マウスの推移的推論を検査するための低コスト・オープンソース・自動化装置

マウスに論理的飛躍を教える

もしAがBより良く、BがCより良いとするなら、AとCのどちらが良いかとマウスに問えると想像してください。この種の推論は「推移的推論」と呼ばれ、人間の思考の基本的構成要素であり、統合失調症やアルツハイマー病などで障害されます。本論文はAutoTIを紹介します。これは低コストで完全自動化された装置で、これまでよりはるかに精密かつ迅速、かつ大規模にマウスのこの種の推論を調べられるようにします。

複雑な思考のためのシンプルなボックス

研究の中心にあるのは、小さな透明な箱で、そこには6つのノーズポーク用ポートが配置されています。前壁に「項目」として機能する5つ、試行開始用として後壁に1つです。マウスが後方のポートをつつくと、前方の2つのポートが点灯し、動物は1つを選ばなければなりません。「より良い」ポートをつつくと少量の水報酬と短いトーンが得られ、誤った選択は騒音と短いタイムアウトを引き起こします。どのペアのポートを点灯させ、どちらが報酬を与えるかを慎重に制御することで、研究者たちはマウスにA>B>C>D>Eのような5つのポート間の隠れた序列を、一度に全体を見せることなく学習させます。

舞台裏のオープンソースハードウェア

AutoTIは完全にオープンソースの電子機器とソフトウェアで動作し、1室分の価格を一般的なノートパソコン程度に抑えています。小さなマイクロコントローラーボードがノーズポート、バルブ、スピーカーと接続し、別のプログラムが上方のウェブカメラを制御してマウスのすべての動きを記録します。タスクのロジックは自由に入手できるコードで書かれており、すべてのハードウェア設計図はダウンロードして手作業で組み立てるか、業者に発注できます。つまり、資金の潤沢な研究室に限らず、どの研究室でも複数のチャンバーを作り並列で多数のマウスを走らせることが可能になり、動物の推論に関する大規模で精密に制御された実験が現実的になります。

人の手を介さないマウスの論理の探査

AutoTIを用いて、研究チームは多数のマウスを重なり合うポート対の選択課題で訓練しました—まずAがBに勝つことを学び、次にBがCに勝つことを学ぶ、という具合です。数週間にわたる毎日の短い完全自動化セッションの後、多くのマウスはこれらの構成要素比較を高精度で学習しました。決定的なテストは、動物がこれまで一緒に見たことのないB対Dを選ばされたときに訪れました。正しく答えるには、マウスは過去の経験を頭の中でつなぎ合わせる必要があります—もしBがCに勝ち、CがDに勝つなら、BはDに勝つはずだと。ほとんどのマウスはまさにそれを行い、Bを偶然よりはるかに多く選び、多くは最初の試行からほぼすべて正解しました。この行動は人間の結果に似ており、動物が単に特定のポート対を記憶しているだけでなく、内部的な序列感を形成していたことを示しています。

空間が助けになるとき、そして物語を隠すとき

研究者たちはまた、ポートの物理的配置がマウスの学習にどう影響するかを調べました。あるバージョンでは、5つのポートが左から右への位置と隠れた序列が一致するように配置されており、単に片側を好むだけで動物が成功できる可能性がありました。別のバージョンでは、同じ5つのポートを再配置して、空間的に序列を直接読み取れないようにしました。単純な配置ではマウスは課題を速く学びましたが、隠れた序列における距離が大きい対でより高い性能を示すという真の階層的知識の2つの古典的な指標や、配列の「端」の項目が判定しやすいという特徴的なパターンが欠けていました。これらの特徴は空間的な近道が取り除かれたときにのみ現れ、より難しい配置ではマウスが単純な側の偏りに頼るのではなく、関係の内部的な地図を構築していることを示唆しています。

運動から心を読む

AutoTIは継続的にビデオを記録するため、チームは単純な正誤スコアを超えてマウスの動き方を調べることができました。高性能のマウスは開始ポートから正しい選択までを速く直線的に移動し、決して報酬が与えられなかったポートをほとんど無視しました。低性能の個体はより彷徨い、より長い距離を移動し、効率の低い経路を取る傾向がありました。最も優れた推論者は頭部を左右に動かす“ヘッドスキャン”運動をより頻繁に示し、この行動は過去の研究で齧歯類の熟慮に関連付けられています。これらの微妙な運動パターンは、マウスが選択を「考えている」瞬間を示す新しい行動的窓を提供し、特定の脳信号を推論の異なる段階に結びつける道を開きます。

脳と機械にとっての意義

結局のところ、AutoTIは巧妙なハードウェアそのものよりも、そのハードウェアが可能にすることが重要です。低コストで拡張性がありハンズオフでマウスの論理的推論を試せる方法により、研究者は細胞レベルで脳活動を記録したり操作したりする手法とこの課題を組み合わせられます。それにより、海馬や前頭前皮質のような脳領域がどのように協働して知識の内部地図を作り、新しい状況で推論に用いるかが明らかになるでしょう。類似の推論は複数の精神疾患や神経変性疾患で障害されており、また人工知能システムにとっても重要な課題であるため、AutoTIアプローチは基礎神経科学、疾病研究、そして脳のようによりよく推論できる機械を作る試みに強力な架け橋を提供します。

引用: 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

キーワード: 推移的推論, マウスの認知, 自動化行動実験, 関係記憶, オープンソース神経科学