《Journal of Neuroscience Methods》：Automated Ladder Rung Test for Evaluating Motor Coordination in Parkinson’s Disease Mouse Models
编辑推荐：
本研究开发了一种基于光电传感器和Arduino微控制器的低成本自动化梯级行走测试系统，用于客观评估帕金森病小鼠模型的运动协调能力。系统通过定制Python软件实现实时数据可视化与动态传感器映射，检测精度达96.4%，结果与手动评分一致，验证了其在预临床研究中的高效性和可靠性。
生物医学工程系，工业和信息化部多模态脑机精准控制重点实验室，江苏省数字医疗设备与技术重点实验室，南京航空航天大学，南京，210016，中国
摘要
背景
梯级行走测试用于评估帕金森病（PD）小鼠模型的精细运动协调能力，但目前该方法依赖于耗时且主观性强的人工评分，因此需要一个自动化、客观的系统。
新方法
我们开发了一种经济高效的自动化梯级行走测试系统，该系统具有规则和不规则的梯级图案，采用阵列式光敏传感器来检测脚步错误，并配备了Arduino微控制器。定制的Python软件实现了直观的控制、实时可视化、动态传感器映射、可调的去抖动功能以及CSV数据导出。
结果
在MPTP诱导的PD小鼠模型中，该系统检测到在不规则梯级上脚步错误增多（5.13 ± 1.04 vs. 对照组的1.78 ± 0.69，p < 0.0001），并且穿越时间也更长（18.04 ± 2.64秒 vs. 对照组的13.38 ± 1.95秒，p = 0.001）。这些结果得到了开放场地测试和旋转棒测试的验证，并且黑质神经元数量减少了68.7%。
与现有方法的比较
与需要复杂算法的昂贵相机系统不同，我们的系统仅使用简单的光电传感器，所有组件的成本约为127美元，精度达到96.4%，召回率为99.3%，因此易于使用且用户友好。
结论
这种自动化系统为PD和其他神经系统疾病的客观运动评估提供了一种可重复、高通量的工具，有助于促进临床前研究。
引言
帕金森病（PD）是第二常见的神经退行性疾病，全球有超过600万人受到影响（Tinazzi等人，2025年）。该病的特点是黑质致密部（SNc）中的多巴胺能神经元逐渐丧失，导致运动迟缓、静止性震颤、僵硬和姿势不稳等主要症状（Kalia和Lang，2015年；Michel等人，2016年）。运动协调能力受损是PD的显著特征，严重影响患者的生活质量。由于目前尚无治愈PD的方法，现有治疗主要集中在症状管理和延缓疾病进展上。因此，迫切需要开发新的疾病修饰疗法，而这离不开使用敏感的行为范式进行临床前研究，以阐明病理机制并评估治疗干预的效果（Kalia和Lang，2015年；Mancini等人，2019年）。
在各种行为测试中，梯级行走测试是一种评估啮齿动物精细运动协调能力的有效方法（Metz和Whishaw，2009年）。该测试要求动物在间距不规则的横置梯子上行走，通过记录脚步滑动或失误的次数来量化运动表现（Cummings等人，2007年）。传统上，这种测试需要经过培训的观察者通过逐帧视频分析来进行人工评分（Antonow-Schlorke等人，2013年；Englund等人，2020年；Farr等人，2006年；Martins等人，2022年）。尽管这种方法提供了宝贵的见解，但它耗时、劳动强度高，并且容易受到人为偏见和误差的影响。
此外，人工评分的时空分辨率有限，可能会遗漏一些细微但重要的缺陷。这些缺点凸显了开发自动化、客观和高效梯级行走测试方法的必要性。
最近的技术进步使得对啮齿动物的行为评估实现了自动化，为研究PD、中风和脊髓损伤（SCI）等神经系统疾病中的运动缺陷提供了有价值的工具。例如，计算机视觉算法通过追踪爪子位置和量化步态参数提高了步态分析的精度（Machado等人，2015年；Rostosky和Milosevic，2018年）。针对梯级行走测试，Aljovic等人（2022年）、Lemieux等人（2024年）和Skelton等人（2025年）引入了先进的系统，利用高速摄像机自动分类神经系统疾病小鼠模型中的步态模式。尽管这些自动化系统精度很高，但它们通常需要复杂的仪器、专业知识和大量资金投入，限制了其在许多实验室中的应用。此外，这些方法往往依赖于计算机视觉和复杂的人工神经网络，这要求较高的计算能力和GPU资源，进一步限制了其在资源有限环境中的使用。
为了解决这一问题，我们旨在开发一种简单、经济高效且用户友好的自动化梯级行走测试系统，用于客观评估小鼠的运动协调能力。我们的主要创新包括：（1）集成光电传感器以可靠地检测脚步错误；（2）优化梯级设计，包含规则和不规则的梯级图案，以评估不同的运动控制方面；（3）定制的软件界面，便于数据可视化和分析。我们通过MPTP诱导的PD小鼠模型验证了该系统的性能，其评估结果与生化参数的变化一致，同时克服了以往方法的一些局限性。这种新型系统有望成为研究PD和其他神经系统疾病运动功能障碍的强大工具。
动物
成年雄性C57BL/6小鼠（2-3个月大，体重20-25克）购自中国南京的青龙山动物中心。它们被饲养在聚丙烯笼子中（尺寸370 × 260 × 170毫米，每笼5只小鼠），环境处于12小时明暗周期（早上7点开启灯光），控制温度（20-24°C）和湿度（50-60%）。小鼠可自由摄取标准饲料和水。饲养设施符合无病原体要求。所有实验程序均获得了相关机构的批准。
自动化系统的可靠脚步错误检测
在模式1梯级的训练阶段，记录了22只小鼠（12只对照组和10只PD组）的132次试验。自动化系统检测到749次脚步错误事件，其中722次被人工视频评分确认为真实错误（表1）。自动化脚步错误检测的准确率为96.4%，召回率为99.3%，仅有27次假阳性和7次假阴性。F1分数为97.7%，证明了其可靠性和准确性。
讨论
在本研究中，我们开发并验证了一种新型的自动化梯级行走测试系统，用于高效客观地评估小鼠的运动协调能力。该系统结合了光电传感器、优化的梯级设计和用户友好的软件，能够以高精度（96.1%）和召回率（98.0%）自动检测脚步错误。这为传统的人工评分方法提供了一种可靠的替代方案。我们展示了该系统在临床前研究中的实用性。
伦理批准
所有实验程序均获得了南京医科大学动物护理和使用委员会的批准（批准编号IACUC-2212014），并遵循波士顿大学动物护理指南和美国国立卫生研究院关于实验室动物护理和使用的指南（NIH出版物编号85-23，1996年修订版）进行。
出版同意
所有参与者均同意发表研究数据。
代码可用性
自动化梯级行走系统的源代码可在以下链接获取：
https://github.com/pittjames/Ladder-Rung-Walking-Test-Qt/tree/main
资助
本研究得到了中国国家自然科学基金（82202295；82427808；82201652）、中央高校基本科研业务费（NZ2024032）、江苏省优秀博士后人才资助计划（S2024ZB661）以及南京市健康科技发展专项资金重点项目（ZKX24043）的支持。
CRediT作者贡献声明
Wei Jiang：方法学。
Wei Xu：方法学、研究设计、数据分析。
Yajun Lou：数据可视化。
Xiaofei Jin：资源协调。
Weitao Li：实验监督。
Tianyi Yang：验证。
Fan Gao：实验监督、资源协调、项目管理。
Keqiang Gao：撰写、审稿与编辑。
Zhiyu Qian：实验监督、资源协调。
Zhang Peng：撰写初稿、数据可视化、软件开发、概念设计。
利益冲突声明
作者声明没有利益冲突。
