Статьи автора

Сравнительный анализ исследовательского поведения лабораторных мышей и грызунов из естественных популяций в стандартной и обогащенной версии теста «открытое поле»

Номер выпуска 2 от 01.02.2025

Исследовательская активность является жизненно важной формой поведения, складывающейся под влиянием среды обитания и индивидуального опыта животных. Для оценки роли этих факторов мы изучили исследовательское поведение в идентичной обстановке у трех видов грызунов, различающихся по своим экологическим нишам, особенностям навигации и богатству индивидуального опыта: животных из естественных популяций –рыжей полевки (Clethrionomys glareolus) и малой лесной мыши (Sylvaemus uralensis) – и лабораторных мышей линии C57BL/6J. Исследовательское поведение регистрировали в стандартизованном тесте «Открытое поле». Для оценки влияния новизны обстановки животным в течение четырех сессий предлагали обследовать сначала пустое, а затем обогащенное объектами «открытое поле». Экспертная аннотация поведенческого репертуара выявила, что животные совершают 11 специфических поведенческих актов, направленных на освоение пространства в пустой арене, и 22 типа актов в обогащенной арене. При этом нами были выявлены специфические поведенческие акты, характерные только для грызунов из естественных популяций или только для лабораторных мышей. Было установлено, что рыжие полевки проявляют значительно меньшую исследовательскую активность по сравнению с двумя видами мышей, которые по уровню исследовательской активности незначительно отличаются друг от друга. Существенным фактором, влияющим на исследовательскую активность сравниваемых видов, оказалась насыщенность среды объектами. Добавление объектов не только увеличивало общую исследовательскую активность животных, но и изменяло структуру их исследовательского поведения. При этом, в отличие от исходной гипотезы, сам фактор новизны обстановки оказывал на поведение наименьшее влияние, причем эффект различался в зависимости от конкретных форм поведения и проявлялся только в комбинации с другими факторами. Полученные результаты выявляют многомерные и нелинейные отношения в факторах, детерминирующих поведение грызунов в тесте «открытое поле», которые следует учитывать в анализе нейронных основ этого поведения и при интерпретации исследовательского поведения животных в естественных условиях.

23 0

Однократное обучение: обзор экспериментальных моделей

Номер выпуска 3 от 01.03.2025

Однократное обучение или обучение с одной попытки (one-trial learning) представляет собой важнейший эволюционный механизм, который позволяет животным и человеку быстро запоминать жизненно важные события и адаптироваться к динамичным изменениям в окружающей среде. В данной статье представлен обзор различных парадигм однократного обучения, включая пассивное избегание, вкусовую аверсию, условно-рефлекторное замирание, а также модели на основе ассоциаций с пищевым подкреплением, распознавания места объекта и социального обучения. Экспериментальные модели однократного обучения охватывают многие виды животных и различаются по экологической валидности, сенсорной модальности, типу условных стимулов, валентности подкрепления, а также паттерну мозговых структур, вовлеченных в обучение в той или иной модели, что позволяет исследовать широкий спектр когнитивных процессов. Быстрота формирования памяти в этих парадигмах предоставляет уникальные возможности для контроля экспериментальных переменных и минимизации артефактов. Кроме того, четкое выделение момента обучения в этих моделях делает их незаменимыми для исследований фаз консолидации памяти и их нервных механизмов, особенно нейронной и синаптической пластичности на самых ранних стадиях этого процесса. Благодаря всему этому модели однократного обучения представляют собой мощный инструмент для изучения фундаментальных нейробиологических механизмов памяти и обучения, а также могут способствовать разработке новых подходов к лечению когнитивных расстройств, связанных с нарушениями памяти, таких как амнезия и посттравматическое стрессовое расстройство. Кроме того, выявленные с их использованием закономерности могут стать основой для разработки алгоритмов быстрого обучения для искусственного интеллекта.

26 0