Ce système de réalité virtuelle open source est un outil important pour l’étude de l’apprentissage spatial dans le cerveau, car il permet aux chercheurs de présenter un ensemble cohérent de stimuli spatiaux à une souris retenue par la tête à l’aide d’une configuration électronique modulaire simple. L’avantage de ce système est qu’il est peu coûteux, facile à configurer, compact et modulaire, ce qui permet de créer plusieurs configurations comportementales pour la formation et l’intégration avec les configurations comportementales existantes à la tête restreinte. Ce système est idéal pour mesurer l’apprentissage spatial et la tête retenue chez les souris, mais il est également capable de fournir des environnements de réalité virtuelle visuelle pour des expériences sur d’autres espèces et préparations, y compris la psychophysique humaine et la neuroimagerie.
Carla Diaz et Hannah Chung, assistantes de recherche dans notre laboratoire, feront la démonstration de cette procédure. Pour commencer, connectez les fils entre le composant codeur rotatif et l’ESP32 rotatif. Les codeurs rotatifs ont généralement quatre fils, positif, GND, A et B.Connectez-les via des fils de démarrage à l’ESP32, 3 0,3 volts, GND 25 et 26 broches.
Connectez les fils série RX/TX entre l’ESP32 rotatif et l’ESP32 de comportement. Effectuez une simple connexion à deux fils entre le port rotatif ESP32, Serial0 RX/TX et le port Serial2 du comportement ESP32. Connectez les fils série RX/TX entre l’ESP32 rotatif et le GPIO de l’ordinateur monocarte ou la connexion USB directe.
Établissez une connexion à deux fils entre les broches GPIO de l’ordinateur monocarte, 14, 15, RX/TX, et les broches rotatives ESP32, Serial2, TX/RX 1716. Ensuite, branchez l’ESP32 USB rotatif sur l’ordinateur monocarte USB pour télécharger le code codeur rotatif initial. Connectez l’électrovanne liquide de 12 volts à la sortie du circuit intégré ULN2803 à l’extrême gauche du petit circuit imprimé OMW, connectez le port de léchage à l’entrée tactile ESP32.
Branchez l’USB sur le port USB de l’ordinateur monocarte pour télécharger de nouveaux programmes sur le comportement ESP32 pour différents paradigmes expérimentaux et pour capturer les données de comportement à l’aide de l’esquisse de traitement incluse. Branchez ensuite l’adaptateur mural CC 12 volts dans le connecteur jack barillet 2,1 millimètres sur le petit circuit imprimé comportemental ESP32 OMW pour fournir l’alimentation de l’électrovanne de récompense. Branchez la sortie HDMI deux de l’ordinateur monocarte sur le port HDMI du projecteur.
Cela transportera l’environnement logiciel graphique rendu par le GPU de l’ordinateur monocarte à l’écran de projection. Ouvrez la fenêtre du terminal dans l’ordinateur monocarte et accédez au dossier Hall Pass VR. Exécutez l’interface utilisateur graphique ou l’interface graphique VR ou l’interface graphique VR indiquée pour ouvrir la fenêtre GUI.
Sélectionnez et ajoutez quatre éléments dans la zone de liste pour chacun des trois modèles le long de la piste, puis cliquez sur Générer. Sélectionnez Floor and Ceiling Images (Images du sol et du plafond) dans les menus déroulants et définissez la longueur de la piste sur deux mètres pour cet exemple de code. Nommez ce modèle, si vous le souhaitez.
Cliquez sur le bouton Démarrer et attendez que la fenêtre VR démarre avant de cliquer ailleurs. L’environnement logiciel graphique apparaîtra sur l’écran deux. Exécutez l’esquisse de traitement pour acquérir et tracer le mouvement des données comportementales.
Ouvrez la commande indiquée dans l’IDE de traitement. Changez l’animal avec votre variable de numéro de souris et définissez des minutes de session égales à la durée de la session comportementale en minutes. Cliquez sur le bouton Exécuter dans l’IDE de traitement.
Vérifiez la fenêtre du tracé de traitement qui devrait montrer la position actuelle de la souris sur la piste linéaire virtuelle lorsque la roue tourne avec les zones de récompense et les histogrammes en cours d’exécution des léchages, des tours et des récompenses, mis à jour toutes les 30 secondes. Faites avancer la roue de roulement à la main pour simuler la souris en cours d’exécution pour le test ou utilisez une souris de test pour la configuration initiale. Cliquez sur la fenêtre de tracé et appuyez sur la touche Q du clavier pour arrêter l’acquisition de données comportementales.
Un fichier texte des événements et des heures comportementaux et une image de la fenêtre de tracé finale en PNG sont enregistrés lorsque les minutes de session se sont écoulées ou que l’utilisateur appuie sur la touche Q pour quitter. Pour forger aléatoirement avec des récompenses non opérantes, exécutez le programme graphique GUI du logiciel avec un chemin d’éléments visuels arbitraires. Ensuite, téléchargez le programme de comportement sur le comportement ESP32 avec plusieurs récompenses non opérantes pour conditionner la souris à courir et à lécher.
Placez doucement la souris dans l’appareil de fixation de la tête, ajustez le bec à lécher à un endroit juste en avant de la bouche de la souris et placez la molette de la souris au centre de la zone de l’écran de projection. Définissez le nom de l’animal dans l’esquisse de traitement, puis appuyez sur Exécuter dans l’IDE de traitement pour commencer à acquérir et à tracer les données comportementales. Faites tourner la souris en sessions de 20 à 30 minutes jusqu’à ce que la souris tourne pendant au moins 20 tours par session et léchez pour obtenir des récompenses présentées à des endroits aléatoires.
Pour la recherche aléatoire de nourriture avec des récompenses opérantes sur des tours alternatifs, téléchargez le programme de comportement avec un opérant alternatif égal à un et entraînez la souris jusqu’à ce qu’elle lèche les zones de récompense non opérantes et opérantes. Pour une recherche de nourriture aléatoire entièrement opérationnelle, téléchargez le programme de comportement avec quatre zones de récompense aléatoires opérantes et entraînez la souris jusqu’à ce qu’elle lèche des récompenses de manière cohérente le long de la piste. Ensuite, pour l’apprentissage spatial, exécutez le logiciel graphique avec un chemin d’un couloir sombre avec un seul repère visuel au centre.
Ensuite, téléchargez le programme de comportement avec une seule zone de récompense cachée dans le comportement ESP32. Laissez la souris fonctionner pendant des sessions de 30 minutes avec une seule zone de récompense cachée et un seul couloir de repère visuel VR et capturez des données pendant la session comme décrit précédemment. Téléchargez le fichier de données txt à partir du dossier d’esquisse de traitement et analysez les données comportementales pour observer l’émergence du léchage sélectif dans l’espace en tant qu’indicateur de l’apprentissage spatial.
L’apprentissage spatial à l’aide de l’environnement logiciel graphique est illustré ici. Grâce à des étapes progressives de formation sur la recherche aléatoire de nourriture, les souris ont appris à courir sur la roue et à lécher régulièrement le long de la piste à bas niveaux avant d’être déplacées vers un seul emplacement de récompense caché pour montrer l’apprentissage spatial. Dans cette étude, quatre des sept souris ont appris la tâche de récompense cachée avec un seul signal visuel en deux à quatre séances, comme le montre leur léchage près de la zone de récompense avec une sélectivité croissante.
De plus, les souris ont montré à la fois substantiellement pendant la session et entre les sessions d’apprentissage. Les léchages spatiaux par tour le deuxième jour ont montré une augmentation du léchage avant la zone de récompense et une diminution du léchage ailleurs, indiquant le développement d’un léchage anticipé spatialement spécifique. La principale chose à retenir lors de l’utilisation du système est que les souris ne fonctionneront bien que si elles sont renforcées et confortables sur la roue de course.
Par conséquent, l’eau restreint les animaux de manière appropriée, les manipule doucement et s’assure que leur position de retenue de la tête est optimale pour courir tout en regardant l’écran de projection. Un chercheur en neurosciences peut combiner ce système de RV open source avec l’imagerie in vivo ou l’électrophysiologie pour étudier les circuits neuronaux sous-jacents à l’apprentissage spatial dans le cerveau. Nous pensons que la simplicité de ce système de RV open source permettra aux chercheurs d’intégrer le système dans diverses configurations d’enregistrement neurologique.
Le contrôle précis des stimuli spatiaux dans l’environnement de RV permettra aux chercheurs d’examiner les contributions de circuits neuronaux spécifiques à l’apprentissage spatial.
