MétaCan
Menu
Retour à la cohorte
Enregistrement W2735718245 · doi:10.1186/s13041-017-0312-0

Optimizing reproducibility of operant testing through reinforcer standardization: identification of key nutritional constituents determining reward strength in touchscreens

2017· article· en· W2735718245 sur OpenAlexaff
Eun Woo Kim, Benjamin U. Phillips, Christopher J. Heath, So Yeon Cho, Hyunjeong Kim, Jemeen Sreedharan, Ho‐Taek Song, Jong Eun Lee, Timothy J. Bussey, Chul Hoon Kim, Eosu Kim, Lisa M. Saksida

Notice bibliographique

RevueMolecular Brain · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology and Insect Physiology Research
Établissements canadiensWestern University
Organismes subventionnairesMedical Research CouncilYonsei UniversityNational Centre for the Replacement, Refinement and Reduction of Animals in ResearchMotor Neurone Disease Association
Mots-clésReinforcementCaloric theoryOperant conditioningCalorieConditioningCaloric intakeSugarPsychologyMedicineFood scienceStatisticsEndocrinologyMathematicsObesityBiologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Reliable and reproducible assessment of animal learning and behavior is a central aim of basic and translational neuroscience research. Recent developments in automated operant chamber technology have led to the possibility of universal standard protocols, in addition to increased translational potential, reliability and accuracy. However, the impact of regional and national differences in the supplies of available reinforcers in this system on behavioural performance and inter-laboratory variability is an unknown and at present uncontrolled variable. Therefore, we aimed to identify which constituent(s) of the reward determines reinforcer strength to enable improved standardization of this parameter across laboratories. Male C57BL/6 mice were examined in the touchscreen-based fixed ratio (FR) and progressive ratio (PR) schedules, reinforced with different kinds of milk-based reinforcers to directly compare the incentive values of plain milk (PM, high-calorie: high-fat/low-sugar), strawberry-flavored milk (SM, high-calorie: low-fat/high-sugar), and semi-skimmed low-fat milk (LM, low-calorie: low-fat/low-sugar) on the basis of differences in caloric content, sugar/fat content, and flavor. Use of a higher caloric content reward was effective in increasing operant training acquisition rate. Total trial number completed in FR and breakpoint in PR were higher using the two isocaloric milk products (PM and SM) than the lower caloric LM, with comparable outcomes between PM and SM conditions, suggesting that total caloric content determines reward strength. Analysis of within-session changes in response rate revealed that overall outputs in FR and PR primarily depend on the response rate at the initial phase of a session, which itself was dependent on reinforcer caloric content. Interestingly, the rate of satiation, indicated by decay in response rate within a FR session, was highest when reinforced with SM, suggesting a rapid satiating effect of sugar. The key contribution of reward caloric content to operant performance was confirmed in a multi-laboratory study using the touchscreen 5-choice serial reaction time task (5-CSRTT) reinforced by two isocaloric milk-based liquid rewards with different countries of origin, which yielded consistent performance parameters across sites. Our results indicate that milk-based liquid reinforcer standardization can be facilitated by matching caloric content across laboratories despite regional or national differences in other non-caloric aspects of the reinforcers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,072
Tête enseignante GPT0,350
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeExpérimental (laboratoire)
DomaineReproductibilité
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular BrainMême sujetNeurobiology and Insect Physiology ResearchTravaux en français237 207