アルツハイマー病やパーキンソン病などの変性状態の原因と潜在的な治療法を研究する際、神経科学者は、記憶力の低下や平衡障害や震えなどの行動変化を引き起こす脳活動を理解するために必要な細胞を正確に特定するのに苦労することがよくあります。
ジョージア工科大学の神経科学研究者の学際的なチームは、グラフィカルモデルなどの既存のツールを借りて、細胞を識別し、病気のメカニズムを理解するためのより良い方法を発見しました。これは、より良い理解、診断、および治療につながる可能性があります。
彼らの研究結果は24月XNUMX日にジャーナルに報告されました eLife。 この研究は、国立衛生研究所と国立科学財団によってサポートされていました。
神経科学の分野では、神経系がどのように機能し、遺伝子と環境が行動にどのように影響するかを研究しています。 神経科学者は、新しいテクノロジーを使用して生物学的システムの自然状態と機能不全状態を理解することにより、最終的に病気を治療することを望んでいます。
それが起こる前に、神経科学者はまず脳内のどの細胞が行動を促進しているのかを理解する必要がありますが、細胞ごとの脳活動のマッピングは見た目ほど簡単ではありません。
XNUMXつの脳細胞は同じではありません
伝統的に、科学者は画像をアトラスと比較することによって各細胞の位置をマッピングする座標系を確立しましたが、「すべての脳が同じように見える」という文献の概念は絶対に真実ではありません、と化学および生体分子工学のラブファミリー教授であるHangLuは言いましたジョージア工科大学の化学および生体分子工学の学校で。
協調的なアプローチを取ることは、XNUMXつの主要な課題を提示します。 第二に、細胞は個人によって異なります。
「これは現在の大きなボトルネックです。ニューロンの活動を好きなだけ記録できますが、どの細胞が何をしているのかがわからない場合、脳や状態を比較して意味のある結論を出すことは困難です」とLu氏は述べています。
大学院の研究者ShiveshChaudharyによると、データにはノイズがあり、脳のXNUMXつの異なる領域間の対応を確立するのが困難です。 「データにいくつかの変形が存在するか、形状の一部が欠落している可能性があります」と彼は言いました。
地理だけでなく、細胞の関係に焦点を当てる
これらの課題を克服するために、Georgia Techの研究者は、機械学習のグラフィカルモデルと数学の形状マッチングへのメトリックジオメトリアプローチのXNUMXつの分野から借用し、モデル生物である線虫C.elegansの細胞を特定する計算方法を構築しました。
チームは、自然言語処理などの他の分野のフレームワークを使用して、独自のモデリングソフトウェアを構築しました。 自然言語処理では、コンピューターはステートメント内の単語間の依存関係をキャプチャすることにより、文の意味を判別できます。
研究者たちは同様のモデルを採用しましたが、「細胞を識別するためにニューロン間でそれらをキャプチャしました」という単語間の依存関係をキャプチャする代わりに、このアプローチは各セルの地理的位置を調べる他の方法と比較してエラー伝播を制限することに注意しました。
「セル間の関係を使用することは、実際にはセルのアイデンティティを定義する上でより有用でした」とLu氏は述べています。 「XNUMXつを定義すると、他のセルのアイデンティティに影響を与えることになります。」
研究チームによると、このアプローチは現在の識別方法よりもはるかに正確です。 アルゴリズムは完全ではありませんが、不完全なデータに直面しても大幅にパフォーマンスが向上し、ノイズやエラーによる「ガタガタ音が少なくなります」とLu氏は述べています。
科学者が病気のメカニズムを理解すると、介入を見つけることができるため、このアルゴリズムは多くの発達疾患に大きな影響を及ぼします。
「これを使用して、遺伝的リスクを評価するための薬物および遺伝的スクリーニングを行うことができます。 誰かの遺伝的背景を調べて、この背景によって細胞が標準の参照遺伝的背景とどのように異なる振る舞いをするかを調べることができます」とLu氏は述べています。
「このアプローチの優れた点のXNUMXつは、データ駆動型であるため、個々のワーム間の変動をキャプチャすることです。 この方法は、正常な状態だけでなく、病気のような状態での発達と機能に関する幅広い研究に適用できる可能性が高いです」とハーバード大学脳科学センターの生物進化生物学部教授であるYunZhangは述べています。 。
より高速なデータ分析
このアルゴリズムは、脳全体のデータを分析する速度を大幅に加速します。 研究者たちは、この進歩の前に、彼らの研究室が一連のデータを記録するのに20分かかるかもしれないが、細胞を特定してデータを分析するのに数週間かかるだろうと説明した。 アルゴリズムを使用すると、分析は「デスクトップ上でせいぜい一晩」かかります、とChaudharyは言いました。
この手法は、アルゴリズムをテストしてアトラスを構築できる、より大きなコミュニティにアルゴリズムを開放するクラウドソーシングのコラボレーションオンラインプラットフォームもサポートします。
「同じ問題に取り組んでいるすべての研究者は、記録を行い、すべての状況で広く使用できるこれらのアトラスのさらなる構築に貢献することができます」とLu氏は述べています。
研究者たちは、物理学、生物学、数学、化学にまたがる複数の分野を利用できることで、プロジェクトの成功を認めています。 化学工学の学士号を持っているChaudharyは、この特定の神経科学の問題を解決するために、コンピューターサイエンスと数学の発展を利用しました。
「私たちの研究室には、顕微鏡の構築に取り組んでいる物理学者、生物学者、コンピューターサイエンスに傾倒している私のような人々がいます。 また、純粋数学者と協力しています」と彼は説明しました。 「神経科学分野にはすべてがあります。 好きな方向に進むことができます。」
###
LuとChaudharyに加えて、この作業に貢献した他のジョージア工科大学の研究者は、Sol Ah Lee、Yueyi Li、およびDhaval S.Patelでした。
この研究は、賞R21DC015652、R01NS096581、R01GM108962、およびR01GM088333を通じて国立衛生研究所、および賞1764406および1707401の下で国立科学財団によってサポートされました。必ずしもスポンサー機関の見解を反映しているわけではありません。
見積もり： S. Chaudhary、et al。、「高密度細胞画像における細胞アイデンティティの自動注釈付けのためのグラフィカルモデルフレームワーク」。 （（eLife、2021）
https：/
PrimeXBTをチェックアウト
ACミランの公式CFDパートナーとの取引
出典：https：//bioengineer.org/identifying-cells-to-better-understand-healthy-and-diseased-behavior/
