The Odor Delivery Optimization Research System (ODORS): An Open-Source Olfactometer for Behavioral Assessments in Tethered and Untethered Rodents
Notice bibliographique
Résumé
Olfaction is the dominant sensory modality in rodents. It can be used to assess behavioral phenomena including stress, learning and memory, and social investigation, and impaired olfaction is implicated in several neurological disorders. Paradigms such as the olfactory habituation/dishabituation (OHD) task can assess olfactory perception, memory, and motivation. However, these tasks require manual stimulus presentation, introducing variability and making them labor-intensive. Olfactometers allow automated stimulus delivery, but the OHD task has not yet been adapted for use with an olfactometer. Additionally, current olfactometer designs require proprietary software or components that are difficult to obtain/fabricate and commercial units are expensive. As a result, these apparatuses have not been widely implemented. Here, we describe the design and assembly of the Odor Delivery Optimization Research System (ODORS), an economical, modular, and open-source olfactometer for use in rodents, and describe a variant of the OHD task that can be automated using this apparatus. The design is based on five principles: (1) familiar layout and function; (2) use of inexpensive, readily available components; (3) easily integrated, modular design; (4) real-time assessment of odorant levels; and (5) the ability to test tethered and untethered rodents in optogenetic and electrophysiological experiments. Male and female C57BL/6NCrl mice performing OHD in the ODORS exhibit the characteristic habituation to repeated presentations of an odor and dishabituation to the first presentation of a novel odor. As a result, we suggest that the ODORS makes improved olfactory testing accessible to many labs and offers a major refinement over existing OHD testing paradigms.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».