Журнал высшей нервной деятельности им. И.П. Павлова, 2021, T. 71, № 1, стр. 126-135

Автоматический анализ данных поведенческого теста “водный лабиринт Морриса”

Д. П. Чернюк 1*, А. Г. Зорин 2, К. З. Деревцова 1, Е. В. Ефимова 3, В. А. Приходько 4, Ю. И. Сысоев 45, О. Л. Власова 1, М. В. Болсуновская 2, И. Б. Безпрозванный 16**

1 Лаборатория молекулярной нейродегенерации Санкт-Петербургского политехнического университета Петра Великого
Санкт-Петербург, Россия

2 Лаборатория Промышленные системы потоковой обработки данных ЦНТИ Санкт-Петербургского политехнического университета Петра Великого
Санкт-Петербург, Россия

3 Лаборатория нейробиологии и молекулярной фармакологии, Институт трансляционной биомедицины, Санкт-Петербургский государственный университет
Санкт-Петербург, Россия

4 Санкт-Петербургский государственный химико-фармацевтический университет
Санкт-Петербург, Россия

5 Лаборатория нейропротезов, Институт трансляционной биомедицины, Санкт-Петербургский государственный университет
Санкт-Петербург, Россия

6 Отделение физиологии Юго-Западного медицинского центра Техасского университета
Даллас, США

* E-mail: dashachernuk@gmail.com
** E-mail: mnlabspb@gmail.com

Поступила в редакцию 22.06.2020
После доработки 03.09.2020
Принята к публикации 05.10.2020

Аннотация

Поведенческий тест “Водный лабиринт Морриса” является универсальным способом проверки когнитивных функций у подопытных грызунов, особенно он эффективен при выявлении отклонений функций памяти и обучения, что делает его незаменимым при исследовании нейродегенеративных заболеваний и тестировании терапевтических препаратов, направленных на улучшение когнитивных функций. Однако, несмотря на большой диапазон возможных применений, использование данного теста осложняется трудоемким анализом полученных данных. Поэтому на данный момент большую популярность приобретают программы автоматизированного трекинга и анализа движения грызунов. Но все известные качественные программы являются собственностью зарубежных коммерческих компаний и отличаются высокой ценой. Нашей задачей стали разработка и создание доступного качественного отечественного программного продукта, который позволит российским ученым осуществлять исследования с использованием многочисленных конфигураций “Водного лабиринта Морриса”. В данной статье мы подробно описываем процедуру создания нового программного продукта под названием Minopontikos. Мы также провели сравнительный анализ Minopontikos с двумя популярными коммерческими пакетами: VideoMot и EthoVision. Мы показали, что Minopontikos был способен быстро и качественно детектировать траекторию движения животного в воде и определять параметры для оценки когнитивных функций памяти и обучения. По своим характеристикам Minopontikos не уступает коммерческим программам.

Ключевые слова: мышь, поведение, водный лабиринт Морриса, поведенческий тест, автоматизированный анализ, трекинг

DOI: 10.31857/S0044467721010044

Список литературы

  1. Abe S.S.K. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing. 1985; 30 (1): 32–46.

  2. Brandeis R., Brandys Y., Yehuda S. The use of the Morris Water Maze in the study of memory and learning. Int J Neurosci. 1989 Sep; 48 (1–2): 29–69.

  3. Bromley-Brits K., Deng Y., Song W. Morris water maze test for learning and memory deficits in Alzheimer’s disease model mice. J Vis Exp. 2011 Jul 20 (53).

  4. Bryan K.J., Lee H., Perry G., Smith M.A., Casadesus G. Transgenic Mouse Models of Alzheimer’s Disease: Behavioral Testing and Considerations. In: Methods of Behavior Analysis in Neuroscience (editor: Buccafusco JJ). 2 edition. Frontiers in Neuroscience. Boca Raton (FL): 2009.

  5. Crawley J.N. Behavioral phenotyping strategies for mutant mice. Neuron. 2008 Mar 27; 57(6): 809–818.

  6. D’Hooge R., De Deyn P.P. Applications of the Morris water maze in the study of learning and memory. Brain Res Brain Res Rev. 2001 Aug; 36 (1): 60–90.

  7. Edwards S.R., Hamlin A.S., Marks N., Coulson E.J., Smith M.T. Comparative studies using the Morris water maze to assess spatial memory deficits in two transgenic mouse models of Alzheimer’s disease. Clin Exp Pharmacol Physiol. 2014 Oct; 41 (10): 798–806.

  8. Gallagher M., Rapp P.R. The use of animal models to study the effects of aging on cognition. Annu Rev Psychol. 1997; 48: 339–370.

  9. Ge M., Zhang Y., Hao Q., Zhao Y., Dong B. Effects of mesenchymal stem cells transplantation on cognitive deficits in animal models of Alzheimer’s disease: A systematic review and meta-analysis. Brain Behav. 2018 Jul; 8(7): e00982.

  10. Hsiao K., Chapman P., Nilsen S., Eckman C., Harigaya Y., Younkin S., Yang F., Cole G. Correlative memory deficits, Abeta elevation, and amyloid plaques in transgenic mice. Science. 1996 Oct 4; 274 (5284): 99–102.

  11. Khotskin N.V., Kulikov V.A., Zavyalov E.L., Fursenko D.V., Kulikov A.V. Conducting and automating Morris water maze test under SPF conditions. Russ. J. Genet. Appl. Res. 2016; 6: 394–399.

  12. Maei H.R., Zaslavsky K., Teixeira C.M., Frankland P.W. What is the Most Sensitive Measure of Water Maze Probe Test Performance? Front Integr Neurosci. 2009. 3: 4.

  13. Morgan D. Water Maze Tasks in Mice: Special Reference to Alzheimer’s Transgenic Mice. In: Methods of Behavior Analysis in Neuroscience (editor: Buccafusco JJ). 2 edition. Frontiers in Neuroscience. Boca Raton (FL): 2009.

  14. Morris R.G.M. Spatial localization does not require the presence of local cues. Learning and Motivation. 1981. 12 (2): 239–260.

  15. Morris R.G.M. Developments of a water-maze procedure for studying spatial learning in the rat Journal of Neuroscience Methods. 1984; 11 (1): 47–60.

  16. Morris R.G.M. Morris water maze. Scholarpedia. 2008. p. 6315.

  17. Noldus L.P., Spink A.J., Tegelenbosch R.A. EthoVision: a versatile video tracking system for automation of behavioral experiments. Behav Res Methods Instrum Comput. 2001 Aug; 33 (3): 398–414.

  18. Nunn J.A., LePeillet E., Netto C.A., Hodges H., Gray J.A., Meldrum B.S. Global ischaemia: hippocampal pathology and spatial deficits in the water maze. Behav Brain Res. 1994 May 30; 62 (1): 41–54.

  19. Rakos D. Efficient Gaussian blur with linear sampling. https://tinyurl.com/398mgyj: RasterGrid Blogosphere; 2010.

  20. Saho K. Kalman Filter for Moving Object Tracking: Performance Analysis and Filter Design. Kalman Filters – Theory for Advanced Applications. 2018.

  21. Shariatpanahi M., Khodagholi F., Ashabi G., Bonakdar Yazdi B., Hassani S., Azami K., Abdollahi M., Noorbakhsh F., Taghizadeh G., Sharifzadeh M. The involvement of protein kinase G inhibitor in regulation of apoptosis and autophagy markers in spatial memory deficit induced by Abeta. Fundam Clin Pharmacol. 2016 Aug; 30(4): 364–375.

  22. Spink A.J., Tegelenbosch R.A., Buma M.O., Noldus L.P. The EthoVision video tracking system–a tool for behavioral phenotyping of transgenic mice. Physiol Behav. 2001 Aug; 73(5): 731–744.

  23. Tomas Pereira I., Burwell R.D. Using the spatial learning index to evaluate performance on the water maze. Behav Neurosci. 2015 Aug; 129 (4): 533–539.

  24. Wu M.N., Zhou L.W., Wang Z.J., Han W.N., Zhang J., Liu X.J., Tong J.Q., Qi J.S. Colivelin ameliorates amyloid beta peptide-induced impairments in spatial memory, synaptic plasticity, and calcium homeostasis in rats. Hippocampus. 2015 Mar; 25 (3): 363–372.

  25. Zivkovic Z. Improved adaptive Gaussian mixture model for background subtraction. Proceedings of the 17th International Conference on Pattern Recognition, ICPR 2004. Cambridge 2004. P. 28–31.

  26. Zivkovic Z., vd Heijden F. Efficient adaptive density estimation per image pixel for the task of background subtraction. Pattern recognition letters. 2006; 27 (7): 773–780.

Дополнительные материалы отсутствуют.