Automatisierte Ratte Single-Pellet Erreichen mit 3-dimensionalen Rekonstruktion von Pfoten- und Digit-Trajektorien

Der Mensch ist stark von geschicktem Geschick abhängig, definiert als Bewegungen, die präzise aufeinander abgestimmte mehrgelenke und ziffernförmige Bewegungen erfordern. Diese Fähigkeiten werden durch eine Reihe von häufigen Erkrankungen des zentralen Nervensystems beeinflusst, einschließlich struktureller Läsionen (z. B. Schlaganfall, Tumor, demyelinisierende Läsionen), neurodegenerative Erkrankungen (z. B. Parkinson-Krankheit) und funktionelle Anomalien (z. B. Dystonie). Zu verstehen, wie geschickte Fähigkeiten von zentralen Motorkreisläufen erlernt und umgesetzt werden, hat daher das Potenzial, die Lebensqualität einer großen Bevölkerung zu verbessern. Darüber hinaus dürfte ein solches Verständnis die motorische Leistung bei gesunden Menschen verbessern, indem sie Trainings- und Rehabilitationsstrategien optimiert.

Die Sezieren der neuronalen Schaltkreise, die der Geschicklichkeit beim Menschen zugrunde liegen, wird durch technologische und ethische Überlegungen begrenzt, was die Verwendung von Tiermodellen erfordert. Nichtmenschliche Primaten werden häufig verwendet, um geschickte Gliedmaßenbewegungen zu studieren, da ihre motorischen Systeme und ihr Verhaltensrepertoire mit dem Menschen vergleichbar sind¹. Nichtmenschliche Primaten sind jedoch mit langen Erzeugungszeiten teuer, was die Anzahl der Studienteilnehmer und genetische Interventionen begrenzt. Während die neurowissenschaftliche Toolbox für nichtmenschliche Primaten größer ist als für den Menschen, sind viele technologische Fortschritte in jüngster Zeit entweder nicht verfügbar oder bei Primaten erheblich begrenzt.

Nagetier-Fachkräfte erreichen ist ein komplementärer Ansatz, um geschickte Motorsteuerung zu studieren. Ratten und Mäuse können trainiert werden, um ein Zuckerpellet in einer stereotypen Abfolge von Bewegungen zu erreichen, zu greifen und zurückzuholen, die homologe zu menschlichen Reichweitemustern²sind. Aufgrund ihrer relativ kurzen Erzeugungszeit und niedrigeren Wohnkosten sowie ihrer Fähigkeit, über Tage bis Wochen qualifizierte Fachkräfte zu erwerben, ist es möglich, eine große Anzahl von Fächern sowohl in Lern- als auch in Qualifikationskonsolidierungsphasen zu studieren. Der Einsatz von Nagetieren, insbesondere Mäusen, erleichtert auch den Einsatz leistungsstarker moderner neurowissenschaftlicher Werkzeuge (z. B. Optogenetik, Kalziumbildgebung, genetische Modelle von Krankheiten), um geschickte Fähigkeiten zu studieren.

Nagetier-Fachkräfte erreichen wird seit Jahrzehnten verwendet, um normale motorische Kontrolle zu studieren und wie es von bestimmten Pathologien wie Schlaganfall und Parkinson-Krankheit betroffen ist³. Die meisten Versionen dieser Aufgabe sind jedoch arbeits- und zeitintensiv und mindern die Vorteile des Studiums von Nagetieren. Typische Umsetzungen beinhalten das Platzieren von Nagetieren in einer Durchgangskammer mit einem Regal vor einem schmalen Schlitz, durch den das Nagetier gelangen muss. Ein Forscher legt Zuckerpellets manuell ins Regal, wartet auf das Erreichen des Tieres und legt dann ein anderes. Erreicht wird als Erfolge oder Misserfolge entweder in Echtzeit oder per Video-Rezension⁴bewertet. Das einfache Scoring von Reichweiten als Erfolge oder Misserfolge ignoriert jedoch reiche kinematische Daten, die einen Einblick in das (im Gegensatz zu der bloßen Frage) des Erreichens geben können. Dieses Problem wurde durch die Implementierung einer detaillierten Überprüfung der Erreichen von Videos angegangen, um die Teilsätze⁵zu identifizieren und semiquantitativ zu bewerten. Während dies einige Daten über Die Kinematik hinzugefügt, es auch deutlich erhöht Experimentator Zeit und Aufwand. Darüber hinaus kann ein hohes Maß an Experimentierbeteiligung zu Inkonsistenzen bei der Methodik und Datenanalyse führen, selbst innerhalb desselben Labors.

In jüngerer Zeit wurden mehrere automatisierte Versionen von qualifizierten Erreichen entwickelt. Einige befestigen sich am hauseigenen Käfig^6,7, wodurch die Notwendigkeit, Tiere zu übertragen, entfallen. Dies reduziert sowohl die Belastung der Tiere als auch die Notwendigkeit, sie an eine spezialisierte Zusendekammer zu akklimatisieren. Andere Versionen ermöglichen Pfotenverfolgung, so dass kinematische Veränderungen unter bestimmten Interventionen untersucht werden können^8,9,10, oder haben Mechanismen, um automatisch zu bestimmen, ob Pellets aus dem Regal geworfen wurden¹¹. Automatisierte qualifizierte Aufgaben sind besonders nützlich für hochintensives Training, wie es für die Rehabilitation nach einer Verletzung erforderlich sein kann¹². Automatisierte Systeme ermöglichen es Tieren, eine große Anzahl von Reichweiten über lange Zeiträume durchzuführen, ohne dass eine intensive Beteiligung von Forschern erforderlich ist. Darüber hinaus reduzieren Systeme, die Pfotenverfolgung und automatisierte Ergebnisbewertung ermöglichen, die Zeit, die forscher für die Datenanalyse aufgewendet werden.

Wir haben ein automatisiertes Ratten-Fachkräfte-Greifsystem mit mehreren speziellen Funktionen entwickelt. Erstens erhalten wir mit einem beweglichen Sockel, um das Pellet von unten in “Erreichbare Position” zu bringen, einen nahezu ungehinderten Blick auf das Vorderglied. Zweitens ermöglicht ein System von Spiegeln mehrere gleichzeitige Ansichten der Reichweite mit einer einzigen Kamera, wodurch eine dreidimensionale (3-D) Rekonstruktion von Reichweitenbahnen mit einer hochauflösenden, hochschnellen (300 fps) Kamera ermöglicht wird. Mit der jüngsten Entwicklung robuster Machine Learning-Algorithmen für markerloses Bewegungstracking¹³verfolgen wir nun nicht nur die Pfote, sondern auch einzelne Knöchel, um detaillierte Reichweiten zu extrahieren und Kinematik zu erfassen. Drittens ermöglicht ein Framegrabber, der eine einfache Videoverarbeitung durchführt, die Echtzeit-Identifikation verschiedener Erreichensphasen. Diese Informationen werden verwendet, um die Videoaufnahme auszulösen (kontinuierliche Videoerfassung ist aufgrund der Dateigröße nicht praktikabel) und können auch verwendet werden, um Interventionen (z. B. Optogenetik) in genauen Momenten auszulösen. Schließlich werden einzelne Videoframes durch Transistor-Transistor-Logik(TTL)-Impulse ausgelöst, so dass das Video präzise mit neuronalen Aufnahmen (z.B. Elektrophysiologie oder Photometrie) synchronisiert werden kann. Hier beschreiben wir, wie man dieses System baut, Ratten trainiert, um die Aufgabe auszuführen, das Gerät mit externen Systemen zu synchronisieren und 3D-Reichweiten zu rekonstruieren.