Investigação dos processos de aprendizagem motora habilidade com uma Robotic Manipulandum

Resumo

Um paradigma é apresentado para o treinamento e análise de uma tarefa atingindo qualificados automatizado em ratos. Análise de tentativas de puxar revela subprocessos distintas de aprendizagem motora.

Resumo

tarefas atingindo qualificados são comumente usados ​​em estudos de aprendizagem de habilidades motoras e função motora em condições saudáveis ​​e patológicas, mas pode ser demorada e ambígua para quantificar as taxas de sucesso para além simples. Aqui, descrevemos o procedimento de formação para tarefas de alcance e-pull com ETH Pattus, uma plataforma robótica para forelimb automatizado treinamento de alcance que os registros de puxar e movimentos de rotação da mão em ratos. quantificação cinemática das tentativas realizadas puxando revela a presença de perfis temporais distintas de parâmetros do movimento, tais como a velocidade de puxar, a variabilidade espacial da trajectória de puxar, o desvio da linha média, assim como puxando sucesso. Nós mostramos como pequenos ajustes no paradigma de formação resultar em alterações nestes parâmetros, revelando sua relação com a tarefa de dificuldade, função motora geral ou execução de tarefa especializada. Combinado com técnicas electrofisiológicas, farmacológicos e optogenetic, este paradigma podem ser utilizadospara explorar os mecanismos subjacentes a aprendizagem motora e formação da memória, bem como a perda ea recuperação da função (por exemplo, após acidente vascular cerebral).

Introdução

tarefas motoras são amplamente utilizados para avaliar as mudanças comportamentais e neurológicos relacionados à aprendizagem motora ou a alterações na função motora em modelos animais neurológicas ou farmacológicos. função motora fina pode ser difícil de quantificar em roedores, no entanto. Tarefas que exigem destreza manual, como a manipulação dos cereais ^1, massas ^2, ou sementes de girassol ³ são sensíveis e não requerem treinamento extensivo do animal. A sua principal desvantagem é que essas tarefas produzir resultados qualitativos e principalmente pode ser difícil para marcar de forma inequívoca.

Tarefas atingindo especializados, tais como variações do pellet única atingindo tarefa são mais simples de quantificar ^{4, 5.} No entanto, fatores cinemáticas que fundamentam a execução bem sucedida destas tarefas só pode ser inferida de forma limitada e requerem mão de obra intensiva quadro-a-quadro de vídeo análise.

dispositivos robóticos ganharam popularidade como meio de quantificar aspectos da função forelimb e habilidade motora. Várias tarefas atingindo automatizado estão disponíveis. O foco maior em um único aspecto de um movimento do membro anterior, como puxar uma alça ao longo de uma guia linear ^{6, 7,} simples movimentos dos membros distais ⁸ ou pronação e supinação da pata ^9. Embora estes dispositivos mostram a promessa para a análise da função motora, eles só refletem as ações motoras complexas executadas durante pellet única chegando a um número limitado de estender.

Aqui, nós demonstrar o uso de um dispositivo de três graus de liberdade robótico, ETH Pattus, desenvolvido para a formação e avaliação das diversas tarefas motoras em ratos ^{10, 11.} Ele registra planar e movimento rotacional dos movimentos forelimb rato em alcance, alcance, epuxando as tarefas realizadas no plano horizontal. Ratos interagir com o robô através de um punho esférica a 6mm de diâmetro, que pode ser alcançado através de uma janela na gaiola teste (largura: 15 cm, comprimento: 40 cm, altura: 45 cm) e movido em relação ao plano horizontal (empurrando e puxando movimentos) e rodado (movimentos de pronação-supinação). Assim, ele permite que o rato para realizar movimentos que se aproximam os executados durante as tarefas de pelotização atingindo individuais convencionais. A janela é de 10 mm de largura e localizado a 50 mm acima do chão da gaiola. O identificador é localizado a 55 mm acima do piso. Um deslizamento de blocos porta de acesso ao cabo entre o final de ensaios e abre quando o robô atinge a sua posição inicial e fecha depois de um julgamento seja concluído. Depois de um movimento executado correctamente, os ratos recebem uma recompensa alimentar no lado oposto da gaiola de teste.

O robô é controlado via software e registra a saída de 3 rotativos a 1000 Hz, resultando em informações sobre a posição of a pega em relação ao plano horizontal, bem como o seu ângulo de rotação (para detalhes, ver referência ^11). As condições necessárias para a execução da tarefa com sucesso são definidas no software antes de cada sessão de treino (por exemplo mínima exigida puxando distância e desvio máximo da linha média em uma tarefa alcance-and-pull). Uma posição de referência inicial normalizado da pega é gravado com um suporte fixo no início de cada sessão de treino. Esta referência é utilizado para todos os ensaios dentro de uma sessão, assegurando uma posição inicial constante do identificador para cada ensaio. Posicionamento constante da pega em relação à janela da gaiola é assegurada por alinhamento das marcas na gaiola e robô (Figura 1).

gravações de vídeo dos movimentos de alcance são gravados usando uma pequena câmera de alta velocidade (120 frames / s, resolução de 640 x 480). Um pequeno display na visão da câmera mostra o número de identificação do rato, sessão de treinamento,número de tentativas e resultado de teste (sucesso ou falha). Estes vídeos são utilizados para verificar os resultados registados e para avaliar os efeitos de se chegar a movimentos que precedem a tocar, ou puxando a rotação da pega.

Aqui, demonstramos a utilização dessa plataforma robótica em variações de uma tarefa alcance-e-pull. Esta tarefa pode ser formado dentro de um período de tempo que é comparável com outros paradigmas atingindo especializados e produz resultados reprodutíveis. Descreve-se um protocolo de treino típico, bem como alguns dos principais parâmetros de saída. Além disso, vamos mostrar como pequenas mudanças no protocolo de treinamento utilizado pode resultar em cursos de tempo alterados de resultados comportamentais que podem representar subprocessos independentes dentro do processo de aprendizagem de habilidades motoras.

Protocolo

Os experimentos aqui apresentados foram aprovados pelo Serviço Veterinário do Cantão de Zurique, Suíça, e foram realizados de acordo com os regulamentos nacionais e institucionais.

1. condições de alimentação

NOTA: Todas as sessões de treino são realizadas no âmbito de um protocolo de alimentação programada.

1. Alimentar os ratos de 50 g / kg de ração padrão uma vez por dia, após o treinamento for concluído. Esta quantidade de comida é suficiente para evitar grande perda de peso (peso corporal é> 90% do peso alimentação livre), mas suficientemente pequeno para assegurar um condicionamento comportamental reprodutível. Pesar os ratos diariamente para garantir o seu peso corporal permanece estável.
   NOTA: adicional durante a noite (10-12 h) privação de alimento pode ser útil antes da primeira sessão de recompensa ao toque (passo 2.3).

2. Processo de Formação para uma tarefa Reach-e-pull

1. Preparação: Permitir que os ratos para se habituar às novas gaiolas durante pelo least de uma semana após a chegada à instalação de animal. Lidar com os ratos regularmente durante este tempo e dar peletes de precisão dustless na gaiola se que se habituem os ratos para o novo alimento. Estes peletes será usado como recompensa em todo o protocolo de treino.
2. A habituação: Colocar os ratos na gaiola de teste durante 30-45 min e 30-50 fornecer peletes na bacia de alimentação, misturados com ração em pó. Abra e feche a janela da gaiola e executar o dispensador de pellet, ocasionalmente, para habituar os ratos ao seu som.
   1. Repita esse procedimento para 2-3 dias.
3. Recompense-touch: treinar os ratos para tocar a alça esférica através da janela da gaiola e, em seguida, passar para o lado oposto da gaiola para recuperar uma recompensa alimentar.
   1. Ajuste as configurações do software de modo que a alça está localizado fora da janela gaiola o teste no início de cada ensaio e alinhar a alça com o centro da janela da gaiola. Quando os testes forem bem sucedidos, ou seja </ Em>, logo que um toque de luz na pega (0,25 mm de deslocamento em qualquer direcção) foi detectada, é emitido um som e uma recompensa é dispensado. Classificar ensaios como falha quando nenhum contato foi detectado por 180 s depois que a janela é aberta.
   2. Coloque o rato na gaiola treinamento. Solicitar que o rato para chegar ao deixá-lo pegar em um pellet realizada perto da alça. Direcionar a atenção do rato para a tigela punho e comida tocando na gaiola.
   3. Pare de avisar quando o rato atinge de forma independente através da janela da gaiola e recupera o pellet alimentos.
   4. Continue até 100 tentativas (toques) estão concluídas ou até 60 min se passaram, o que ocorrer primeiro.
   5. Continuar a formação para 3-4 dias e começar a próxima fase de formação (passo 2.4) quando os ratos atingir 100 ensaios no prazo de 30 min em 2 dias consecutivos.
      NOTA: Não excesso de treinar esta etapa. O objectivo da recompensa ao toque é conseguir a interacção fiável entre o rato e robô, de modo que este comportamento pode ser moldado emformação subsequente.
4. Tração livre (FP): treinar os ratos para chegar e puxar a alça do robô.
   1. Ajuste as configurações do software de modo que a alça está localizado a 18 mm da janela, no início de cada ensaio, e deve ser puxado por pelo menos 10 mm, sem interrupção para um teste bem sucedido. Não há restrições laterais no movimento de puxar nesta fase.
      1. Classificar um julgamento como falhou quando o identificador não foi movido por 180 s depois que a janela se abre, quando o identificador é movido para fora do espaço de trabalho acessível (mais de 12 mm da linha média), ou quando o rato tem puxado a menos de 10 mm dentro 5 s após o primeiro contacto tem sido detectada.
   2. Tome nota do número de vezes que a pata esquerda e direita são usados ​​durante os primeiros 20 ensaios da primeira sessão de FP. A pata que é utilizado em, pelo menos, 80% dos ensaios é considerada a preferida pata.
      NOTA: preferência Paw pode já ser claro em recompensasessões -Touch.
   3. Mover a alavanca lateralmente até que ela esteja alinhada com a extremidade da janela para facilitar puxar com a pata preferida (isto é mover o robô de 5 mm para o lado esquerdo da janela para ratos destros e vice-versa).
      NOTA: Coloque a alça nessa posição exato mesmo em relação à gaiola para todos os seguintes sessões de formação para este rato. Assegurar a colocação exata por marcas na parede da gaiola e no robô.
   4. Coloque o rato na gaiola formação e comboio até 100 ensaios estão concluídas ou até 60 min se passaram, o que ocorrer primeiro.
      NOTA: Se o rato não chegar suficientemente longe, pedir-lo, deixando-a agarrar a um pellet realizada perto da alça. Ratos podem parar de tentar puxar depois de tentativas fracassadas repetidas. Toque na gaiola, deixe-os pegar por pelotas realizadas com um par de fórceps ou dispensar uma pelota para restaurar sua motivação.
   5. Para experiências envolvendo apenas um treinamento FP, continuar a treinar conforme descrito em 2.4.
      NÃOTE: Normalmente, 1-2 sessões de PF são necessários para ajudar a transição de toque recompensa para SP (Straight Pull) formação. O objetivo dessas sessões de PF é habituar ratos para alcançar, agarrar e puxar a alavanca, em vez de apenas tocá-lo. Tal como acontece com o treinamento recompensa-touch, é importante para não sobre-trem, se o objetivo é fazer a transição para uma etapa de treino seguinte.
5. Puxar em linha reta (SP): treinar os ratos para puxar a alça sem se desviar mais de 2 mm da linha média.
   NOTA: A linha média é definida em relação à posição inicial do robô, não para o ponto médio da janela da gaiola. Assim, uma tentativa de puxar que termina no ponto médio da janela da gaiola irá resultar numa trajectória de puxar que se desvia mais do que 2 mm da linha média.
   1. Ajuste as configurações do software de modo que apenas ensaios em que o movimento de puxar não se afastar mais de 2 mm da linha média em ambos os lados são recompensados ​​por um tom e uma bolinha. Manter todos os outros parâmetros como descrito na etapa 2.4.
   2. Coloque o rato na gaiola formação e comboio até 100 ensaios estão concluídas ou até 60 min se passaram, o que ocorrer primeiro.
      NOTA: Os ratos podem tornar-se extremamente agitado e parar de tentar puxar depois de tentativas fracassadas repetidas. Toque na gaiola para redirecionar sua atenção para a tarefa de chegar, deixe-os pegar por pelotas realizadas com um par de fórceps ou dispensar uma pelota para restaurar sua motivação.
   3. Continuar treinando até que os ratos alcançar o desempenho planalto, ou adaptar o período de treinamento de acordo com a meta de um experimento.

Resultados

Aqui, mostramos 3 variações de uma tarefa alcance e puxar utilizando ratos Long-Evans machos (10-12 semanas de idade). No grupo livre-pull (FP) (N = 6), os ratos foram treinados para puxar a alça do robô por um período de 22 dias, sem restrições laterais. Animais no straight-puxar grupo 1 (SP1) (N = 12) foram treinados para puxar a alavanca sem se desviar mais do que 2 mm da linha média. Estes animais transferida diretamente de recompensa-touch (passo 2.3) para formação em linh...

Discussão

Tarefas atingindo qualificados são comumente usados para estudar aquisição de habilidades motoras, bem como comprometimento da função motora em condições patológicas ^6. análise confiável e inequívoca de alcançar comportamento é essencial para o estudo dos mecanismos celulares subjacentes aquisição de habilidades motoras, bem como processos neurofisiológicos envolvidos na perda e subsequente recuperação da função em modelos animais de doença neurológica. Os resultados aqui ap...

Materiais

Name	Company	Catalog Number	Comments
ETH Pattus			ETH Pattus was made by the Rehabilitation Engineering Laboratory of Prof. Gassert at ETH Zurich.
Training cage			The plexiglass training cage was made in-house.
Pellet dispenser	Campden Instruments	80209
45-mg dustless precision pellets	Bio-Serv	F0021-J
GoPro Hero 3+ Silver Edition	digitec.ch	284528	Small highspeed camera
Small display	Adafruit Industries	#50, #661	128 x 32 SPI OLED display controlled via an Arduino Uno microcontroller and Labview software
LabVIEW 2012	National Instruments	776678-3513	ETH Pattus is compatible with more recent Labview versions.
Matlab 2014b	The Mathworks	MLALL