Automatizado Rat single-pellet atingindo com 3-dimensional reconstrução de pata e dígitos trajetórias

Os seres humanos dependem fortemente da habilidade destreza, definida como movimentos que exigem movimentos multiarticulares e de dígitos precisamente coordenados. Essas habilidades são afetadas por uma série de patologias comuns do sistema nervoso central, incluindo lesões estruturais (por exemplo, acidente vascular cerebral, tumor, lesões desmielinantes), doença neurodegenerativa (por exemplo, doença de Parkinson) e anormalidades funcionais do motor circuitos (por exemplo, distonia). Entender como habilidades destosas são aprendidas e implementadas por circuitos motores centrais, portanto, tem o potencial de melhorar a qualidade de vida de uma grande população. Além disso, tal entendimento é susceptível de melhorar o desempenho motor em pessoas saudáveis, otimizando estratégias de treinamento e reabilitação.

A dissecação dos circuitos neurais subjacentes à habilidade destreza em humanos é limitada por considerações tecnológicas e éticas, necessitando do uso de modelos animais. Os primatas não humanos são comumente usados para estudar movimentos de membros dexterosos, dada a semelhança de seus sistemas motores e repertório comportamental para os seres humanos¹. No entanto, os primatas não humanos são caros com tempos de geração longos, limitando números de sujeitos de estudo e intervenções genéticas. Além disso, enquanto a caixa de ferramentas neurocientífica aplicável aos primatas não humanos é maior do que para os seres humanos, muitos avanços tecnológicos recentes estão indisponíveis ou significativamente limitados em primatas.

O alcance hábil do roedor é uma aproximação complementar a estudar o controle de motor Dexterous. Ratos e camundongos podem ser treinados para alcançar, agarrar e recuperar uma pelota de açúcar em uma seqüência estereotipada de movimentos homous aos padrões de alcance humano². Devido ao seu tempo de geração relativamente curto e menor custo de habitação, bem como a sua capacidade de adquirir qualificados atingindo ao longo de dias a semanas, é possível estudar um grande número de assuntos durante as fases de aprendizagem e de consolidação de habilidades. O uso de roedores, especialmente camundongos, também facilita o uso de poderosas ferramentas neurocientíficas modernas (por exemplo, optogenética, imagem de cálcio, modelos genéticos da doença) para estudar habilidade destreza.

O alcance hábil do roedor foi usado por décadas para estudar o controle normal do motor e como é afetado por patologias específicas como o curso e a doença de Parkinson³. No entanto, a maioria das versões desta tarefa são de trabalho e tempo intensivo, mitigando os benefícios de estudar roedores. As implementações típicas envolvem a colocação de roedores em uma câmara de alcance com uma prateleira na frente de um entalhe estreito através de que o roedor deve alcangar. Um pesquisador coloca manualmente pelotas de açúcar na prateleira, aguarda o animal chegar e, em seguida, coloca um outro. Atinge são marcados como sucessos ou falhas em tempo real ou por vídeo revisão⁴. No entanto, simplesmente marcar atinge como sucessos ou falhas ignora dados cinemáticos ricos que podem fornecer informações sobre como (ao contrário de simplesmente se) atingindo é prejudicada. Este problema foi abordado através da implementação de uma revisão detalhada do alcance dos vídeos para identificar e pontuar os submovimentos do alcance do escore⁵. Enquanto isso acrescentou alguns dados sobre a cinemática de alcance, também aumentou significativamente o tempo e o esforço do experimentador. Além disso, altos níveis de envolvimento experimentador podem levar a inconsistências na metodologia e análise de dados, mesmo dentro do mesmo laboratório.

Mais recentemente, várias versões automatizadas de alcance hábil foram desenvolvidas. Alguns atribuem à gaiola de casa^6,7, eliminando a necessidade de transferir animais. Isto reduz o stress nos animais e elimina a necessidade de aclimatar os a uma câmara de alcance especializada. Outras versões permitem o seguimento da pata de modo que as mudanças cinemáticas intervenções específicas possam ser estudadas^8,9,10, ou têm mecanismos para determinar automaticamente se as pelotas foram derrubados fora da prateleira¹¹. As tarefas de alcance hábil automatizadas são especialmente úteis para o treinamento de alta intensidade, como pode ser exigido para a reabilitação após uma lesão¹². Os sistemas automatizados permitem que os animais realizem um grande número de alcances sobre longos períodos de tempo sem exigir a participação intensiva do investigador. Além disso, os sistemas que permitem rastreamento de pata e pontuação de resultado automatizada reduzem o tempo de pesquisador gasto realizando a análise de dados.

Nós desenvolvemos um sistema automatizado de alcance hábil do rato com diversas características especializadas. Primeiramente, usando um suporte móvel para trazer o pellet em “alcançando a posição” de abaixo, nós obtemos uma vista quase desobstruída do forelimb. Em segundo lugar, um sistema de espelhos permite múltiplas visões simultâneas do alcance com uma única câmera, permitindo a reconstrução tridimensional (3-D) de trajetórias de alcance usando uma câmera de alta resolução, de alta velocidade (300 fps). Com o desenvolvimento recente de algoritmos de aprendizado de máquina robustos para rastreamento de movimento alinhamento¹³, agora rastreamos não só a pata, mas os Knuckles individuais para extrair o alcance detalhado e compreender a cinemática. Em terceiro lugar, um frame-grabber que executa o processamento de vídeo simples permite a identificação em tempo real de distintas fases de alcance. Essas informações são usadas para acionar a aquisição de vídeo (a aquisição contínua de vídeo não é prática devido ao tamanho do arquivo) e também pode ser usada para acionar intervenções (por exemplo, optogenética) em momentos precisos. Finalmente, os frames video individuais são disparados pelos pulsos da lógica do transistor-transistor (TTL), permitindo que o vídeo seja sincronizado precisamente com as gravações neural (por exemplo, eletrofisiologia ou fotometria). Aqui, descrevemos como construir este sistema, treinar ratos para executar a tarefa, sincronizar o aparelho com sistemas externos, e reconstruir as trajetórias de alcance 3-D.