MétaCan
Menu
Retour à la cohorte
Enregistrement W3020310465 · doi:10.1016/j.mex.2020.100899

Low-cost conditioned place preference setup including video recording and analysis of behaviour

2020· article· en· W3020310465 sur OpenAlexafffund
Philip Vassilev, Moataz Salim, Christina Popescu, Cecilia Flores, Giovanni Hernández

Notice bibliographique

RevueMethodsX · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesNational Institute on Drug AbuseNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésConditioned place preferenceComputer sciencePreferenceLocomotor activityPipeline (software)Preference testReinforcementSimulationNeurosciencePharmacologyMedicinePsychologyOperating systemAddiction

Résumé

récupéré en direct d'OpenAlex

The conditioned place preference (CPP) paradigm is widely used in rodent research to test the rewarding and aversive properties of different stimuli. Despite its relative simplicity, commercially available CPP systems are often costly. Here we describe the construction of a CPP setup and a behavioral data analysis pipeline incorporating: • a CPP box which can be built in a single day by using widely available and affordable materials. • an open source computer system for data acquisition (based on Raspberry Pi). • a freely available behavioural analysis software. The behavioural analysis allows for measurement of both locomotor activity and time spent in a zone of interest. Including all components, our setup costs ~1/10 of the cost of the least expensive commercially available CPP boxes alone (not including data acquisition and analysis). We validated the setup by showing that a 4 mg/kg dose of amphetamine increases locomotor activity acutely in adolescent male mice and induces conditioned preference for the drug-paired compartment in the CPP test.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0270,014

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 Opus0,365
Tête enseignante GPT0,409
Écart entre enseignants0,044 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethodsXMême sujetMemory and Neural MechanismsTravaux en français237 207