你的位置:首页 >> 产品展示 >> 薄膜压力传感器 >> 人因工程  人因工程
行为实验的设备
来源:TEKSCAN_压力发电膜_piezoelectricity_压力发电_压力发电膜鞋_压力发电机_薄膜压力发电热电堆传感器厂家_热释电红外传感器_热电堆传感器应用电路_台湾热电堆传感器原厂_热电堆传感器应用_热电堆 电路_热释电红外传感器工作原理及结构说明_热释电传感器_红外传感器 | 发布时间:2021/8/7 22:28:31 | 浏览次数:

未来是开放的:行为神经科学研究的开源工具

萨曼莎R。怀特,琳达M。阿马兰特,亚历克赛五世。克拉维茨和马克·劳巴赫

eNeuro 2019年7月29日,6(4)eNeuro.0223-19.2019;内政部:https://doi.org/10.1523/ENEURO.0223-19.2019

ArticleFigures&DataInfo&MetricseLetters PDF

行为设计方法开源协议

重要性声明

最近,在神经科学研究中,开源工具的使用有了很大的增加。OpenBehavior项目是为了传播特定于行为研究的开源项目而创建的。在这篇评论中,我们强调了采用开源思维的好处,并强调了当前的方法和项目,这些方法和项目为开源工具带来了希望,以推动行为测量的进步,并最终理解行为的神经基础。

在过去的十年中,用于测量和控制脑细胞活动的新的神经生物学工具的使用出现了爆炸性增长。光遗传学、化学遗传学、细胞成像和纤维测光技术的最新发展使细胞、系统和行为神经科学的出版物激增。具有分子生物学或细胞生理学专业知识的研究人员现在正在进行行为研究,并经常为精细的行为研究带来新的方法,这导致了许多新的分析方法的发展,用于测量动物模型(小鼠、苍蝇、蠕虫等)中的行为和认知。

由于3D打印和现成微控制器(如Arduino、Teensy、microPython)以及单板计算机(Raspberry Pi)的低成本方法的革命,这些研究小组中的许多人能够非常轻松地创建复杂的行为任务。R和Python语言、专门的计算库(如numpy、OpenCV、TensorFlow)以及Anaconda Python发行版对于神经科学项目开源分析软件的开发至关重要。同时,神经科学研究的这些进展发生在同时向共享计算机代码的方向发展的时期(Eglen等人,2017;Gleeson等人,2017),通过GitHub等网站,并通过黑客空间和Makerspace向非专家开放软件和硬件设计过程。

尽管有这些发展,但在分享方面仍有增长空间。一些新工具的设计已发布在个人研究人员创建的网站上,或通过GitHub等公共存储库共享。在其他情况下,设计和协议已经发布,一些新的期刊和现有期刊中的轨道正在出现,用于报告开源硬件和软件。在这篇评论中,我们的目的是强调在行为神经科学领域采用开源思维模式的好处,并强调当前的方法和项目,这些方法和项目为开源工具带来了希望,以推动行为测量的进步,并最终理解这些行为的神经基础。

为什么是开源?

开源项目背后的主要思想是创建者或开发人员提供对源代码和设计文件的开放访问,无论是软件还是硬件。开源项目通常为其他人提供使用和修改设计的许可证,尽管许多许可证要求任何修改都保持开源。在这样的许可下,不允许采用开源设计,修改一些东西,并声称这是一种新的封闭设计。发布具有开放源代码许可证的项目为其他人查看、修改和改进项目提供了透明度。开源可以与多层次的科学研究相关;开放存取期刊、代码和数据存储库、共享方法、协议或文件都是人们如何为开源科学做出贡献的例子。

“开源”一词通常也是成本效益的同义词。神经科学中使用的许多商业产品可以以一种开源的方式复制,只需初始成本的一小部分。然而,在研究实验室中加入开源科学还有其他优势。随着微控制器、微处理器、3D打印和激光切割技术的发展,大多数人现在可以用研究人员以前无法使用的方式创建设备或产品。此外,开源科学的一个主要好处是定制和灵活性。不再局限于研究商业部分能够做什么或测量什么,现在可以通过开发有助于回答研究问题的设备或软件来更深入地研究,而不是让技术驱动研究问题(图1)。在行图1。

在新选项卡中下载figureOpen下载powerpoint

图1。

开源创作过程:方法和问题。神经科学中的传统方法是从商业上购买的,用于回答特定的研究问题。由于需要根据工具的成本最大化使用,该方法通常会引发后续研究问题。然而,在开源模型中,研究问题推动了方法或工具的开发。这在行为神经科学中的一个主要优势是,以前无法测量的行为方面现在有了被测量的潜力,导致了行为测量和分析的新前沿。该工具随后被共享给社区,用户从社区寻求反馈以改进该方法。共享一个开源工具会导致跨多个研究实验室开发新项目,这会让研究人员“跳出框框”思考

这一开源运动(Maia Chagas,2018年)带来了几个非常成功的项目,包括神经科学项目,如开放电生理学项目(Siegle等人,2017年)、加州大学洛杉矶分校微型显微镜(Aharoni等人,2019年)和软件,如盆景(Lopes等人,2015年)和DeepLabCut(Mathis等人。,2018)用于视频记录和分析。然而,开源神经科学的领域正在快速扩展,并且很难跟上研究工具以及硬件和软件的所有最新进展。

OpenBehavior项目

2016年,很明显有许多项目报告了新的行为研究工具,因此我们启动了OpenBehavior项目。对设计文件和构建说明的访问依赖于口碑和社交媒体上的孤立博客和帖子。我们的目标是,一旦工具以预印本的形式出现在bioRxiv或PsyArXiv上、同行评审的手稿上或开发者在Hackday、GitHub、实验室网站或社交媒体上的独立帖子上,就立即传播有关工具的信息。该项目基于一个涵盖前沿开源工具的网站和一个相关推特账户,该账户让关注者随时了解从苍蝇和鱼类到啮齿动物,以及最近的人类等物种的行为神经科学的最新项目。通过这些努力,我们希望有助于在正在进行的研究中快速复制和采用新工具,并触发对现有工具的修改,以用于新的研究应用。

迄今为止,已有数十个项目通过,更多项目通过活跃的推特参与共享。2019年5月,我们庆祝了我们的第100个开源项目帖子,该帖子涵盖了用于提供有价值的食物和液体、测量家庭笼子活动、视频跟踪和分析的设备,以及用于行为实验的生理学方法,如微型显微镜和光纤测光仪(图2A,B)。虽然视频分析是许多项目的一个突出重点,但其他几种类型的项目在网站上也很受欢迎,包括跟踪家庭笼中喂食行为模式的设备(FED;Nguyen等人,2016),多通道电生理系统(OpenEphys;Siegle等人,2017),纤维光度测定系统(光度计箱;Owen和Kreizer,2019),用于光遗传刺激的刺激器(Stimduino;Sheinin等人,2015),监督(JAABA;卡布拉等人,2013年;深拉布刻;Mathis等人,2018),以及无监督(FaceMap;Stringer等人,2019)用于分析视频行为的机器学习算法,以及用于行为控制的集成系统(Bpod;RRID:SCR_015943),包括视频记录和实时分析(盆景;Lopes等人,2015年)。最近,我们开始跟踪和共享人类行为神经科学、计算模型和相关数据分析方法的研究工具。

图2。

在新选项卡中下载figureOpen下载powerpoint

图2。

OpenBehavior上的项目以及我们的追随者调查。A、 OpenBehavior上显示的项目类型。最常见的项目类型允许跟踪录像中的行为。大多数项目都有多种功能。例如,盆景可以用于录像、跟踪行为和控制行为设备。B、 基于来自独特URL的web点击,我们描述了追随者的总体兴趣。C、 一项关于开源工具使用情况的调查显示,大多数实验室使用不止一种编程语言,其中最常用的是MATLAB/Octave和Python。D、 调查还发现,大多数受访者报告使用Arduinos微控制器,不太常见的工具包括Raspberry Pi单板计算机和Teensy微控制器。E、 大多数受访者表示,他们的实验室中有代码和设计的存储库。然而,大多数研究人员并没有报告使用公共存储库。

共享和传播开放源码工具

感谢为神经科学中,这允许研究人员进入未知领域,分析以前未测量或细粒度的行为(Krakauer等人,2017)。由于共享了适当的文档和对开源方法的理解,研究人员能够修改一些项目以更好地满足他们实验的需要。关于开源工具如何引导新的研究项目的一个例子可以在一些关于OpenBehavior的最早文章中找到。我们介绍了一些向啮齿动物输送有益液体的装置。其中一个项目是由Meaghan Creed博士开发的自动小鼠家庭笼两瓶选择试验,用于小鼠的自动味觉偏好试验和口服自我给药研究。该项目被发布到一个分享开源硬件设计的网站(Hackaday.io),该设备很快被许多实验室使用。其中一个实验室拥有开源方法的知识和来自Creed的有见地的文档,能够使用更先进的微控制器修改设备,使其能够在大鼠体内同时测量16个奖励管的液体消耗量(Frie和Khokar,2019)。我们网站用户和推特用户的经验表明,我们在通过促进合作和共享加速研究的总体任务中取得了巨大的初步成功。

为了评估OpenBehavior如何进一步改善共享和传播,我们在2019年春进行了一项在线调查。虽然不是一项科学调查,但调查结果提供了关于行为神经科学家开源社区的观点和需求的信息;50%的受访者(70人中有48人)表示,他们关注该网站的目的是在未来将我们介绍的一些设备和软件纳入他们的研究计划。另有30%的调查对象(70人中的22人)表示,他们使用了网站上的工具,这些工具不是由他们自己的实验室直接根据项目文件(22人中的16人)开发的,也不是他们自己修改的(22人中的6人)。许多报告将开源工具集成到其研究项目中的参与者通常会合并多个工具,这些工具产生了他们自己记录和分析行为的方法(van den Boom等人,2017年),或产生了用于行为实验的全闭环系统(Buccino等人,2018年;索拉里等人,2018年)。

需要在传播和培训方面进一步努力,以进一步提高OpenBehavior和研究社区内相关项目的影响。我们正在探索在网站上增加一个论坛,以鼓励开发者和用户之间的互动,这是我们调查的一些参与者建议的。此外,我们希望激励DIY黑客和开源工程师思考对行为神经科学有用的项目,就像我们已经开始寻找黑客来理解神经科学中的大型数据集一样(Goodwin,2015)。为此,我们与Hackday.io合作,这是一个在DIY社区很受欢迎的网站。

扩大开放源码工具的采用

尽管开源工具具有这些优势,但鼓励共享以及对开发进行分类和传播的能力仍然是一项挑战。更糟糕的是,有一些主要的技术障碍阻碍了许多研究人员从一头扎进新发布的研究工具。并非每个人都有将新工具纳入正在进行的研究项目所需的激励、技能或时间。学习从源代码构建新设备和程序所需的技能需要时间。重新创建和使用新的设备和程序还需要开发者的明确指示。人们一直担心自制设备的可靠性,或者为相对较小的用户群编写的程序中未发现的错误。缺乏即时可用的技术支持和对新工具的广泛验证并不能增加使用新开源工具的信心。

尽管存在这些担忧,但在神经科学中使用开源软件和硬件的趋势已经出现,并且有证据表明神经科学实验室可以共享新的工具。为了评估OpenBehavior的追随者如何在他们的研究中使用软件和硬件,我们在2019年5月下旬进行了第二次在线调查,询问了受访者在实验室中使用的编程语言、他们对微控制器、3D打印机和印刷电路板的使用情况,以及他们是否在实验室和/或公共存储库中使用代码和设计。调查结果如图2C-E所示。值得注意的是,在共享方面,大多数(65%)受访者表示他们的实验室有存储库(82人中的54人),而<40%的受访者(81人中的32人)表示他们在公共存储库上共享了代码和设计。

这些发现与正在进行的关于神经数据和分析代码可用性的讨论有关(Halchenk这些发现与正在进行的关于神经数据和分析代码可用性的讨论有关(Halchenko和Hanke,2012;Ascoli等人,2017年;Eglen等人,2017年;Gleeson等人,2017),以及数据收集新方法的公开共享[OpenEphys(Siegle等人,2017年);加州大学洛杉矶分校迷你镜(Aharoni等人,2019年)]。我们希望这将导致关于共享行为数据、分析代码和硬件的新对话。鼓励开源思维似乎很简单,可以跨多个层次进行。任何人都应该能够复制一个开源项目,因为他们提供了详细的文档和软件或硬件设备的传播。有必要鼓励制定一套标准,使再现性成为可能,例如上述两瓶偏好测试方法。关于开发开源工具的最佳实践,请参见方框1。

方框1。

开发开源工具的最佳实践建议

1.清晰的项目文件。提供项目的所有设计文件、BOM表、构建说明、图形(视频/照片/三维渲染)说明或教程。

2.文件的中央存储库。在GitHub、hackday.io、OSF.io等网站或研究小组网站上提供项目的所有文件和文档。

3.实验验证。显示用于行为实验的设备示例。

4.使项目易于找到。使用SciCrunch项目为设备创建研究资源标识符(RRID),以便其他人可以跨出版物跟踪该项目。

需要更多的努力来提供和维护使用开源工具的生产力。可能需要通过SfN管理的Neuronline论坛,为公众讨论这些工具提供论坛。总会有一些疑难解答,这就是为什么有必要建立一个公开论坛来分享对已经开发的工具的反馈。为了进一步推动创新和发展,我们建议实施网络研讨会、在线教程和研讨会,让全世界的人都能接触到开源工具的开发。一些开源工具的实践研讨会取得了成功,如optogenetics、CLARITY、Miniscope和DeepLabCut。这些活动将需要财政支持,以便能够存储数据、设计和协议,维护一个记录良好的网站和源代码,并提供培训研讨会。我们希望主要的资助者(例如,NIH,NSF,欧盟)考虑提供特别的机会来支持开源研究工具的开发和培训。

最后,需要通过在出版物中创建和使用RRID(SciCrunch)来跟踪开源工具的使用情况。据我们所知,RRID通常不是为硬件创建的。拥有跟踪使用情况的系统有三个潜在影响。首先,除了方法论文的引用之外,还可以跟踪工具的使用情况。第二,可以记录并跟踪修订和衍生产品。第三,开发人员可能在开发过程的早期就增加了共享设计的动机,特别是如果为RRID开发了一个类似于h因子的指数,这不可避免地会创造新的平台和共享开发、使用和服务的动机,而开源行为工具的复制对于将开源科学推向前沿至关重要。

致谢

致谢:我们感谢Michael W。小普雷斯顿、汉娜·戈德巴赫和凯拉·斯旺森感谢他们在启动和维护OpenBehavior项目方面提供的帮助和支持。

脚注

作者声明没有相互竞争的经济利益。

这项工作得到了国家科学基金会研究生奖学金计划(L.M.A.)和美国国家航空航天局DC空间授权联盟奖(M.L.)的支持。

这是一篇根据知识共享署名4.0国际许可条款发布的开放获取文章,允许在任何媒体中不受限制地使用、分发和复制,前提是原创作品具有适当的署名。o和Hanke,2012;Ascoli等人,2017年;Eglen等人,2017年;Gleeson等人,2017年),以及

 
TAG:
打印本页 || 关闭窗口
 上一篇:行为仪器
 下一篇:用于动物行为调查的视频分析管道