Et nytt eksperimentelt oppsett for å studere dyreadferd og læring.
Pendlingen din til jobb kan virke som en hverdagslig ting, men det er et godt eksempel på de kompliserte oppgavene våre hjerner må utføre på daglig basis: navigasjon, hukommelse, beslutningstaking, sensorisk prosessering, og så videre. Forskere bruker ofte dyremodeller, for eksempel mus, for å studere de nevrale prosessene som ligger til grunn for denne atferden. Imidlertid er mange av oppgavene som brukes til å studere læring hos mus ikke "naturlige" - de er ikke atferd som en mus kan gjøre i løpet av livet.
Caltech-forskere har nå utført en studie der de målte hvordan mus navigerer i en komplisert labyrint, og foreslår et nytt rammeverk for å studere kompleks dyreatferd og læring. Musene lærte raskt hvordan de skulle navigere i dette ukjente miljøet omtrent 1,000 ganger raskere enn mus vanligvis lærer enkle, men unaturlige oppgaver. Studien har implikasjoner for hvordan vi tenker om hjernen og kroppens rolle i intelligens. Interessant nok presterte Caltech-studenter på samme måte som mus når de navigerte i en simulert versjon av den samme labyrinten.
Forskningen er et samarbeid mellom laboratoriene til Markus Meister (PhD '87), Anne P. og Benjamin F. Biaggini professor i biologiske vitenskaper, og Pietro Perona, Allen E. Puckett professor i elektroteknikk. Et papir som beskriver studien dukket opp på nettet i tidsskriftet eLife på juli 21, 2021.
Avgangsstudentene Matthew Rosenberg og Tony Zhang diskuterer sitt nye eksperimentelle oppsett for å observere hvordan mus lærer i et naturalistisk miljø. Kreditt: Caltech
Tenk deg at et ratt er satt foran deg. Når et lys tennes til venstre for deg, må du vri hjulet til venstre; når et lys tennes på høyre side, må du vri hjulet til høyre. Gitt at det bare er to avgjørelser å ta - sving til venstre eller høyre - vil det sannsynligvis ikke ta deg tid i det hele tatt å lære denne enkle oppgaven. En laboratoriemus kan imidlertid trenge rundt 10,000 80 forsøk for å lære hvordan man utfører en oppgave som dette. Selv da kan det hende at musen bare får det riktig XNUMX prosent av tiden. Oppgaven, selv om den virker enkel for mennesker, er ikke en veldig naturlig oppgave for en mus.
"I løpet av de siste årene har vi prøvd å utvikle eksperimentelle tilnærminger som er mer respektfulle for kompleksiteten til naturlig dyreatferd, ting som ligner mer på hva dyr gjør i den virkelige verden," sier Meister.
Ledet av doktorgradsstudentene Matthew Rosenberg og Tony Zhang utviklet teamet en kompleks labyrint for musene å utforske, med 63 beslutningsknutepunkter og 64 mulige endepunkter. Inne i labyrinten er en vannport som dispenserer en liten dråpe vann. Forskerne ga en individuell mus tilgang til labyrinten fra hjemmeburet og lot den utforske som den ønsket for en natt. Et videokamera sporet musens bevegelser og kvantifiserte den utforskende atferden.
"I denne studien utsetter vi en mus for et komplekst labyrintmiljø, slår på et kamera og går bare ut av rommet," sier Meister. «Vi har ingen innflytelse på dyret. Vi kommer nettopp tilbake syv timer senere og analyserer videoer av hva musen gjorde i løpet av den tiden. Vi lar musen ta den typen avgjørelser som mus tar i stedet for å tvinge dem til å akseptere en abstrakt oppgave som egentlig ikke har noen relevans."
I omtrent halvparten av disse forsøkene var musen tørst og kunne antas å være motivert av en drivkraft for å finne vann. I den andre halvdelen var musene mette. Selv om en tørst mus ikke vet at det er vann inne, vil den utforske labyrinten metodisk. Etter først å ha oppdaget vannporten, tar musen i gjennomsnitt bare 10 forsøk for å finne ut den mest effektive, direkte ruten til havnen fra hjemmeburet. Den mest direkte ruten krever seks riktige avgjørelser.
De 19 musene som ble brukt i studien hadde alle en tendens til å følge visse "utforskningsregler." For eksempel, når en mus støter på et kryss, kan den velge å gå til venstre, høyre eller tilbake slik den kom. Alle de 19 musene hadde en sterk preferanse for å fortsette å bevege seg fremover og ikke snu. I tillegg hadde musene en tendens til å veksle på å ta venstre og rettigheter når de utforsket. Det gjenstår å finne ut om disse "reglene" er et resultat av opplevelser eller om de er genetisk hardwired inn i hjernen.
Rosenberg og Zhang skapte deretter en kopi av labyrinten som et videospill og inviterte laboratoriekameratene sine til å utforske labyrinten digitalt. Studentene presterte på samme måte som mus, og lærte hvordan de skulle navigere etter et tilsvarende antall vellykkede opplevelser.
En nøkkelkomponent i musenes «raske» læring er et fenomen som forskerne kalte «plutselig innsikt». I mer tradisjonelle muselæringseksperimenter, for eksempel rattoppgaven, vil laboratoriemusen ha en tendens til å lære sakte, og gradvis bli bedre til å gjøre oppgaven riktig. Men i labyrintparadigmet viste hver mus et slags «lyspæreøyeblikk», der de plutselig så ut til å forstå hvordan de skulle navigere i labyrinten.
"Vi ser at for de fleste belønnede mus - de som tørst kan ha vært en drivkraft for - plutselig "klikker" noe for dem, sier Zhang. "Etter dette aha-øyeblikket begynner dyrene å ta komplekse, men direkte veier til vannstedet mye oftere, noe som indikerer at de samler kunnskapen sin om å navigere i labyrinten sammen."
"Vi har funnet en måte å designe en oppgave som benytter seg av musenes kjerneegenskaper," sier Rosenberg. "Noen vil kanskje si at mus er dumme, men hvis du benytter deg av deres evolusjonære kjernenisje, har du muligheten til å observere dyktig atferd. Dette lar oss få en sann forståelse av hvordan læring skjer."
Referanse: "Mus i en labyrint viser rask læring, plutselig innsikt og effektiv utforskning" av Matthew Rosenberg, Tony Zhang, Pietro Perona og Markus Meister, 21. juli 2021, eLife.
DOI: 10.7554/eLife.66175
Artikkelen har tittelen "Mus i en labyrint: Rask læring, plutselig innsikt og effektiv utforskning." Avgangsstudentene Matthew Rosenberg og Tony Zhang er co-first forfattere. Ytterligere medforfattere er Perona og Meister. Finansiering ble levert av Simons Collaboration on the Global Brain, National Science Foundation og Google. Meister og Perona er tilknyttet fakultetsmedlemmer med Tianqiao og Chrissy Chen Institute for Neuroscience ved Caltech.
