The NeuroHab: A Low-Cost, Integrated System for Investigation of Neural Correlates of Behaviors

Stel je voor dat je probeert te begrijpen hoe een automotor werkt door naar de motor te luisteren terwijl de auto over een hobbelige weg rijdt. Je moet precies weten wanneer de bestuurder het gaspedaal indrukte en wanneer de motor brulde, en dat op hetzelfde moment. In de wereld van de neurowetenschap proberen wetenschappers iets soortgelijks te doen: ze willen de hersenactiviteit van een muis observeren terwijl de muis een spelletje leert of een puzzel oplost. Dit vakgebied wordt gedragsneurowetenschap genoemd, en het vertrouwt op "operante conditionering"—een chique manier om te zeggen "een dier trainen om iets te doen om een beloning te krijgen."

Om dit te laten werken, moeten er twee dingen perfect samen gebeuren: een machine die de muis een beloning geeft (zoals een druppel water of een voedselpellet) wanneer hij het juiste doet, en een camera of sensor die registreert wat er in de hersenen van de muis gebeurt. Het probleem is dat de machines die worden gebruikt om de muizen te trainen vaak duur, star en moeilijk aan te sluiten zijn op de hersenscan-apparatuur. Het is alsof je probeert een high-tech racing video game controller aan te sluiten op een vintage radio; de onderdelen spreken niet dezelfde taal en de timing loopt niet synchroon. Als de timing zelfs maar een klein beetje fout is, kunnen wetenschappers niet weten of de hersenreactie kwam door de beloning of gewoon door toeval.

Dit is waar een nieuwe uitvinding genaamd "NeuroHab" om de hoek komt kijken. Beschouw dit als een universele vertaler en een superprecieze stopwatch in één betaalbare doos. Het team achter dit project, geleid door onderzoekers aan de University of Wyoming, wilde een systeem bouwen dat goedkoop, gemakkelijk te repareren en zonder vertraging (lag) kon communiceren met hersenscan-machines. Ze wilden niet alleen een betere muizenkooi bouwen; ze wilden een kooi bouwen die kon "denken" en "registreren" op de snelheid van het licht.

Het artikel introduceert de NeuroHab, een goedkoop, open-source systeem ontworpen om muizen te trainen en hun gedrag met ongelooflijke snelheid te registreren. De belangrijkste bevinding is dat dit systeem elke handeling die een muis verricht—zoals een lik, een neusstoot of een geluidssignaal—kan loggen met een vertraging van minder dan één duizendste van een seconde (specifiek tussen 56 en 728 microseconden). Om dit in perspectief te plaatsen: een knipperen van het oog duurt ongeveer 300.000 microseconden; de NeuroHab is snel genoeg om een handeling van een muis te vangen voordat de muis zelf beseft dat hij klaar is.

De onderzoekers hebben dit systeem gebouwd met veelvoorkomende, betaalbare onderdelen zoals Arduino en ESP32 microchips, wat de soort "hersenen" zijn die ook in hobby-robotica en slimme huishoudelijke apparaten worden gebruikt. De totale kosten om de hele opstelling te bouwen zijn ongeveer $1.400. Dit is een enorme zaak, omdat commerciële versies van soortgelijke machines bijna $13.000 kunnen kosten. Door de code en ontwerpen openbaar te maken zodat iedereen ze kan gebruiken, hoopt het team meer wetenschappers in staat te stellen om hoogwaardige experimenten uit te voeren zonder dat ze een enorm budget nodig hebben.

Een van de coolste functies van NeuroHab is hoe het met timing omgaat. Het systeem gebruikt een slimme truc waarbij het een reeks kleine elektrische "pulsen" (zoals morsecode) verzendt om de registratiemachine precies te vertellen wat er gebeurde en wanneer. Omdat deze pulsen zo snel zijn en het systeem zo efficiënt is, kan de hersenscan-apparatuur (zoals een mini twee-foton microscoop) de handelingen van de muis perfect afstemmen op de hersenactiviteit. Het artikel laat zien dat wanneer zij dit testten, de timing nauwkeurig genoeg was om te zien hoe individuele hersencellen reageren op een specifieke gebeurtenis, zoals een druppel water die de tong raakt.

Het team heeft ook getest hoe goed het systeem werkt in de echte wereld. Ze voerden meer dan 50 verschillende proeven uit en gebruikten het zelfs voor sessies van 16 uur waarin muizen vrij door hun kooien konden bewegen. Het systeem crashte niet, verloor geen gegevens en kon likbewegingen met meer dan 96% nauwkeurigheid detecteren. Ze toonden zelfs aan dat het naast een Mini twee-foton microscoop kon werken, een high-tech camera die in de hersenen kijkt, wat bewees dat het gedrag van de muis en de hersensignalen tot op de milliseconde gesynchroniseerd konden worden.

Het artikel is echter voorzichtig in het benoemen van wat dit systeem niet doet. Het is niet ontworpen om de continue elektrische golven van de hersenen zelf op te nemen (zoals een EEG); in plaats daarvan fungeert het als de dirigent die precieze "start" en "stop" signalen stuurt naar andere machines die het zware werk doen. Het heeft ook enkele beperkingen: als er te veel gebeurtenissen tegelijkertijd plaatsvinden vanuit verschillende bronnen, kan het systeem in de war raken, hoewel de auteurs opmerken dat dit zeldzaam is bij typische experimenten. Ze vermelden ook dat het systeem afhankelijk is van een specifiek type vloeistofafgifte dat zorgvuldig gekalibreerd moet worden, anders kan de hoeveelheid water die wordt gegeven er iets naast zitten.

Kortom, de NeuroHab is een game-changer omdat het een complex, duur probleem oplost met een simpel, modulair en betaalbaar ontwerp. Het bewijst dat je geen miljoenenbudget nodig hebt voor precieze, snelle gegevens over hoe dieren leren en hoe hun hersenen werken. Door de "blauwdrukken" publiek te maken, nodigt de auteur andere wetenschappers uit om hun eigen versies te bouwen, aan te passen en te gebruiken om nieuwe geheimen van de hersenen te ontrafelen, allemaal zonder de bank te breken.