Questo sistema di realtà virtuale open source è uno strumento importante per lo studio dell'apprendimento spaziale nel cervello perché consente ai ricercatori di presentare un insieme coerente di stimoli spaziali a un mouse con ritenuta dalla testa utilizzando una semplice configurazione elettronica modulare. Il vantaggio di questo sistema è che è economico, facile da configurare, compatto e modulare, il che consente di creare più configurazioni comportamentali per l'addestramento e l'integrazione con le configurazioni comportamentali a controllo della testa esistenti. Questo sistema è ideale per misurare l'apprendimento spaziale e i topi con la testa, tuttavia, è ugualmente in grado di fornire ambienti di realtà virtuale visiva per esperimenti in altre specie e preparativi, tra cui psicofisica umana e neuroimaging.
A dimostrare questa procedura saranno Carla Diaz e Hannah Chung, assistenti di ricerca nel nostro laboratorio. Per iniziare, collegare i fili tra il componente encoder rotativo e l'ESP32 rotativo. Gli encoder rotativi hanno generalmente quattro fili, positivi, GND, A e B.Collegali tramite fili jumper all'ESP32, 3 0,3 volt, GND 25 e 26 pin.
Collegare i fili seriali RX/TX tra l'ESP32 rotante e il comportamento ESP32. Effettuare una semplice connessione a due fili tra la porta rotativa ESP32, Serial0 RX/TX e la porta Serial2 del comportamento ESP32. Collegare i cavi seriali RX/TX tra l'ESP32 rotante e la GPIO del computer a scheda singola o la connessione USB diretta.
Effettuare una connessione a due fili tra i pin GPIO del computer a scheda singola, 14, 15, RX/TX e i pin rotanti ESP32, Serial2, TX/RX 1716. Quindi, collegare l'USB ESP32 rotativo all'USB del computer a scheda singola per caricare il codice iniziale dell'encoder rotativo. Collegare l'elettrovalvola per liquidi da 12 volt all'uscita IC ULN2803 all'estrema sinistra del piccolo PCB OMW, collegare la porta lick all'ingresso touch ESP32.
Collegare l'USB alla porta USB del computer a scheda singola per caricare nuovi programmi sul comportamento ESP32 per diversi paradigmi sperimentali e per acquisire dati comportamentali utilizzando lo sketch di elaborazione incluso. Quindi collegare l'adattatore da parete CC da 12 volt al connettore jack barilotto da 2,1 millimetri sul piccolo PCB ESP32 OMW per fornire l'alimentazione per l'elettrovalvola di ricompensa. Collegare l'uscita HDMI due del computer a scheda singola alla porta HDMI del proiettore.
Questo porterà l'ambiente software grafico renderizzato dalla GPU del computer a scheda singola sullo schermo di proiezione. Apri la finestra del terminale nel computer a scheda singola e vai alla cartella Hall Pass VR. Esegui l'interfaccia utente grafica o la GUI di realtà virtuale o VR indicata per aprire la finestra della GUI.
Selezionare e aggiungere quattro elementi dalla casella di riepilogo per ciascuno dei tre modelli lungo la traccia, quindi fare clic su Genera. Selezionare Immagini pavimento e soffitto dai menu a discesa e impostare la lunghezza della traccia su due metri per questo codice di esempio. Assegna un nome a questo modello, se lo desideri.
Fai clic sul pulsante Start e attendi fino all'avvio della finestra VR prima di fare clic altrove. L'ambiente software grafico apparirà nella schermata due. Eseguire lo sketch di elaborazione per acquisire e tracciare lo spostamento dei dati comportamentali.
Aprire il comando indicato nell'IDE di elaborazione. Cambia l'animale nella variabile numero del mouse e imposta i minuti di sessione uguali alla durata della sessione comportamentale in minuti. Fare clic sul pulsante Esegui sull'IDE di elaborazione.
Controlla la finestra di elaborazione del grafico che dovrebbe mostrare la posizione corrente del mouse sulla traccia lineare virtuale mentre la ruota ruota insieme alle zone di ricompensa e agli istogrammi in esecuzione dei lick, dei giri e delle ricompense, aggiornati ogni 30 secondi. Far avanzare manualmente la rotellina per simulare il funzionamento del mouse per il test o utilizzare un mouse di prova per la configurazione iniziale. Fare clic sulla finestra del grafico e premere il tasto Q sulla tastiera per interrompere l'acquisizione dei dati comportamentali.
Un file di testo degli eventi e dei tempi comportamentali e un'immagine della finestra finale del grafico in PNG vengono salvati quando sono trascorsi i minuti della sessione o l'utente preme il tasto Q per uscire. Per la forgiatura casuale con ricompense non operative, eseguire il programma GUI del software grafico con un percorso di elementi visivi arbitrari. Quindi caricare il programma di comportamento sul comportamento ESP32 con più ricompense non operanti per condizionare il mouse a correre e leccare.
Posizionare delicatamente il mouse nell'apparato di fissaggio della testa, regolare il beccuccio di leccata in una posizione appena anteriore alla bocca del mouse e posizionare la rotellina del mouse al centro della zona dello schermo di proiezione. Impostare il nome dell'animale nello sketch di elaborazione e quindi premere Esegui nell'IDE di elaborazione per iniziare ad acquisire e tracciare i dati comportamentali. Esegui il mouse in sessioni da 20 a 30 minuti fino a quando il mouse corre per almeno 20 giri per sessione e lecca per le ricompense presentate in posizioni casuali.
Per il foraggiamento casuale con ricompense operanti a giri alternati, carica il programma di comportamento con operante alternato uguale a uno e addestra il mouse fino a quando non lecca sia le zone di ricompensa non operanti che quelle operanti. Per il foraggiamento casuale completamente operativo, carica il programma di comportamento con quattro zone di ricompensa casuale operanti e addestra il mouse fino a quando non lecca le ricompense in modo coerente lungo la pista. Successivamente per l'apprendimento spaziale, esegui il programma software grafico con un percorso di un corridoio buio con un singolo segnale visivo al centro.
Quindi carica il programma di comportamento con una singola zona di ricompensa nascosta nell'ESP32 comportamentale. Lascia che il mouse funzioni per sessioni di 30 minuti con una singola zona di ricompensa nascosta e un singolo corridoio VR visiva e acquisisci i dati durante la sessione come descritto in precedenza. Scarica il file di dati txt dalla cartella di sketch di elaborazione e analizza i dati comportamentali per osservare l'emergere del licking spazialmente selettivo come indicatore dell'apprendimento spaziale.
L'apprendimento spaziale utilizzando l'ambiente software grafico è mostrato qui. Attraverso fasi progressive di allenamento sul foraggiamento casuale, i topi hanno imparato a correre sulla ruota e leccare costantemente lungo la pista a bassi livelli prima di essere passati a una singola posizione di ricompensa nascosta per mostrare l'apprendimento spaziale. In questo studio, quattro dei sette topi hanno imparato il compito di ricompensa nascosto con un singolo segnale visivo in due o quattro sessioni, come dimostrato dal loro leccare vicino alla zona di ricompensa con crescente selettività.
Inoltre, i topi hanno mostrato sia sostanziali all'interno della sessione che tra l'apprendimento della sessione. Le leccate spaziali per giro del secondo giorno hanno mostrato un aumento delle leccate prima della zona di ricompensa e una diminuzione delle leccate altrove, indicando lo sviluppo di leccate anticipatorie spazialmente specifiche. La cosa principale da ricordare quando si utilizza il sistema è che i mouse funzioneranno bene solo se rinforzati e comodi sulla ruota da corsa.
Pertanto, l'acqua limita gli animali in modo appropriato, li maneggia delicatamente e assicura che la loro posizione di ritenuta della testa sia ottimale per correre durante la visualizzazione dello schermo di proiezione. Un ricercatore di neuroscienze può combinare questo sistema VR open source con l'imaging in vivo o l'elettrofisiologia per studiare i circuiti neuronali alla base dell'apprendimento spaziale nel cervello. Pensiamo che la semplicità di questo sistema VR open source consentirà ai ricercatori di integrare il sistema in diverse configurazioni di registrazione neuro.
Il controllo preciso sugli stimoli spaziali nell'ambiente VR consentirà ai ricercatori di esaminare i contributi di specifici circuiti neuronali all'apprendimento spaziale.
