Een open-source virtual reality-systeem voor het meten van ruimtelijk leren bij hoofdremmende muizen

Ruimtelijke navigatie is een ethologisch belangrijk gedrag waarbij dieren de kenmerken van nieuwe locaties coderen in een cognitieve kaart, die wordt gebruikt voor het vinden van gebieden met mogelijke beloning en het vermijden van gebieden met potentieel gevaar. Onlosmakelijk verbonden met het geheugen, delen de cognitieve processen die ten grondslag liggen aan ruimtelijke navigatie een neuraal substraat in de hippocampus¹ en cortex, waar neurale circuits in deze gebieden binnenkomende informatie integreren en cognitieve kaarten van omgevingen en gebeurtenissen vormen voor latere herinnering². Hoewel de ontdekking van plaatscellen in de hippocampus^3,4 en rastercellen in de entorhinale cortex⁵ licht heeft geworpen op hoe de cognitieve kaart in de hippocampus wordt gevormd, blijven er veel vragen over hoe specifieke neurale subtypen, microcircuits en individuele subregio’s van de hippocampus (de gyrus dentate en cornu ammonis-gebieden^, CA3-1) interageren en deelnemen aan ruimtelijke geheugenvorming en -herinnering.

In vivo beeldvorming van twee fotonen is een nuttig hulpmiddel geweest bij het blootleggen van cellulaire en populatiedynamiek in sensorische neurofysiologie ^6,7; De typische noodzaak voor hoofdsteun beperkt echter het nut van deze methode voor het onderzoeken van ruimtelijk gedrag van zoogdieren. De komst van virtual reality (VR)8 heeft deze tekortkoming aangepakt door meeslepende en realistische visuospatiale omgevingen te presenteren terwijl hoofd-ingetogen muizen op een bal of loopband rennen om ruimtelijke en contextuele codering in de hippocampus ^8,9,10 en cortex ¹¹ te bestuderen. Bovendien heeft het gebruik van VR-omgevingen met zich gedragende muizen neurowetenschappelijke onderzoekers in staat gesteld om de componenten van ruimtelijk gedrag te ontleden door de elementen van de VR-omgeving¹² (bijv. Visuele stroom, contextuele modulatie) nauwkeurig te regelen op manieren die niet mogelijk zijn in real-world experimenten van ruimtelijk leren, zoals het Morris waterdoolhof, Barnes doolhof of hole board-taken.

Visuele VR-omgevingen worden meestal gerenderd op de grafische verwerkingseenheid (GPU) van een computer, die de belasting van het snel berekenen van de duizenden polygonen verwerkt die nodig zijn om een bewegende 3D-omgeving in realtime op een scherm te modelleren. De grote verwerkingsvereisten vereisen over het algemeen het gebruik van een afzonderlijke pc met een GPU die de visuele omgeving weergeeft aan een monitor, meerdere schermen¹³ of een projector¹⁴ terwijl de beweging wordt opgenomen vanaf een loopband, wiel of schuimbal onder het dier. Het resulterende apparaat voor het besturen, renderen en projecteren van de VR-omgeving is daarom relatief duur, omvangrijk en omslachtig. Bovendien zijn veel van dergelijke omgevingen in de literatuur geïmplementeerd met behulp van propriëtaire software die zowel duur is als alleen op een speciale pc kan worden uitgevoerd.

Om deze redenen hebben we een open-source VR-systeem ontworpen om ruimtelijk leergedrag bij hoofd-ingetogen muizen te bestuderen met behulp van een Raspberry Pi single-board computer. Deze Linux-computer is zowel klein als goedkoop, maar bevat een GPU-chip voor 3D-rendering, waardoor VR-omgevingen kunnen worden geïntegreerd met het weergave- of gedragsapparaat in verschillende individuele opstellingen. Verder hebben we een grafisch softwarepakket ontwikkeld dat is geschreven in Python, “HallPassVR”, dat de single-board computer gebruikt om een eenvoudige visuospatiale omgeving, een virtuele lineaire track of gang weer te geven, door aangepaste visuele functies die zijn geselecteerd met behulp van een grafische gebruikersinterface (GUI) opnieuw te combineren. Dit wordt gecombineerd met microcontroller-subsystemen (bijv. ESP32 of Arduino) om voortbeweging te meten en gedrag te coördineren, zoals door de levering van andere modaliteiten van sensorische stimuli of beloningen om reinforcement learning te vergemakkelijken. Dit systeem biedt een goedkope, flexibele en eenvoudig te gebruiken alternatieve methode voor het leveren van visuospatiale VR-omgevingen aan hoofd-ingehouden muizen tijdens twee-foton beeldvorming (of andere technieken die hoofdfixatie vereisen) voor het bestuderen van de neurale circuits die ten grondslag liggen aan ruimtelijk leergedrag.