PyOKR: un metodo semi-automatico per quantificare la capacità di tracciamento del riflesso optocinetico
Summary
Descriviamo qui PyOKR, un metodo di analisi quantitativa semi-automatizzato che misura direttamente i movimenti oculari risultanti dalle risposte visive al movimento bidimensionale dell’immagine. Un’interfaccia utente basata su Python e un algoritmo di analisi consentono una maggiore produttività e misurazioni quantitative più accurate dei parametri di tracciamento oculare rispetto ai metodi precedenti.
Abstract
Lo studio delle risposte comportamentali agli stimoli visivi è una componente chiave per comprendere la funzione del sistema visivo. Una risposta notevole è il riflesso optocinetico (OKR), un comportamento innato altamente conservato necessario per la stabilizzazione dell’immagine sulla retina. L’OKR fornisce una solida lettura della capacità di tracciamento delle immagini ed è stato ampiamente studiato per comprendere i circuiti e la funzione del sistema visivo in animali di diversi background genetici. L’OKR si compone di due fasi: una fase di tracciamento lento in cui l’occhio segue uno stimolo fino al bordo del piano visivo e una fase veloce compensatoria saccada che ripristina la posizione dell’occhio nell’orbita. I metodi precedenti di quantificazione del guadagno, sebbene affidabili, sono laboriosi e possono essere soggettivi o derivati arbitrariamente. Per ottenere una quantificazione più rapida e riproducibile della capacità di tracciamento oculare, abbiamo sviluppato un nuovo programma di analisi semi-automatico, PyOKR, che consente la quantificazione del movimento di tracciamento oculare bidimensionale in risposta a qualsiasi stimolo direzionale, oltre ad essere adattabile a qualsiasi tipo di apparecchiatura di video-oculografia. Questo metodo fornisce il filtraggio automatizzato, la selezione delle fasi di tracciamento lento, la modellazione dei vettori oculari verticali e orizzontali, la quantificazione dei guadagni del movimento oculare rispetto alla velocità dello stimolo e l’organizzazione dei dati risultanti in un foglio di calcolo utilizzabile per confronti statistici e grafici. Questa pipeline di analisi quantitativa e semplificata, facilmente accessibile tramite l’importazione di PyPI, fornisce una misurazione rapida e diretta delle risposte OKR, facilitando così lo studio delle risposte comportamentali visive.
Introduction
La stabilizzazione dell’immagine si basa su precise risposte oculomotorie per compensare il flusso ottico globale che si verifica durante l’automovimento. Questa stabilizzazione è guidata principalmente da due risposte motorie: il riflesso optocinetico (OKR) e il riflesso vestibolo-oculare (VOR)1,2,3. Il lento movimento globale attraverso la retina induce l’OKR, che suscita la rotazione riflessiva dell’occhio nella direzione corrispondente per stabilizzare l’immagine 1,2. Questo movimento, noto come fase lenta, è interrotto da saccadi compensatorie, note come fase veloce, in cui l’occhio si resetta rapidamente nella direzione opposta per consentire una nuova fase lenta. Qui, definiamo queste saccadi di fase rapida come movimenti di tracciamento oculare (ETM). Mentre il VOR si basa sul sistema vestibolare per suscitare movimenti oculari per compensare i movimenti della testa3, l’OKR viene avviato nella retina dall’attivazione di ON e dalla successiva segnalazione al sistema ottico accessorio (AOS) nel mesencefalo 4,5. A causa della sua dipendenza diretta dai circuiti retinici, l’OKR è stato spesso utilizzato per determinare la capacità di tracciamento visivo sia in ambito di ricerca che clinico 6,7.
L’OKR è stato ampiamente studiato come strumento per valutare la capacità visiva di base 2,6,8, lo sviluppo del DSGC 9,10,11,12, le risposte oculomotorie13 e le differenze fisiologiche tra i background genetici7. L’OKR viene valutato in animali con testa fissa presentati con uno stimolo in movimento14. Le risposte oculomotorie vengono in genere catturate utilizzando una varietà di strumenti video e i movimenti di tracciamento oculare vengono catturati come forme d’onda OKR nelle direzioni orizzontale e verticale9. Per quantificare la capacità di tracciamento, sono state descritte due metriche principali: il guadagno di tracciamento (la velocità dell’occhio rispetto alla velocità dello stimolo) e la frequenza ETM (il numero di saccadi di fase veloci in un determinato intervallo di tempo). Il calcolo del guadagno è stato utilizzato storicamente per misurare direttamente la velocità angolare dell’occhio per stimare la capacità di inseguimento; Tuttavia, questi calcoli sono laboriosi e possono essere derivati arbitrariamente sulla base di metodi di raccolta video-oculografici e successiva quantificazione. Per una valutazione OKR più rapida, il conteggio della frequenza ETM è stato utilizzato come metodo alternativo per misurare l’acuità di tracciamento7. Sebbene ciò fornisca una stima abbastanza accurata della capacità di tracciamento, questo metodo si basa su una metrica indiretta per quantificare la risposta di fase lenta e introduce una serie di distorsioni. Questi includono un bias dell’osservatore nella determinazione delle saccadi, una dipendenza da risposte saccadiche temporalmente coerenti in una determinata epoca e l’incapacità di valutare l’entità della risposta di fase lenta.
Al fine di affrontare queste preoccupazioni con gli attuali approcci di valutazione OKR e per consentire una quantificazione approfondita dei parametri OKR ad alto rendimento, abbiamo sviluppato un nuovo metodo di analisi per quantificare le forme d’onda OKR. Il nostro approccio utilizza una piattaforma software accessibile basata su Python chiamata “PyOKR”. Utilizzando questo software, la modellazione e la quantificazione delle risposte in fase lenta degli OKR possono essere studiate in modo più approfondito e con una maggiore parametrizzazione. Il software fornisce valutazioni quantitative accessibili e riproducibili delle risposte a una miriade di stimoli visivi e anche un tracciamento visivo bidimensionale in risposta al movimento orizzontale e verticale.
Protocol
Representative Results
Discussion
PyOKR offre diversi vantaggi per lo studio delle risposte visive riflesse nei movimenti oculari. Queste includono l’accuratezza, l’accessibilità e le opzioni di raccolta dei dati, oltre alla capacità di incorporare la parametrizzazione e le velocità di stimolo variabili.
La valutazione diretta del guadagno di tracciamento oculare fornisce una caratterizzazione accurata del movimento oculare che è una metrica quantitativa più diretta rispetto al tradizionale conteggio manuale delle saccadi…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Questo lavoro è stato supportato da R01 EY032095 (ALK), VSTP pre-doctoral fellowship 5T32 EY7143-27 (JK), F31 EY-033225 (SCH), R01 EY035028 (FAD e ALK) e R01 EY-029772 (FAD).
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).
