Sub-second analysis of locomotor activity in Parkinsonian mice

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Orta beyin dopamin (DA) nöronlarının dejenerasyonu, Parkinson hastalığında yürüme, duruş ve yürüyüş gibi doğal davranışların nöral kontrolünü bozar. Motor semptomların bazı yönleri dopamin replasman tedavileri ile yönetilebilirken, diğerleri kötü yanıt verir. Makine öğrenimine dayalı teknolojilerdeki son gelişmeler, iyi zaman ölçeklerinde davranış modüllerinin düzenleme ilkelerini ve dopaminerjik modülasyona olan bağımlılığını daha iyi anlamak için fırsatlar sunmaktadır. Bu çalışmada, orta beyin DA nöronlarının aşamalı olarak dejenere olduğu gibi Parkinsonizmin nörotoksin ve genetik fare modellerinin kendiliğinden lokomotor aktivitelerini incelemek için hareket sekanslama (MoSeq) platformunu uyguladık. Ayrıca levodopa (L-DOPA)'nın davranışsal modüller üzerindeki tedavi etkinliğini ince zaman ölçeklerinde değerlendirdik. Kinematikteki ve spontan lokomotor aktiviteyi kodlayan davranışsal modüllerin kullanımındaki güçlü değişiklikleri ortaya çıkardık. Daha ileri analizler, daha yüksek hızlara sahip hızlı davranış modüllerinin DA kaybına karşı daha savunmasız olduğunu ve Parkinsonizm'in erken aşamalarında tercihen etkilendiğini göstermektedir. Son olarak, L-DOPA Parkinsonian hayvanlarda davranışsal modüllerin kullanımını ve geçiş olasılığını değil, hızını etkili bir şekilde geliştirdi. Sonuç olarak, Parkinsonizm'deki hipokinetik fenotipler davranışsal modüllerin azalan hızlarını ve hareket sırasında bozulmuş temporal organizasyonlarını içerir. Dahası, L-DOPA'nın terapötik etkisinin, esas olarak iyi zaman ölçeklerindeki davranış modüllerinin hızları üzerindeki etkisi ile aracılık ettiğini gösterdik. Bu çalışma, davranışsal modüllerin hızı, kullanımı ve zamansal organizasyonundaki güçlü değişiklikleri ve Parkinson devleti altında dopaminerjik tedaviye yanıt vermelerini belgelemektedir. Parkinson hastalığı, tedavisi olmayan ikinci en büyük nörodejeneratif hastalıktır. İnce Parkinson belirtilerinin tespiti, erken müdahaleler uygulanarak hastalık modifikasyonu için kritik öneme sahiptir. Mevcut çalışma, Parkinsonlu hayvanlardaki ince davranışsal değişikliklerin erken tespiti ve dopaminerjik ilaçların terapötik etkinliğini değerlendirmek için makine öğrenimine dayalı yaklaşımların kullanılma olasılığını araştırıyor.

Özgün kaynak özetini okuyun

The degeneration of midbrain dopamine (DA) neurons disrupts the neural control of natural behavior, such as walking, posture, and gait in Parkinson’s disease. While some aspects of motor symptoms can be managed by dopamine replacement therapies, others respond poorly. Recent advancements in machine learning-based technologies offer opportunities to better understand the organizing principles of behavior modules at fine time scales and its dependence on dopaminergic modulation. In the present study, we applied the motion sequencing (MoSeq) platform to study the spontaneous locomotor activities of neurotoxin and genetic mouse models of Parkinsonism as the midbrain DA neurons progressively degenerate. We also evaluated the treatment efficacy of levodopa (L-DOPA) on behavioral modules at fine time scales. We revealed robust changes in the kinematics and usage of the behavioral modules that encode spontaneous locomotor activity. Further analysis demonstrates that fast behavioral modules with higher velocities were more vulnerable to loss of DA and preferentially affected at early stages of Parkinsonism. Last, L-DOPA effectively improved the velocity, but not the usage and transition probability, of behavioral modules in Parkinsonian animals. In conclusion, the hypokinetic phenotypes in Parkinsonism involve the decreased velocities of behavioral modules and their disrupted temporal organization during movement. Moreover, we showed that the therapeutic effect of L-DOPA is mainly mediated by its effect on the velocities of behavior modules at fine time scales. This work documents robust changes in the velocity, usage, and temporal organization of behavioral modules and their responsiveness to dopaminergic treatment under the Parkinsonian state. Significance Statement Parkinson’s disease is the second largest neurodegenerative disease without a cure. Detection of subtle Parkinsonian signs is critical for disease-modification by applying early interventions. The present work explores the possibility of using machine learning-based approaches for early detection of subtle behavioral changes in Parkinsonian animals and evaluating the therapeutic efficacy of dopaminergic medications.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.