Zinātnieki saka, ka mākslīgā intelekta programma, kuru viņi salīdzina ar ChatGPT, ir palīdzējusi viņiem izveidot vienu no līdz šim detalizētākajām peles smadzeņu kartēm ar 1300 reģioniem un apakšreģioniem, kas iezīmēti kartē.
Daži no šiem apakšreģioniem vēl nekad nav tikuši plānoti – un pētnieki saka, ka ir vēl vairāk. “Es domāju, ka jau ir norādes, ka mēs varam pārsniegt to, ko redzam tagad,” sacīja Bosiljka TasicSietlas molekulārās ģenētikas direktors Allena smadzeņu zinātnes institūtsApvidū
Kartēšanas centieni, kurus vada Kalifornijas universitātes Sanfrancisko un Allena institūts, ir sīki aprakstīti a Pētījums, kas publicēts šodien Žurnālā Dabas komunikācijaApvidū
“Mūsu modelis ir balstīts uz tādu pašu jaudīgu tehnoloģiju kā AI rīki, piemēram, Chatgpt,” vecākais autors Reza Abbasi-aslneirozinātnieks UCSF, teica ziņu izlaidumāApvidū “Abi ir veidoti uz a “Transformatora” tīkls kas izceļas ar izpratni par kontekstu. ”
Šis konteksts varētu būt svarīgs neiroloģisku kaites ārstēšanai, Tasic sacīja Geekwire.
“Atrašanās vieta ir viss smadzenēs,” viņa sacīja. “Smadzeņu ģeogrāfijas noteikšana un pēc tam visu šo reģionu un to funkciju definēšana ne tikai noved pie labākas izpratnes, guess arī labākas spējas ārstēt.”
Sīkākas smadzeņu šūnu struktūras kartes varētu izraisīt mērķtiecīgāku zāļu ārstēšanu, kas izraisa mazāk blakusparādību. “Mēs vienmēr vēlamies doties uz labāku, precīzāku smadzeņu terapiju, guess, lai to izdarītu, jums jāzina, kur jums jāiejaucas, kas notika nepareizi, kurā vietā un kas jums jānovērš,” sacīja Tass. “Un, ja jums nav kartes, kā jūs zināt, kur tā atrodas?”
Smadzeņu apkārtnes kartēšana
Smadzeņu kartēšanas centieni parasti ir balstījušies uz smadzeņu anatomijas interpretāciju cilvēkiem, guess zinātnieki labāk identificē miljonu atsevišķu smadzeņu šūnu atrašanās vietu un funkciju. Viņi kļūst daudz labāki, lai savāktu milzīgas datu masas, ka viņiem ir nepieciešama AI, lai palīdzētu interpretācijā.
“Mēs atrodamies vietā, kur mums ir pārsteidzoša eksperimentālā tehnoloģija, tāpēc nākamās paaudzes secība ir pilnībā revolucionēta,” sacīja Tass. “Mūsu veids, kā definēt šūnu tipus – fakts, ka jūs varat izmērīt tūkstošiem gēnu uz vienu šūnu, un definēt šūnas, kas ir līdzīgas kā šūnu ideas, ir pārveidojis bioloģiju.”
Programmatūras pieejamība, kas var tikt galā ar šādiem augstas dimensijas datiem, padara šo “pārsteidzošu laiku neirozinātniekam”, viņa sacīja.
Nesen publicētā pētījuma atslēga ir AI modelis, ko sauc par Šūnu veidlapaApvidū Modelis izslēgs milzīgus datu kopas par smadzeņu šūnu atrašanās vietām un funkcijām, kas pazīstamas kā telpiskās transkriptikas datu kopas, lai noteiktu, kuras šūnas pieder tajā pašā smadzeņu “apkārtnē”.
CellTransformer analizēja telpiskās transkriptikas datus par 9 miljoniem šūnu vairāk nekā 200 audu sekcijās, kas tika ņemtas no četru atsevišķu peļu smadzenēm. Sākumā pētnieki ieprogrammēja modeli, lai definētu 25 reģionu robežas smadzenēs. Galu galā viņi paaugstināja rezolūciju, lai definētu 670 reģionus un apakšreģionus. Katrā izšķirtspējas līmenī CellTransformer smadzeņu kartes atbilda to, ko iepriekš bija definējuši cilvēku eksperti.
Tad ciparnīca tika parādīta, lai ražotu 1300 reģionus un apakšreģionus. Šajā līmenī CellTransformer veiksmīgi atkārtoja smadzeņu kataloģizēto reģionu kartes. Tā arī identificēja iepriekš nekatalogizētus, smalkgraudainus apakšreģionus smadzeņu apgabalos, kurus pašlaik slikti izprot.
Tasic sacīja, ka course of ir tāds pats kā iet no kartes, kas parādīja tikai kontinentus vai tikai valstis uz karti, kas parādīja štatus, pilsētas un pat pilsētas apkārtni.
“Mēs sakām, ka paņemsim jebkuru šūnu un jautāsim:” Kas ir kaimiņi? ” Un pēc tam, balstoties uz kaimiņu kopīgumu, sauc to par reģionu, ”viņa sacīja. “Būtībā tas ir tas, ko izdarīja CellTransformer.”
Daži no iepriekš neatzīmētajiem apakšreģioniem atrodas vidējā smadzeņu retikulārā kodolā, kam ir sarežģīta loma maņu un motoriskās informācijas apstrādē. Citi nesen identificētie apakšreģioni atrodas augstākajā kolikulā – vidējā smadzeņu daļā, kas apstrādā sensoro informāciju un ierosina acu, galvas un ķermeņa kustības, lai koncentrētos uz interesējošajiem objektiem.
Koncentrējoties uz jauniem neiro-frontieriem
Tasic sacīja, ka ir iespējams ieslēgt CellTransformer algoritmus, lai izveidotu smadzeņu kartes, kas ir vēl detalizētākas. “Tagad jautājums ir, kādi ir jēgpilni, kādā veidā, un ko viņi pārstāv bioloģiski?” Viņa teica.
Cits jautājums ir saistīts ar to, ko saukt par tikko raksturotajiem apakšreģioniem. “Tikai iedomājieties, ka jūs nonācāt jaunā zemē, un jūs redzat, ka ir tas, un tur ir. Guess tagad man tas jānosauc. Tagad man jāredz, kas vēl ir apkārt,” sacīja Tasic. “Mēs vēlamies dot jēgpilnus, sistemātiskus nosaukumus un arī norādīt, kā tas attiecas uz vecākām kartēm.”
Iespējams, ka lielākie jautājumi attiecas uz to, kā nesen publicētā karte, kuras pamatā ir šūnu tipi, sakrīt ar kartēm, kas izseko savienojumus starp šūnām vai smadzeņu šūnu aktivitātes modeļiem. “Es tikai ceru uz sistemātiskāku datu vākšanu, sistemātiskāku datu analīzi un vairāk multimodāliem modeļiem – modeļiem, kas ne tikai izmērīs gēnu ekspresiju un šūnu tipu, guess arī savienojamību un produktivitāti, kā arī definēs smadzeņu reģionus, kuru pamatā ir visi šie,” sacīja Tass.
Tasic sacīja, ka uz AI balstītas metodes, kas tika izstrādātas peles smadzeņu kartēšanai, ir “absolūti paplašināmas cilvēka smadzenēs”, taču viņa negaida, ka tas notiks pa nakti.
“Ierobežojums faktiski ir datu vākšana,” viņa sacīja. “Cilvēka smadzenes ir milzīgas, tāpēc tā ir viena problēma.… Es negribu sniegt nevienu aplēsi, guess, iespējams, vajadzēs vēl desmit gadus vairāk [data about] pilnas cilvēka smadzenes detalizācijas līmenī, ko mēs izdarījām peles labā. ”
UCSF pētnieks Alekss Lī ir galvenais autors Dabas sakaru pētījumsnosaukums “Uz datiem balstīts smalkgraudainas reģiona atklājums peles smadzenēs ar transformatoriem.” Pie citiem autoriem pieder Alma Dubuc, Michael Kunst, Shenqin Lao, Nicholas Lusk, Lydia Ng, Hongkui Zeng, Bosiljka Tasic un Reza Abbasi-asl.
