Эксперты используют новый микроскоп, алгоритм искусственного интеллекта и индикаторы напряжения для визуализации электрической активности глубоко в мозгу.
При изучении мозга исследователи только начинают использовать метод, известный как визуализация напряжения, для отслеживания нейронной активности у живых животных. Хотя этот подход является многообещающим способом лучше понять возбуждение нейронов, поведение и познание, существуют ограничения и факторы риска. Практика требует попадания в мозг большого количества света (что может привести к перегреву) и способна отображать только десять нейронов за раз.
Новое исследование Джерри Чена, доцента кафедры биологии Колледжа искусств и наук Бостонского университета, и его сотрудников направлено на решение этих проблем. В публикации, опубликованной сегодня в журнале Nature Methods , Чен и соавторы описывают, как их междисциплинарный подход с использованием нового микроскопа, алгоритма искусственного интеллекта и индикаторов напряжения может улучшить процесс визуализации. В совокупности их методы привели к успешной, минимально инвазивной и устойчивой визуализации примерно 100 нейронов за раз у мышей.
В этом вопросе и ответе Чен описывает новые результаты исследований, проведенных совместно со своими сотрудниками, а также интересные последствия для пациентов с эпилепсией и будущие технологии визуализации мозга.
Своими словами, пожалуйста, опишите это исследование. Каковы основные цели вашего исследования?
Неврология, как область, заинтересована в понимании того, как работает мозг. Электрические сигналы являются основным способом, с помощью которого нейроны обрабатывают информацию и общаются друг с другом. Мы можем использовать электроды для записи активности отдельных нейронов, но это инвазивная процедура, требующая введения электродов в мозг.
Визуализация сигналов напряжения обеспечивает способ неинвазивного считывания активности популяций нейронов. В последнее десятилетие было предпринято много усилий для развития этой технологии визуализации напряжения. Цель нашего исследования состояла в том, чтобы помочь сделать его практичным и масштабируемым для исследовательских приложений.
Есть ли конкретная проблема, на решение которой направлено это исследование?
Визуализация напряжения у живого животного означает необходимость работать на фундаментальных ограничениях как физики, так и биологии. Нам нужно выразить генетически закодированные индикаторы, которые будут изменять флуоресценцию в ответ на активность нейронов, и нам нужны микроскопы, которые позволят нам получать изображения с очень высокой скоростью (не менее 1000 кадров в секунду) для измерения потенциалов действия (основная единица информации в нейронах).
Используя наши микроскопы, нам нужно направить в мозг ровно столько света, чтобы получить сигналы флуоресценции. Если мы хотим получить изображение от все большего и большего количества нейронов, мы хотим направить больше света в мозг. Тем не менее, мы не можем вводить слишком много в мозг, иначе мы вызовем фотоповреждение. Таким образом, задача состоит в том, чтобы балансировать между максимизацией сигнала и количеством нейронов, которые мы хотим записать на высокой скорости, и минимизацией вероятности повреждения мозга.
Вы описали эту работу как «мультидисциплинарный подход», так как сотрудничали с соавторами, обученными клеточной и молекулярной физиологии, биомедицинской инженерии, нейрофотонике и многим другим. Можете ли вы уточнить, как эти уникальные дисциплины объединились, чтобы поддержать/влиять на различные области исследования?
Чтобы преодолеть проблемы, которые я описал выше, нет единого решения, которое может это сделать. Вместо этого вам нужно несколько подходов, которые будут работать в сочетании, чтобы преодолеть эти фундаментальные ограничения. В частности, нам нужны были белковые инженеры, которые могли бы разработать более чувствительные индикаторы напряжения, которые будут флуоресцировать в ответ на активность нейронов.
Как инженер-оптик, я разработал новый микроскоп, который позволяет нам увеличить количество нейронов, которые мы можем визуализировать с очень высокой скоростью. Наконец, нам нужен ученый-компьютерщик, который мог бы разработать новые алгоритмы с использованием искусственного интеллекта, способные извлекать сигналы напряжения в шумных условиях, когда в мозг поступает очень мало света.
Кто является ключевыми сотрудниками исследования?
Винсент Пьерибоне из лаборатории Джона Б. Пирса Йельского университета разработал новые датчики напряжения. Лей Тиан, доцент кафедры электротехники и вычислительной техники BU, разработал новые алгоритмы шумоподавления. Андерсон Чен (Anderson Chen), старший научный сотрудник Центра нейрофотоники Университета штата Нью-Йорк и менеджер основного подразделения по микро- и нано-изображениям, руководил созданием нашего микроскопа SMURF. Ян Дэвисон, доцент кафедры биологии BU, помогал тестировать датчики напряжения в нашей лаборатории.
В ходе этого исследования вы обнаружили какие-либо результаты, которые вас удивили?
Я считаю, что алгоритм шумоподавления (называемый DeepVID), разработанный Лей Тианом, меняет правила игры. Когда вы фотографируете в условиях низкой освещенности, изображения, которые вы собираете, могут быть очень шумными. Это называется дробовым шумом. Это фундаментальное ограничение в микроскопии, которое не позволяет нам проводить надежные измерения с помощью наших приборов. Вычислительные методы, разработанные Леем, нарушают этот фундаментальный предел. Я был поражен, когда увидел, насколько легче мы можем видеть сигналы напряжения после применения алгоритма шумоподавления Лея.
Каковы некоторые из долгосрочных последствий результатов исследования? Как результаты можно применить к реальным пациентам или повлиять на будущее технологий визуализации мозга?
Долгосрочный вывод заключается в том, что мы разработали комбинированный подход, который позволит нам увеличить масштаб изображения напряжения. Раньше мы могли выполнять визуализацию только с 10 нейронами одновременно. Наша статья продемонстрировала, что 100 нейронов возможны. Расширяя принципы, которые мы доказали на практике, мы должны иметь возможность отображать 1000 или более нейронов. Это позволит нам лучше понять, как информация обрабатывается в мозгу. Это также позволит нам лучше изучать заболевания, при которых нарушается электрическая активность, как при эпилепсии.
Каковы следующие шаги для вас и ваших сотрудников?
Наши следующие шаги заключаются в том, чтобы применить наши технологии для ответа на фундаментальные вопросы нейробиологии, а также изучить возможности дальнейшего масштабирования этой визуализации для более крупных популяций нейронов.
Теги: ИИ
