Individualized tracking of self-directed motor learning in group-housed mice performing a skilled lever positioning task in the home cage
Notice bibliographique
Résumé
Skilled forelimb function in mice is traditionally studied through behavioral paradigms that require extensive training by investigators and are limited by the number of trials individual animals are able to perform within a supervised session. We developed a skilled lever positioning task that mice can perform within their home cage. The task requires mice to use their forelimb to precisely hold a lever mounted on a rotary encoder within a rewarded position to dispense a water reward. A Raspberry Pi microcomputer is used to record lever position during trials and to control task parameters, thus making this low-footprint apparatus ideal for use within animal housing facilities. Custom Python software automatically increments task difficulty by requiring a longer hold duration, or a more accurate hold position, to dispense a reward. The performance of individual animals within group-housed mice is tracked through radio-frequency identification implants, and data stored on the microcomputer may be accessed remotely through an active internet connection. Mice continuously engage in the task for over 2.5 mo and perform ~500 trials/24 h. Mice required ~15,000 trials to learn to hold the lever within a 10° range for 1.5 s and were able to further refine movement accuracy by limiting their error to a 5° range within each trial. These results demonstrate the feasibility of autonomously training group-housed mice on a forelimb motor task. This paradigm may be used in the future to assess functional recovery after injury or cortical reorganization induced by self-directed motor learning. NEW & NOTEWORTHY We developed a low-cost system for fully autonomous training of group-housed mice on a forelimb motor task. We demonstrate the feasibility of tracking both end-point, as well as kinematic performance of individual mice, with each performing thousands of trials over 2.5 mo. The task is run and controlled by a Raspberry Pi microcomputer, which allows for cages to be monitored remotely through an active internet connection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».