طريقة الحول الآلي لسلوك مزامنة الوقت وديناميكيات الدماغ في دراسات ألم الفئران

Summary

يوفر هذا البروتوكول طريقة لتتبع الحول الآلي للعين في القوارض بمرور الوقت بطريقة متوافقة مع قفل الوقت للتدابير الفيزيولوجية العصبية. من المتوقع أن يكون هذا البروتوكول مفيدا للباحثين الذين يدرسون آليات اضطرابات الألم مثل الصداع النصفي.

Abstract

كان من الصعب تتبع الألم التلقائي في الوقت الفعلي وتحديده بطريقة تمنع التحيز البشري. هذا ينطبق بشكل خاص على مقاييس آلام الرأس ، كما هو الحال في اضطرابات مثل الصداع النصفي. ظهر حول العين كمقياس متغير مستمر يمكن قياسه بمرور الوقت وهو فعال في التنبؤ بحالات الألم في مثل هذه المقايسات. توفر هذه الورقة بروتوكولا لاستخدام DeepLabCut (DLC) لأتمتة وقياس حول العين (المسافة الإقليدية بين الجفون) في الفئران المقيدة ذات حركات الرأس الدوارة بحرية. يتيح هذا البروتوكول القياس الكمي غير المتحيز لحول العين لمقارنته مباشرة بالمقاييس الميكانيكية مثل الفيزيولوجيا العصبية. نحن نقدم تقييما لمعايير تدريب الذكاء الاصطناعي اللازمة لتحقيق النجاح على النحو المحدد من خلال تمييز فترات الحول وعدم الحول. نظهر القدرة على تتبع الحول وتمييزه بشكل موثوق في النمط الظاهري الشبيه بالصداع النصفي الناجم عن CGRP بدقة ثانية فرعية.

Introduction

الصداع النصفي هو أحد أكثر اضطرابات الدماغ انتشارا في جميع أنحاء العالم ، حيث يصيب أكثر من مليار شخص¹. ظهرت نماذج الفئران قبل السريرية للصداع النصفي كطريقة مفيدة لدراسة آليات الصداع النصفي حيث يمكن التحكم في هذه الدراسات بسهولة أكبر من الدراسات البشرية ، مما يتيح الدراسة السببية للسلوك المرتبط بالصداع^{النصفي 2}. أظهرت هذه النماذج استجابة نمطية قوية وقابلة للتكرار للمركبات المسببة للصداع النصفي ، مثل الببتيد المرتبط بجين الكالسيتونين (CGRP). تستمر الحاجة إلى قياسات قوية للسلوكيات ذات الصلة بالصداع النصفي في نماذج القوارض ، خاصة تلك التي قد تقترن بمقاييس ميكانيكية مثل التصوير والأساليب الفيزي....

Protocol

ملاحظة: تم التعامل مع جميع المستخدمة في هذه التجارب وفقا للبروتوكولات المعتمدة من قبل اللجنة المؤسسية لرعاية واستخدامه (IACUC) بجامعة أيوا.

1. إعداد المعدات لجمع البيانات

1. تأكد من توفر جميع المعدات اللازمة: تأكد من أن الأجهزة الموصى بها لتشغيل DLC تحتوي على ذاكرة لا تقل عن 8 جيجابايت. راجع جدول المواد للحصول على معلومات متعلقة بالأجهزة والبرامج.
   ملاحظة: يمكن جمع البيانات بأي تنسيق ولكن يجب تحويلها إلى تنسيق يمكن قراءته بواسطة DLC قبل التحليل. التنسيقات الأكثر شيوعا هي AVI و MP4.
2. قم بتكوين كاميرا واحدة على الأقل بحيث يمكن اكتشاف عين واحدة لحيوان. إذا كا....

النتائج

هنا ، نقدم طريقة للكشف الموثوق به عن الحول بدقة زمنية عالية باستخدام DeepLabCut. لقد قمنا بتحسين معلمات التدريب ، ونقدم تقييما لنقاط القوة والضعف في هذه الطريقة (الشكل 1).

بعد تدريب نماذجنا ، تحققنا من أنهم كانوا قادرين على تقدير النقاط العلوية و.......

Discussion

يوفر هذا البروتوكول طريقة متعمقة يسهل الوصول إليها لاستخدام الأدوات القائمة على التعلم الآلي والتي يمكنها التمييز بين الحول بدقة شبه بشرية مع الحفاظ على نفس الدقة الزمنية (أو الأفضل) للأساليب السابقة. في المقام الأول ، يجعل تقييم الحول الآلي متاحا بسهولة أكبر لجمهور أو?.......

Materials

Name	Company	Catalog Number	Comments
CUDA toolkit 11.8
cuDNN SDK 8.6.0
Intel computers with Windows 11, 13th gen
LabFaceX 2D Eyelid Tracker Add-on Module for a Free Roaming Mouse:	FaceX LLC	NA	Any camera that can record an animal's eye is sufficient, but this is our eye tracking hardware.
NVIDIA GPU driver that is version 450.80.02 or higher
NVIDIA RTX A5500, 24 GB DDR6	NVIDIA	[490-BHXV]	Any GPU that meets the minimum requirements specified for your version of DLC, currently 8 GB, is sufficient. We used NVIDIA GeForce RTX 3080 Ti GPU
Python 3.9-3.11
TensorFlow version 2.10