Analizar el movimiento del ratón en 3D podría aportar los beneficios de las 3Rs a las pruebas de comportamiento
Noticias 23 November 2020Un nuevo artículo del Dr. Riccardo Storchi, describe un enfoque computacional para rastrear y registrar automáticamente el comportamiento de ratones que se mueven libremente en 3D. Este enfoque es capaz de describir en detalle cómo responden los ratones a diferentes estímulos sensoriales y podría aplicarse ampliamente en campos que dependen del análisis del comportamiento.
La prueba estándar de agudeza visual en ratones utiliza un laberinto de agua en forma de Y: los ratones están entrenados para nadar a lo largo del laberinto y luego eligen el brazo correcto según lo que pueden ver en las pantallas al final de cada brazo. Esta prueba basada en la natación requiere que los ratones se sometan a semanas de entrenamiento y puede ser muy estresante, especialmente para los ratones con problemas de visión. Los resultados pueden ser difíciles de interpretar porque dependen tanto de que los ratones aprendan a realizar la tarea como de su visión.
El Dr. Riccardo Storchi ha utilizado los avances en etología computacional para desarrollar un enfoque más sólido y específico para medir la agudeza visual. El nuevo enfoque de Riccardo, detallado en Current Biology, mide las respuestas defensivas naturales de los ratones a una variedad de estímulos visuales y auditivos. Por ejemplo, una sombra que pasa por encima de la arena imita a un depredador aéreo, al que los ratones responden con comportamientos específicos que incluyen congelación, respuestas de sobresalto y posturas de crianza defensivas.
Usando cuatro cámaras aéreas, Riccardo y sus colegas rastrearon cinco puntos clave en el ratón en un campo abierto: la punta de la nariz, las orejas derecha e izquierda, la base del cuello y la base de la cola, y posteriormente desarrollaron un algoritmo que reconstruye la postura del ratón (levantamiento, flexión y alargamiento del cuerpo) y movimiento (locomoción, congelación, rotación del cuerpo rígido) en 3D. Esto les permitió describir los comportamientos naturales del ratón en respuesta a una variedad de estímulos, como un destello de luz brillante, una amenaza visual o un ruido fuerte.
El equipo pudo obtener una gran cantidad de información con este enfoque y demostrar que las respuestas conductuales eran específicas de los estímulos. Por ejemplo, es posible determinar si el comportamiento de congelación de un ratón es en respuesta a una señal visual que se avecina (el ratón demuestra estar encabritado con una postura alta mirando hacia arriba) o una señal auditiva (el ratón forma una pose encorvada seguida de un giro del cuerpo). Esta información adicional es clave para comprender completamente cómo el animal percibe su entorno sensorial, en lugar de medir una sola variable como la locomoción.
El enfoque de Riccardo representa un refinamiento significativo en comparación con otras pruebas de comportamiento de uso común. No requiere entrenamiento y es menos estresante ya que se basa en el registro remoto de comportamientos naturales. También reduce el tiempo del procedimiento, la variabilidad y las tasas de falla. Además de perfeccionar aún más el protocolo, estos factores en combinación pueden reducir el número de animales experimentales necesarios para potenciar adecuadamente los estudios.
Las herramientas computacionales desarrolladas como parte de este trabajo se pueden aplicar a otras pruebas de comportamiento de uso común, como la prueba de campo abierto y el reconocimiento de objetos novedosos. Por ejemplo, las respuestas orientadas como el escape dependen de que los animales retengan el conocimiento espacial del campo de prueba, por lo que este enfoque podría aplicarse a estudios de trastornos de la memoria. También podría usarse para refinar los modelos de ansiedad analizando los cambios asociados en las conductas defensivas innatas.
El software, los algoritmos y el conjunto de datos en 3D completo de las poses de ratón utilizados en este estudio están disponibles públicamente a través de GitHub. Si está interesado en aplicar este modelo en su investigación, puede ponerse en contacto con Riccardo en riccardo.storchi@manchester.ac.uk o encontrar más información en la página web de su staff.
Reference
Storchi R, Milosavljevic N, Allen AE et al. (2020) A High-Dimensional Quantification of Mouse Defensive Behaviors Reveals Enhanced Diversity and Stimulus Specificity. Current Biology 30: 1-12. doi: 10.1016/j.cub.2020.09.007
Traducido al español desde NC3Rs
Comentarios