Este sistema de realidad virtual de código abierto es una herramienta importante para el estudio del aprendizaje espacial en el cerebro porque permite a los investigadores presentar un conjunto consistente de estímulos espaciales a un ratón con la cabeza restringida utilizando una configuración electrónica modular simple. La ventaja de este sistema es que es económico, fácil de configurar, compacto y modular, lo que permite construir múltiples configuraciones de comportamiento para el entrenamiento y la integración con configuraciones de comportamiento existentes con retención de cabeza. Este sistema es ideal para medir el aprendizaje espacial y los ratones con la cabeza sujetada, sin embargo, es igualmente capaz de ofrecer entornos visuales de realidad virtual para experimentos en otras especies y preparaciones, incluida la psicofísica humana y la neuroimagen.
Demostrando este procedimiento estarán Carla Díaz y Hannah Chung, asistentes de investigación en nuestro laboratorio. Para empezar, conecte los cables entre el componente del codificador rotativo y el ESP32 giratorio. Los codificadores rotativos generalmente tienen cuatro cables, positivo, GND, A y B.Conecte estos a través de cables de puente al ESP32, 3 0.3 voltios, GND 25 y 26 pines.
Conecte los cables serie RX/TX entre el ESP32 giratorio y el ESP32 de comportamiento. Realice una simple conexión de dos hilos entre el ESP32 giratorio, Serial0 RX/TX y el puerto Serial2 del comportamiento ESP32. Conecte los cables serie RX/TX entre el ESP32 giratorio y la computadora de placa única GPIO o conexión USB directa.
Realice una conexión de dos hilos entre los pines GPIO del ordenador de placa única, 14, 15, RX/TX y los pines giratorios ESP32, Serial2, TX/RX 1716. A continuación, conecte el USB ESP32 giratorio al USB del ordenador de placa única para cargar el código inicial del codificador giratorio. Conecte la válvula solenoide líquida de 12 voltios a la salida IC ULN2803 en el extremo izquierdo de la PCB pequeña OMW, conecte el puerto lick a la entrada táctil ESP32.
Conecte el USB al puerto USB del ordenador de placa única para cargar nuevos programas en el comportamiento ESP32 para diferentes paradigmas experimentales y para capturar datos de comportamiento utilizando el boceto de procesamiento incluido. Luego enchufe el adaptador de pared de CC de 12 voltios en el conector jack de barril de 2.1 milímetros en la PCB pequeña ESP32 OMW para proporcionar la potencia para la válvula solenoide de recompensa. Conecte la salida HDMI dos del ordenador de placa única al puerto HDMI del proyector.
Esto llevará el entorno de software gráfico renderizado por la GPU de la computadora de placa única a la pantalla de proyección. Abra la ventana del terminal en el ordenador de placa única y navegue hasta la carpeta Hall Pass VR. Ejecute la interfaz gráfica de usuario o GUI de realidad virtual o VR indicada para abrir la ventana de la GUI.
Seleccione y agregue cuatro elementos del cuadro de lista para cada uno de los tres patrones a lo largo de la pista y, a continuación, haga clic en Generar. Seleccione Imágenes de suelo y techo en los menús desplegables y establezca la longitud de la pista como dos metros para este código de ejemplo. Asigne un nombre a este patrón, si lo desea.
Haga clic en el botón Inicio y espere hasta que se inicie la ventana VR antes de hacer clic en otro lugar. El entorno de software gráfico aparecerá en la pantalla dos. Ejecute el boceto de procesamiento para adquirir y trazar el movimiento de datos de comportamiento.
Abra el comando indicado en el IDE de procesamiento. Cambie el animal a la variable de número de ratón y establezca minutos de sesión iguales a la duración de la sesión de comportamiento en minutos. Haga clic en el botón Ejecutar en el IDE de procesamiento.
Verifique la ventana de la trama de procesamiento que debería mostrar la posición actual del mouse en la pista lineal virtual a medida que la rueda gira junto con las zonas de recompensa y los histogramas de ejecución de los licks, vueltas y recompensas, actualizados cada 30 segundos. Avance la rueda de rodadura a mano para simular el ratón corriendo para probar o utilice un ratón de prueba para la configuración inicial. Haga clic en la ventana de trazado y presione la tecla Q en el teclado para detener la adquisición de datos de comportamiento.
Un archivo de texto de los eventos y tiempos de comportamiento y una imagen de la ventana de trazado final en PNG se guarda cuando han transcurrido minutos de sesión o el usuario presiona la tecla Q para salir. Para forjar aleatoriamente con recompensas no operantes, ejecute el programa GUI de software gráfico con una ruta de elementos visuales arbitrarios. Luego cargue el programa de comportamiento en el comportamiento ESP32 con múltiples recompensas no operantes para condicionar el mouse para que corra y lame.
Coloque suavemente el ratón en el aparato de fijación de la cabeza, ajuste el pico de lamido a una ubicación justo anterior a la boca del ratón y coloque la rueda del ratón en el centro de la zona de la pantalla de proyección. Establezca el nombre del animal en el boceto de procesamiento y, a continuación, presione Ejecutar en el IDE de procesamiento para comenzar a adquirir y trazar los datos de comportamiento. Ejecute el mouse en sesiones de 20 a 30 minutos hasta que el mouse funcione durante al menos 20 vueltas por sesión y lama las recompensas presentadas en ubicaciones aleatorias.
Para forrajeo aleatorio con recompensas operantes en vueltas alternativas, cargue el programa de comportamiento con un operante alterno igual a uno y entrene al mouse hasta que lama las zonas de recompensa no operantes y operantes. Para forrajeo aleatorio completamente operativo, cargue el programa de comportamiento con cuatro zonas de recompensa aleatorias operantes y entrene al mouse hasta que lama las recompensas consistentemente a lo largo de la pista. A continuación, para el aprendizaje espacial, ejecute el programa de software gráfico con un camino de un pasillo oscuro con una sola señal visual en el centro.
A continuación, cargue el programa de comportamiento con una sola zona de recompensa oculta en el comportamiento ESP32. Deje que el mouse funcione durante sesiones de 30 minutos con una sola zona de recompensa oculta y un solo pasillo de realidad virtual con una sola señal visual y capture datos durante la sesión como se describió anteriormente. Descargue el archivo de datos txt de la carpeta de boceto de procesamiento y analice los datos de comportamiento para observar la aparición del lamido espacialmente selectivo como indicador de aprendizaje espacial.
Aquí se muestra el aprendizaje espacial utilizando el entorno de software gráfico. A través de etapas progresivas de entrenamiento en forrajeo aleatorio, los ratones aprendieron a correr en la rueda y lamer consistentemente a lo largo de la pista a niveles bajos antes de ser cambiados a una sola ubicación de recompensa oculta para mostrar el aprendizaje espacial. En este estudio, cuatro de los siete ratones aprendieron la tarea de recompensa oculta con una sola señal visual en dos a cuatro sesiones, como lo demuestra su lamido cerca de la zona de recompensa con una selectividad creciente.
Además, los ratones exhibieron un aprendizaje sustancial dentro de la sesión y entre sesiones. Los lamidos espaciales por vuelta en el segundo día mostraron un aumento de lamidos antes de la zona de recompensa y una disminución de lamidos en otros lugares, lo que indica el desarrollo de lamidos anticipatorios espacialmente específicos. Lo principal que debe recordar al usar el sistema es que los ratones solo funcionarán bien si se refuerzan y se sienten cómodos en la rueda de rodaje.
Por lo tanto, el agua restrinja a los animales adecuadamente, manéjelos suavemente y asegúrese de que su posición de retención de cabeza sea óptima para correr mientras ve la pantalla de proyección. Un investigador de neurociencia puede combinar este sistema de realidad virtual de código abierto con imágenes in vivo o electrofisiología para investigar los circuitos neuronales subyacentes al aprendizaje espacial en el cerebro. Creemos que la simplicidad de este sistema de realidad virtual de código abierto permitirá a los investigadores integrar el sistema en diversas configuraciones de grabación neuronal.
El control preciso sobre los estímulos espaciales en el entorno de realidad virtual permitirá a los investigadores examinar las contribuciones de circuitos neuronales específicos al aprendizaje espacial.
