Eine automatisierte Schielmethode zur zeitsynchronen Verhaltens- und Gehirndynamik in Schmerzstudien an Mäusen

Zusammenfassung

Dieses Protokoll bietet eine Methode zur Verfolgung des automatisierten Augenschielens bei Nagetieren im Laufe der Zeit in einer Weise, die mit der Zeitbindung an neurophysiologische Messungen kompatibel ist. Es wird erwartet, dass dieses Protokoll für Forscher nützlich sein wird, die Mechanismen von Schmerzstörungen wie Migräne untersuchen.

Zusammenfassung

Es war eine Herausforderung, spontane Schmerzen in Echtzeit zu verfolgen und so zu quantifizieren, dass menschliche Verzerrungen vermieden werden. Dies gilt insbesondere für Metriken von Kopfschmerzen, wie z. B. bei Erkrankungen wie Migräne. Das Schielen der Augen hat sich als kontinuierliche variable Metrik herausgestellt, die über die Zeit gemessen werden kann und für die Vorhersage von Schmerzzuständen in solchen Assays wirksam ist. In diesem Artikel wird ein Protokoll für die Verwendung von DeepLabCut (DLC) zur Automatisierung und Quantifizierung des Augenschielens (euklidischer Abstand zwischen den Augenlidern) bei gefesselten Mäusen mit frei rotierenden Kopfbewegungen vorgestellt. Dieses Protokoll ermöglicht die unverzerrte Quantifizierung des Augenschielens, die mit mechanistischen Messgrößen wie der Neurophysiologie gekoppelt und direkt mit ihnen verglichen werden kann. Wir bieten eine Bewertung der KI-Trainingsparameter, die für das Erreichen des Erfolgs erforderlich sind, definiert durch die Unterscheidung von Schiel- und Nicht-Schielperioden. Wir zeigen die Fähigkeit, das Schielen in einem CGRP-induzierten migräneähnlichen Phänotyp mit einer Auflösung von weniger als einer Sekunde zuverlässig zu verfolgen und zu differenzieren.

Einleitung

Migräne ist eine der weltweit am weitesten verbreiteten Erkrankungen des Gehirns, von der mehr als eine Milliarde Menschen betroffen^{sind 1}. Präklinische Mausmodelle der Migräne haben sich als informative Möglichkeit erwiesen, die Mechanismen der Migräne zu untersuchen, da diese Studien leichter kontrolliert werden können als Studien am Menschen, was eine kausale Untersuchung des migränebedingten Verhaltens ermöglicht². Solche Modelle haben eine starke und wiederholbare phänotypische Reaktion auf Migräne-induzierende Verbindungen wie Calcitonin-Gene-Related Peptide (CGRP) gezeigt. Der Bed....

Protokoll

HINWEIS: Alle Tiere, die in diesen Versuchen verwendet wurden, wurden gemäß den vom Institutional Animal Care and Use Committee (IACUC) der Universität von Iowa genehmigten Protokollen behandelt.

1. Bereiten Sie die Ausrüstung für die Datenerfassung vor

1. Stellen Sie sicher, dass alle erforderlichen Geräte verfügbar sind: Stellen Sie sicher, dass die empfohlene Hardware zum Ausführen von DLC über mindestens 8 GB Arbeitsspeicher verfügt. In der Materialtabelle finden Sie Informationen zu Hardware und Software.
   HINWEIS: Daten können in jedem Format gesammelt werden....

Diskussion

Dieses Protokoll bietet eine leicht zugängliche, detaillierte Methode für die Verwendung von auf maschinellem Lernen basierenden Werkzeugen, die das Schielen mit nahezu menschlicher Genauigkeit differenzieren und gleichzeitig die gleiche (oder bessere) zeitliche Auflösung früherer Ansätze beibehalten können. In erster Linie macht es die Bewertung des automatisierten Schielens einem breiteren Publikum zugänglich. Unsere neue Methode zur Bewertung des automatisierten Schielens weist.......

Materialien

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