JoVE Logo

로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

우리는 두 가지 등반 섬유 의존적 연관 학습 작업 중에 동물의 행동을 추적하는 단일 플랫폼을 개발했습니다. 저비용 설계는 섬유 관련 소뇌 활동을 등반하기위한 광유전학 또는 이미징 실험과 통합 할 수 있습니다.

초록

Purkinje 세포에 대한 등반 섬유 입력은 소뇌 의존적 연관 학습에 중요한 유익한 신호를 제공합니다. 머리가 고정된 마우스에서 이러한 신호를 연구하면 이미징, 전기 생리학 및 광유전학 방법의 사용이 용이합니다. 여기에서는 저비용 행동 플랫폼 (~ $ 1000)이 개발되어 달리기 바퀴에서 자유롭게 로코모티를 만드는 머리 고정 마우스에서 연관 학습을 추적 할 수 있습니다. 이 플랫폼은 두 가지 일반적인 연관 학습 패러다임, 즉 아이블링크 컨디셔닝과 지연된 촉각 깜짝 컨디셔닝을 통합합니다. 동작은 카메라를 사용하여 추적되고 감지기에 의한 휠 이동이 추적됩니다. 우리는 구성 요소와 설정을 설명하고 교육 및 데이터 분석을위한 자세한 프로토콜을 제공합니다. 이 플랫폼은 광유전학적 자극 및 형광 영상화의 혼입을 허용한다. 이 설계를 통해 단일 호스트 컴퓨터가 여러 동물을 동시에 훈련시키기 위해 여러 플랫폼을 제어 할 수 있습니다.

서문

조건화 된 반응을 이끌어 내기 위해 자극 사이의 초 미만의 연관성의 파블로프 컨디셔닝은 소뇌 의존성 학습을 조사하기 위해 오랫동안 사용되어 왔습니다. 예를 들어, 고전적 지연 눈 깜박임 조절 (DEC)에서, 동물들은 중립적 인 조건부 자극 (CS; 예를 들어, 빛 또는 청각 톤의 플래시)에 반응하여 잘 정해진 보호 깜박임을 만드는 법을 배웁니다.이 자극은 무조건적인 자극 (미국; 예를 들어, 각막에 적용되는 공기의 퍼프)과 반복적으로 짝을 이룰 때 항상 반사 깜박임을 유발하며, 그리고 CS의 끝 또는 그 근처에 온다. 학습된 응답을 조건화 응답(CR)이라고 하고, 반사 응답을 무조건 응답(UR)이라고 합니다. 토끼에서 소뇌 특정 병 변은 이러한 형태의 학습 1,2,3,4을 방해합니다. 또한, 퍼킨제 세포 복합체 스파이크는 등반 섬유 입력(5)에 의해 구동되며, 적절한 타이밍의 CR을 획득하기 위해 필요한 6,7 및 충분한 8,9 신호를 제공한다.

보다 최근에, 등반 섬유 의존적 연관 학습 패러다임이 머리 고정 마우스를 위해 개발되었다. DEC는 이 구성10,11에 적응된 최초의 연관 학습 패러다임이었습니다. 머리-고정 마우스에서의 DEC는 소뇌 영역 11,12,13,14,15,16,17 및 회로 소자 11,1 2,13,14,15,18,19를 식별하는데 사용되어 왔다. 그것은 작업 획득 및 멸종에 필요합니다. 이 접근법은 또한 과제 파라미터의 세포 수준 생리학적 표현이 학습13,15,16과 함께 어떻게 진화하는지를 입증하는데 사용되었다.

눈깜짝할 사이에 지연된 깜짝 촉각 컨디셔닝(DTSC) 패러다임은 최근 머리 고정 마우스(20)에 대한 신규한 연관 학습 과제로서 개발되었다. 개념적으로 DEC와 유사하게, DTSC는 중립 CS를 미국으로 제시하는 것을 포함하며, UR로서 깜짝 놀랄만한 반사(21,22)를 참여시키기에 충분한 강도로 얼굴에 탭한다. DTSC 패러다임에서 UR과 CR은 모두 바퀴에서 후진 운동으로 판독됩니다. DTSC는 이제 연관 학습이 소뇌 활성과 유전자 발현20의 패턴을 어떻게 변화시키는지를 밝히기 위해 사용되어 왔다.

이 작업에서는 DEC 또는 DTSC를 단일 플랫폼에 유연하게 적용하기 위한 방법이 개발되었습니다. 자극 및 플랫폼 속성은 그림 1에 개략적으로 설명되어 있습니다. 이 설계에는 카메라로 동물의 행동을 추적할 수 있는 기능과 바퀴 위의 마우스 움직임을 추적하는 회전식 엔코더가 통합되어 있습니다. 데이터 로깅 및 시험 구조의 모든 측면은 쌍을 이루는 마이크로 컨트롤러 (Arduino)와 단일 보드 컴퓨터 (SBC; 라즈베리 파이). 이러한 장치는 제공된 그래픽 사용자 인터페이스를 통해 액세스할 수 있습니다. 여기에서는 설정, 실험 준비 및 실행을 위한 워크플로와 데이터 시각화를 위한 사용자 지정 분석 파이프라인을 제시합니다.

프로토콜

여기에 설명 된 동물 프로토콜은 프린스턴 대학의 동물 관리 및 사용위원회의 승인을 받았습니다.

1. SBC 설정

  1. 카메라 직렬 인터페이스(CSI) 케이블을 라즈베리 NoIR V2 카메라 및 SBC의 카메라 포트에 연결합니다.
  2. SBC의 운영 체제를 호스트 컴퓨터에 다운로드합니다. 운영 체제 이미지를 마이크로 보안 디지털(microSD) 카드에 씁니다.
    참고: 라즈베리 파이 SBC에 대한 이러한 절차에 대한 자세한 지침은 다른 곳에서 찾을 수 있습니다23. 이 시스템은 Stretch, Buster, Bullseye와 같은 운영 체제를 사용하여 테스트되었습니다.
  3. 보안 셸 통신을 활성화하려면 microSD 카드의 부팅 파티션에 "ssh"라는 확장이 없는 파일을 만듭니다. 이 작업이 완료되면 호스트 시스템에서 microSD 카드를 꺼내 SBC microSD 카드 슬롯에 삽입하십시오. 전원 공급 장치를 연결하여 SBC에 전원을 공급합니다.
  4. 호스트에 대한 유선 연결을 허용하도록 SBC를 준비합니다.
    1. 적절한 케이블로 모니터를 SBC에 연결합니다. 터미널을 열고 ifconfig 명령을 입력한 다음 SBC의 이더넷 IP 주소를 기록합니다.
      참고: 라즈베리 파이 모델 3B+에는 HDMI 디스플레이 포트가 있고 모델 4B에는 마이크로 HDMI 포트가 있습니다.
    2. Raspberry Pi 구성 설정의 인터페이스 탭으로 이동하여 카메라, SSH(보안 셸 네트워크 프로토콜) 및 VNC(가상 네트워크 컴퓨팅) 옵션을 사용하도록 설정합니다.
  5. 호스트 컴퓨터와 SBC 간에 유선 연결을 설정합니다.
    1. 이더넷 케이블을 SBC 및 호스트 컴퓨터의 이더넷 포트에 연결합니다. 이러한 케이블의 다른 쪽 끝을 이더넷 스위치에 연결합니다.
    2. VNC 뷰어(24 )와 같은 가상 네트워크 컴퓨팅 클라이언트를 사용하고, SBC IP 주소 및 디폴트 인증(사용자 = "pi", 암호 = "라즈베리")을 사용하여 데스크탑에 액세스한다.
  6. 프로토콜 단계에 포함된 필수 소프트웨어를 다운로드합니다.
    주의: SBC에 대한 무단 액세스를 방지하기 위해 기본 사용자 이름과 암호를 변경하십시오.
    1. SBC 터미널에 다음 명령을 입력하여 리그 소프트웨어를 다운로드합니다.
      자식 클론 --깊이 = 1 https://github.com/gerardjb/assocLearnRig
    2. 다음 명령을 입력하여 필요한 파이썬 라이브러리를 다운로드하십시오.
      cd assocLearnRig
      파이썬3 setup.py
    3. 마이크로 컨트롤러를 직접 제어하려면 SBC에 연결하고 1.6.4-1.6.7단계에 따라 마이크로 컨트롤러 통합 개발 환경(IDE)을 다운로드합니다.
    4. SBC 데스크톱에서 웹 브라우저를 열고 https://arduino.cc/en/software 로 이동합니다. IDE의 최신 Linux ARM 32비트 버전을 다운로드합니다.
    5. SBC 바탕 화면에서 터미널 창을 열고 cd 다운로드 / 를 입력하여 다운로드 디렉토리로 이동합니다.
    6. IDE를 설치하려면 터미널에 다음 명령을 입력하십시오.
      tar -xf arduino--linuxarm.tar.xz
      sudo mv arduino- /opt
      sudo /opt/arduino-/install.sh

      (여기 <버전>은 다운로드 한 IDE의 버전입니다)
    7. SBC 데스크톱에서 마이크로 컨트롤러 IDE의 인스턴스를 엽니다. 메뉴 옵션 도구 > 라이브러리 관리를 선택합니다. Paul Stoffregen에서 "인코더" 라이브러리를 설치합니다.
  7. USB 썸 드라이브로 SBC 온보드 메모리를 확장합니다.
    1. 썸 드라이브를 SBC의 USB 포트에 삽입합니다. 가능한 경우 USB 3.0 포트를 사용합니다.
    2. 터미널 ls -l /dev/disk/by-uuid/ 를 입력하여 썸 드라이브와 고유 참조(UUID)를 찾습니다. UUID를 기록합니다.
    3. pi 사용자가 USB 장치에 쓸 수 있도록 하려면 터미널에 다음 명령을 하나씩 입력합니다.
      sudo mkdir /media/usb
      sudo chown -R pi : pi / media / usb
      sudo mount /dev/sda1 /media/usb -o uid=pi,gid=pi
      참고: 썸 드라이브는 /etc/fstab의 fstab 파일 끝에 다음 줄을 추가하여 SBC가 다시 시작될 때 자동으로 마운트되는 장치로 추가할 수 있습니다.
      UUID=1.7.2단계의 /media/usb vfat auto,nofail,noatime,users,rw,uid=pi,gid=pi 0 0

2. 배선 자극 하드웨어 및 조립 단계

  1. 마이크로 컨트롤러를 연결하고 준비합니다.
    1. USB2 유형 A에서 USB2 마이크로 케이블로 SBC를 마이크로 컨트롤러(Arduino Due)의 프로그래밍 포트에 연결합니다.
      주: 올바른 작동을 위해 재료 표의 제품과 같은 고품질 케이블을 사용하십시오.
    2. 다운로드한 프로젝트 저장소에서 "dueAssocLearn.ino"를 찾습니다. 마이크로 컨트롤러 IDE로 스케치를 열고 SBC에 연결된 마이크로 컨트롤러에 업로드합니다.
    3. 호스트 컴퓨터에 적절한 버전의 Arduino IDE를 다운로드하여 설치하십시오.
    4. USB2 유형 B에서 USB2 유형 A 케이블로 호스트 컴퓨터를 마이크로 컨트롤러(Arduino Uno)에 연결합니다.
    5. GitHub 리포지토리(https://github.com/gerardjb/assocLearnRig)로 이동하여 "DTSC_US.ino" 스케치를 호스트 컴퓨터에 다운로드합니다.
    6. 호스트 컴퓨터에서 마이크로 컨트롤러 IDE를 실행하고 "DTSC_US.ino" 스케치를 연 다음 마이크로 컨트롤러에 업로드합니다.
  2. 그림 2의 프리칭 다이어그램에 표시된 대로 마이크로 컨트롤러, 브레드 보드, LED, 회전식 인코더, 드라이버가 있는 스테퍼 모터 및 드라이버가 있는 솔레노이드 밸브에 전선을 연결합니다.
  3. 스테퍼 모터와 솔레노이드 밸브에 전원을 공급하십시오.
    1. 전원 공급 장치의 한 채널을 스테퍼 모터 드라이버의 +V 및 GND 핀에 올바르게 배선합니다.
    2. 전원 공급 장치를 켜고 연결된 채널 전압을 25V로 설정합니다.
      주: 스테퍼 모터, 드라이버 및 전원 공급 장치 간의 연결이 올바르게 구성되면 스테퍼 모터 드라이버의 녹색 표시등 LED가 켜집니다.
    3. 전원 공급 장치의 포지티브 리드를 솔레노이드 밸브 드라이버 홀드 전압 핀에 올바르게 연결하고 다른 포지티브 리드를 스파이크 전압 핀에 연결하십시오.
    4. 네거티브 리드를 제어 신호와 공유되는 접지에 연결합니다.
    5. 전원 공급 장치를 켜고 홀드 전압에 연결된 채널을 약 2.5V로, 스파이크 전압에 연결된 채널을 약 12V로 설정합니다.
  4. 루어 어댑터를 사용하여 ~ 20PSI의 압력으로 조절되는 공기 공급원을 솔레노이드 밸브에 연결하십시오.
  5. 모든 자극 구성 요소와 카메라가 제대로 작동하는지 테스트합니다.
    1. SBC에서 터미널을 열고 cd ~/assocLearnRig 를 입력하여 복제된 GitHub 리포지토리로 이동합니다.
    2. 터미널에서 python3 assocLearnRig_app.py 을 입력하여 제어 그래픽 사용자 인터페이스를 시작하십시오.
    3. 스트림 버튼을 눌러 카메라 스트림 을 시작합니다.
    4. DEC Radio 버튼을 선택하고 마이크로 컨트롤러에 업로드한 다음 세션 시작 단추를 눌러 기본 매개 변수로 세션을 시작합니다.
      참고: 이 단계가 끝나면 터미널에 데이터 로그의 인쇄물이 나타나고 카메라 스트림의 메시지가 사라지며 LED CS 및 솔레노이드 밸브 US가 각 시험 중에 적절한 시간에 켜고 꺼야 합니다.
    5. 세션이 종료되면 DTSC 라디오 단추를 선택한 상태에서 이전 단계를 반복합니다.
      참고: 위의 단계에서 만족스러운 결과를 제공하지 못하는 경우 GitHub 리포지토리의 스케치("testStepper.ino", "testRotary.ino" 및 "testSolenoid.ino")를 사용하여 개별 구성 요소를 테스트할 수 있습니다.
  6. 달리는 바퀴를 만드십시오.
    1. 폼 롤러에서 3 "휠을 자릅니다. 정확한 휠 중앙에 1/4" 구멍을 뚫어 마우스의 움직임에 의해 돌릴 때 휠이 흔들리지 않도록 합니다.
    2. 휠에 1/4" 샤프트를 삽입하고 휠의 양쪽에 배치된 클램핑 허브를 사용하여 제자리에 고정합니다.
  7. M3 볼트를 사용하여 로터리 엔코더를 4.5" 알루미늄 채널에 부착합니다. 그림과 같이 1/4" 볼트, 너트 및 와셔가 있는 직각 브래킷을 사용하여 알루미늄 브레드 보드의 알루미늄 채널을 안정화합니다.
  8. 샤프트 커플링 슬리브를 사용하여 휠과 로터리 엔코더를 부착합니다.
  9. 브레드 보드 장착 광학 포스트에 설치된 직각 엔드 클램프에 삽입된 베어링으로 휠 샤프트의 자유 측면을 안정화합니다.
    참고: 손으로 회전할 때 휠이 흔들리지 않고 자유롭게 회전하도록 하십시오.
  10. 자극 하드웨어, 헤드레스트, 적외선 어레이 및 파이카메라를 조립된 휠 주위에 배치합니다.
    1. 광학 포스트와 직각 포스트 클램프를 사용하여 헤드레스트를 배치하여 헤드 포스트가 휠 액슬 앞 1.5cm, 휠 표면 위 2cm가 되도록 합니다. (값은 20 g 마우스에 대한 것이다).
    2. DEC에 사용되는 CS LED 및 솔레노이드 밸브 배출구를 DEC에 사용된 눈에서 1cm 미만으로 배치합니다.
    3. DTSC US에 사용되는 스테퍼 모터 장착
    4. 동물이있을 곳에서 ~ 10cm 떨어진 광학 포스트에 파이 카메라를 장착하십시오.
      참고: 파이카메라 마운트의 설계는 GitHub 리포지토리의 "RaspPiCamMount1_1.stl"에 있는 파일에서 3D 프린터에서 수행할 수 있습니다.
    5. 적외선 어레이를 약간 위에 놓고 파이 카메라와 같은 쪽의 얼굴 위치를 직접 향하게하십시오.
    6. 클램핑 허브를 사용하여 1/4" 샤프트에 장착된 아크릴 조각의 가장자리에 폼을 테이핑하여 DTSC에 대한 촉각 자극을 만듭니다. 촉각 자극을 스테퍼 모터 샤프트에 부착하십시오.
      참고: 아크릴 조각의 디자인은 GitHub 리포지토리의 "TactileStimDesign.pdf"의 패턴에 따라 레이저 절단이 가능합니다.

3. 행동 실험 준비 및 실행

  1. 마우스 헤드플레이트 이식.
    1. 2 % 이소 플루란을 사용하여 마우스를 마취시키고 입체 전술 프레임에서 머리를 고정하십시오.
    2. 눈에 안과 연고를 바르십시오.
    3. 비눗물과 멸균 메스를 사용하여 두피를 면도하십시오. 절개 부위의 피부 바로 아래에 리도카인을 주사하고 포비돈으로 수술 부위를 청소하십시오.
    4. 눈의 뒤쪽 가장자리에서 두개골의 뒤쪽 가장자리까지 두피의 중간 선을 따라 메스로 절개를하고 두개골을 너무 세게 누르지 않도록주의하십시오.
    5. 절개를 벌리고 멸균 지혈제로 양쪽을 고정시켜 열어 놓습니다. 에탄올로 담근 면봉을 사용하여 골막을 부드럽게 제거하고 노출 된 두개골의 표면이 건조되도록하십시오.
    6. 머리판 레벨을 두개골에 놓고 헤드플레이트 앞쪽을 눈에 대고 위치시킵니다. 시아 노 아크릴레이트 접착제를 사용하여 헤드 플레이트를 두개골에 부착하고 접착제가 완전히 건조되도록하십시오.
    7. 혼합 접시에 치과 시멘트 분말 (1 스쿱), 용제 (2 방울) 및 촉매 (1 방울)를 섞어서 노출 된 뼈의 모든 부위에 바르십시오. 표면이 헤드플레이트의 상단 가장자리와 수평이 될 때까지 레이어를 추가하여 헤드플레이트가 두개골에 단단히 부착되었는지 확인합니다.
    8. 필요한 경우 헤드 플레이트 뒤와 앞에서 닫힌 피부를 봉합하십시오.
    9. 기관 지침에 따라 카프로펜과 같은 수술 후 진통제를 주사하면서 동물이 적어도 5 일 동안 회복 할 수 있도록하십시오.
  2. 행동 세션 준비.
    1. 실험 전 5일 동안 30분 동안 헤드레스트에 장착하여 실험 동물이 플랫폼에 익숙해지도록 허용하십시오.
      참고 : 습관화 세션이 끝날 때까지 동물들은 바퀴에서 편안하게 달릴 수 있어야합니다.
    2. (DEC에만 해당) 세션에 앞서 솔레노이드 밸브 배출구가 >1cm 떨어진 곳에 위치한 대상 눈의 중앙에 있는지 확인하십시오.
    3. (DEC에만 해당) 푸시 버튼을 사용하여 에어 퍼프를 수동으로 작동시킵니다. 마우스가 구부러진 자세를 취하거나 동측성 앞발로 영향을받는 안구 주위를 움켜 잡는 것과 같은 스트레스의 명백한 징후를 보이지 않고 즉시 깜박임을 일으키는지 확인하십시오.
    4. (DTSC에만 해당) 세션에 앞서 촉각 자극이 ~ 1.5cm 떨어진 동물의 코에 집중되어 있는지 확인하십시오.
      참고: DTSC 동작 세션이 실행되고 있지 않으면 스테퍼 모터가 자동으로 비활성화되어 수동 위치 조정이 가능합니다.
    5. (DTSC에만 해당) SBC 터미널에서 python3 assocLearnRig_app.py를 입력하여 GUI를 시작하십시오.
    6. (DTSC에만 해당) GUI에서 세션 시작 단추를 눌러 기본 매개 변수를 사용하여 세 번의 평가판으로 테스트 세션을 실행합니다.
    7. (DTSC에만 해당) 터미널에 인쇄되는 로깅된 데이터가 각 시험에서 미국 이후 로터리 엔코더에 기록된 20단계 이상이지만 100단계 미만의 편향을 표시하는지 확인합니다.
      주의: 동물에 대한 해를 피하고 스트레스를 줄이려면 동물에서 더 멀리 떨어진 곳에서 자극을 시작하고 필요한 조건이 충족 될 때까지 더 가깝게 이동하십시오.
  3. 데이터 로깅을 사용하여 동작 세션 실행.
    1. 마우스를 헤드레스트에 장착합니다.
    2. SBC의 터미널에 python3 assocLearnRig_app.py 를 입력하여 GUI를 시작하십시오.
    3. 행동 시도 중에 카메라 녹화를 허용하려면 스트림 버튼을 누르십시오.
      참고: 세션은 카메라 없이 실행할 수 있습니다. 이 경우 로터리 엔코더 및 자극 프리젠테이션 타임스탬프의 데이터만 기록됩니다.
    4. 동물 ID 필드에 동물의 식별 정보를 입력하고 설정 버튼을 누릅니다.
    5. 원하는 행동 패러다임에 따라 세션 유형 제목 아래의 라디오 버튼에서 DEC 또는 DTSC를 선택합니다.
    6. 원하는 실험 매개 변수를 동물 ID 필드 아래의 필드에 입력하고 Arduino 에 업로드 버튼을 누릅니다.
      참고: 실험 매개 변수에 대한 자세한 내용은 GitHub 리포지토리 추가 정보 섹션에서 확인할 수 있습니다.
    7. 세션 시작 버튼을 눌러 세션을 시작하십시오.
    8. 세션이 초기화되면 SBC 썸 드라이브 탑재 지점의 "/media/usb"에 생성된 새 디렉터리에 데이터가 로깅되기 시작합니다.

4. 데이터 내보내기 및 분석

  1. 기록된 모든 세션을 호스트 컴퓨터로 내보내려면 명령 프롬프트를 열고 pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination 명령을 입력한 다음 SBC 암호로 인증합니다.
    참고: 위의 명령은 Windows 컴퓨터용입니다. Mac 및 Linux 컴퓨터에서는 터미널을 사용하고 "pscp"를 "scp"로 바꿉니다.
  2. 호스트 컴퓨터에 Anaconda25 또는 다른 파이썬 패키지 관리자 (PPM)를 설치하십시오.
  3. GitHub 리포지토리로 이동하여 "analyzeSession.py", "summarizeSessions.py", "session2mp4s.py" 및 "requirementsHost.txt"를 다운로드합니다.
  4. PPM 프롬프트를 열고 conda install --file directory_containing_requirementsHostrequirements Host.txt 를 입력하여 Python 패키지 설치에 필요한 파이썬 라이브러리가 있는지 확인하십시오.
  5. 프롬프트에서 cd directory_containing_analyzeData를 입력하여 "analyzeData.py" 및 "session2mp4s.py"가 포함된 디렉토리로 이동합니다. 파이썬 analyzeSession.py 를 입력하여 분석 프로그램을 실행하십시오.
    참고: 파이썬 2 버전을 파이썬으로 사용하는 경우 오류 메시지가 생성됩니다. 버전을 확인하려면 프롬프트에 python -V 를 입력하십시오.
  6. 메시지가 표시되면 데이터가 들어 있는 디렉터리를 선택합니다. 여러 하위 디렉토리가있는 디렉토리가 순차적으로 분석됩니다.
  7. DEC 세션의 경우 분석된 각 세션 디렉터리에 대해 평가판 평균 이미지에서 마우스의 눈이 포함된 관심 영역(ROI)을 선택합니다.
    참고: 최종 분석 데이터 파일 및 요약 그래프는 분석된 각 세션 디렉토리의 하위 디렉토리로 채워집니다.
  8. python summarizeSessions.py 을 입력하여 여러 세션에서 요약 데이터를 생성합니다.
  9. 프롬프트 python session2mp4s.py 을 입력하여 이미징 데이터 파일을 볼 수있는 .mp4 파일로 변환하십시오.

결과

DEC 실험 및 분석을 위한 워크플로우
적절한 실험 파라미터 선택은 성공적인 지연 아이블링크 컨디셔닝(DEC) 훈련에 중요하다. 여기에 제시된 데이터의 경우, GUI를 사용하여 350ms의 CS 지속 시간 및 50ms의 미국 지속 시간을 선택했습니다. 이러한 짝짓기는 300ms의 인터-자극 간격을 초래한다: 낮은 진폭 CR 생산(10 )을 방지하기에 충분히 길고, 열악한 학습 또는 추적 컨디...

토론

여기에 설명 된 관련 프로토콜이있는 플랫폼은 두 가지 감각 연관 학습 작업에서 동물의 행동을 안정적으로 추적하는 데 사용할 수 있습니다. 각 작업은 등반 섬유 경로를 통한 온전한 의사 소통에 달려 있습니다. 여기에 설명 된 디자인에서 우리는 소뇌 반응의 학습 및 기록 / 교란을 용이하게하는 요소를 통합합니다. 여기에는 자유로운 운동11,18뿐만 ?...

공개

저자는 공개 할 이해 상충이 없습니다.

감사의 말

이 작업은 국립 정신 건강 연구소 NRSA F32 MH120887-03 (G.J.B.) 및 R01 NS045193 및 R01 MH115750 (S.S-H.W.)의 보조금으로 지원됩니다. DEC 설정 최적화를 위한 유용한 토론을 해주신 Bas Koekkoek 박사와 Henk-Jan Boele 박사님과 DTSC 설정 최적화를 위한 유용한 토론을 위해 Yue Wang과 Xiaoying Chen 박사님께 감사드립니다.

자료

NameCompanyCatalog NumberComments
"B" Quick Base For C&B METABOND - 10 mL bottleParkellS398Dental cement solvent
"C" Universal TBB Catalyst - 0.7 mLParkellS371Catalyst
#8 WashersThorlabsW8S038Washers
0.250" (1/4") x 8.00" Stainless Steel Precision ShaftingServocity6341721/4" shaft
0.250” (0.770") Clamping HubServocity545588Clamping hub
1/4" to 6 mm Set Screw Shaft Coupler- 5 packActobotics625106Shaft-coupling sleeve
1/4"-20 Cap Screws, 3/4" LongThorlabsSH25S0751/4" bolt
100 pcs 5 mm 395–400 nm UV Ultraviolet LED Light Emitting Diode Clear Round Lens 29 mm Long Lead (DC 3V) LEDs Lights +100 pcs ResistorsEDGELEC‎ED_YT05_U_100PcsCS LEDs
2 m Micro HDMI to DVI-D Cable - M/M - 2 m Micro HDMI to DVI Cable - 19 pin HDMI (D) Male to DVI-D Male - 1920 x 1200 VideoStar-tech‎HDDDVIMM2MRaspberry Pi4B to monitor cable
256 GB Ultra Fit USB 3.1 Flash DriveSanDisk‎SDCZ430-256G-G46USB thumb drive
3.3 V–5 V 4 Channels Logic Level Converter Bi-Directional Shifter ModuleAmazonB00ZC6B8VMLogic level shifter
32 GB 95 MB/s (U1) microSDHC EVO Select Memory CardSamsung‎MB-ME32GA/AMmicroSD card
4.50" Aluminum ChannelServocity5854444.5" aluminum channel
48-LED CCTV Ir Infrared Night Vision IlluminatorTowallmarkSODIALInfrared light array
4PCS Breadboards Kit Include 2PCS 830 Point 2PCS 400 Point Solderless Breadboards for Proto Shield Distribution Connecting BlocksREXQualisB07DL13RZHBreadboard
5 Port Gigabit Unmanaged Ethernet Network SwitchTP-Link‎TL-SG105Ethernet switch
5 V 2.5 A Raspberry Pi 3 B+ Power Supply/AdapterCanakit‎DCAR-RSP-2A5Power supply for Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3Ethicon668GSutures
6 mm Shaft Encoder 2000 PPR Pushpull Line Driver Universal Output Line Driver Output 5-26 V dc SupplyCalt B01EWER68IRotary encoder
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 1", 5 PackThorlabsTR1-P5Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 2", 5 PackThorlabsTR2-P5Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 4", 5 PackThorlabsTR4-P5Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 6", 5 PackThorlabsTR6-P5Optical posts
Ø1/2" Post Holder, Spring-Loaded Hex-Locking Thumbscrew, L = 2"ThorlabsPH2Optical post holder
Adapter-062-M X LUER LOCK-FThe Lee Co.TMRA3201950ZSolenoid valve luer adapter
Aeromat Foam Roller Size: 36" LengthAeromatB002H3CMUEFoam roller
Aluminum Breadboard 10" x 12" x 1/2", 1/4"-20 TapsThorlabsMB1012Aluminum breadboard
Amazon Basics HDMI to DVI Adapter Cable, Black, 6 Feet, 1-PackAmazonHL-007347Raspberry Pi3B+ to monitor cable
Arduino  Uno R3ArduinoA000066Arduino Uno (microcontroller board)
Arduino DueArduino‎A000062Arduino Due (microcontroller board)
Bench Power Supply, Single, Adjustable, 3 Output, 0 V, 24 V, 0 A, 2 ATenma72-8335APower supply
Clear Scratch- and UV-Resistant Cast Acrylic Sheet, 12" x 24" x 1/8"McMaster Carr8560K257Acrylic sheet
CNC Stepper Motor Driver 1.0–4.2 A 20–50 V DC 1/128 Micro-Step Resolutions for Nema 17 and 23 Stepper MotorStepper OnlineB06Y5VPSFNStepper motor driver
Compact Compressed Air Regulator, Inline Relieving, Brass Housing, 1/4 NPTMcMaster Carr6763K13Air source regulator
Cotton SwabPuritan806-WCCotton swab
Dell 1908FP 19" Flat Panel Monitor - 1908FPCDell1908FPCComputer monitor
Flex Cable for Raspberry Pi CameraAdafruit2144camera serial interface cable
High Torque Nema 17 Bipolar Stepper Motor 92 oz·in/65 N·cm 2.1 A Extruder MotorStepper Online17HS24-2104SStepper motor
IsofluraneHenry Schein66794001725Isoflurane
Krazy Maximum Bond Permanent Glue, 0.18 oz.Krazy GlueKG483Cyanoacrylate glue
Lidocaine HClVetOne510212Lidocaine
Low-Strength Steel Hex Nut, Grade 2, Zinc-Plated, 1/4"-20 Thread SizeMcMaster Carr90473A029Nuts
M3 x 50 mm Partially Threaded Hex Key Socket Cap Head Screws 10 pcsUxcellA16040100ux1380M3 bolt
NEMA 17 Stepper Motor MountACTOBOTICS555152Stepper motor mount
Official Raspberry Pi Power Supply 5.1 V 3 A with USB C - 1.5 m longAdafruit4298Power supply for Raspberry Pi 4B
Optixcare Dog & Cat Eye Lube Lubricating Gel, 0.70-oz tubeOptixcare142422Opthalimic ointment
Precision Stainless Steel Ball Bearing, Shielded, Trade No. R188-2Z, 13000 rpm Maximum SpeedMcMaster-Carr3759T57Bearing
Premium Female/Female Jumper Wires - 40 x 6"Adafruit266Wires
Premium Female/Male 'Extension' Jumper Wires - 40 x 6" (150 mm)Adafruit826Wires
Premium Male/Male Jumper Wires - 40 x 6"Adafruit758Wires
Radiopaque L-Powder for C&B METABOND - 5 gParkellS396Dental cement powder
Raspberry Pi (3B+ or 4B)Adafruit3775 or 4295Raspberry Pi
Raspberry Pi NoIR Camera Module V2 - 8MP 1080P30Raspberry Pi FoundationRPI3-NOIR-V2Raspberry NoIR V2 camera
Right-Angle Bracket, 1/4" (M6) Counterbored Slot, 8-32 TapsThorlabsAB90ERight-angle bracket
Right-Angle Clamp for Ø1/2" Posts, 3/16" HexThorlabsRA90Right-angle optical post clamp
Right-Angle End Clamp for Ø1/2" Posts, 1/4"-20 Stud and 3/16" HexThorlabsRA180Right-angle end clamp
RJ45 Cat-6 Ethernet Patch Internet CableAmazon‎CAT6-7FT-5P-BLUEEthernet cable
Rotating Clamp for Ø1/2" Posts, 360° Continuously Adjustable, 3/16" HexThorlabsSWCRotating optical post clamps
Spike & Hold Driver-0.1 TO 5 MSThe Lee Co.IECX0501350ASolenoid valve driver
Swivel Base AdapterThorlabsUPHAPost holder adapter
USB 2.0 A-Male to Micro B Cable, 6 feetAmazon‎7T9MV4USB2 type A to USB2 micro cable
USB 2.0 Printer Cable - A-Male to B-Male, 6 Feet (1.8 m)AmazonB072L34SZSUSB2 type B to USB2 type A cable
VHS-M/SP-12 VThe Lee Co.INKX0514900ASolenoid valve
Zinc-Plated Steel 1/4" washer, OD 1.000"McMaster Carr91090A108Washers

참고문헌

  1. McCormick, D. A., Lavond, D. G., Clark, G. A., Kettner, R. E., Rising, C. E., Thompson, R. F. The engram found? Role of the cerebellum in classical conditioning of nictitating membrane and eyelid responses. Bulletin of the Psychonomic Society. 18 (3), 103-105 (1981).
  2. McCormick, D. A., Clark, G. A., Lavond, D. G., Thompson, R. F. Initial localization of the memory trace for a basic form of learning. Proceedings of the National Academy of Sciences of the United States of America. 79 (8), 2731-2735 (1982).
  3. McCormick, D. A., Thompson, R. F. Cerebellum: essential involvement in the classically conditioned eyelid response. Science. 223 (4633), 296-299 (1984).
  4. Krupa, D. J., Thompson, J. K., Thompson, R. F. Localization of a memory trace in the mammalian brain. Science. 260 (5110), 989-991 (1993).
  5. Llinás, R., Sugimori, M. Electrophysiological properties of in vitro Purkinje cell dendrites in mammalian cerebellar slices. The Journal of Physiology. 305, 197-213 (1980).
  6. Mintz, M., Lavond, D. G., Zhang, A. A., Yun, Y., Thompson, R. F. Unilateral inferior olive NMDA lesion leads to unilateral deficit in acquisition and retention of eyelid classical conditioning. Behavioral and Neural Biology. 61 (3), 218-224 (1994).
  7. Welsh, J. P., Harvey, J. A. Cerebellar lesions and the nictitating membrane reflex: performance deficits of the conditioned and unconditioned response. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 9 (1), 299-311 (1989).
  8. Mauk, M. D., Steinmetz, J. E., Thompson, R. F. Classical conditioning using stimulation of the inferior olive as the unconditioned stimulus. Proceedings of the National Academy of Sciences of the United States of America. 83 (14), 5349-5353 (1986).
  9. Steinmetz, J. E., Lavond, D. G., Thompson, R. F. Classical conditioning in rabbits using pontine nucleus stimulation as a conditioned stimulus and inferior olive stimulation as an unconditioned stimulus. Synapse. 3 (3), 225-233 (1989).
  10. Chettih, S. N., McDougle, S. D., Ruffolo, L. I., Medina, J. F. Adaptive timing of motor output in the mouse: The role of movement oscillations in eyelid conditioning. Frontiers in Integrative Neuroscience. 5, 72 (2011).
  11. Heiney, S. A., Wohl, M. P., Chettih, S. N., Ruffolo, L. I., Medina, J. F. Cerebellar-dependent expression of motor learning during eyeblink conditioning in head-fixed mice. The Journal of Neuroscience. 34 (45), 14845-14853 (2014).
  12. Heiney, S. A., Kim, J., Augustine, G. J., Medina, J. F. Precise control of movement kinematics by optogenetic inhibition of purkinje cell activity. Journal of Neuroscience. 34 (6), 2321-2330 (2014).
  13. Ten Brinke, M. M., et al. Evolving models of pavlovian conditioning: Cerebellar cortical dynamics in awake behaving mice. Cell Reports. 13 (9), 1977-1988 (2015).
  14. Gao, Z., et al. Excitatory cerebellar nucleocortical circuit provides internal amplification during associative conditioning. Neuron. 89 (3), 645-657 (2016).
  15. Giovannucci, A., et al. Cerebellar granule cells acquire a widespread predictive feedback signal during motor learning. Nature Neuroscience. 20 (5), 727-734 (2017).
  16. Ten Brinke, M. M., et al. Dynamic modulation of activity in cerebellar nuclei neurons during pavlovian eyeblink conditioning in mice. eLife. 6, 28132 (2017).
  17. Wang, X., Yu, S., Ren, Z., De Zeeuw, C. I., Gao, Z. A FN-MdV pathway and its role in cerebellar multimodular control of sensorimotor behavior. Nature Communications. 11 (1), 6050 (2020).
  18. Albergaria, C., Silva, N. T., Pritchett, D. L., Carey, M. R. Locomotor activity modulates associative learning in mouse cerebellum. Nature Neuroscience. 21 (5), 725-735 (2018).
  19. Kim, O. A., Ohmae, S., Medina, J. F. A cerebello-olivary signal for negative prediction error is sufficient to cause extinction of associative motor learning. Nature Neuroscience. 23 (12), 1550-1554 (2020).
  20. Yamada, T., et al. Sensory experience remodels genome architecture in neural circuit to drive motor learning. Nature. 569 (7758), 708-713 (2019).
  21. Horlington, M. Startle response circadian rhythm in rats: lack of correlation with motor activity. Physiology & Behavior. 5 (1), 49-53 (1970).
  22. Yeomans, J. S., Li, L., Scott, B. W., Frankland, P. W. Tactile, acoustic and vestibular systems sum to elicit the startle reflex. Neuroscience and Biobehavioral Reviews. 26 (1), 1-11 (2002).
  23. . Raspberry Pi Operating system images Available from: https://www.raspberrypi.com/software/operationg-systems/ (2021)
  24. . VNC Server. VNC® Connect Available from: https://www.realvnc.com/en/connect/download/vnc/ (2021)
  25. . Anaconda: The world's most popular data science platform Available from: https://xddebuganaconda.xdlab.co/ (2021)
  26. De Zeeuw, C. I., Ten Brinke, M. M. Motor learning and the cerebellum. Cold Spring Harbor Perspectives in Biology. 7 (9), 021683 (2015).
  27. Badura, A., et al. Normal cognitive and social development require posterior cerebellar activity. eLife. 7, 36401 (2018).
  28. Koekkoek, S. K. E., Den Ouden, W. L., Perry, G., Highstein, S. M., De Zeeuw, C. I. Monitoring kinetic and frequency-domain properties of eyelid responses in mice with magnetic distance measurement technique. Journal of Neurophysiology. 88 (4), 2124-2133 (2002).
  29. Kloth, A. D., et al. Cerebellar associative sensory learning defects in five mouse autism models. eLife. 4, 06085 (2015).
  30. Boele, H. -. J., Koekkoek, S. K. E., De Zeeuw, C. I. Cerebellar and extracerebellar involvement in mouse eyeblink conditioning: the ACDC model. Frontiers in Cellular Neuroscience. 3, (2010).
  31. Lin, C., Disterhoft, J., Weiss, C. Whisker-signaled eyeblink classical conditioning in head-fixed Mice. Journal of Visualized Experiments: JoVE. (109), e53310 (2016).
  32. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  33. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

179

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연구

교육

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유