Kostnadseffektivt, öppen källkod, automatiserat apparat för att testa transitiv slutledning hos möss

Lära möss att göra logiska hopp

Föreställ dig att du kan ställa en logisk fråga till en mus—om A är bättre än B, och B är bättre än C, vilket är bättre, A eller C? Den här typen av resonemang, kallad "transitiv slutledning", är en grundläggande byggsten i mänskligt tänkande och störs vid tillstånd som schizofreni och Alzheimers sjukdom. Artikeln presenterar AutoTI, en billig, helt automatiserad uppställning som låter forskare undersöka den här typen av resonemang hos möss med mycket större precision, snabbhet och skala än tidigare.

En enkel låda för komplexa tankar

I hjärtat av studien finns en liten genomskinlig låda med sex nos-poke-portar: fem på frontväggen som fungerar som "objekt" och en på bakväggen som startar varje försök. När musen petar på bakporten tänds två av frontportarna och djuret måste välja en. Att peta på den "bättre" porten ger en liten vattenbelöning och en kort ton, medan fel val utlöser ett kraftigt oväsen och en kort timeout. Genom att noggrant kontrollera vilka portpar som tänds och vilken som ger belöning lär sig forskarna mössen en dold ordning bland de fem portarna, som A>B>C>D>E, utan att någonsin visa hela sekvensen samtidigt.

Öppen hårdvara bakom kulisserna

AutoTI drivs helt med öppen källkod för elektronik och programvara, vilket håller priset för ett komplett kammer till ungefär kostnaden för en enkel laptop. Ett litet mikrokontrollerkort kopplar ihop nosportarna, ventilerna och högtalaren, medan ett separat program styr en övervakningskamera som spelar in varje rörelse musen gör. Uppgiftslogiken är skriven i fritt tillgänglig kod och alla hårdvarudesigner kan laddas ner för handmontering eller beställas från leverantörer. Det innebär att vilket laboratorium som helst, inte bara välfinansierade, kan bygga flera kammare och köra många möss parallellt, vilket gör stora, noggrant kontrollerade experiment om resonemang hos djur mycket mer praktiskt.

Undersöka muslogik utan människohänder

Med AutoTI tränade teamet tiotals möss på överlappande par av portval—först lärde de sig att A slår B, sedan att B slår C, och så vidare. Efter flera veckor med korta, helt automatiserade sessioner varje dag lärde sig många möss dessa byggstenjämförelser med hög noggrannhet. Det avgörande testet kom när djuren fick välja mellan B och D, ett par de aldrig tidigare sett tillsammans. För att klara det måste musen mentalt sy ihop tidigare erfarenheter—om B slog C, och C slog D, så borde B slå D. De flesta möss gjorde just det och valde B långt oftare än slumpen skulle ge, och många klarade nästan varje sådant försök korrekt redan vid första försöket. Detta beteende speglar mänskliga resultat och visar att djuren inte bara memorerade specifika portpar utan hade bildat en inre känsla för ordningen.

När rummet hjälper—och när det döljer historien

Forskarna undersökte också hur portarnas fysiska layout formar vad mössen lär sig. I en version var de fem portarna ordnade så att den dolda ordningen överensstämde med deras vänster-till-höger-position; att helt enkelt favorisera ena sidan kunde hjälpa djuret att vinna. I en annan version omarrangerades samma fem portar så att ordningen inte kunde avläsas direkt från rummet. Med den enkla layouten lärde sig mössen uppgiften snabbare, men deras beteende saknade två klassiska kännetecken för verklig hierarkisk kunskap: de visade inte bättre prestation för par som var långt ifrån varandra i den dolda ordningen, inte heller det karaktäristiska mönstret där "änd"-objekt i sekvensen är lättast att bedöma. Dessa signaturer dök bara upp när den rumsliga genvägen togs bort, vilket tyder på att mössen i den mer utmanande layouten faktiskt konstruerade en inre mental karta över relationerna snarare än att förlita sig på en enkel sidobias.

Läsa sinnen genom rörelse

Eftersom AutoTI kontinuerligt spelar in video kunde teamet gå bortom enkla rätt-fel-poäng och studera hur mössen rörde sig i kammaren. Högpresterande möss tog snabba, direkta vägar från initieringsporten till det korrekta valet och ignorerade i stor utsträckning porten som aldrig belönades. Lägre presterande djur vandrade mer, täckte längre sträckor och tog mer ineffektiva rutter. De bästa resonörerna visade också frekventare huvudskanningsrörelser, ett beteende som i tidigare arbete kopplats till övervägande hos gnagare. Dessa subtila rörelsemönster ger ett nytt beteendemässigt fönster in i när en mus "tänker igenom" ett val, vilket öppnar dörren för att koppla specifika hjärnsignaler till olika stadier av resonemang.

Varför detta är viktigt för hjärnor och maskiner

I slutändan handlar AutoTI mindre om smart hårdvara och mer om vad den hårdvaran möjliggör. Med ett billigt, skalbart och hands-off-sätt att testa logiskt resonemang hos möss kan forskare nu kombinera denna uppgift med verktyg som spelar in eller manipulerar hjärnaktivitet cell för cell. Det kommer att hjälpa till att avslöja hur hjärnregioner som hippocampus och prefrontala cortex samarbetar för att bygga inre kartor av kunskap och använda dem för att göra slutsatser i nya situationer. Eftersom liknande resonemang är nedsatt vid flera psykiatriska och neurodegenerativa sjukdomar—och är en central utmaning för artificiell intelligens—erbjuder AutoTI-ansatsen en kraftfull brygga mellan grundforskning i neurovetenskap, sjukdomsforskning och strävan att bygga maskiner som kan resonera mer som hjärnor gör.

Citering: 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

Nyckelord: transitiv slutledning, musens kognition, automatiserat beteende, relationellt minne, öppen källkod neurovetenskap