Kosteneffectief, open-source, geautomatiseerd apparaat voor het testen van transitieve inferentie bij muizen

Muizen leren logische sprongen te maken

Stel je voor dat je een muis een logische vraag kunt stellen—als A beter is dan B, en B beter is dan C, welke is dan beter, A of C? Dit soort redeneren, “transitieve inferentie” genoemd, is een fundamenteel bouwsteentje van menselijk denken en wordt verstoord bij aandoeningen zoals schizofrenie en de ziekte van Alzheimer. Het artikel introduceert AutoTI, een goedkope, volledig geautomatiseerde opstelling waarmee wetenschappers dit type redeneren bij muizen veel preciezer, sneller en op grotere schaal kunnen onderzoeken dan eerder mogelijk was.

Een eenvoudige doos voor complex denken

Centraal in de studie staat een kleine, doorzichtige doos met zes neusprikpoorten: vijf aan de voorwand die fungeren als “items” en één aan de achterwand die elke proef start. Wanneer de muis in de achterste poort prikt, lichten twee van de voorste poorten op en moet het dier een keuze maken. In de juiste ("betere") poort prikken levert een kleine waterbeloning en een kort deuntje op, terwijl een verkeerde keuze een lawaaierige piep en een korte timeout veroorzaakt. Door nauwkeurig te bepalen welke paar poorten oplichten en welke poort beloont wordt, leren de onderzoekers de muizen een verborgen volgorde tussen de vijf poorten, zoals A>B>C>D>E, zonder ooit de volledige reeks in één keer te tonen.

Open-source hardware achter de schermen

AutoTI draait volledig op open-source elektronica en software, waardoor de prijs van een volledige kamer ongeveer gelijk is aan die van een eenvoudige laptop. Een klein microcontrollerbord is gekoppeld aan de neuspoorten, kleppen en luidspreker, terwijl een afzonderlijk programma een camera van bovenaan aanstuurt die elke beweging van de muis registreert. De taaklogica is geschreven in vrij beschikbare code en alle hardwareontwerpen kunnen worden gedownload en met de hand worden opgebouwd of bij leveranciers worden besteld. Dit betekent dat elk laboratorium, niet alleen de goed gefinancierde, meerdere kamers kan bouwen en veel muizen parallel kan laten deelnemen, waardoor grootschalige, zorgvuldig gecontroleerde experimenten over redeneren bij dieren veel praktischer worden.

Muizengedachten onderzoeken zonder menselijke handen

Met AutoTI trainde het team tientallen muizen op overlappende paren poortkeuzes—eerst leren dat A beter is dan B, daarna dat B beter is dan C, enzovoort. Na enkele weken van korte, volledig geautomatiseerde sessies per dag leerden veel muizen deze bouwsteenvergelijkingen met hoge nauwkeurigheid. De cruciale test kwam toen de dieren moesten kiezen tussen B en D, een paar dat ze nog nooit samen gezien hadden. Om daar goed op te presteren, moest de muis eerdere ervaringen mentaal aan elkaar knopen—als B beter was dan C, en C beter dan D, dan zou B beter moeten zijn dan D. De meeste muizen deden precies dat: ze kozen B veel vaker dan verwacht op basis van toeval, en velen haalden vrijwel elke dergelijke proef direct vanaf de eerste poging goed. Dit gedrag weerspiegelt menselijke resultaten en laat zien dat de dieren niet alleen specifieke poortparen memoriseerden, maar een intern gevoel van volgorde hadden gevormd.

Wanneer ruimte helpt—en wanneer het het verhaal verbergt

De onderzoekers onderzochten ook hoe de fysieke lay-out van de poorten beïnvloedt wat de muizen leren. In één versie waren de vijf poorten zo geplaatst dat de verborgen volgorde overeenkwam met hun links‑naar‑rechts positie; simpelweg een voorkeur voor één zijde kon het dier helpen winnen. In een andere versie werden dezelfde vijf poorten herschikt zodat de volgorde niet direct uit de ruimte af te lezen was. Bij de eenvoudige lay-out leerden muizen de taak sneller, maar ontbraken twee klassieke kenmerken van echte hiërarchische kennis: ze vertoonden geen sterkere prestaties voor paren die ver uit elkaar lagen in de verborgen volgorde, noch het karakteristieke patroon waarbij de items aan de uiteinden van de reeks het gemakkelijkst te beoordelen zijn. Die kenmerken verschenen alleen wanneer de ruimtelijke snelkoppeling was verwijderd, wat suggereert dat de muizen in de uitdagendere lay-out daadwerkelijk een interne mentale kaart van de relaties construeerden in plaats van te vertrouwen op een simpele zijvoorkeur.

Gedachten lezen via beweging

Omdat AutoTI continu video opneemt, kon het team verder kijken dan alleen correcte of fout scores en bestuderen hoe de muizen in de kamer bewogen. Hoog presterende muizen namen snelle, directe paden van de initiatiepoort naar de juiste keuze en negeerden grotendeels de poort die nooit beloond werd. Lager presterende dieren dwaalden meer rond, legden langere afstanden af en namen minder efficiënte routes. De beste redenaars toonden ook vaker kop‑scanbewegingen, een gedrag dat in eerder werk gekoppeld is aan overweging bij knaagdieren. Deze subtiele bewegingspatronen bieden een nieuw gedragsvenster op momenten waarop een muis een keuze "uitdenkt", wat de deur opent om specifieke hersensignalen te koppelen aan verschillende stadia van redeneren.

Waarom dit belangrijk is voor hersenen en machines

Uiteindelijk gaat AutoTI minder over slimme hardware en meer over wat die hardware mogelijk maakt. Met een goedkope, schaalbare en hands-off manier om logisch redeneren bij muizen te testen, kunnen onderzoekers deze taak nu combineren met instrumenten die hersenactiviteit cel voor cel registreren of manipuleren. Dat zal helpen onthullen hoe hersengebieden zoals de hippocampus en prefrontale cortex samenwerken om interne kaarten van kennis op te bouwen en die te gebruiken om in nieuwe situaties inferenties te maken. Omdat soortgelijk redeneren verstoord is bij meerdere psychiatrische en neurodegeneratieve aandoeningen—en omdat het een belangrijke uitdaging is voor systemen van kunstmatige intelligentie—biedt de AutoTI‑benadering een krachtig bruggetje tussen fundamentele neurowetenschap, ziekteonderzoek en de zoektocht om machines te bouwen die meer als hersenen kunnen redeneren.

Bronvermelding: 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

Trefwoorden: transitieve inferentie, muizencognitie, geautomatiseerd gedrag, relationeel geheugen, open-source neurowetenschap