1/4" to 6 mm Set Screw Shaft Coupler- 5 pack Actobotics 625106 Shaft-coupling sleeve
1/4"-20 Cap Screws, 3/4" Long Thorlabs SH25S075 1/4" bolt
100 pcs 5 mm 395–400 nm UV Ultraviolet LED Light Emitting Diode Clear Round Lens 29 mm Long Lead (DC 3V) LEDs Lights +100 pcs Resistors EDGELEC ‎ED_YT05_U_100Pcs CS LEDs
2 m Micro HDMI to DVI-D Cable – M/M – 2 m Micro HDMI to DVI Cable – 19 pin HDMI (D) Male to DVI-D Male – 1920 x 1200 Video Star-tech ‎HDDDVIMM2M Raspberry Pi4B to monitor cable
256 GB Ultra Fit USB 3.1 Flash Drive SanDisk ‎SDCZ430-256G-G46 USB thumb drive
3.3 V–5 V 4 Channels Logic Level Converter Bi-Directional Shifter Module Amazon B00ZC6B8VM Logic level shifter
32 GB 95 MB/s (U1) microSDHC EVO Select Memory Card Samsung ‎MB-ME32GA/AM microSD card
4.50" Aluminum Channel Servocity 585444 4.5" aluminum channel
48-LED CCTV Ir Infrared Night Vision Illuminator Towallmark SODIAL Infrared light array
4PCS Breadboards Kit Include 2PCS 830 Point 2PCS 400 Point Solderless Breadboards for Proto Shield Distribution Connecting Blocks REXQualis B07DL13RZH Breadboard
5 Port Gigabit Unmanaged Ethernet Network Switch TP-Link ‎TL-SG105 Ethernet switch
5 V 2.5 A Raspberry Pi 3 B+ Power Supply/Adapter Canakit ‎DCAR-RSP-2A5 Power supply for Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3 Ethicon 668G Sutures
6 mm Shaft Encoder 2000 PPR Pushpull Line Driver Universal Output Line Driver Output 5-26 V dc Supply Calt  B01EWER68I Rotary encoder
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 1", 5 Pack Thorlabs TR1-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 2", 5 Pack Thorlabs TR2-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 4", 5 Pack Thorlabs TR4-P5 Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 6", 5 Pack Thorlabs TR6-P5 Optical posts
Ø1/2" Post Holder, Spring-Loaded Hex-Locking Thumbscrew, L = 2" Thorlabs PH2 Optical post holder
Adapter-062-M X LUER LOCK-F The Lee Co. TMRA3201950Z Solenoid valve luer adapter
Aeromat Foam Roller Size: 36" Length Aeromat B002H3CMUE Foam roller
Aluminum Breadboard 10" x 12" x 1/2", 1/4"-20 Taps Thorlabs MB1012 Aluminum breadboard
Amazon Basics HDMI to DVI Adapter Cable, Black, 6 Feet, 1-Pack Amazon HL-007347 Raspberry Pi3B+ to monitor cable
Arduino  Uno R3 Arduino A000066 Arduino Uno (microcontroller board)
Arduino Due Arduino ‎A000062 Arduino Due (microcontroller board)
Bench Power Supply, Single, Adjustable, 3 Output, 0 V, 24 V, 0 A, 2 A Tenma 72-8335A Power supply
Clear Scratch- and UV-Resistant Cast Acrylic Sheet, 12" x 24" x 1/8" McMaster Carr 8560K257 Acrylic sheet
CNC Stepper Motor Driver 1.0–4.2 A 20–50 V DC 1/128 Micro-Step Resolutions for Nema 17 and 23 Stepper Motor Stepper Online B06Y5VPSFN Stepper motor driver
Compact Compressed Air Regulator, Inline Relieving, Brass Housing, 1/4 NPT McMaster Carr 6763K13 Air source regulator
Cotton Swab Puritan 806-WC Cotton swab
Dell 1908FP 19" Flat Panel Monitor – 1908FPC Dell 1908FPC Computer monitor
Flex Cable for Raspberry Pi Camera Adafruit 2144 camera serial interface cable
High Torque Nema 17 Bipolar Stepper Motor 92 oz·in/65 N·cm 2.1 A Extruder Motor Stepper Online 17HS24-2104S Stepper motor
Isoflurane Henry Schein 66794001725 Isoflurane
Krazy Maximum Bond Permanent Glue, 0.18 oz. Krazy Glue KG483 Cyanoacrylate glue
Lidocaine HCl VetOne 510212 Lidocaine
Low-Strength Steel Hex Nut, Grade 2, Zinc-Plated, 1/4"-20 Thread Size McMaster Carr 90473A029 Nuts
M3 x 50 mm Partially Threaded Hex Key Socket Cap Head Screws 10 pcs Uxcell A16040100ux1380 M3 bolt
NEMA 17 Stepper Motor Mount ACTOBOTICS 555152 Stepper motor mount
Official Raspberry Pi Power Supply 5.1 V 3 A with USB C – 1.5 m long Adafruit 4298 Power supply for Raspberry Pi 4B
Optixcare Dog & Cat Eye Lube Lubricating Gel, 0.70-oz tube Optixcare 142422 Opthalimic ointment
Precision Stainless Steel Ball Bearing, Shielded, Trade No. R188-2Z, 13000 rpm Maximum Speed McMaster-Carr 3759T57 Bearing
Premium Female/Female Jumper Wires – 40 x 6" Adafruit 266 Wires
Premium Female/Male 'Extension' Jumper Wires – 40 x 6" (150 mm) Adafruit 826 Wires
Premium Male/Male Jumper Wires – 40 x 6" Adafruit 758 Wires
Radiopaque L-Powder for C&B METABOND – 5 g Parkell S396 Dental cement powder
Raspberry Pi (3B+ or 4B) Adafruit 3775 or 4295 Raspberry Pi
Raspberry Pi NoIR Camera Module V2 – 8MP 1080P30 Raspberry Pi Foundation RPI3-NOIR-V2 Raspberry NoIR V2 camera
Right-Angle Bracket, 1/4" (M6) Counterbored Slot, 8-32 Taps Thorlabs AB90E Right-angle bracket
Right-Angle Clamp for Ø1/2" Posts, 3/16" Hex Thorlabs RA90 Right-angle optical post clamp
Right-Angle End Clamp for Ø1/2" Posts, 1/4"-20 Stud and 3/16" Hex Thorlabs RA180 Right-angle end clamp
RJ45 Cat-6 Ethernet Patch Internet Cable Amazon ‎CAT6-7FT-5P-BLUE Ethernet cable
Rotating Clamp for Ø1/2" Posts, 360° Continuously Adjustable, 3/16" Hex Thorlabs SWC Rotating optical post clamps
Spike & Hold Driver-0.1 TO 5 MS The Lee Co. IECX0501350A Solenoid valve driver
Swivel Base Adapter Thorlabs UPHA Post holder adapter
USB 2.0 A-Male to Micro B Cable, 6 feet Amazon ‎7T9MV4 USB2 type A to USB2 micro cable
USB 2.0 Printer Cable – A-Male to B-Male, 6 Feet (1.8 m) Amazon B072L34SZS USB2 type B to USB2 type A cable
VHS-M/SP-12 V The Lee Co. INKX0514900A Solenoid valve
Zinc-Plated Steel 1/4" washer, OD 1.000" McMaster Carr 91090A108 Washers

References

  1. McCormick, D. A., Lavond, D. G., Clark, G. A., Kettner, R. E., Rising, C. E., Thompson, R. F. The engram found? Role of the cerebellum in classical conditioning of nictitating membrane and eyelid responses. Bulletin of the Psychonomic Society. 18 (3), 103-105 (1981).
  2. McCormick, D. A., Clark, G. A., Lavond, D. G., Thompson, R. F. Initial localization of the memory trace for a basic form of learning. Proceedings of the National Academy of Sciences of the United States of America. 79 (8), 2731-2735 (1982).
  3. McCormick, D. A., Thompson, R. F. Cerebellum: essential involvement in the classically conditioned eyelid response. Science. 223 (4633), 296-299 (1984).
  4. Krupa, D. J., Thompson, J. K., Thompson, R. F. Localization of a memory trace in the mammalian brain. Science. 260 (5110), 989-991 (1993).
  5. Llinás, R., Sugimori, M. Electrophysiological properties of in vitro Purkinje cell dendrites in mammalian cerebellar slices. The Journal of Physiology. 305, 197-213 (1980).
  6. Mintz, M., Lavond, D. G., Zhang, A. A., Yun, Y., Thompson, R. F. Unilateral inferior olive NMDA lesion leads to unilateral deficit in acquisition and retention of eyelid classical conditioning. Behavioral and Neural Biology. 61 (3), 218-224 (1994).
  7. Welsh, J. P., Harvey, J. A. Cerebellar lesions and the nictitating membrane reflex: performance deficits of the conditioned and unconditioned response. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 9 (1), 299-311 (1989).
  8. Mauk, M. D., Steinmetz, J. E., Thompson, R. F. Classical conditioning using stimulation of the inferior olive as the unconditioned stimulus. Proceedings of the National Academy of Sciences of the United States of America. 83 (14), 5349-5353 (1986).
  9. Steinmetz, J. E., Lavond, D. G., Thompson, R. F. Classical conditioning in rabbits using pontine nucleus stimulation as a conditioned stimulus and inferior olive stimulation as an unconditioned stimulus. Synapse. 3 (3), 225-233 (1989).
  10. Chettih, S. N., McDougle, S. D., Ruffolo, L. I., Medina, J. F. Adaptive timing of motor output in the mouse: The role of movement oscillations in eyelid conditioning. Frontiers in Integrative Neuroscience. 5, 72 (2011).
  11. Heiney, S. A., Wohl, M. P., Chettih, S. N., Ruffolo, L. I., Medina, J. F. Cerebellar-dependent expression of motor learning during eyeblink conditioning in head-fixed mice. The Journal of Neuroscience. 34 (45), 14845-14853 (2014).
  12. Heiney, S. A., Kim, J., Augustine, G. J., Medina, J. F. Precise control of movement kinematics by optogenetic inhibition of purkinje cell activity. Journal of Neuroscience. 34 (6), 2321-2330 (2014).
  13. Ten Brinke, M. M., et al. Evolving models of pavlovian conditioning: Cerebellar cortical dynamics in awake behaving mice. Cell Reports. 13 (9), 1977-1988 (2015).
  14. Gao, Z., et al. Excitatory cerebellar nucleocortical circuit provides internal amplification during associative conditioning. Neuron. 89 (3), 645-657 (2016).
  15. Giovannucci, A., et al. Cerebellar granule cells acquire a widespread predictive feedback signal during motor learning. Nature Neuroscience. 20 (5), 727-734 (2017).
  16. Ten Brinke, M. M., et al. Dynamic modulation of activity in cerebellar nuclei neurons during pavlovian eyeblink conditioning in mice. eLife. 6, 28132 (2017).
  17. Wang, X., Yu, S., Ren, Z., De Zeeuw, C. I., Gao, Z. A FN-MdV pathway and its role in cerebellar multimodular control of sensorimotor behavior. Nature Communications. 11 (1), 6050 (2020).
  18. Albergaria, C., Silva, N. T., Pritchett, D. L., Carey, M. R. Locomotor activity modulates associative learning in mouse cerebellum. Nature Neuroscience. 21 (5), 725-735 (2018).
  19. Kim, O. A., Ohmae, S., Medina, J. F. A cerebello-olivary signal for negative prediction error is sufficient to cause extinction of associative motor learning. Nature Neuroscience. 23 (12), 1550-1554 (2020).
  20. Yamada, T., et al. Sensory experience remodels genome architecture in neural circuit to drive motor learning. Nature. 569 (7758), 708-713 (2019).
  21. Horlington, M. Startle response circadian rhythm in rats: lack of correlation with motor activity. Physiology & Behavior. 5 (1), 49-53 (1970).
  22. Yeomans, J. S., Li, L., Scott, B. W., Frankland, P. W. Tactile, acoustic and vestibular systems sum to elicit the startle reflex. Neuroscience and Biobehavioral Reviews. 26 (1), 1-11 (2002).
  23. . Raspberry Pi Operating system images Available from: https://www.raspberrypi.com/software/operationg-systems/ (2021)
  24. . VNC Server. VNC® Connect Available from: https://www.realvnc.com/en/connect/download/vnc/ (2021)
  25. . Anaconda: The world’s most popular data science platform Available from: https://xddebuganaconda.xdlab.co/ (2021)
  26. De Zeeuw, C. I., Ten Brinke, M. M. Motor learning and the cerebellum. Cold Spring Harbor Perspectives in Biology. 7 (9), 021683 (2015).
  27. Badura, A., et al. Normal cognitive and social development require posterior cerebellar activity. eLife. 7, 36401 (2018).
  28. Koekkoek, S. K. E., Den Ouden, W. L., Perry, G., Highstein, S. M., De Zeeuw, C. I. Monitoring kinetic and frequency-domain properties of eyelid responses in mice with magnetic distance measurement technique. Journal of Neurophysiology. 88 (4), 2124-2133 (2002).
  29. Kloth, A. D., et al. Cerebellar associative sensory learning defects in five mouse autism models. eLife. 4, 06085 (2015).
  30. Boele, H. -. J., Koekkoek, S. K. E., De Zeeuw, C. I. Cerebellar and extracerebellar involvement in mouse eyeblink conditioning: the ACDC model. Frontiers in Cellular Neuroscience. 3, (2010).
  31. Lin, C., Disterhoft, J., Weiss, C. Whisker-signaled eyeblink classical conditioning in head-fixed Mice. Journal of Visualized Experiments: JoVE. (109), e53310 (2016).
  32. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  33. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).

Play Video

Citer Cet 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).

View Video