Автоматизированная Крыса Одно-Пелле Достижение с 3-мерной реконструкции лапы и Digit траектории

Люди сильно зависят от ловкого умения, определяемого как движения, требующие точно скоординированных многосовместных и цифровых движений. На эти навыки влияет целый ряд общих патологий центральной нервной системы, включая структурные поражения (например, инсульт, опухоль, демиелинизирующие поражения), нейродегенеративные заболевания (например, болезнь Паркинсона) и функциональные аномалии двигательных заболеваний схемы (например, дистония). Понимание того, как ловкие навыки изучаются и реализуются центральными автотранспортными схемами, поэтому имеет потенциал для улучшения качества жизни для большого населения. Кроме того, такое понимание, вероятно, улучшит двигательные показатели у здоровых людей за счет оптимизации стратегий обучения и реабилитации.

Вскрытие нейронных цепей, лежащих в основе ловких навыков в организме человека, ограничено технологическими и этическими соображениями, что требует использования моделей животных. Нечеловеческие приматы обычно используются для изучения ловких движений конечностей, учитывая сходство их двигательных систем и поведенческого репертуара с людьми¹. Тем не менее, нечеловеческие приматы стоят дорого с длинным временем генерации, ограничивая количество испытуемых и генетических вмешательств. Кроме того, в то время как нейронаучный инструментарий, применимый к нечеловеческим приматам, больше, чем для людей, многие последние технологические достижения либо недоступны, либо значительно ограничены у приматов.

Родоводский охват является дополнительным подходом к изучению ловкого управления двигателем. Крысы и мыши могут быть обучены, чтобы достичь, понять, и получить сахарные гранулы в стереотипной последовательности движений гомологичным для человека достижения моделей². Из-за их относительно короткого времени генерации и более низких расходов на жилье, а также их способности приобретать квалифицированных достижения в течение нескольких дней до нескольких недель, можно изучать большое количество предметов в течение обучения и навыков консолидации фаз. Использование грызунов, особенно мышей, также облегчает использование мощных современных нейронаучных инструментов (например, оптогенетика, изображения кальция, генетические модели болезни) для изучения ловких навыков.

Грызун квалифицированных достижения была использована в течение десятилетий для изучения нормального управления двигателем и как она зависит от конкретных патологий, как инсульт и болезнь Паркинсона³. Тем не менее, большинство версий этой задачи являются трудоемкими и трудоемкими, смягчая преимущества изучения грызунов. Типичные реализации включают размещение грызунов в камере достижения с полкой перед узким слотом, через который должен попасть грызун. Исследователь вручную помещает сахарные гранулы на полку, ждет, пока животное достигнет, а затем помещает еще один. Достижения забиваются как успехи или неудачи либо в режиме реального времени или видео-обзор⁴. Тем не менее, просто забил достигает, как успехи или неудачи игнорирует богатые кинематические данные, которые могут обеспечить понимание того, как (в отличие от просто ли) достижения нарушается. Эта проблема была решена путем осуществления подробного обзора достижения видео для выявления и полуколичественно оценка достичь submovements⁵. Хотя это добавило некоторые данные относительно достичь кинематики, это также значительно увеличило время и усилия экспериментаторов. Кроме того, высокий уровень вовлеченности экспериментаторов может привести к несоответствиям в методологии и анализе данных, даже в рамках одной лаборатории.

В последнее время было разработано несколько автоматизированных версий квалифицированного охвата. Некоторые прикрепляютсяк домашней клетке 6,^7,устраняя необходимость переноса животных. Это как снижает нагрузку на животных и устраняет необходимость акклиматизации их в специализированной камере достижения. Другие версии позволяют отслеживать лапы, так чтокинематические изменения при конкретных вмешательствах могут быть изучены 8,^9,10,или иметь механизмы, чтобы автоматически определить, если гранулы были сбиты с полки¹¹. Автоматизированные квалифицированные задачи достижения особенно полезны для высокоинтенсивных тренировок, так как может потребоваться для реабилитации после травмы^12. Автоматизированные системы позволяют животным выполнять большое количество достигает в течение длительных периодов времени, не требуя интенсивного участия исследователя. Кроме того, системы, позволяющие отслеживать лапы и автоматизированный подсчет результатов, сокращают время, затрачиваемые исследователем на проведение анализа данных.

Мы разработали автоматизированную систему квалифицированного охвата крыс с несколькими специализированными функциями. Во-первых, с помощью подвижного пьедестала довести гранулы в “достижение позиции” снизу, мы получаем почти беспрепятственный вид передних конечностей. Во-вторых, система зеркал позволяет несколько одновременных видов досягаемости с одной камерой, что позволяет трехмерной (3-D) реконструкции траекторий досягаемости с помощью высокой скорости (300 кадров в секунду) камеры. С недавней разработкой надежных алгоритмов машинного обучения для отслеживания маркеров^{движения 13}, мы теперь отслеживаем не только лапу, но и отдельные костяшки пальцев, чтобы извлечь подробный охват и понять кинематику. В-третьих, захват кадра, выполняющий простую обработку видео, позволяет в режиме реального времени идентифицировать различные фазы достижения. Эта информация используется для запуска видео приобретения (непрерывное приобретение видео не практично из-за размера файла), а также может быть использован для запуска вмешательства (например, оптогенетика) в точные моменты. Наконец, отдельные видеокадры запускаются импульсами транзисторно-транзисторной логики (TTL), что позволяет точно синхронизировать видео с нейронными записями (например, электрофизиологией или фотометрией). Здесь мы описываем, как построить эту систему, обучить крыс выполнять задачу, синхронизировать аппарат с внешними системами и реконструировать трехмерные траектории охвата.