I topi rivelano schemi di decisione nella ricerca di cibo

Gli animali, proprio come gli esseri umani, devono prendere decisioni su come spendere il loro tempo e le loro energie. Una scelta importante che devono fare è quando lasciare un posto dove il cibo o altre risorse stanno finendo e cercare un posto migliore. Questo si chiama foraggiamento a patch. Gli scienziati hanno studiato questo argomento per scoprire il modo migliore per gli animali di decidere quando muoversi. Una delle idee chiave di questa ricerca è chiamata Teorema del Valore Marginale (MVT). Secondo questa teoria, gli animali dovrebbero lasciare una patch quando il tasso di ottenimento di risorse, come il cibo, scende al tasso medio che si aspettano nell'area circostante.

I ricercatori hanno scoperto che mentre il MVT offre una guida su quando gli animali dovrebbero lasciare una patch, non corrisponde sempre a quello che gli animali fanno realmente. C'è ancora dibattito su se gli animali seguano esattamente il MVT. Inoltre, gli scienziati stanno esplorando i processi biologici che influenzano queste decisioni.

Per capire come gli animali prendono queste scelte, i ricercatori hanno cercato di stabilire regole semplici. Una di queste regole è conosciuta come "regola del tempo di abbandono". Questa regola suggerisce che un animale dovrebbe lasciare una patch dopo che è passato un certo tempo dall'ultima volta che ha ricevuto una ricompensa. Un altro approccio è simile ai modelli usati in psicologia, che tracciano le decisioni come un processo di confronto tra il tempo trascorso a foraggiare e le ricompense ricevute.

In parole più semplici, i modelli di foraggiamento funzionano tenendo traccia di due cose: il tempo trascorso in una patch e le ricompense ricevute. Quando il tempo diventa lungo e le ricompense rallentano, l'animale è probabile che se ne vada. Se ci sono ancora molte ricompense in arrivo, l'animale tenderà a restare più a lungo.

In studi precedenti, gli scienziati hanno notato una connessione tra alcune aree del cervello e le scelte di foraggiamento. La ricerca su delle scimmie ha mostrato che neuroni specifici nel cervello diventano più attivi quando stanno per lasciare una patch. Risultati simili sono stati osservati anche negli esseri umani e nei roditori. Tuttavia, i processi cerebrali esatti coinvolti nel prendere queste decisioni sono ancora in fase di studio.

#Nuova Ricerca sul Foraggiamento a Patch

In questo nuovo studio, i ricercatori volevano approfondire come i topi prendono decisioni quando foraggiano per l'acqua in un ambiente controllato. Hanno creato un setup di realtà virtuale dove i topi potevano correre su un tapis roulant e incontrare diverse patch dove raccogliere ricompense d'acqua. La quantità e il timing delle ricompense variava tra le patch.

I ricercatori hanno notato che i topi trascorrevano più tempo nelle patch che avevano molte ricompense, il che si allineava con il modello MVT. Tuttavia, quando hanno esaminato i dettagli più da vicino, hanno trovato che i topi non lasciavano sempre le patch nei tempi previsti secondo il MVT. Invece, hanno visto un modello in cui la decisione di partire sembrava essere influenzata da quanto pazienti si sentivano i topi quel giorno.

Utilizzando modelli che tracciavano il processo decisionale nel tempo, sono stati in grado di spiegare il comportamento dei topi meglio di quanto avessero fatto modelli precedenti. Il processo di integrazione funzionava come un bilanciamento, pesando il tempo trascorso a foraggiare contro le ricompense ricevute. Hanno scoperto che i neuroni nella corteccia frontale dei topi erano legati a questo processo decisionale. In sostanza, i topi sembravano usare un metodo di "ramping" dove i segnali del cervello aumentavano gradualmente in risposta al tempo trascorso nella patch e alle ricompense ricevute.

#Impostare l'Esperimento

Nell'esperimento, i topi sono stati addestrati a foraggiare per acqua in un compito di realtà virtuale. Correvano su un tapis roulant, e dopo aver coperto una certa distanza, incontravano un segnale visivo che segnalava l'inizio di un esperimento sulla patch. I topi potevano quindi ricevere ricompense d'acqua di dimensioni variabili a seconda della patch in cui si trovavano.

I ricercatori hanno impostato il compito in modo che la prima ricompensa fosse sempre disponibile subito dopo che i topi si fermavano. Tuttavia, dopo, le ricompense sarebbero arrivate a probabilità diverse, che sarebbero diminuite nel tempo. C'erano nove tipi diversi di patch basati sulla dimensione e sulla frequenza delle ricompense offerte.

L'esperimento ha permesso una stretta osservazione del comportamento dei topi in risposta alle diverse patch. I ricercatori hanno notato quanto a lungo i topi rimanessero in ciascuna patch e come il loro comportamento potesse cambiare a seconda delle ricompense disponibili.

#Schemi Comportamentali Osservati

Gli scienziati hanno scoperto che, in generale, i topi aggiustavano i loro tempi di foraggiamento in base alle statistiche delle ricompense. Ad esempio, quando le patch fornivano ricompense più grandi, i topi tendevano a restare più a lungo prima di andarsene. Tuttavia, sono state anche notate differenze individuali nel comportamento; alcuni topi mostrano meno volontà di aspettare rispetto ad altri.

Analizzando i dati, hanno scoperto che il tempo medio che i topi trascorrevano in ciascuna patch variava significativamente in base alla dimensione delle ricompense. Ma, cosa importante, c'erano variazioni tra i topi su quanto tempo fossero disposti ad aspettare per le ricompense, che hanno definito "Pazienza". Questa pazienza sembrava influenzare il loro processo decisionale in un modo che non veniva totalmente catturato dal MVT.

Per spiegare questi comportamenti, i ricercatori hanno utilizzato un modello che si adattava alla pazienza di ciascun topo. Hanno scoperto che questo modello poteva prevedere quanto tempo un topo sarebbe rimasto in una patch basato sulle ricompense disponibili. I topi che mostravano maggiore pazienza tendevano a mostrare una differenza maggiore nel tempo trascorso tra le diverse patch. Questo significa che la loro decisione di andarsene era significativamente influenzata dal loro stato motivazionale attuale.

#Analizzando la Base Neurale

Per studiare ulteriormente la biologia sottostante a questi comportamenti, i ricercatori hanno registrato l'Attività neurale dei topi mentre erano impegnati nel compito di foraggiamento. Le registrazioni provenivano principalmente dalla corteccia frontale, nota per essere coinvolta nel processo decisionale.

L'attività neurale mostrava spesso un modello di "ramping", con neuroni che mostrano aumenti graduali nei tassi di sparo mentre i topi continuavano a rimanere in una patch in attesa di ricompense. È interessante notare che questo ramping era influenzato dalla dimensione delle ricompense ricevute. Quando una ricompensa veniva consegnata, c'era un calo nei tassi di sparo neurale, riflettendo un reset temporaneo nel processo di accumulo.

Utilizzando questi dati, i ricercatori hanno identificato una popolazione specifica di neuroni che mostrava questo comportamento di ramping. Hanno scoperto che l'attività di questi neuroni non era solo correlata ai modelli decisionali che avevano sviluppato, ma era anche indicativa dello stato generale di pazienza degli animali durante il compito.

#Integrazione dei Risultati

I risultati della ricerca suggeriscono che i topi non stavano solo usando una regola decisionale semplice per lasciare le patch, ma che le loro scelte erano influenzate da un'interazione più complessa di fattori, inclusa la dimensione della ricompensa e il loro stato motivazionale interno. I modelli di integrazione che hanno impiegato erano in grado di spiegare le deviazioni dal MVT e suggerivano che, sebbene gli animali avessero strategie generali, queste potessero cambiare in base al loro stato attuale.

Questa intuizione è particolarmente importante. Indica che piuttosto che semplicemente rispondere a segnali esterni, i topi (e potenzialmente altri animali) stanno integrando dinamicamente le loro esperienze con le ricompense e i loro livelli interni di pazienza. Questo potrebbe riflettere un principio più ampio applicabile a molte specie, compresi gli esseri umani, dove i processi decisionali e i fattori motivazionali sono strettamente collegati.

#Conclusione

In sintesi, questo studio ha fatto luce sul modo in cui gli animali prendono decisioni di foraggiamento, mostrando che i comportamenti sono influenzati sia da ricompense esterne che da stati interni. I ricercatori hanno fornito prove che un semplice modello di decision-making potrebbe non racchiudere completamente le complessità di questi processi. Invece, i comportamenti possono variare in base a differenze individuali nella motivazione e a come queste differenze influenzano le strategie decisionali nel tempo.

L'interazione tra comportamento e attività cerebrale supporta l'idea di una strategia di integrazione continua per il foraggiamento. Questa comprensione può aiutare a capire come gli animali adattino i loro comportamenti in ambienti in cambiamento e potrebbe offrire spunti utili per comprendere i processi decisionali umani. Ulteriore ricerca potrebbe esplorare come queste dinamiche si manifestano in diverse specie e contesti, migliorando la nostra comprensione dell'ecologia comportamentale e delle neuroscienze.