人工智能可以帮助跟踪住大脑连接的变化

约翰霍普金斯大学的科学家们已经开发出一种方法涉及人工智能可视化和跟踪改变突触的强度——大脑中神经细胞的连接点——在活的动物交流。中所描述的技术,自然方法,科学家们说应该更清楚的了解这种关系在人类的大脑变化与学习,年老、受伤和疾病。

“如果你想学习更多关于一个管弦乐队演奏的,你要看个人玩家随着时间的推移,这种新方法并在活的动物的大脑突触,”说德怀特Bergles博士。查尔斯,戴安娜叶及Homcy所罗门·h·斯奈德神经科学部门的教授(JHU)约翰霍普金斯大学医学院的。

与同事Bergles也是这项研究的合著者亚当·查尔斯博士工程师,耶利米亚Sulam博士。,生物医学工程部门的助理教授理查德·哈甘耐尔教授,博士。彭博JHU杰出教授、主任所罗门·h·斯奈德神经科学部门。所有四个研究人员是约翰霍普金斯大学的成员卡夫发现神经科学研究所。

从一个细胞到另一个神经细胞传递信息交换化学信息突触(“连接”)。在大脑中,作者解释,不同的生活经历,如接触新的环境和学习技能,被认为是诱发突触变化,加强或削弱这些连接允许学习和记忆。了解这些微小的变化发生在我们的大脑突触的数万亿是一项艰巨的挑战,但它是揭示大脑是如何工作的,当健康中心,以及它是如何改变的疾病。

确定哪些突触变化在一个特定的生活事件,科学家们一直在寻找更好的方法来可视化突触传递的化学变化,需要通过大脑突触的密度高,体积小,特征使他们很难想象即使新的先进的显微镜。

“我们需要从挑战,模糊,嘈杂的图像数据中提取信号部分我们需要看到,”查尔斯说。

为此,Bergles Sulam,查尔斯哈甘耐尔教授和他们的同事们转向机器学习,计算框架,该框架允许灵活的自动数据处理工具的发展。机器学习在生物医学成像技术已成功应用于很多领域,在这种情况下,科学家们利用这个方法来提高图像的质量由成千上万的突触。虽然它可以是一个强大的工具进行自动检测,大大超过了人类的速度,系统首先必须“训练”,教学算法的高质量图像突触应该是什么样子。

在这些实验中,研究人员曾与转基因老鼠的谷氨酸受体-突触的化学传感器发出的是绿光(会)暴露在光。因为每个受体相同数量的发光,荧光产生的突触的数量在这些老鼠是一个迹象表明突触的数量,因此它的力量。

正如所料,完整的大脑成像产生低质量的图片单独集群的谷氨酸受体在突触难以看得清楚,更别说是单独检测和跟踪。将这些转化为更高质量的图像,科学家们拍摄的图像的机器学习算法训练大脑切片(体外)来自相同类型的转基因老鼠。因为这些图片不是从生活的动物,可以产生更高质量的图像使用不同的显微镜技术,以及低质量图像——类似于在活的动物——相同的观点。

这个交叉模式数据收集框架使团队开发一个能产生更高的分辨率的图像增强算法从低质量的,类似于图片来自活老鼠。通过这种方式,收集的数据从完整的大脑可以显著增强,能够探测和跟踪单个突触(数以千计)在多日的实验。

受体的变化随着时间生活的老鼠,然后研究人员利用显微镜重复图像相同的突触在老鼠几个星期。捕获基线图像之后,团队将动物置于室与新的景象,气味和触觉刺激一个五分钟的时间。然后他们成像大脑的同一区域每隔一天看看,新的刺激如何影响谷氨酸受体在神经突触的数量。

虽然工作的重点是开发的一套方法来分析突触水平变化在许多不同的环境中,研究人员发现,这个简单的改变引起的环境变化的光谱荧光在大脑皮层突触,指示连接强度的增加和其他地方减少,与倾向于加强动物暴露在小说的环境。

研究是通过科学家之间的密切合作与不同的专业知识,从分子生物学到人工智能,他一般不紧密合作。但这样的合作,鼓励交叉学科Kavli神经科学发现研究所Bergles说。研究人员目前正在使用这个机器学习方法研究突触变化在阿尔茨海默病动物模型,他们相信该方法可以揭示突触变化发生在其他疾病和伤害环境。

“我们真的很兴奋地看到,科学界的其余部分将这“Sulam说。

参考:徐YKT坟墓AR Coste GI, et al .交叉模式监督图像恢复的突触可塑性使纳米级跟踪活老鼠。Nat方法。2023;20 (6):935 - 944。doi:10.1038 / s41592 - 023 - 01871 - 6

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。