여기에 제시된 프로토콜은 전임상 연구를 위한 설치류에서 사중 운동의 3차원 운동학을 수집하고 분석하는 프로토콜이다.
3차원(3D) 운동 운동 분석 시스템의 유용성은 설치류에서 제한됩니다. 이러한 부적절성의 원인 중 하나는 3D 데이터 수집 및 분석 절차에 수반되는 복잡한 알고리즘과 수학적 모델링을 사용하기 때문입니다. 이 작품은 6 카메라 모션 캡처 시스템을 사용하여 건강하고 신경 외상성 쥐의 러닝 머신 운동 중 3D 운동 걸음걸이 분석을위한 간단하고 사용자 친화적 인 단계별 세부 방법론을 제공합니다. 또한 1) 네 개의 사지에 위치한 마커를 사용하여 성인 쥐의 러닝 머신 운동을위한 데이터 수집, 비디오 추적에 사용할 수있는 옵션에 대한 1) 실험 설정에서 시스템의 교정에 대한 자세한 내용은 제공됩니다 4) 기본 3D 운동학 데이터 생성 및 시각화 및 내장 된 데이터 수집 소프트웨어를 사용하여 데이터의 정량화. 마지막으로, 이 모션 캡처 시스템의 유용성은 신경 외상 전후의 다양한 운동 행동을 연구하는 것으로 확장될 것을 제안합니다.
설치류에서, 신경 장애 후 앞다리와 뒷다리 운동 적자는 일반적으로 주관적인점수 시스템을 사용하여 평가1. 자동화된 시스템 2,3,4,5 보행 분석을 위해 채택되었지만 기본 결과는 풋 프린트 분석을 기반으로하고 중요한 캡처에 실패하기 때문에 단점으로 고통받고 있습니다. 그렇지 않으면 사지 운동의 진정한 운동학을 공개 할 수있는 세그먼트 및 관절 운동 변수2. 대부분의 보행 매개변수는 상관관계가 있기 때문에 모터 적자를 완전히 평가하기 위해 쥐가 채택한 보상을 이해하기 위해 보행 매개변수 모음이 필요합니다.
지난 10년 동안, 인간의 생물 의학 연구를 위해 여러 3D 모션 분석 시스템 6이 개발되었습니다. 이러한 시스템은 성공적이고 건강한 인간 성인의 운동에서 적자를 포착하는 데 효과적일 뿐만 아니라걷기의 변질된 운동학 6,7. 설치류에서 현재 사용 가능한 3D 운동 운동 시스템은 이동 동작에 대한 복잡한 알고리즘과모델링을 채택하고 정교한 데이터 분석 기법을 활용 8,9,10,11 결국 그들의 다양성을 제한. 또한 대부분의 3D 모션 캡처 시스템으로 데이터를 수집하는 데 사용되는 방법은 문헌에 적절하게 설명되지 않습니다. 시스템 사용과 관련된 데이터 수집 및 분석 절차, 제한 사항 및 기술에 대한 세부 정보가 부족합니다.
따라서 연구원들 사이에서 공통된 개념 중 하나는 3D 모션 트래킹 운동학 평가가 기술 전문 지식과 정교한 데이터 분석이 필요한 다소 힘들고 시간이 많이 소요되는 절차라는 것입니다. 이 작업의 목적은 데이터 수집 및 분석 프로토콜을 세분화하고 단계별 프로세스를 통해 방법론을 설명하여 객관적이고 배우기 쉽고 체계적으로 접근할 수 있도록 하는 것입니다. 오늘날, 전임상 연구에서 신경 학적 상해 및 개입에 따라 보다 포괄적이고 체계적인 방식으로 기능적 운동 행동을 평가하는 데 새로운 중점을 두고 있습니다.
여기에 제시된 사중 운동 영역에서는 신체 자세, 신체 축에 대한 발 회전, 관절의 상호 관계 및 보다 정확한 정보와 같은 추가 정보를 제공할 수 있는 3D 모션 추적 시스템의 사용이 있습니다. 조정에 관해서는, 모든 평면에서 전체 동물을 동시에 시각화하는 동안. 이것은, 차례차례로, 다중 결과를 통해 건강하고 다친 쥐 사이 모터 행동에 있는 중요한 다름을 드러낼 수 있습니다. 정확하고 객관적인 보다 정교한 운동학 분석을 통해 개입의 효과를 잘못 추론할 위험이 최소화됩니다. 이 모션 캡처 소프트웨어에서 생성된 데이터는 이동 품질을 위해 프레임별로 시각화되고 자동으로 추적될 수 있으며 데이터 수집 또는 정량화에는 추가 알고리즘이나 모델링이 필요하지 않습니다. 이 연구의 목적은 건강하고 척수 손상 된 쥐의 러닝 머신 운동 중 3D 걸음걸이 운동학의 데이터 수집 및 분석에 관련된 방법론적 세부 사항 및 고려 사항을 제공하는 것입니다. 이 프로토콜은 실험에서 신경 학적 쥐 모델을 활용 하는 전 임상 연구자에 의해 사용을 위한 것입니다.
이 프로토콜 문서에서는 설치류에서 사중 러닝머신 운동 중 3D 운동학 데이터의 수집 및 분석을 위한 모션 추적 시스템의 사용을 보여 줍니다. 3D 운동 운동 분석 시스템의 중요한 특징으로는 여러 관절과 사지에서 동시에 관절 운동 (스텝 위상 운동학, 관절 각도, 운동 범위, 스텝 속도)의 운동학의 상세한 정량화, 감지 모터 적자는 육안으로 측정 할 수없는, 데이터 수집 및 분석의 주관적 편견의 제거, 운동 전체 쥐의 동시 병치와 비교 될 수있는 전체 사지 및 자세 운동학의 쉬운 시각화. 추가 된 알고리즘 및 모델링없이, 방법은 매우 세부 사항, 효율성, 용이성, 정밀도 및 재현성보의 운동학을 정량적으로 분석하는 소프트웨어의 능력을 보여줍니다.
설치류에서 척수 손상 후 앞다리 및 뒷다리 운동 적자 (SCI)는 일반적으로 BBB 채점 시스템1과같은 주관적이고 표준화 된 운동 점수 시스템을 사용하여 평가됩니다. 주관적인 채점 시스템은 일반적으로 다른 연구자들이 동일한 모터 적자에 대해 동일한 점수 또는 동일한 점수에 대해 다른 점수를 할당할 수 있기 때문에 시험기 편향을 도입하여 테스트 13의 재현성과 민감도를 감소시켰습니다. . 또한, 미묘한 적자를 감지 할 수없는 것은 개입의 효과에 잘못 추론의 위험을 착용.
이러한 문제에 대처하기 위해, 자동화 된 시스템2,3,4,5 및 복잡한 알고리즘14,15의 사용 유무에 관계없이 일부 조사자가 채택되었습니다. 이 시험은 활주로를 가로질러 걷는 쥐의 발 배치 운동에서 파생된 무게 베어링 프로파일 및 단계 순서 패턴을 드러내는 단계 주기 분석을 수행합니다. 그러나, 복부 평면 비디오 보행 분석의 주요 단점은 피사체의 몸자체가 직접 보이지 않는다는 것입니다 2,3. 이러한 데이터는 적자 평가에서 걸음걸이 매개 변수의 선택 및 해석에 의문을 제기, 발과 발의 움직임의 노출에서 얻은 정보로 제한됩니다 (첸 등16참조). 사지 운동과 위치의 동적 세그먼트 운동학을 드러내는 운동의 세부 사항은 운동 분석3,5를위해 정확하게 얻을 수 없습니다 . 관절 각도 데이터의 중요 편차(예: 동작 범위, 이동 속도 등), 사지 내 및 팔다리 사이의 서로에 대한 관절의 관계, 걸음걸이 패턴을 변경하는 기본 신체 역학을 얻을 수 없습니다. 이와 같이, 어떤 관찰 가능한 보행 장애가 단일 및/또는 다중 세그먼트 관절 운동(즉, 근위-말단 내측 협응, 위치 및 보행 주기에 대하여 트렁크의 자세 관계)의 변경으로 인한 것인지 여부 사지 등) 마스크 된 상태로 유지됩니다.
현재 사용 가능한 몇 가지 시스템은 걸음걸이 운동학을 캡처하고 정성적 및 정량적으로 모터 기능 장애를 평가하지만 덜 널리 사용되지 않습니다. 전신 고속 비디오 추적 보행 분석 시스템은 3면 (1 개의 복부 및 두 개의 측면 평면)에서 자발적인 보행 주기를 촬영하고 보닛 랜드 마크를 추적하여 보행 결과17,18을출력합니다. 시상평면 운동체 보행 분석은 일부 연구자들이 관심 있는 뒷다리(19,20)의2D 모션 데이터를 얻기 위해 채용된다. 그러나, 관찰평면(측방 또는 시상)에 직교적으로 발생하는 운동의 제3차원은 분석11,18,19에서검출할 수 없다.
기타 보다 정교한 3D, 3개의 바디 세그먼트 설치류 신체 자세 데이터 수집 시스템은 데이터 수집의 3D 수학적 모델링뿐만 아니라 분석 시스템을 활용하여 설치류의 신체 세그먼트의 3D 모션을 추적하고 정량화합니다. 모션 패턴8. Madete 등9는 7개의 카메라 시스템을 사용하여 보행 빔에서 지상 운동 중에 3D 신체 자세 운동학을 정량화하는 마커 기반 의 광전자 모션 캡처 시스템을 개발했습니다. 후자의 두 작품에서 공부 된 주요 결과는 주로 보행 분석보다는 설치류의 전반적인 자세에 초점을 맞춥니다. 3D 모션 캡처 시스템은 Bhimani 등21에서검토한 대로 여러 카메라와 정교한 소프트웨어 시스템을 사용하여 높은 처리량의 3D 운동 걸음걸이 데이터를 제공합니다. 제시된 3D 운동 분석 시스템의 이전 버전은 또한 신경 외상12,22,23의유무에 관계없이 쥐에서 이전 작업에서 사용되어 왔다.
연구를 위한 3D 모션 수집 및 분석 시스템의 가용성에도 불구하고, 설치류에 있는 이 기술의 전임상 사용은 상대적으로 한정된 남아 있습니다. 이 문제의 이유 중 하나는 데이터 수집 및 분석 프로토콜이 걷는 동안 쥐의 뒷다리의 운동 학적 모델에 맞는 운동 학 모델과 복잡한 알고리즘을 구축하여 미세하고 고해상도를 생성하기 위해 사용하는 데 크게 의존하기 때문입니다. 걸음걸이 운동학8,9,11,22. 여기에 제시된 상세한 방법론은 동물 취급, 교육, 실험 설정, 데이터 수집 및 분석 단계를 포함하여 실험 과정 전반에 걸쳐 관련된 절차에 대한 세부 정보를 제공합니다.
또한 프로토콜의 기본 부분인 시스템의 교정에 대한 세부 정보가 제공되며, 이는 피험자 들 사이의 인접 한 시험 사이의 재현성을 보장합니다. 설명된 단계별 기술은 데이터 수집 절차에 객관성을 도입하고 재현성이 높습니다. 이 모션 캡처 소프트웨어에서 생성된 데이터는 프레임별로 시각화하여 이동 품질을 확보하고 자동으로 추적할 수 있습니다. 또한 이 데이터 수집 또는 정량화에는 추가 알고리즘이나 모델링이 필요하지 않은 방식이 설명되어 있습니다. 학생, 교직원 및 연구원은 간단한 통계 소프트웨어를 사용하여 특정 기술 전문 지식에 의존하지 않고 기본적인 운동 학 출력을 생성 할 수 있습니다.
이 시스템은 또한 지상 운동, 도달 및 잡기, 실험 목표에 맞게 다른 실험 설정에 사용할 수 있습니다. 마커의 수와 유형은 필요에 따라 꼬리, 등, 트렁크 또는 귀에 맞게 조정할 수도 있습니다. 시스템에 비해 제시된 소프트웨어의 더 큰 장점은 피사체의 고해상도 비디오 데이터를 수집하는 기능입니다. 따라서 복잡한 계산 세트(예: 각도 모션, 여러 관절을 연결하는 스틱 라인 등)가 녹화된 비디오에 중첩될 수 있습니다. 마커 배치 및 생성된 3D 데이터는 쥐의 실제 움직임을 통해 확인할 수 있습니다. 반대로 다른 3D 모션 캡처 시스템에서는 마커만 캡처되며 실제 피사체의 비디오 대신 스틱 다이어그램(골격 프레임워크)에서 재분석을 수행해야 합니다. 따라서 실제 피사체 이동에 대한 마커 배치의 검증이 부족합니다.
이 시스템에 대한 경험을 바탕으로 교정은 데이터 수집의 성공에 중요한 역할을 합니다. 시스템의 교정은 변화에 매우 민감합니다. 한 카메라의 약간의 움직임은 전체 3D 좌표 데이터 수집 및 분석 프로세스를 손상시킬 수 있습니다. 보기 평면의 각 측면에 두 대의 카메라만 필요 하지만 세 번째 카메라는 다른 카메라와 각 마커의 위치를 상호 참조 하 여 더 많은 정확도를 제공 하는 것이 좋습니다. 추적 카메라의 수가 증가함에 따라 특정 마커에 대한 3D 좌표의 정확도도 증가합니다. 걸음걸이 적자로 인해 마커가 가려지는 경우(예: 발가락 컬링 또는 신경 외상 후 걸음걸이의 경우 드래그) 이러한 조건은 광범위한 수동 추적을 요구할 수 있습니다. 그럼에도 불구하고, 결국 추적에서 생성되는 데이터의 양은 마커를 수동으로 추적하는 데 투자한 시간의 가치가 있으므로 미묘한 모터 적자를 감지하는 데 매우 중요한 도구가 됩니다.
우리의 경험에서, 시스템의 사용과 관련된 지루함은 장비 와 기술 자체의 사용을 넘어있다. 운동 행동의 평가를 위한 그밖 프로토콜과 유사하게, 쥐가 처리되고 작업에 대해 훈련되는 방법은 결과에 크게 영향을 미칩니다. 예를 들어, 그들의 코호트에서 쥐를 격리 하는 것은 테스트 하는 동안 중요 한; 그렇지 않으면 테스트되지 는 않지만 테스트 중에 여전히 존재하는 쥐는 작업 성능의 최종 저하를 보여줍니다. 최적의 실내 온도, 조명 및 소음 수준은 다른 결정 요인입니다. Fouad 외. 쥐24에 있는 기능적인모터 시험을 수반하는 그밖 도전을 간행했습니다. 실제로 이 방법을 올바르게 따르는 이 실험실의 눈을 멀게 한 사용자는 데이터 수집, 모션 추적 및 데이터 분석과 관련된 주요 장애물을 경험하지 못했습니다.
이 백서에서는 연구원들이 여러 쥐로부터 엄청난 양의 심층 적인 운동 데이터를 신속하게 수집 할 수 있도록 운동 데이터를 효과적으로 수집하고 분석하는 3D 모션 캡처 시스템을 설명합니다. 우리는 현재 소프트웨어에 내장할 수 있는 자동화된 데이터 분석 템플릿을 만들기 위해 노력하고 있으며, 설치류의 러닝머신 운동에 대해 몇 초 이내에 미리 결정된 결과 보고서를 생성할 수 있습니다. 모션 캡처 및 분석시스템을 이용한 연구 6,25. 이 템플릿의 개발은 마우스 버튼의 몇 번의 클릭의 편의에 상세한 설치류 운동 데이터를 얻기 위해 전임상 연구원을 허용합니다. 이 연구에서 제공된 방법은 설치류 운동 행동을 보다 객관적으로 평가하기 위해 전임상 연구자에게 유용할 것으로 기대됩니다. 이제 이 시스템을 사용하여 도달 및 파악과 같은 일반적이고 숙련된 앞다리 동작 중에 고처리량 3D 운동 학 데이터를 수집합니다. 중요한 것은,이 방법의 유용성은 다양한 신경 외상 및 비 신경 외상성 부상을 가진 쥐로 확장 될 수 있습니다.
The authors have nothing to disclose.
이 프로젝트에 대한 비디오 및 지적 기여에 대한 실험적 설정에 도움을 준 Pawan Sharma에게 특별한 감사를 드립니다. 우리는 또한 비디오 프로토콜의 데모에 도움에 대한 그의 기여 크리스토퍼 팔라시오 감사합니다.
6 camera Basler (Scout scA640-120gu) motion capture system. | Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany | N/A | Recording device for motion analytics. |
Calibration Frame and Wand | Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany | N/A | L-shaped calibration defining the global coordinate sysetem, and the trident shape wand (100 mm) |
Markers | Shah Lab | N/A | Recording device for motion analytics. Markers are Custom made in our lab from 0.5cm googly-eyes covered with reflective tape. |
Matlab | Mathworks, Inc, Natic, Ca | N/A | Data analysis software |
Rodent Cage | Custom Made within Stony Brook. | N/A | Clear plexiglass cage used to keep the rodent on the treadmill. |
Simi Reality Motion Systems | Simi Reality Motion Systems GmbH Max-Planck-Str. 11 85716 Unterschleibheim, Germany | N/A | 3D tracking Software. |
Treadmill | Mk Automation Inc., Bloomfield, CT 06002 | N/A | Treadmill used for rodent locomotion. |