T자, Y자, 플러스, 방사형 미로

팔 미로는 동물에게 여러 길 중 하나를 고르게 합니다. Olton과 Samuelson의 방사형 미로(1976)는 쥐가 이미 방문한 팔을 기억하는지를 검사했습니다. 같은 추적 원리가 T자, Y자, 플러스 미로에도 적용됩니다.

8단계로 보는 다중 팔 미로

미로 유형을 고르고, 표시된 순서대로 미로 지점을 클릭하고, 임계값을 설정해 실행한 다음, 팔 진입을 위한 Detection Area를 고르세요.

어둡거나 두건 무늬 동물에게는 배경을 흰색으로, 흰 동물에게는 검은색으로 하고, 먼저 카메라를 연결하세요.
‘Multi Armed Mazes’를 클릭하세요. ‘3D-tracking mode’가 표시되면 클릭해 ‘2D-tracking mode’로 바꾸세요.
‘Calibrate’를 클릭하고 미로를 고르세요. 추적 영역의 높이와 너비를 입력하고, 작은 이미지에 표시된 순서대로 지점을 클릭한 뒤(마지막 지점은 오른쪽 클릭), 윤곽이 나타나는지 확인하고 ‘Save (and return)’를 클릭하세요.
‘Run’을 클릭하고 ‘Maze Type’ 탭에서 미로와 ‘Single Field’를 고른 다음, ‘Tracking’ 탭에서 십자 표시가 동물을 따라갈 때까지 ‘Set X-Y Threshold’를 옮기세요(‘Set Z Threshold’는 무시).
‘Configuration’ 탭에서 ‘Max secs’를 입력하고 ‘Single Trial’ 또는 ‘Series of Trials’를 고르세요.
‘Run a Trial’ 탭에서 ‘Prepare to Run’을 클릭하고 동물을 넣은 뒤 ‘Run’을 클릭하세요. ‘End Trial’은 일찍 멈춥니다.
‘Analyze’를 클릭하고 미로 유형을 고른 뒤 Detection Area를 정하고 ‘Analyze Single’을 클릭하세요.
시행이 많으면 미로 변수와 함께 ‘Setup Custom’을, 그리고 ‘Auto-Analyze’를 써서 CST 파일을 만드세요.

Detection Area가 100%면 어떤 진입이든 세고, 25%면 팔의 먼 쪽 25%에 들어간 것만 셉니다. 팔별 데이터는 가장 왼쪽 팔부터 시계 방향으로 나옵니다(플러스 미로: 왼쪽, 위, 오른쪽, 아래).

.hvs 파일을 보관하기만 하면 언제든 다른 Detection Area로 다시 분석할 수 있습니다. EPM의 결과에는 개방 팔 대 폐쇄 팔의 시간 %와 진입이 포함됩니다.

팔 진입, 순서, 팔별 시간

다중 팔 결과는 피험체가 어느 팔에, 어떤 순서로 들어갔고, 각 팔에서 얼마나 오래 있었는지를 보여 줍니다. Detection Area는 진입으로 세려면 피험체가 팔 안으로 얼마나 들어가야 하는지를 정합니다. Detection Area가 100%면 어떤 진입이든 세고, 25%면 팔의 먼 쪽 25%에 들어간 것만 셉니다.

팔별 데이터는 가장 왼쪽 팔부터 시계 방향으로 나옵니다(플러스 미로: 왼쪽, 위, 오른쪽, 아래). 지표에는 총 팔 진입, 방문한 팔, 팔별 진입, 잠복기, 팔별 경로 %와 시간 %, 진입 순서가 있으며, EPM에서는 개방 팔 대 폐쇄 팔의 시간 %와 진입이 있습니다.

언제든 다른 Detection Area 백분율로 다시 분석할 수 있습니다. Detection Area 100%에서 팔까지의 잠복기는 화면이 아니라 내보낸 결과에 나타납니다.

다중 팔 미로 결과 읽기(EPM, 방사형, T자, Y자 미로)

고가식 십자 미로에서는 열린 팔과 닫힌 팔의 시간 비율과 진입을 비교하고, 방사형, T자, Y자 미로에서는 진입 순서와 반복 진입을 보세요.

전형적인 대조군 패턴: 고가식 십자 미로: 랫은 닫힌 팔보다 열린 팔에 유의하게 덜 진입했고, 열린 팔에서 유의하게 적은 시간을 보냈습니다(Pellow et al., 1985). 방사형 팔 미로: 랫은 효율적으로 수행하여, 처음 8번의 선택에서 평균 7개가 넘는 서로 다른 팔을 골랐습니다(Olton and Samuelson, 1976). T자 미로: 빠르게 이어진 두 시행 중 두 번째에서 설치류는 이전에 가지 않은 팔을 고르는 경향이 있습니다(Deacon and Rawlins, 2006).
손상의 징후: 고가식 십자 미로, 불안 유발 유사 프로필: 사람에게 불안을 일으키는 화합물은 열린 팔 진입 비율과 체류 시간을 유의하게 줄였습니다(Pellow et al., 1985). T자 미로: 자발적 교대와 보상 교대 모두 해마 기능 이상에 매우 민감합니다(Deacon and Rawlins, 2006).
강한 기억의 징후: 고가식 십자 미로, 항불안 유사 프로필: 열린 팔 활동(지속 시간 및/또는 진입)의 증가는 항불안 행동을 반영합니다(Walf and Frye, 2007).

결과처럼 보이는 설정 문제

추적 십자 표시가 없음: 보정에서 배경색 설정을 확인한 다음, Size를 0보다 조금 크게 두고 임계값을 천천히 움직여 보세요.
시행이 0.1초 만에 끝난다면 마우스가 더블 클릭되는 것입니다. 다른 마우스를 써 보세요.
진입 횟수가 이상해 보임: Detection Area를 확인하세요. 100%면 어떤 진입이든 세고, 25%면 팔의 먼 쪽 25%에 들어간 것만 셉니다.

HVS Image는 가장 왼쪽 팔부터 시계 방향으로 팔별 데이터를 나열하며, 고가식 십자 미로에서는 열린 팔 대 닫힌 팔의 시간 비율과 진입을 보고합니다. 언제든 다른 Detection Area 비율로 다시 분석할 수 있으니, 사용한 값을 보고하세요. 새로움도 조명도 십자 미로에서 랫의 행동에 유의하게 기여하지 않았습니다(Pellow et al., 1985).

방사형 미로에서는 작지만 신뢰할 만한 최신 효과가 있어, 반복 오류의 가능성이 처음 선택 이후의 선택 횟수에 따라 증가했습니다(Olton and Samuelson, 1976). Pellow et al.(1985)은 항우울제도 주요 신경안정제도 십자 미로에 특이적인 효과가 없음을 발견했습니다.

자주 묻는 질문

T자, Y자, 플러스 또는 방사형 미로는 어떻게 보정하나요?

'Multi Armed Mazes' > 'Calibrate'를 클릭하고 미로를 고른 뒤, 작은 예시 이미지에 표시된 지점을 그 순서대로 클릭하세요. 1) 사용자 이름, 높이, 너비를 입력하세요. 2) 어두운 미로의 밝은 동물일 때만 black에 체크하세요. 3) 지점을 순서대로 클릭하되, 마지막 지점은 오른쪽 클릭하세요. 4) 미로 윤곽이 나타나는지 확인한 다음 'Save (and return)'를 누르세요.

'Multi Armed Mazes'를 클릭하고('3D-tracking mode'가 표시되면 '2D-tracking mode'로 바꾸세요), 먼저 카메라를 연결한 뒤 'Calibrate'를 클릭하고 미로 유형을 고르세요. 미로가 화면을 거의 채우도록 카메라를 두세요. 사용자 이름과 추적 영역의 높이(화면의 위에서 아래까지)와 너비를 입력하고, 피험체가 밝고 배경이 어두우면 black에 체크하세요. 오른쪽 작은 이미지에 표시된 지점을 표시된 순서대로 클릭한 다음 'Save (and return)'를 누르세요. 어둡거나 두건 무늬 동물에게는 배경을 흰색, 흰 동물에게는 검은색으로 하고, 물체는 바닥과 같은 색으로 하거나 가리세요.

더 깊이 알아보기

보정이 저장되지 않으면: Windows 지역 숫자 형식이 UK나 USA인지 확인하고 HVS를 다시 시작하세요. 미로 유형을 다시 고르세요(다른 것을 고른 뒤 원래 것을 다시). 예시 이미지를 따르세요. 마지막 지점의 오른쪽 클릭까지 전체 과정을 마치면 'Save (and return)'를 쓸 수 있게 되며, 미로 둘레에 미로 모양이 그려지는지 확인하세요. 또한 Device Manager에서 USB 카메라가 비활성화되지 않았는지 확인하세요.

다중 팔 미로 시행의 추적은 어떻게 설정하고 실행하나요?

'Single Field' 모드로 실행하고, 십자 표시가 동물을 따라갈 때까지 'Set X-Y Threshold'를 설정한 다음 'Prepare to Run'과 'Run'을 누르세요. 1) 'Run' > 'Maze Type' 탭: 미로와 'Single Field' > 'Tracking' 탭. 2) 'Set Z Threshold'는 무시하고, 녹색이나 빨간색 십자 표시가 동물을 추적할 때까지 'Set X-Y Threshold'를 옮기세요. 3) 'Configuration' 탭에서 'Max secs'를 입력하고 'Single Trial' 또는 'Series of Trials'를 고르세요. 4) 'Prepare to Run', 동물을 넣고 'Run'. 'End Trial'은 일찍 멈춥니다.

'Maze and Field Control Panel'에서 'Run'을 클릭하고(요청하면 추적 코드를 입력), 'Maze Type' 탭에서 미로와 'Single Field'를 고른 다음 'Tracking' 탭을 여세요. 시행 조명과 물체를 갖춘 상태에서 동물을 넣고, 'Set Z Threshold'는 무시한 채 녹색이나 빨간색 십자 표시가 어디서나 동물을 추적할 때까지 'Set X-Y Threshold'를 옮기세요. 꼬리와 배설물을 무시하려면 'Set X-Y Size'를 쓰세요. 다중 팔 모드는 추적 영역 하나(1x1)로 실행합니다. 'Configuration' 탭에서 'Max secs'를 입력하고 'Single Trial'(Trial Name, User Name, Subject, Descriptor 입력) 또는 'Series of Trials'(Master Experiment Files의 .txp 파일, ,,mouse1,groupA, 같은 줄로 구성, 'Choose TXP/MEF'로 선택)를 고르세요. 'Prepare to Run'을 클릭하고 피험체를 넣은 뒤 'Run'을 클릭하세요.

더 깊이 알아보기

추적 십자 표시가 없을 때: 보정의 배경색 설정을 확인한 다음, Size를 0보다 조금 크게 하고, xy 슬라이더를 천천히 움직여 십자 표시가 나타나는 곳을 찾은 뒤, Size를 몸 너비로 맞추고 미세 조정하세요. 시행이 0.1초 만에 끝난다면 마우스가 두 번 클릭되는 것이니 다른 마우스를 써 보세요.

팔 진입은 어떻게 분석하고, Detection Area란 무엇인가요?

Detection Area(진입으로 셀 각 팔의 %)를 고른 다음 분석하세요. 팔은 왼쪽 팔부터 시계 방향으로 나열됩니다. 1) 'Analyze' > 미로 선택. 2) 예를 들어 100%(모든 진입) 또는 25%(먼 쪽 4분의 1만)를 고르세요. 3) 시행 하나는 'Analyze Single', 일괄 처리는 'Setup Custom'(Maze Variables)과 'Auto-Analyze'. 4) 언제든 다른 백분율로 다시 분석할 수 있습니다.

'Analyze'에서 미로 유형을 고르고, 실시간 시행이면 Video Height/Width를 480/640으로 두세요. 진입을 셀 팔의 백분율인 Detection Area를 고르세요. Detection Area가 100%면 어떤 진입이든 세고, 25%면 팔의 먼 쪽 25%에 들어간 것만 셉니다. 격자 셀은 쓰지 않습니다. 'Analyze Single'은 시행 결과를 보여 줍니다. 팔별 데이터는 가장 왼쪽 팔부터 시계 방향으로 나옵니다(플러스 미로: 왼쪽, 위, 오른쪽, 아래). Print나 Export는 텍스트 파일을 저장합니다. 일괄 처리: 'Setup Custom', CST 이름 지정, 항목 체크, 'Field Variables'는 무시하고 'Maze Variables' 체크, 'Save Spec', CST와 시행 선택, 'Auto-Analyze'. CST는 …\Data\Multi Arm Mazes\CST에 있으며, 시행마다 한 행이고 팔별 열이 있습니다.

더 깊이 알아보기

지표에는 평균 속도, 총 팔/영역 진입, 방문한 팔, 팔별 진입, 잠복기, 팔별 경로 %와 시간 %, 진입 순서가 있으며, EPM에서는 개방 팔 대 폐쇄 팔의 시간 %와 진입이 있습니다. Detection Area 100%에서 팔까지의 잠복기는 화면이 아니라 내보낸 결과에 나타납니다. 결정 시간은 영상 프레임이나 .hvs의 X/Y 변화에서 얻을 수 있습니다.

방사형 미로를 포함한 다중 팔 미로용 HVS Image를 참고하세요.

출처

Olton & Samuelson (1976). Remembrance of places passed: Spatial memory in rats. Journal of Experimental Psychology: Animal Behavior Processes 2(2):97-116. doi:10.1037/0097-7403.2.2.97

실수를 발견하셨거나 더 나은 출처를 알고 계신가요? 알려 주세요. 바로잡고 정정 페이지에 그 사실을 밝히겠습니다.