PyOKR: Un método semiautomatizado para cuantificar la capacidad de seguimiento de los reflejos optocinéticos
Summary
Describimos aquí PyOKR, un método de análisis cuantitativo semiautomatizado que mide directamente los movimientos oculares resultantes de las respuestas visuales al movimiento bidimensional de la imagen. Una interfaz de usuario y un algoritmo de análisis basados en Python permiten un mayor rendimiento y mediciones cuantitativas más precisas de los parámetros de seguimiento ocular que los métodos anteriores.
Abstract
El estudio de las respuestas conductuales a los estímulos visuales es un componente clave para comprender la función del sistema visual. Una respuesta notable es el reflejo optocinético (OKR), un comportamiento innato altamente conservado necesario para la estabilización de la imagen en la retina. El OKR proporciona una lectura robusta de la capacidad de seguimiento de imágenes y ha sido ampliamente estudiado para comprender los circuitos y la función del sistema visual en animales de diferentes orígenes genéticos. El OKR consta de dos fases: una fase de seguimiento lento en la que el ojo sigue un estímulo hasta el borde del plano visual y una fase rápida compensatoria que restablece la posición del ojo en la órbita. Los métodos anteriores de seguimiento de la cuantificación de la ganancia, aunque fiables, requieren mucha mano de obra y pueden ser subjetivos o derivados arbitrariamente. Para obtener una cuantificación más rápida y reproducible de la capacidad de seguimiento ocular, hemos desarrollado un novedoso programa de análisis semiautomatizado, PyOKR, que permite cuantificar el movimiento bidimensional de seguimiento ocular en respuesta a cualquier estímulo direccional, además de ser adaptable a cualquier tipo de equipo de video-oculografía. Este método proporciona filtrado automatizado, selección de fases de seguimiento lentas, modelado de vectores oculares verticales y horizontales, cuantificación de las ganancias de movimiento ocular en relación con la velocidad del estímulo y organización de los datos resultantes en una hoja de cálculo utilizable para comparaciones estadísticas y gráficas. Este canal de análisis cuantitativo y optimizado, fácilmente accesible a través de la importación de PyPI, proporciona una medición rápida y directa de las respuestas de OKR, lo que facilita el estudio de las respuestas visuales del comportamiento.
Introduction
La estabilización de imagen se basa en respuestas oculomotoras precisas para compensar el flujo óptico global que se produce durante el movimiento propio. Esta estabilización es impulsada principalmente por dos respuestas motoras: el reflejo optocinético (OKR) y el reflejo vestíbulo-ocular (VOR)1,2,3. El movimiento global lento a través de la retina induce el OKR, que provoca una rotación ocular reflexiva en la dirección correspondiente para estabilizar la imagen 1,2. Este movimiento, conocido como fase lenta, es interrumpido por movimientos sacádicos compensatorios, conocidos como fase rápida, en los que el ojo se restablece rápidamente en la dirección opuesta para permitir una nueva fase lenta. Aquí, definimos estos movimientos sacádicos de fase rápida como movimientos de seguimiento ocular (ETM). Mientras que el VOR se basa en el sistema vestibular para provocar movimientos oculares para compensar los movimientos de la cabeza3, el OKR se inicia en la retina mediante la activación de ON y la posterior señalización al Sistema Óptico Accesorio (AOS) en el mesencéfalo 4,5. Debido a su dependencia directa de los circuitos retinianos, el OKR se ha utilizado con frecuencia para determinar la capacidad de seguimiento visual tanto en investigación como en entornos clínicos 6,7.
El OKR se ha estudiado ampliamente como una herramienta para evaluar la capacidad visual básica 2,6,8, el desarrollo de DSGC 9,10,11,12, las respuestas oculomotoras13 y las diferencias fisiológicas entre los antecedentes genéticos7. El OKR se evalúa en animales con la cabeza fija a los que se les presenta un estímulo móvil14. Las respuestas oculomotoras generalmente se capturan utilizando una variedad de herramientas de video, y los movimientos de seguimiento ocular se capturan como formas de onda OKR en las direcciones horizontal y vertical9. Para cuantificar la capacidad de seguimiento, se han descrito dos métricas principales: la ganancia de seguimiento (la velocidad del ojo en relación con la velocidad del estímulo) y la frecuencia ETM (el número de movimientos sacádicos de fase rápida durante un período de tiempo determinado). El cálculo de la ganancia se ha utilizado históricamente para medir directamente la velocidad angular del ojo para estimar la capacidad de seguimiento; Sin embargo, estos cálculos requieren mucha mano de obra y pueden derivarse arbitrariamente en función de los métodos de recolección de videooculografía y su posterior cuantificación. Para una evaluación más rápida de los OKR, se ha utilizado el recuento de la frecuencia de ETM como método alternativo para medir la agudeza de seguimiento7. Aunque esto proporciona una estimación bastante precisa de la capacidad de seguimiento, este método se basa en una métrica indirecta para cuantificar la respuesta de fase lenta e introduce una serie de sesgos. Estos incluyen un sesgo del observador en la determinación de la masa sacádica, una dependencia de respuestas sacádicas temporalmente consistentes a lo largo de una época determinada y una incapacidad para evaluar la magnitud de la respuesta de fase lenta.
Con el fin de abordar estas preocupaciones con los enfoques actuales de evaluación de OKR y permitir una cuantificación en profundidad de alto rendimiento de los parámetros de OKR, hemos desarrollado un nuevo método de análisis para cuantificar las formas de onda de OKR. Nuestro enfoque utiliza una plataforma de software accesible basada en Python llamada “PyOKR”. Con este software, el modelado y la cuantificación de las respuestas de fase lenta de OKR se pueden estudiar con mayor profundidad y con una mayor parametrización. El software proporciona evaluaciones cuantitativas accesibles y reproducibles de las respuestas a una gran variedad de estímulos visuales y también seguimiento visual bidimensional en respuesta al movimiento horizontal y vertical.
Protocol
Representative Results
Discussion
PyOKR proporciona varias ventajas para estudiar las respuestas visuales reflejadas en los movimientos oculares. Estos incluyen opciones de precisión, accesibilidad y recopilación de datos, además de la capacidad de incorporar parametrización y velocidades de estímulo variables.
La evaluación de la ganancia de seguimiento ocular directo proporciona una caracterización precisa del movimiento ocular que es una métrica cuantitativa más directa que el recuento manual tradicional de sacadas…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Este trabajo ha contado con el apoyo de R01 EY032095 (ALK), VSTP predoctoral fellowship 5T32 EY7143-27 (JK), F31 EY-033225 (SCH), R01 EY035028 (FAD y ALK) y 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).
