Topi Diabetici Sotto la Lente 3D: MoSeq Svela i Segreti del Loro Comportamento

Ciao a tutti! Oggi voglio parlarvi di qualcosa che mi appassiona tantissimo e che sta aprendo nuove frontiere nella ricerca: come facciamo a capire davvero cosa passa per la testa (e per il corpo!) di un topolino, specialmente quando non sta bene? Nello specifico, come studiamo i cambiamenti nel comportamento causati dalla neuropatia diabetica?

Il Problema: Vedere Oltre il Semplice Movimento

Sapete, la neuropatia diabetica è una complicanza seria e molto diffusa del diabete. Provoca dolore cronico, problemi sensoriali e difficoltà motorie che peggiorano parecchio la qualità della vita. Per cercare di capire meglio questa condizione e testare nuove cure, usiamo spesso modelli animali, come i topi.

Tradizionalmente, per studiare il loro comportamento, li mettiamo in una specie di arena (il famoso Open Field Test) e usiamo telecamere 2D per misurare quanto si muovono, la velocità, la distanza percorsa… cose così. Utile, certo, ma è un po’ come guardare un film complesso in bianco e nero e senza audio. Si perde tantissimo! Questi metodi 2D faticano a cogliere i movimenti più sottili, i cambiamenti posturali tridimensionali, le sequenze complesse di azioni. E sono proprio queste sfumature che potrebbero dirci di più sulla neuropatia. Cambiamenti lievi o nelle fasi iniziali della malattia rischiano di passare inosservati.

La Soluzione High-Tech: Entra in Scena MoSeq

Ed è qui che entra in gioco la tecnologia! Recentemente, grazie ai progressi nella visione artificiale e nell’apprendimento automatico (machine learning), sono nati strumenti molto più sofisticati. Uno di questi si chiama MoSeq (Motion Sequencing). Immaginatelo come un sistema super avanzato che usa telecamere di profondità 3D (simili a quelle del Kinect, per intenderci) per catturare ogni minimo movimento del topo in tre dimensioni.

Ma non si ferma qui. MoSeq, combinato con modelli matematici complessi come gli AR-HMM (Modelli di Markov Nascosti Auto-Regressivi), non si limita a tracciare il topo nello spazio. Va oltre: scompone il flusso continuo del comportamento in unità discrete, delle specie di “mattoncini” fondamentali del movimento. Abbiamo chiamato queste micro-azioni “sillabe comportamentali”. Pensate a come le lettere formano le sillabe e poi le parole: MoSeq fa qualcosa di simile con il movimento. Identifica decine di queste “sillabe” (nel nostro studio ne abbiamo identificate 22!) che rappresentano azioni specifiche come un particolare tipo di esplorazione col muso, un piccolo scatto, un modo di accovacciarsi, ecc.

Analizzando la sequenza di queste sillabe, la loro frequenza e come si passa da una all’altra (la “sintassi” del comportamento, potremmo dire), possiamo ottenere un profilo comportamentale incredibilmente dettagliato e ricco di informazioni. La nostra ipotesi era che MoSeq potesse rivelare firme comportamentali della neuropatia diabetica che i metodi tradizionali non riuscivano a vedere.

Cosa Ci Hanno Detto i Topolini (Grazie a MoSeq)

Abbiamo quindi preso dei topolini (maschi C57BL/6, per i più tecnici) e indotto il diabete in un gruppo usando un protocollo standard (nicotinamide + streptozotocina, NA+STZ), lasciando un altro gruppo di controllo sano. Dopo un paio di settimane, abbiamo verificato che i topi del gruppo sperimentale avessero effettivamente sviluppato i segni del diabete (glicemia alta, calo di peso) e, cosa fondamentale per noi, una maggiore sensibilità meccanica alle zampette (misurata con il test dei filamenti di von Frey), segno di dolore neuropatico.

Poi, li abbiamo messi nell’arena e li abbiamo osservati con il nostro sistema MoSeq 3D per 30 minuti. Ogni topo è stato testato più volte per essere sicuri dei risultati.

E cosa abbiamo scoperto? Beh, preparatevi, perché i risultati sono stati affascinanti!

• I topi con neuropatia diabetica (DN) mostravano un aumento significativo di comportamenti associati allo stress o all’esplorazione “ansiosa”, come l’head weaving (un ondeggiamento della testa), il wall jumping (salti contro la parete) e la nasal hesitancy (esitazione del muso).
• Al contrario, le attività locomotorie più “classiche”, come il camminare (walking) e l’alzarsi sulle zampe posteriori (rearing), erano diminuite.
• Analizzando le sequenze delle sillabe, abbiamo notato che i topi DN avevano uno schema di transizione tra i comportamenti più prevedibile e meno esploratorio. Sembra quasi che il loro repertorio comportamentale si fosse ristretto, diventando più stereotipato e rigido, piuttosto che indicare una migliore coordinazione motoria.
• Abbiamo anche analizzato la “simmetria” della matrice di transizione tra le sillabe (usando una misura chiamata norma di Frobenius). Sorprendentemente, nei topi DN questa matrice era più simmetrica. Questo suggerisce che i loro passaggi da un comportamento all’altro erano più bilanciati, forse un meccanismo compensatorio o un segno di ridotta flessibilità comportamentale.

Questi pattern comportamentali suggeriscono qualcosa di importante: il dolore associato alla neuropatia diabetica sembra influenzare non solo la quantità di movimento, ma soprattutto la capacità di adattamento comportamentale e la pianificazione motoria di ordine superiore. Potrebbero esserci disfunzioni nei circuiti sensomotori o cognitivi sottostanti.

Perché MoSeq Cambia le Regole del Gioco

Perché tutto questo è importante? Perché ci dà una lente d’ingrandimento potentissima e obiettiva per studiare gli effetti della neuropatia diabetica (e potenzialmente di molte altre condizioni neurologiche o psichiatriche) sul comportamento. MoSeq va oltre le misure grossolane del movimento e ci permette di quantificare aspetti fini della struttura comportamentale.

Questo significa che possiamo:

• Identificare fenotipi comportamentali molto più specifici e sottili associati alla malattia.
• Valutare l’efficacia di potenziali terapie in modo molto più raffinato negli studi preclinici. Magari un farmaco non fa muovere di più il topo, ma ne riduce i comportamenti stereotipati o ne aumenta la flessibilità comportamentale? MoSeq potrebbe dircelo.
• Capire meglio i meccanismi alla base della malattia, collegando specifici pattern comportamentali a cambiamenti neurali o fisiologici.

Certo, la ricerca è appena iniziata. Dobbiamo ancora confrontare direttamente la sensibilità di MoSeq con le misure tradizionali in modo rigoroso e capire come applicare al meglio queste scoperte per sviluppare nuove cure. Ma la strada è aperta.

Insomma, grazie a MoSeq e all’analisi 3D, stiamo iniziando a decifrare il linguaggio segreto del corpo dei nostri piccoli modelli animali. È un passo avanti enorme per comprendere l’impatto complesso di malattie come la neuropatia diabetica e, speriamo, per trovare modi più efficaci per combatterle. È un campo in rapidissima evoluzione e non vedo l’ora di scoprire cosa ci riserverà il futuro!

Fonte: Springer