2017年2月12日
本文介绍了一种用于训练和分析大鼠自动化熟练抓取任务的范式。对抓取尝试的分析揭示了运动学习的不同子过程。
训练大鼠完成涉及机械操纵杆的抓取任务,其总体目标是研究运动技能学习和运动功能恢复背后的机制。该方法有助于回答行为神经科学领域中的关键问题,特别是与运动学习和记忆形成机制相关的问题,以及脑损伤或中风后功能丧失与恢复的问题。该技术的主要优势在于大鼠的训练和分析易于实施,并且相较于其他传统的单颗粒抓取任务更具客观性。
此外,机器人操纵装置可实现对运动学的更佳分析。在准备阶段,新获取的大鼠应至少在新饲养笼中适应一周后再进行训练。在此期间,需定期抓取大鼠,并喂食训练方案中所用的奖励颗粒。
开始训练过程时,首先用两到三天时间使大鼠适应测试笼环境。第一步是训练大鼠通过笼子窗口触碰球形手柄,然后移动到笼子的另一侧获取食物奖励。首先,调整软件设置,使手柄位于测试笼窗口正外部。
现在,将大鼠放入训练笼中,并将一粒食饵放在杠杆附近。根据需要轻敲笼子,以引导大鼠的注意力。以这种方式持续诱导大鼠靠近杠杆,直到它自主地通过笼子的窗口伸出爪子并触碰杠杆或食物颗粒。
然后开始运行实验,直到完成100次触碰或达到60分钟为止,以先到者为准。持续每天训练大鼠,直至其在连续两天内均能在30分钟内完成100次触碰。这种情况通常在前两次实验中即会出现。
一旦达到此熟练程度,即可直接进入下一个训练范式。大鼠在此任务中的表现速度可能远超既定标准,但需注意避免过度训练,因为这可能导致行为过度巩固,从而阻碍行为向最终目标的逐步塑造。下一步的挑战是让大鼠学会伸手并拉动拉杆这一中间步骤。
与奖励性触控训练一样,避免过度训练非常重要,因为最终目标是过渡到训练的下一阶段。首先,调整软件设置,使机器人在每次试验开始时将手柄置于距离窗口18毫米的位置。一次成功的试验要求手柄被连续拉动至少10毫米,且过程中不得中断。
拉动动作没有侧向限制。然后按照之前的方法进行训练,以完成100次尝试或持续60分钟作为训练结束的标志。如果大鼠无法伸展到足够远的距离以完成任务,则可通过用镊子夹住食丸并将其置于把手附近来引导其形成正确的行为。
如果大鼠似乎对拉动杠杆失去兴趣,则轻敲笼子或分配一粒食物丸。根据大鼠最初20次尝试拉动杠杆时使用的爪子来确定其爪子偏好。将使用更频繁的爪子确定为优势爪。
大多数大鼠会表现出明显的偏好,在至少80%的试验中使用同一只前爪。一旦确定了优势前爪,应调整手柄的横向位置以适应该前爪。将手柄对齐窗口边缘,并在此后所有该大鼠的实验中保持此位置不变。
持续训练该任务,直至大鼠的表现达到平台期,或在连续两天内均能在30分钟内完成任务100次。通常仅需进行两次训练即可进入直线拉动阶段。训练的最后阶段是教会大鼠为获得奖励而直线拉动拉杆。
调整软件中的参数,使偏离中线超过两毫米的拉拽动作被视为失败。与往常一样,每次训练应持续至完成100次试验或经过60分钟为止。继续对大鼠进行此项任务的训练,直至其技能水平达到平台期,或大鼠达到预设的标准为止。
采用10至12周龄的雄性Long-Evans大鼠,在22天的训练过程中比较了三种不同的训练技术。每组均接受奖励触碰训练,随后改变参数。
在第一组(FP)中,大鼠被训练拉动机器人的手柄,且无任何侧向限制。在第二组(SP1)中,大鼠被训练在拉动过程中偏离中线不超过两毫米,但未接受任何自由拉动训练。在最后一组(SP2)中,大鼠接受了恰好两次自由拉动训练,随后转入直线拉动训练阶段。
对于SP2而言,重要的是手柄始终保持在窗口的一侧边缘附近,从而增加了任务的难度。如果操作人员未能 consistently 将机器人与笼子对齐,则可能意外出现这种情况。可能由于这一额外挑战,SP1大鼠的任务成功率比SP2大鼠更早达到 plateau。
随着训练次数的增加,操作动作从第一次到最后一次训练 session 逐渐改善。图中显示的是 SP2 组中一只代表性大鼠的数据。同样,从第一次到最后一次训练 session,拉拽速度也变得更加规律,表明动物已学会更稳定的运动模式。
这些数据也来自一只典型的 SP2 大鼠。观看本视频后,您应能够充分理解如何执行自动化的熟练抓取任务,以及可能影响实验结果的各种因素。正如我们所展示的,训练模式的微小改变都会影响动物的表现。
因此,在进行该操作时,保持每只动物的所有条件一致非常重要,例如手柄的位置。
查看完整文字稿并访问数千部科学视频
本文介绍了一种用于训练和分析大鼠自动化熟练抓取任务的范式,重点研究运动学习的各个子过程。该方法旨在增进对运动技能学习及其在脑损伤后恢复机制的理解。
啮齿类动物模型中的自动化技能性抓取任务为解析运动技能学习机制提供了一个可量化的平台,有助于神经运动治疗开发中的靶点验证。通过对拉取速度、轨迹变异性和中线偏移进行运动学分析,能够对运动功能进行客观评估,减少临床前疗效读数中的模糊性。该方法通过将行为输出与潜在的神经过程相联系,提高了神经康复干预措施中先导化合物筛选的预测可信度。
该方法适用于从靶点假设验证到先导化合物优化,直至临床前验证的整个发现流程,尤其适用于神经运动通路的研究。