Profilage des réponses comportementales maternelles lors de l’imagerie du cerveau entier
24 janvier 2025
Voici un pipeline d’analyse vidéo qui permet de surmonter les défis de la surveillance comportementale dans les environnements IRM, permettant de détecter des réponses comportementales non instruites à des signaux externes. Cette analyse facilitera une compréhension plus complète des changements d’état interne évoqués et de l’activité à l’échelle du cerveau.
La façon dont un soignant perçoit les signaux du nourrisson et y réagit déterminera si le nourrisson reçoit les soins dont il a besoin pour survivre. Chez la souris, les vocalisations des petits évoquent des réponses comportementales complexes et évoquent donc probablement une activité coordonnée à travers un réseau de régions cérébrales. Nous voulons identifier ce réseau chez des souris de différents antécédents d’expérience maternelle, et l’IRMf de souris éveillée est un excellent outil pour cela.
À mesure que l’IRMf de souris éveillée devient plus largement utilisée, des recherches passionnantes émergent qui étudient les corrélats neuronaux des comportements dirigés vers un objectif. Ces comportements sont généralement évalués à l’aide d’outils tels que des brise-poutres pour détecter les fuites et des capteurs de pression pour détecter les mouvements. Notre protocole nous permet d’évaluer les réponses comportementales spontanées, même dans l’environnement techniquement difficile de l’IRM.
Notre objectif est d’utiliser des mesures du comportement spontané pour mieux comprendre l’activité cérébrale que nous avons acquise avec l’IRMF. Nos travaux antérieurs ont révélé que les cortex auditifs des animaux maternels et vierges réagissent différemment aux appels des petits. Chez les mamans, leurs réponses neuronales sont verrouillées dans le temps au cri d’un chiot.
Chez les vierges, ce n’est pas le cas. Cependant, au fur et à mesure qu’une vierge apprend à exprimer le comportement maternel, les centres auditifs changent pour refléter cette nouvelle compétence. Nos études antérieures se sont concentrées sur le cortex auditif chez des souris anesthésiées.
Cette étude va au-delà des limites du cortex auditif, en examinant comment l’ensemble du cerveau et du comportement change chez les souris éveillées qui se comportent alors qu’un animal apprend à devenir une mère. Pour commencer, téléchargez MATLAB depuis le site Web MathWorks. Pour ajouter la boîte à outils de traitement d’images aux add-ons MATLAB, cliquez sur gérer les add-ons, obtenir les add-ons, puis les rechercher et les ajouter.
De même, ajoutez la boîte à outils Vision par ordinateur aux add-ons MATLAB. Après avoir ouvert le premier script du pipeline d’analyse, modifiez les sections un, deux, trois, quatre, cinq et six du script pour les adapter aux structures de données indiquées. Exécutez la première section.
Exécutez la deuxième section du script pour afficher la première image de chaque vidéo. Utilisez la souris pour cliquer une fois sur les deux premiers points, puis double-cliquez sur le troisième point. Après avoir sélectionné les derniers points de la vidéo, appuyez sur Entrée.
Exécutez la section trois et la section quatre. Réglez l’indicateur aligné sur zéro et exécutez la section cinq. Ensuite, réglez le drapeau aligné sur un et exécutez à nouveau la section cinq.
Exécutez maintenant la section six et comparez les résultats côte à côte. Ensuite, ouvrez le script deux et modifiez la première section du script pour l’adapter aux structures de données. Ensuite, exécutez la première section.
Modifiez la deuxième section du script pour l’adapter aux structures de données et exécutez la deuxième section. Utilisez l’image résultante pour voir où le flux optique fluctue le plus considérablement dans les vidéos analysées. Modifiez la troisième section du script pour l’adapter aux structures de données et aux besoins d’analyse.
Pour analyser le FOF complet de la vidéo, définissez l’indicateur, sélectionnez ROI et indiquez le ROI à zéro. Ensuite, exécutez la troisième section. Pour analyser un nouveau retour sur investissement, définissez l’indicateur sélectionner ROI sur un et indiquez le retour sur zéro.
Ensuite, éditez newCoordsName et exécutez la section trois. Sélectionnez un nouveau retour sur investissement dans l’exemple de cadre affiché en cliquant et en faisant glisser. Pour analyser le retour sur investissement précédemment dessiné, réglez l’indicateur sélectionner ROI à zéro et indiquez le retour sur un.
Ensuite, modifiez inputCoords pour fournir un ensemble prédéterminé de coordonnées et exécutez la troisième section. Ouvrez le script trois et modifiez les sections un à trois du script pour l’adapter aux structures de données et aux besoins d’analyse. Dans la première section, définissez les indicateurs d’options d’analyse ZSC, BLRM, BLZSC, demeanPerTrial et applyLPfilter sur zéro ou un.
Définissez LPfilter sur un nombre représentant le filtre passe-bas souhaité en hertz. Ensuite, exécutez les sections un à trois. Ouvrez le script quatre et modifiez la première section du script pour l’adapter aux structures de données et aux besoins d’analyse.
Exécutez la première section. Ouvrez le script cinq et modifiez la première section du script pour l’adapter aux structures de données et à l’analyse. Ensuite, exécutez la première et la deuxième section.
Modifiez les variables group, myTitle et threshT dans les entrées de la section trois pour refléter l’analyse de groupe souhaitée. Exécutez la troisième section pour chaque groupe d’intérêt. Ajustez ensuite la plage de l’axe C et les limites de la barre de couleur comme vous le souhaitez pour la visualisation.
Modifiez les variables mag, myTitle et threshT dans les entrées de la section quatre pour refléter la comparaison de groupe souhaitée. Exécutez la section quatre pour chaque comparaison de groupe d’intérêt, puis ajustez la plage de l’axe Z et les limites de la barre de couleur comme vous le souhaitez pour la visualisation. Les vecteurs de flux optiques indiquaient les régions de mouvement des animaux, en particulier autour du museau et des pattes.
L’écart-type de l’amplitude du flux optique a permis d’identifier les zones présentant des fluctuations de mouvement élevées et faibles. Les mères ont montré des réponses de mouvement plus élevées aux appels de chiots par rapport aux vierges, mais pas aux tons purs. L’analyse en composantes principales a révélé que les mères avaient plus de mouvement dans la région du nez que les vierges lors des deux présentations de stimuli.
La quantification du flux optique d’un ensemble de données de validation a révélé des différences significatives dans les réponses comportementales aux récompenses à haute teneur en eau par rapport aux récompenses à faible niveau d’eau. Ces résultats suggèrent en outre que le pipeline d’analyse vidéo présenté peut être utilisé pour capturer des différences significatives dans le comportement des animaux dans toutes les conditions.
Aperçu
Cette étude présente un pipeline d'analyse vidéo conçu pour surveiller les réponses comportementales spontanées de souris dans des environnements d'IRM. En utilisant l'IRMf chez des souris éveillées, la recherche vise à découvrir les corrélats neuronaux des comportements maternels en réponse aux vocalisations des petits.
Composantes clés de l'étude
Domaine scientifique
- Neurosciences
- Analyse comportementale
- Techniques d'imagerie
Contexte
- Les vocalisations des petits chez la souris suscitent des réponses comportementales complexes.
- La compréhension de ces réponses peut fournir des indices sur les soins maternels et l'activité cérébrale.
- Des études antérieures ont indiqué des différences dans les réponses du cortex auditif entre les mères et les souris vierges.
- Cette recherche s'étend au-delà du cortex auditif pour examiner l'activité cérébrale globale.
Objectif de l'étude
- Identifier les réseaux cérébraux activés par les cris des petits chez des souris présentant différentes expériences maternelles.
- Évaluer les réponses comportementales spontanées dans un environnement d'IRM difficile.
- Approfondir la compréhension de l'activité cérébrale globale liée aux comportements maternels.
Méthodes utilisées
- Développement d'un pipeline d'analyse vidéo basé sur MATLAB.
- Édition et exécution de scripts pour analyser les données vidéo provenant de souris éveillées.
- Utilisation de l'analyse du flux optique pour évaluer les réponses motrices.
- Comparaison des réponses comportementales entre mères et souris vierges lors de stimuli auditifs.
Résultats principaux
- Les mères ont présenté des réponses motrices plus marquées aux cris des petits par rapport aux femelles vierges.
- L'analyse du flux optique a révélé des différences comportementales significatives selon l'expérience maternelle.
- L'analyse en composantes principales a mis en évidence des profils de mouvement distincts entre les mères et les femelles vierges.
- Le pipeline d'analyse vidéo a efficacement capturé les comportements spontanés dans différentes conditions.
Conclusions
- L'étude démontre avec succès une méthode d'analyse des comportements spontanés en milieu d'imagerie par résonance magnétique.
- Les résultats contribuent à la compréhension des bases neuronales des comportements maternels en réponse aux signaux des nourrissons.
- Le pipeline développé peut être appliqué à des recherches ultérieures en neurosciences comportementales.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
L'intégration du profilage comportemental à l'imagerie cérébrale complète chez des souris éveillées permet aux équipes biopharmaceutiques de relier l'activité des circuits neuronaux à des comportements complexes et éthologiquement pertinents dans des conditions expérimentales contrôlées. Cette approche renforce la fiabilité prédictive de la validation de cibles en corrélant des sorties comportementales quantitatives à des réponses fonctionnelles à l'échelle cérébrale. Le flux de travail assure une continuité translationnelle depuis la découverte précoce jusqu'au développement de modèles précliniques, en particulier pour les portefeuilles axés sur les troubles neurocomportementaux et le système nerveux central.
Applications stratégiques en recherche et développement en biopharmaceutique
Découverte précoce et validation de cibles
- Permet l'interrogation des circuits neuronaux sous-tendant des phénotypes comportementaux spécifiques en réponse à des stimuli définis.
- Prend en charge la réduction des risques biologiques en reliant l'activité cérébrale fonctionnelle à des sorties comportementales observables.
- Facilite la confiance prédictive dans le choix des cibles en quantifiant les réponses induites par des stimuli au sein de cohortes animales.
Développement de tests et criblage
- Prépare des mesures comportementales validées pour une intégration avec des protocoles d'imagerie neuronale.
- Standardise la quantification comportementale à l'aide de l'analyse du flux optique et de la réduction de dimensionnalité afin d'assurer la reproductibilité.
- Permet une comparaison robuste des effets de composés ou d'interventions génétiques sur les paramètres neuronaux et comportementaux.
Recherche translationnelle et préclinique
- Aligne les manifestations comportementales avec l'activité neuronale pertinente pour la maladie, afin de développer des biomarqueurs translationnels.
- Permet une continuité allant de la découverte à la validation préclinique en rendant possible la surveillance comportementale dans des environnements contraints.
- Offre une détection mécanistique des risques pour les portefeuilles de cibles du système nerveux central et neuropsychiatriques.
Intégration des pipelines et des flux de travail
Ce pipeline d'analyse vidéo comportementale fait le lien entre la découverte précoce et la recherche préclinique en permettant l'acquisition synchronisée de données comportementales et neuronales dans des environnements difficiles, comme l'IRM. Il est conçu pour être utilisé dans la validation de cibles, l'identification de composés candidats et le développement de modèles translationnels.
- Biologie de la découverte : Quantifie les réponses comportementales à des stimuli définis, soutenant la vérification d'hypothèses et la clarification des voies biologiques.
- Criblage : Fournit des mesures comportementales quantitatives et reproductibles pour des criblages de composés ou de caractères génétiques.
- Analytique : Propose des sorties statistiques et une réduction de la dimensionnalité pour des comparaisons robustes entre différentes conditions.
- Recherche translationnelle : Facilite l'alignement entre paramètres comportementaux et neuronaux pour la validation de modèles précliniques.
- Réutilisation en entreprise : Offre un pipeline modulaire et adaptable pour la surveillance comportementale sur diverses plateformes d'enregistrement neuronal.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive et réduit l'ambiguïté mécanistique dans la validation des cibles du SNC.
- Valeur opérationnelle : Standardise la quantification du comportement pour assurer la reproductibilité et la scalabilité entre les études.
- Valeur stratégique : Améliore les décisions d'aller/arrêt en intégrant les flux de données comportementales et neuronales.
- Impact sur le portefeuille : Permet une priorisation ajustée au risque des cibles et modèles neurocomportementaux.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en neurosciences comportementales, en imagerie et en analyse computationnelle.
- Dépend de l'accès à un système d'acquisition vidéo compatible avec l'IRM et à une infrastructure analytique basée sur MATLAB.
- Implique une standardisation interéquipes des méthodes de codage comportemental et des protocoles d'intégration des données.
- Adaptable à diverses modalités d'enregistrement neural autres que l'IRMf, comme le permet la conception du pipeline.
- Limité par la nécessité d'utiliser un équipement non ferromagnétique et par un champ de vision restreint dans les environnements IRM.
