Clear Sky Science · it

Dataset comportamentale per Long-Evans e la sua sottorazza con caratteristiche simili alla schizofrenia attraverso più generazioni

2026-02-09 · Torna all'indice

Perché il comportamento dei ratti può aiutarci a comprendere le malattie mentali

La schizofrenia è un grave disturbo mentale, ma studiarla direttamente sulle persone è lento, difficile e soggetto a limiti etici. I ricercatori spesso si rivolgono agli animali per esplorare come geni, esperienze di vita e chimica cerebrale interagiscano nel tempo. Questo articolo descrive un ricco dataset aperto raccolto in sette anni su oltre mille ratti, inclusa una linea appositamente selezionata che mostra tratti simili alla schizofrenia. Rendendo queste misurazioni liberamente disponibili, gli autori offrono una nuova risorsa potente per chiunque sia interessato a come comportamento, apprendimento ed ereditarietà si intrecciano.

Uno sguardo lungo due linee di ratti

Lo studio segue 1.342 ratti di una linea standard da laboratorio, Long-Evans, e una linea sorella chiamata Lisket progettata per modellare alcune caratteristiche della schizofrenia. I ratti Lisket sono stati esposti precocemente a tre sfide: un periodo di isolamento sociale, dosi ripetute di un farmaco che altera la segnalazione cerebrale e allevamento selettivo basato sul comportamento. Nel corso di 16 generazioni, maschi e femmine di entrambe le linee sono stati allevati in condizioni attentamente controllate e poi testati all’età di dieci settimane. Questo disegno longitudinale consente agli scienziati di esaminare non solo le differenze tra le due linee, ma anche come il comportamento rimanga stabile o cambi mentre gli animali vengono allevati nel tempo.

Una pista per ratti che misura curiosità e apprendimento

Per catturare il comportamento in modo efficiente, il team ha utilizzato un sistema costruito su misura chiamato Ambitus: una pista rettangolare con pareti trasparenti fiancheggiata da piccole cassette laterali in grado di erogare minuscole ricompense alimentari.

I ratti a razione controllata vengono posti nello stesso punto di partenza e lasciati esplorare per alcuni minuti, con sensori a infrarossi che registrano silenziosamente ogni movimento e ogni puntata del naso. Nel compito mattutino tutte le cassette contengono ricompense; nel compito successivo sono baitate solo le cassette interne, costringendo gli animali ad adattare la loro strategia di ricerca. Ogni ratto completa quattro brevi prove, producendo resoconti dettagliati su quanto si muove, quanto rapidamente trova il cibo, quanto spesso ritorna nelle cassette e come il suo comportamento cambia da una prova all’altra.

Dai percorsi grezzi a punteggi significativi

Gli autori hanno trasformato questi movimenti in 91 misure diverse che insieme descrivono locomozione, esplorazione, raccolta delle ricompense ed efficienza di apprendimento. Per il programma di allevamento, le misure chiave sono state raggruppate in punteggi semplici che classificavano ogni animale come a basso, medio o alto rischio per un profilo simile alla schizofrenia. Il dataset completo, tuttavia, va ben oltre queste categorie. Include una tabella “grezza”, dove ogni prova per ogni ratto è elencata separatamente, e una tabella “processata”, in cui il comportamento attraverso le quattro prove è sintetizzato in modo ordinato per ciascun animale insieme alla sua linea, sesso, generazione e data del test. Questa struttura permette agli utenti di approfondire il comportamento momento per momento o di allargare lo sguardo per confrontare i modelli su grandi gruppi.

Verifica della qualità dei dati

I grandi dataset sono utili solo se affidabili, quindi gli autori eseguono diversi controlli. Mappano quanto spesso i valori mancano e mostrano che la maggior parte delle misure è completa per oltre il 99%. Le principali lacune emergono quando un ratto semplicemente non visita alcuna cassetta laterale in una fase data, il che è di per sé un segnale informativo di bassa attività più che un errore tecnico.

Esaminano anche quanto fortemente le diverse misure si muovono insieme, rivelando raggruppamenti di comportamenti correlati e alcune ridondanze che gli utenti futuri possono ridurre. Infine testano se i punteggi cambiano nel corso delle generazioni e riscontrano solo piccole variazioni irregolari, suggerendo che i modelli comportamentali complessivi rimangono stabili nel periodo di sette anni.

Cosa significa per la ricerca futura

Da solo, questo lavoro non pretende di risolvere la schizofrenia o di individuare un unico “comportamento patologico” nei ratti. Offre invece una base accuratamente documentata e accessibile su cui molti studi diversi possono costruire. I neuroscienziati possono usarla per cercare marcatori comportamentali robusti, i data scientist possono testare nuovi strumenti di machine learning e i farmacologi possono confrontare come potenziali trattamenti possano modificare i modelli di attività e apprendimento. Per il lettore non specialista, il messaggio chiave è che i mattoni grezzi della scoperta — misurazioni pulite e di lungo periodo del comportamento in condizioni controllate — sono ora condivisi in modo da favorire la collaborazione. Questo aumenta la probabilità che i legami sottili tra geni, esperienza e salute mentale emergano infine con maggiore chiarezza.

Citazione: Kőrösi, G., Czimbalmos, O., Kekesi, G. et al. Behavioral dataset for Long-Evans and its schizophrenia-like substrain through several generations. Sci Data 13, 398 (2026). https://doi.org/10.1038/s41597-026-06735-0

Parole chiave: comportamento dei ratti, modello di schizofrenia, dataset longitudinale, test cognitivi, machine learning in neuroscienze