PyOKR: Optokinetik Refleks İzleme Yeteneğini Ölçmek İçin Yarı Otomatik Bir Yöntem
Summary
Burada, iki boyutlu görüntü hareketine verilen görsel tepkilerden kaynaklanan göz hareketlerini doğrudan ölçen yarı otomatik bir nicel analiz yöntemi olan PyOKR’yi açıklıyoruz. Python tabanlı bir kullanıcı arayüzü ve analiz algoritması, önceki yöntemlere göre daha yüksek verim ve göz izleme parametrelerinin daha doğru nicel ölçümlerine olanak tanır.
Abstract
Görsel uyaranlara verilen davranışsal tepkilerin incelenmesi, görsel sistem işlevini anlamanın önemli bir bileşenidir. Dikkate değer bir yanıt, retinada görüntü stabilizasyonu için gerekli olan yüksek oranda korunmuş doğuştan gelen bir davranış olan optokinetik reflekstir (OKR). OKR, görüntü izleme yeteneğinin sağlam bir şekilde okunmasını sağlar ve farklı genetik geçmişlere sahip hayvanlarda görsel sistem devrelerini ve işlevini anlamak için kapsamlı bir şekilde incelenmiştir. OKR iki aşamadan oluşur: göz, görsel düzlemin kenarına kadar bir uyaranı takip ederken yavaş bir izleme aşaması ve gözün yörüngedeki konumunu sıfırlayan telafi edici bir hızlı faz sakkad. Önceki izleme kazancı niceleme yöntemleri, güvenilir olmasına rağmen, emek yoğundur ve öznel veya keyfi olarak türetilebilir. Göz izleme yeteneğinin daha hızlı ve tekrarlanabilir bir şekilde ölçülmesini sağlamak için, her türlü video-okülografi ekipmanına uyarlanabilir olmanın yanı sıra, herhangi bir yönlü uyarana yanıt olarak iki boyutlu göz izleme hareketinin nicelleştirilmesine olanak tanıyan yeni bir yarı otomatik analiz programı olan PyOKR’yi geliştirdik. Bu yöntem, otomatik filtreleme, yavaş izleme aşamalarının seçimi, dikey ve yatay göz vektörlerinin modellenmesi, uyaran hızına göre göz hareketi kazanımlarının nicelleştirilmesi ve elde edilen verilerin istatistiksel ve grafiksel karşılaştırmalar için kullanılabilir bir elektronik tablo halinde düzenlenmesini sağlar. PyPI içe aktarma yoluyla kolayca erişilebilen bu nicel ve kolaylaştırılmış analiz hattı, OKR yanıtlarının hızlı ve doğrudan ölçümünü sağlayarak görsel davranışsal yanıtların incelenmesini kolaylaştırır.
Introduction
Görüntü sabitleme, kendi kendine hareket sırasında meydana gelen küresel optik akışı telafi etmek için hassas okülomotor tepkilere dayanır. Bu stabilizasyon esas olarak iki motor tepki tarafından yönlendirilir: optokinetik refleks (OKR) ve vestibülo-oküler refleks (VOR)1,2,3. Retina boyunca yavaş küresel hareket, görüntüyü 1,2 stabilize etmek için karşılık gelen yönde refleksif göz dönüşünü ortaya çıkaran OKR’yi indükler. Yavaş faz olarak bilinen bu hareket, yeni bir yavaş faza izin vermek için gözün hızla ters yönde sıfırlandığı hızlı faz olarak bilinen telafi edici sakkadlar tarafından kesintiye uğrar. Burada, bu hızlı fazlı sakkadları göz izleme hareketleri (ETM’ler) olarak tanımlıyoruz. VOR, kafa hareketlerini telafi etmek için göz hareketlerini ortaya çıkarmak için vestibüler sistemegüvenirken, OKR, ON’un ateşlenmesi ve ardından orta beyindeki Aksesuar Optik Sisteme (AOS) sinyal gönderilmesiyleretinada başlatılır 4,5. Retina devrelerine doğrudan bağlı olması nedeniyle OKR, hem araştırma hem de klinik ortamlarda görsel izleme yeteneğini belirlemek için sıklıkla kullanılmaktadır 6,7.
OKR, temel görme yeteneği 2,6,8, DSGC gelişimi 9,10,11,12, okülomotor yanıtlar13 ve genetik arka planlar arasındaki fizyolojik farklılıkları7 değerlendirmek için bir araç olarak kapsamlı bir şekilde incelenmiştir. OKR, hareketli bir uyaranla sunulan başa sabitlenmiş hayvanlarda değerlendirilir14. Okülomotor tepkiler tipik olarak çeşitli video araçları kullanılarak yakalanır ve göz izleme hareketleri yatay ve dikey yönlerde OKR dalga biçimleri olarak yakalanır9. İzleme yeteneğini ölçmek için iki temel metrik tanımlanmıştır: izleme kazancı (uyaranın hızına göre gözün hızı) ve ETM frekansı (belirli bir zaman dilimi boyunca hızlı faz sakkadlarının sayısı). Kazancın hesaplanması, izleme yeteneğini tahmin etmek için gözün açısal hızını doğrudan ölçmek için tarihsel olarak kullanılmıştır; Bununla birlikte, bu hesaplamalar emek yoğundur ve video-okülografi toplama yöntemlerine ve müteakip nicelemeye dayalı olarak keyfi olarak türetilebilir. Daha hızlı OKR değerlendirmesi için, ETM frekansının sayımı, izleme keskinliğini ölçmek için alternatif bir yöntem olarak kullanılmıştır7. Bu, izleme yeteneğinin oldukça doğru bir tahminini sağlasa da, bu yöntem yavaş faz tepkisini ölçmek için dolaylı bir metriğe dayanır ve bir dizi önyargı ortaya çıkarır. Bunlar, sakkad belirlemede bir gözlemci yanlılığını, belirli bir dönem boyunca zamansal olarak tutarlı sakkadik tepkilere güvenmeyi ve yavaş faz tepkisinin büyüklüğünü değerlendiremeyi içerir.
Bu endişeleri mevcut OKR değerlendirme yaklaşımlarıyla ele almak ve OKR parametrelerinin yüksek verimli derinlemesine nicelleştirilmesini sağlamak için, OKR dalga formlarını ölçmek için yeni bir analiz yöntemi geliştirdik. Yaklaşımımız, “PyOKR” adlı erişilebilir bir Python tabanlı yazılım platformu kullanıyor. Bu yazılımı kullanarak, OKR yavaş faz tepkilerinin modellenmesi ve nicelleştirilmesi daha derinlemesine ve daha fazla parametrelendirme ile incelenebilir. Yazılım, sayısız görsel uyarana verilen yanıtların erişilebilir ve tekrarlanabilir nicel değerlendirmelerini ve ayrıca yatay ve dikey harekete yanıt olarak iki boyutlu görsel izlemeyi sağlar.
Protocol
Representative Results
Discussion
PyOKR, göz hareketlerine yansıyan görsel tepkileri incelemek için çeşitli avantajlar sağlar. Bunlar, parametrelendirme ve değişken uyaran hızlarını dahil etme yeteneğine ek olarak doğruluk, erişilebilirlik ve veri toplama seçeneklerini içerir.
Doğrudan göz izleme kazancı değerlendirmesi, hızlı fazlı sakkadların (ETM’ler) geleneksel manuel sayımından daha doğrudan bir nicel ölçüm olan göz hareketinin doğru bir karakterizasyonunu sağlar. Yararlı olmasına rağm…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Bu çalışma R01 EY032095 (ALK), VSTP doktora öncesi bursu 5T32 EY7143-27 (JK), F31 EY-033225 (SCH), R01 EY035028 (FAD ve ALK) ve R01 EY-029772 (FAD) tarafından desteklenmiştir.
Materials
| C57BL/6J mice | Jackson Labs | 664 | |
| Igor Pro | WaveMetrics | RRID: SCR_000325 | |
| MATLAB | MathWorks | RRID: SCR_001622 | |
| Optokinetic reflex recording chamber – JHUSOM | Custom-built | N/A | As described in Al-Khindi et al.(2022)9 and Kodama et al. (2016)13 |
| Optokinetic reflex recording chamber – UCSF | Custom-built | N/A | As described in Harris and Dunn, 201510 |
| Python | Python Software Foundation | RRID: SCR_008394 | |
| Tbx5 flox/+ mice | Gift from B. Bruneau | N/A | As described in Al-Khindi et al.(2022)9 |
| Tg(Pcdh9-cre)NP276Gsat/Mmucd | MMRRC | MMRRC Stock # 036084-UCD; RRID: MMRRC_036084-UCD |
References
- Stahl, J. S. Using eye movements to assess brain function in mice. Vision Res. 44 (28), 3401-3410 (2004).
- Kretschmer, F., Tariq, M., Chatila, W., Wu, B., Badea, T. C. Comparison of optomotor and optokinetic reflexes in mice. J Neurophysiol. 118, 300-316 (2017).
- Bronstein, A. M., Patel, M., Arshad, Q. A brief review of the clinical anatomy of the vestibular-ocular connections – How much do we know. Eye. 29 (2), 163-170 (2015).
- Simpson, J. I. The accessory optic system. Ann Rev Neurosci. 7, 13-41 (1984).
- Hamilton, N. R., Scasny, A. J., Kolodkin, A. L. Development of the vertebrate retinal direction-selective circuit. Dev Biol. 477, 273-283 (2021).
- Dobson, V., Teller, D. Y. Visual acuity in human infants: a review and comparison of behavioral and electrophysiological studies. Vision Res. 18 (11), 1469-1483 (1978).
- Cahill, H., Nathans, J. The optokinetic reflex as a tool for quantitative analyses of nervous system function in mice: Application to genetic and drug-induced variation. PLoS One. 3 (4), e2055 (2008).
- Cameron, D. J., et al. The optokinetic response as a quantitative measure of visual acuity in zebrafish. J Vis Exp. (80), e50832 (2013).
- Al-Khindi, T., et al. The transcription factor Tbx5 regulates direction-selective retinal ganglion cell development and image stabilization. Curr Biol. 32 (19), 4286-4298 (2022).
- Harris, S. C., Dunn, F. A. Asymmetric retinal direction tuning predicts optokinetic eye movements across stimulus conditions. eLife. 12, 81780 (2015).
- Sun, L. O., et al. Functional assembly of accessory optic system circuitry critical for compensatory eye movements. Neuron. 86 (4), 971-984 (2015).
- Yonehara, K., et al. Congenital Nystagmus gene FRMD7 is necessary for establishing a neuronal circuit asymmetry for direction selectivity. Neuron. 89 (1), 177-193 (2016).
- Kodama, T., Du Lac, S. Adaptive acceleration of visually evoked smooth eye movements in mice. J Neurosci. 36 (25), 6836-6849 (2016).
- Stahl, J. S., Van Alphen, A. M., De Zeeuw, C. I. A comparison of video and magnetic search coil recordings of mouse eye movements. J Neurosci Methods. 99 (1-2), 101-110 (2000).
