Apparecchiatura economica, open-source e automatizzata per testare l’inferenza transitiva nei topi

Insegnare ai topi a fare salti logici

Immaginate di poter porre a un topo una domanda logica: se A è migliore di B e B è migliore di C, quale è migliore tra A e C? Questo tipo di ragionamento, chiamato “inferenza transitiva”, è un elemento fondamentale del pensiero umano ed è compromesso in condizioni come la schizofrenia e l’Alzheimer. L’articolo presenta AutoTI, un sistema a basso costo e completamente automatizzato che permette agli scienziati di sondare questo tipo di ragionamento nei topi con molto più rigore, velocità e scala rispetto al passato.

Una scatola semplice per pensieri complessi

Al centro dello studio c’è una piccola scatola trasparente con sei porte per il nose-poke: cinque sulla parete frontale che fungono da “item” e una sulla parete posteriore che avvia ogni prova. Quando il topo tocca la porta posteriore, due delle porte frontali si accendono e l’animale deve scegliere una. Toccare la porta “migliore” fa guadagnare una piccola ricompensa d’acqua e un breve tono, mentre la scelta sbagliata provoca un rumore acuto e un breve timeout. Controllando con cura quali coppie di porte si accendono e quale ripaga, i ricercatori insegnano ai topi un ordine nascosto tra le cinque porte, ad esempio A> B> C> D> E, senza mai mostrare l’intera sequenza contemporaneamente.

Hardware open-source dietro le quinte

AutoTI funziona interamente con elettronica e software open-source, mantenendo il costo di una camera completa paragonabile a quello di un portatile base. Una piccola scheda microcontrollore interfaccia le porte, le elettrovalvole e lo speaker, mentre un programma separato controlla una webcam dall’alto che registra ogni movimento del topo. La logica del compito è scritta in codice liberamente disponibile e tutti i progetti hardware possono essere scaricati e assemblati a mano o ordinati dai fornitori. Ciò significa che qualsiasi laboratorio, non solo quelli ben finanziati, può costruire più camere ed eseguire molti topi in parallelo, rendendo più praticabili esperimenti su larga scala e ben controllati sul ragionamento negli animali.

Indagare la logica dei topi senza intervento umano

Con AutoTI, il team ha addestrato dozzine di topi su coppie sovrapposte di scelte tra porte: prima imparando che A batte B, poi che B batte C, e così via. Dopo diverse settimane di sessioni quotidiane brevi e completamente automatizzate, molti topi hanno appreso questi confronti fondamentali con alta accuratezza. Il test cruciale è arrivato quando gli animali sono stati messi di fronte alla scelta tra B e D, una coppia che non avevano mai visto insieme. Per riuscirci, il topo doveva collegare mentalmente esperienze passate: se B ha battuto C e C ha battuto D, allora B dovrebbe battere D. La maggior parte dei topi ha fatto proprio questo, scegliendo B molto più spesso di quanto previsto dal caso, e molti hanno indovinato quasi sempre sin dal primo tentativo. Questo comportamento rispecchia i risultati umani e mostra che gli animali non stavano semplicemente memorizzando coppie specifiche, ma avevano formato un senso interno dell’ordine.

Quando lo spazio aiuta — e quando nasconde la storia

I ricercatori hanno anche esplorato come la disposizione fisica delle porte influenzi ciò che i topi apprendono. In una versione, le cinque porte erano disposte in modo che l’ordine nascosto corrispondesse alle loro posizioni da sinistra a destra; favorire semplicemente un lato poteva aiutare l’animale a vincere. In un’altra versione, le stesse cinque porte sono state riorganizzate in modo che l’ordine non potesse essere letto direttamente dallo spazio. Con la disposizione lineare, i topi hanno imparato il compito più rapidamente, ma il loro comportamento mancava di due segni classici di vera conoscenza gerarchica: non mostravano prestazioni migliori per coppie distanti nell’ordine nascosto, né il caratteristico schema per cui gli “elementi finali” della sequenza sono più facili da giudicare. Queste firme sono apparse solo quando è stata rimossa la scorciatoia spaziale, suggerendo che nella disposizione più impegnativa i topi stavano davvero costruendo una mappa mentale interna delle relazioni anziché affidarsi a un semplice bias di lato.

Leggere la mente attraverso il movimento

Poiché AutoTI registra continuamente video, il team ha potuto andare oltre semplici punteggi di giusto o sbagliato e studiare come i topi si muovono nella camera. I topi con prestazioni elevate hanno percorso traiettorie rapide e dirette dalla porta di inizio alla scelta corretta, ignorando per lo più la porta mai premiata. Gli animali con prestazioni inferiori vagavano di più, coprendo distanze maggiori e seguendo percorsi meno efficienti. I migliori ragionatori mostravano anche movimenti di scansione della testa più frequenti, un comportamento collegato in studi precedenti alla deliberazione nei roditori. Questi sottili schemi di movimento forniscono una nuova finestra comportamentale su quando un topo sta “riflettendo” su una scelta, aprendo la strada a collegare segnali cerebrali specifici alle diverse fasi del ragionamento.

Perché questo conta per cervelli e macchine

In definitiva, AutoTI riguarda meno l’hardware ingegnoso e più ciò che quell’hardware rende possibile. Con un metodo economico, scalabile e senza contatto diretto per testare il ragionamento logico nei topi, i ricercatori possono ora combinare questo compito con strumenti che registrano o manipolano l’attività cerebrale a livello cellulare. Questo aiuterà a rivelare come regioni cerebrali come l’ippocampo e la corteccia prefrontale lavorino insieme per costruire mappe interne della conoscenza e usarle per inferire in nuove situazioni. Poiché ragionamenti simili sono compromessi in diversi disturbi psichiatrici e neurodegenerativi — e rappresentano una sfida fondamentale per i sistemi di intelligenza artificiale — l’approccio AutoTI offre un potente ponte tra neuroscienze di base, ricerca sulle malattie e la ricerca di macchine che ragionino in modo più simile ai cervelli.

Citazione: Margarian, S., Chen, Y., Waheed, J. et al. Cost-effective, open-source, automated apparatus for testing transitive inference in mice. Sci Rep 16, 13071 (2026). https://doi.org/10.1038/s41598-026-43430-x

Parole chiave: inferenza transitiva, cognizione dei topi, comportamento automatizzato, memoria relazionale, neuroscienze open-source