AI όραση: Μια στρατηγική για την αναγνώριση των νευρώνων είναι η επισήμανση του κυττάρου με μια φθορίζουσα πρωτεΐνη συγκεκριμένου χρώματος.
Ο εγκέφαλος είναι το πιο περίπλοκο όργανο που δημιουργήθηκε ποτέ. Οι λειτουργίες του υποστηρίζονται από ένα δίκτυο δεκάδων δισεκατομμυρίων πυκνά συσσωρευμένων νευρώνων, με τρισεκατομμύρια συνδέσεις που ανταλλάσσουν πληροφορίες και εκτελούν υπολογισμούς. Η προσπάθεια κατανόησης της πολυπλοκότητας του εγκεφάλου μπορεί να είναι ζαλιστική. Ωστόσο, αν ελπίζουμε να καταλάβουμε πώς λειτουργεί ο εγκέφαλος, πρέπει να είμαστε σε θέση να χαρτογραφήσουμε τους νευρώνες και να μελετήσουμε πώς συνδέονται με καλώδιο.
Τώρα, δημοσιεύοντας στο Nature Communications, ερευνητές από το Πανεπιστήμιο Kyushu ανέπτυξαν ένα νέο εργαλείο τεχνητής νοημοσύνης, το οποίο ονομάζουν QDyeFinder, το οποίο μπορεί αυτόματα να αναγνωρίσει και να ανακατασκευάσει μεμονωμένους νευρώνες από εικόνες του εγκεφάλου του ποντικιού. Η διαδικασία περιλαμβάνει την επισήμανση των νευρώνων με ένα πρωτόκολλο σούπερ-πολύχρωμης επισήμανσης και, στη συνέχεια, αφήνοντας το AI να αναγνωρίσει αυτόματα τη δομή του νευρώνα ταιριάζοντας παρόμοιους χρωματικούς συνδυασμούς.
“Μία από τις μεγαλύτερες προκλήσεις στη νευροεπιστήμη είναι η προσπάθεια χαρτογράφησης του εγκεφάλου και των συνδέσεών του. Ωστόσο, επειδή οι νευρώνες είναι τόσο πυκνά συσσωρευμένοι, είναι πολύ δύσκολο και χρονοβόρο να διακρίνουμε τους νευρώνες με τους άξονες και τους δενδρίτες τους – τις προεκτάσεις που στέλνουν και λαμβάνουν πληροφορίες από άλλους νευρώνες — ο ένας από τον άλλον», εξηγεί ο καθηγητής Takeshi Imai της Μεταπτυχιακής Σχολής Ιατρικών Επιστημών, ο οποίος ηγήθηκε της μελέτης. «Για να το θέσουμε σε προοπτική, οι άξονες και οι δενδρίτες έχουν πάχος μόνο περίπου ένα μικρόμετρο, που είναι 100 φορές πιο λεπτό από ένα τυπικό σκέλος ανθρώπινης τρίχας και ο χώρος μεταξύ τους είναι μικρότερος».
Μια στρατηγική για την αναγνώριση των νευρώνων είναι η επισήμανση του κυττάρου με μια φθορίζουσα πρωτεΐνη συγκεκριμένου χρώματος. Οι ερευνητές θα μπορούσαν στη συνέχεια να εντοπίσουν αυτό το χρώμα και να ανακατασκευάσουν τον νευρώνα και τους άξονές του. Επεκτείνοντας το φάσμα των χρωμάτων, θα μπορούσαν να εντοπιστούν περισσότεροι νευρώνες ταυτόχρονα. Το 2018, ο Imai και η ομάδα του ανέπτυξαν το Tetbow, ένα σύστημα που μπορούσε να χρωματίσει έντονα τους νευρώνες με τα τρία βασικά χρώματα του φωτός.
“Ένα παράδειγμα που μου αρέσει να χρησιμοποιώ είναι ο χάρτης των γραμμών του μετρό του Τόκιο. Το σύστημα εκτείνεται σε 13 γραμμές, 286 σταθμούς και πάνω από 300 χλμ. Στον χάρτη του μετρό κάθε γραμμή είναι χρωματικά κωδικοποιημένη, ώστε να μπορείτε εύκολα να προσδιορίσετε ποιοι σταθμοί είναι συνδέθηκε», εξηγεί ο Marcus N. Leiwe, ένας από τους πρώτους συγγραφείς της εργασίας και Επίκουρος Καθηγητής εκείνη την εποχή. «Το Tetbow έκανε πολύ πιο εύκολο τον εντοπισμό των νευρώνων και την εύρεση των συνδέσεών τους».
Ωστόσο, δύο βασικά ζητήματα παρέμειναν. Οι νευρώνες έπρεπε να ανιχνευθούν σχολαστικά με το χέρι και η χρήση μόνο τριών χρωμάτων δεν ήταν αρκετή για να διακρίνει έναν μεγαλύτερο πληθυσμό νευρώνων. Η ομάδα εργάστηκε για να αυξήσει τον αριθμό των χρωμάτων από τρία σε επτά, αλλά το μεγαλύτερο πρόβλημα τότε ήταν τα όρια της ανθρώπινης αντίληψης χρωμάτων. Κοιτάξτε προσεκτικά οποιαδήποτε οθόνη τηλεόρασης και θα δείτε ότι τα pixel αποτελούνται από τρία χρώματα: μπλε, πράσινο και κόκκινο. Οποιοδήποτε χρώμα μπορούμε να αντιληφθούμε είναι ένας συνδυασμός αυτών των τριών χρωμάτων, καθώς έχουμε μπλε, πράσινους και κόκκινους αισθητήρες στα μάτια μας.
“Οι μηχανές από την άλλη δεν έχουν τέτοιους περιορισμούς. Ως εκ τούτου, εργαστήκαμε για την ανάπτυξη ενός εργαλείου που θα μπορούσε να διακρίνει αυτόματα αυτούς τους τεράστιους χρωματικούς συνδυασμούς”, συνεχίζει ο Leiwe. “Το κάναμε επίσης έτσι ώστε αυτό το εργαλείο να συρράπτει αυτόματα νευρώνες και άξονες του ίδιου χρώματος και να αναδομεί τη δομή τους. Ονομάσαμε αυτό το σύστημα QDyeFinder.”
Το QDyeFinder λειτουργεί προσδιορίζοντας πρώτα αυτόματα θραύσματα αξόνων και δενδριτών σε ένα δεδομένο δείγμα. Στη συνέχεια, προσδιορίζει τις πληροφορίες χρώματος κάθε θραύσματος. Στη συνέχεια, χρησιμοποιώντας έναν αλγόριθμο μηχανικής μάθησης που ανέπτυξε η ομάδα που ονομάζεται dCrawler, οι πληροφορίες χρώματος ομαδοποιήθηκαν μαζί, όπου θα εντόπιζαν άξονες και δενδρίτες του ίδιου νευρώνα.
«Όταν συγκρίναμε τα αποτελέσματα του QDyeFinder με δεδομένα από νευρώνες που έχουν εντοπιστεί με το χέρι, είχαν περίπου την ίδια ακρίβεια», εξηγεί ο Leiwe. «Ακόμη και σε σύγκριση με το υπάρχον λογισμικό ανίχνευσης που κάνει πλήρη χρήση της μηχανικής μάθησης, το QDyeFinder μπόρεσε να αναγνωρίσει άξονες με πολύ μεγαλύτερη ακρίβεια». Η ομάδα ελπίζει ότι το νέο τους εργαλείο μπορεί να προωθήσει τη συνεχιζόμενη αναζήτηση χαρτογράφησης των συνδέσεων του εγκεφάλου.
Θα ήθελαν επίσης να δουν εάν η νέα τους μέθοδος μπορεί να εφαρμοστεί στην επισήμανση και την παρακολούθηση άλλων περίπλοκων τύπων κυττάρων, όπως τα καρκινικά κύτταρα και τα κύτταρα του ανοσοποιητικού. «Μπορεί να έρθει μια μέρα που μπορούμε να διαβάσουμε τις συνδέσεις στον εγκέφαλο και να καταλάβουμε τι σημαίνουν ή αντιπροσωπεύουν για αυτό το άτομο. Αμφιβάλλω ότι θα συμβεί στη διάρκεια της ζωής μου, αλλά η δουλειά μας αντιπροσωπεύει ένα απτό βήμα μπροστά στην κατανόηση ίσως των πιο περίπλοκων μυστηριώδης διάσταση της ύπαρξής μας», καταλήγει ο Imai.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
