Gedragsdataset voor Long-Evans en diens schizofrenie-achtige sublijn over meerdere generaties

Waarom het gedrag van ratten ons kan helpen mentale ziekten te begrijpen

Schizofrenie is een ernstige psychische aandoening, maar direct onderzoek bij mensen is traag, ingewikkeld en ethisch beperkt. Onderzoekers wenden zich vaak tot dieren om te onderzoeken hoe genen, levenservaringen en hersenchemie in de loop van de tijd op elkaar inwerken. Dit artikel beschrijft een rijke open dataset die over zeven jaar werd verzameld van meer dan duizend ratten, inclusief een speciaal gefokte lijn die schizofrenie-achtige kenmerken vertoont. Door deze metingen vrij beschikbaar te maken, bieden de auteurs een krachtig nieuw hulpmiddel voor iedereen die geïnteresseerd is in hoe gedrag, leren en erfelijkheid met elkaar verweven zijn.

Een lange blik op twee rattenlijnen

De studie volgt 1.342 ratten van een standaard laboratoriumstam, Long-Evans, en een zusterrijn genaamd Lisket, die is ontworpen om enkele kenmerken van schizofrenie te modelleren. Lisket-ratten werden vroeg in hun leven blootgesteld aan drie uitdagingen: een periode van sociale isolatie, herhaalde toediening van een middel dat hersensignalen verandert, en selectieve fok op basis van gedrag. Over 16 generaties werden mannelijke en vrouwelijke dieren van beide lijnen onder zorgvuldig gecontroleerde omstandigheden opgevoed en op tien weken leeftijd getest. Dit langdurige ontwerp stelt wetenschappers in staat niet alleen verschillen tussen de twee stammen te onderzoeken, maar ook hoe gedrag stabiel blijft of verschuift naarmate de dieren over de jaren worden gefokt.

Een rattenracebaan die nieuwsgierigheid en leren meet

Om gedrag efficiënt vast te leggen, gebruikte het team een op maat gemaakte opstelling genaamd Ambitus: een rechthoekige baan met heldere wanden, langs de zijkanten voorzien van kleine hokjes die kleine voedselbeloningen kunnen geven.

Van ruwe paden naar zinvolle scores

De auteurs zetten deze bewegingen om in 91 verschillende maten die samen locomotie, exploratie, beloningsverzameling en leerefficiëntie beschrijven. Voor het fokprogramma werden sleutelmetingen gegroepeerd in eenvoudige scores die elk dier classificeerden als laag-, middel- of hoogrisico voor een schizofrenie-achtig profiel. De volledige dataset gaat echter veel verder dan deze categorieën. Hij bevat een "ruwe" tabel, waarin elke proef voor elke rat afzonderlijk wordt vermeld, en een "verwerkte" tabel, waarin gedrag over de vier proeven netjes wordt samengevat voor elk dier, samen met zijn stam, geslacht, generatie en testdatum. Deze structuur stelt gebruikers in staat in te zoomen op moment-voor-moment gedrag of uit te zoomen om patronen over grote groepen te vergelijken.

Controle van de datakwaliteit

Grote datasets zijn alleen nuttig als ze betrouwbaar zijn, dus voeren de auteurs verschillende controles uit. Ze brengen in kaart hoe vaak waarden ontbreken en tonen aan dat de meeste maten meer dan 99% compleet zijn. De belangrijkste hiaten ontstaan wanneer een rat in een bepaalde fase simpelweg geen enkel zijhokje bezoekt, wat op zich een informatief teken van lage activiteit is in plaats van een technische fout.

Wat dit betekent voor toekomstig onderzoek

Op zichzelf claimt dit werk niet schizofrenie op te lossen of één enkele "ziektegerelateerde" handeling bij ratten aan te wijzen. In plaats daarvan biedt het een zorgvuldig gedocumenteerde, open beschikbare basis waarop veel verschillende studies kunnen voortbouwen. Neurowetenschappers kunnen het gebruiken om robuuste gedragsmarkers te zoeken, datawetenschappers kunnen nieuwe machine-learningtools testen, en farmacologen kunnen vergelijken hoe potentiële behandelingen patronen van activiteit en leren zouden kunnen verschuiven. Voor de niet-specialistische lezer is de kernboodschap dat de ruwe bouwstenen van ontdekking—zuivere, langdurige metingen van gedrag onder gecontroleerde omstandigheden—nu op een manier worden gedeeld die samenwerking uitnodigt. Dit vergroot de kans dat subtiele verbanden tussen genen, ervaring en mentale gezondheid uiteindelijk helderder naar voren komen.

Bronvermelding: 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

Trefwoorden: ratten gedrag, model voor schizofrenie, longitudinale dataset, cognitieve tests, machine learning in de neurowetenschappen