Uso de IA para identificar neuronas involucradas en la readquisición de la marcha

Los investigadores de la EPFL pueden hacer que los roedores paralizados vuelvan a caminar estimulando la médula espinal dañada de los animales. Este prometedor tratamiento ya ha ayudado a los parapléjicos a recuperar la movilidad durante los ensayos clínicos en el Hospital Universitario de Lausana (CHUV). Ahora, usando inteligencia artificial, los investigadores pueden identificar qué neuronas están involucradas en el proceso de readquisición de la marcha. Los resultados, que han sido publicados en Biotecnología de la naturaleza , podría conducir al desarrollo de nuevos enfoques, hacer que los tratamientos sean aún más efectivos, además de allanar el camino para avances en otras áreas de la investigación biomédica.

La médula espinal de los roedores, como la de los seres humanos, contiene unos 50 tipos diferentes de células nerviosas, o neuronas. No todas estas células sin embargo, responder de la misma manera al tratamiento de recuperación de la marcha desarrollado en EPFL, que se basa en una combinación de ejercicios y estimulación de la médula espinal eléctrica y química. Al identificar con precisión los tipos de neuronas involucradas, sin embargo, los investigadores pueden comprender mejor lo que sucede a nivel celular cuando estos estímulos dan como resultado una recuperación inmediata de la marcha. Luego pueden apuntar específicamente a aquellas neuronas que se activan mediante estimulación, aumentando así la eficacia del tratamiento.

Como parte de estos esfuerzos, El laboratorio de Grégoire Courtine ha desarrollado un método de aprendizaje automático que se puede aplicar a cualquier tipo de tecnología unicelular, e identificar qué células son más importantes para la tarea en cuestión. La aplicación de este método a la biología unicelular es particularmente interesante, ya que técnicas como la secuenciación de ARN unicelular proporcionan mediciones precisas, célula por célula, de todos los genes que una célula podría expresar. permitiendo a los investigadores identificar los mecanismos celulares clave.

Los científicos compararon sus resultados utilizando dos grupos de ratones:los que habían vuelto a aprender a caminar después de una lesión en la médula espinal y los que permanecían paralizados en las extremidades inferiores debido a la falta de tratamiento. Sin embargo, cuando tal tratamiento podría cambiar la expresión de miles de genes, identificar dentro de estos conjuntos de datos masivos las neuronas específicas que ayudan en la recuperación de los ratones es un problema desafiante. Para abordar esto, El equipo de Courtine desarrolló un método de aprendizaje automático. Apodado Augur, es capaz de aprender a identificar los tipos de células que mejor explican las diferencias entre dos condiciones al considerar automáticamente los niveles de expresión de miles de genes.

Augur proporciona una puntuación de prioridad, predecir qué células muestran las mayores diferencias entre los ratones paralizados y los que han recuperado la movilidad. Cuando Augur prioriza un cierto tipo de neurona, significa que esa neurona es fundamental para la recuperación de la marcha inducida por estimulación electroquímica. En cambio, Las neuronas que no son priorizadas por Augur se comportan de manera similar en ratones móviles y no móviles y, por lo tanto, probablemente no juegan un papel importante en la respuesta al tratamiento.

Es un método estadístico robusto que se puede aplicar a cualquier perturbación. Cuanto más exactamente Augur pueda asignar un tipo particular de neurona a los dos grupos de ratones, cuanto más relevantes sean esas células nerviosas particulares. Por lo tanto, es más probable que participen en la recuperación de la marcha ".

Michael Skinnider y Jordan Squair, los dos primeros autores del artículo

Usando este método, los investigadores pudieron identificar un tipo de neurona que juega un papel importante en la recuperación de la marcha en ratones. Ahora pueden observar los mecanismos en funcionamiento con mayor detalle, y también apuntarlos con tratamiento farmacológico para aumentar la efectividad general.

Este método será de interés para muchos estudios biomédicos, según Courtine:"Ya sea que trabaje con el cáncer, Enfermedad de Crohn, COVID-19, o esclerosis múltiple, la pregunta central sigue siendo la misma, ¿Qué tipo de celda está en el origen del problema? Nuestro método acelera el proceso de investigación, y por esta razón hemos hecho que Augur esté disponible gratuitamente ".

• Enfermedad de las encías y riesgo de cáncer de esófago y estómago
• Un estudio revela los efectos antivirales de la curcumina