ABSTRACT Robust quantification of animal behavior is fundamental in experimental neuroscience research. Systems providing automated behavioral assessment are an important alternative to manual measurements avoiding problems such as human bias, low reproducibility and high cost. Integrating these tools with closed-loop control systems creates conditions to correlate environment and behavioral expressions effectively, and ultimately explain the neural foundations of behavior. We present an integrated solution for automated behavioral analysis of rodents using deep learning networks on video streams acquired from a depth-sensing camera. The use of depth sensors has notable advantages: tracking/classification performance is improved and independent of animals’ coat color, and videos can be recorded in dark conditions without affecting animals’ natural behavior. Convolutional and recurrent layers were combined in deep network architectures, and both spatial and temporal representations were successfully learned for a 4- classes behavior classification task (standstill, walking, rearing and grooming). Integration with Arduino microcontrollers creates an easy-to-use control platform providing low-latency feedback signals based on the deep learning automatic classification of animal behavior. The complete system, combining depth-sensor camera, computer, and Arduino microcontroller, allows simple mapping of input-output control signals using the animal’s current behavior and position. For example, a feeder can be controlled not by pressing a lever but by the animal behavior itself. An integrated graphical user interface completes a user-friendly and cost-effective solution for animal tracking and behavior classification. This open-software/open-hardware platform can boost the development of customized protocols for automated behavioral research, and support ever more sophisticated, reliable and reproducible behavioral neuroscience experiments.

ABSTRACT Recent technological advances are revealing the complex physiology of the axon and challenging long-standing assumptions. Namely, while most action potential (AP) initiation occurs at the axon initial segment in central nervous system neurons, initiation in distal parts of the axon has been shown to occur in both physiological and pathological conditions. However, such ectopic action potential (EAP) activity has not been reported yet in studies using neuronal cultures and its functional role, if exists, is still not clear. Here, we show the spontaneous occurrence of EAPs and effective antidromic conduction in hippocampal neuronal cultures. We also observe a significant fraction of bidirectional axonal conduction in dorsal root ganglia neuronal cultures. We investigate and characterize this antidromic propagation via a combination of microfluidics, microelectrode arrays, advanced data analysis and in silico studies. We show that EAPs and antidromic conduction can occur spontaneously, and after distal axotomy or physiological changes in the axon biochemical environment. Conduction velocity is asymmetrical, with antidromic conduction being slower than orthodromic. Importantly, EAPs may carry information and can have a functional impact on the neuron, as they consistently depolarize the soma. Thus, plasticity or gene transduction mechanisms triggered by soma depolarization can also be affected by these antidromic APs. Altogether these findings have important implications for the study of neuronal function in vitro , reshaping our understanding on how information flows in neuronal cultures.