마우스 통증 연구에서 시간 동기화 행동 및 뇌 역학을 위한 자동화된 곁눈질 방법

요약

이 프로토콜은 신경 생리학적 측정에 대한 시간 잠금과 호환되는 방식으로 시간이 지남에 따라 설치류의 자동화된 눈 사시를 추적하는 방법을 제공합니다. 이 프로토콜은 편두통과 같은 통증 장애의 메커니즘을 연구하는 연구자들에게 유용할 것으로 기대됩니다.

초록

자발적인 통증은 인간의 편견을 방지하는 방식으로 실시간으로 추적하고 정량화하는 것이 어려웠습니다. 이것은 편두통과 같은 장애와 같은 머리 통증 지표에 특히 해당됩니다. 눈 사시는 시간이 지남에 따라 측정할 수 있는 연속 변수 지표로 부상했으며 이러한 분석에서 통증 상태를 예측하는 데 효과적입니다. 이 논문은 DeepLabCut(DLC)을 사용하여 머리를 자유롭게 회전하는 억제된 마우스에서 눈 사시(눈꺼풀 사이의 유클리드 거리)를 자동화하고 정량화하기 위한 프로토콜을 제공합니다. 이 프로토콜을 사용하면 눈 사시의 편향되지 않은 정량화를 신경 생리학과 같은 기계론적 측정과 쌍을 이루고 직접 비교할 수 있습니다. 우리는 눈을 가늘게 뜨고 않는 기간을 구별하여 정의된 대로 성공을 달성하는 데 필요한 AI 교육 매개변수에 대한 평가를 제공합니다. 우리는 CGRP 유발 편두통과 같은 표현형에서 초 미만의 해상도로 사시를 안정적으로 추적하고 구별할 수 있는 능력을 보여줍니다.

서문

편두통은 전 세계적으로 가장 흔한 뇌 질환 중 하나로, 10억 명 이상의 사람들에게 영향을 미칩니다¹. 편두통의 전임상 마우스 모델은 인간 연구보다 쉽게 통제할 수 있어 편두통 관련 행동에 대한 인과적 연구를 가능하게 하기 때문에 편두통의 메커니즘을 연구하는 유익한 방법으로 부상했다². 이러한 모델은 칼시토닌 유전자 관련 펩타이드(CGRP)와 같은 편두통 유발 화합물에 대해 강력하고 반복 가능한 표현형 반응을 보여주었습니다. 설치류 모델에서 편두통 관련 행동에 대한 강력한 측정의 필요성이 지속되고 있으며, 특히 이미징 및 전기 생리학적 접근과 같은 기계론적 지표와 결합될 수 있는 측정의 필요성이 있습니다.

편두통과 유사한 뇌 상태는 빛 혐오, 발 이질증, 유해한 자극에 대한 안면 통각 과민증, 얼굴 찡그린 얼굴 등의 존재로 표현형적으로 특징지어진다³. 이러한 행동은 빛에 소요된 총 시간(빛 혐오)과 발 또는 얼굴 터치 민감도 임계값(발 이질통 및 안면 통각과민증)으로 측정되며 장시간(몇 분 이상)에 걸친 단일 판독값으로 제한됩니다. CGRP와 같은 편두통 ....

프로토콜

참고: 이 실험에 사용된 모든 동물은 아이오와 대학의 IACUC(Institutional Animal Care and Use Committee)에서 승인한 프로토콜에 따라 처리되었습니다.

1. 데이터 수집을 위한 장비 준비

1. 필요한 모든 장비의 가용성 확인: DLC를 실행하기 위한 권장 하드웨어에 최소 8GB의 메모리가 있는지 확인합니다. 하드웨어 및 소프트웨어와 관련된 정보는 Table of Materials 를 참조하십시오.
   참고: 데이터는 모든 형식으로 수집할 수 있지만 분석하기 전에 DLC에서 읽을 수 있는 형식으로 변환해야 합니다. 가장 일반적인 형식은 AVI 및 MP4입니다.
2. 동물의 한쪽 눈을 감지할 수 있도록 하나 이상의 카메라를 구성합니다. 양쪽 눈이 모두 보이면 추적에 간섭을 일으킬 수 있으므로 추가 필터링을 수행하십시오. 여기에 제공된 데이터에 대한 이러한 필터링의 예는 섹션 10을 참조하십시오.
3. Deeplabcut.github.io/DeepLabCut/docs/installation 에 있는 패키지를 사용하여 DLC를 설치합니다.

결과

여기에서는 DeepLabCut을 사용하여 높은 시간 해상도에서 사시를 안정적으로 감지하는 방법을 제공합니다. 훈련 매개변수를 최적화하고 이 방법의 강점과 약점에 대한 평가를 제공합니다(그림 1).

모델을 훈련시킨 후 유클리드 거리 측정의 좌표점 역할을 하는 눈꺼풀의 위쪽과 아래쪽 지점을 올바르게 추정할 수 있음을 확인했습?.......

토론

이 프로토콜은 이전 접근 방식과 동일한(또는 더 나은) 시간 해상도를 유지하면서 거의 인간의 정확도로 곁눈질을 구별할 수 있는 기계 학습 기반 도구를 사용하기 위한 쉽게 액세스할 수 있는 심층적인 방법을 제공합니다. 주로 자동화된 곁눈질에 대한 평가를 더 많은 청중이 더 쉽게 사용할 수 있도록 합니다. 자동 곁눈질을 평가하는 새로운 방법은 이전 모델에 비해 몇.......

자료

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