A rágcsálók gerincvelői - akárcsak az emberek - mintegy 50 különböző típusú idegsejtet tartalmaznak, vagy neuronok. Nem mindegyik sejt, azonban, ugyanúgy reagáljon az EPFL -ben kifejlesztett járás helyreállítási kezelésre, amely gyakorlatok, valamint a gerincvelő elektromos és kémiai stimulációjának kombinációján alapul. Az érintett neuronok típusainak pontos azonosításával, azonban, a kutatók jobban megértik, hogy mi történik sejtszinten, ha ezek az ingerek azonnali járásfelépülést eredményeznek. Ezután kifejezetten azokat a neuronokat célozhatják meg, amelyeket stimuláció aktivál, ezáltal növelve a kezelés hatékonyságát.
Ezen erőfeszítések részeként Grégoire Courtine laboratóriuma kifejlesztett egy gépi tanulási módszert, amely bármilyen egysejtes technológiára alkalmazható, és azonosítani, hogy mely sejtek a legfontosabbak az adott feladathoz. Ennek a módszernek az alkalmazása az egysejtes biológiában különösen izgalmas, mivel az olyan technikák, mint az egysejtes RNS-szekvenálás, pontos sejtenkénti méréseket biztosítanak az összes génről, amelyet egy sejt képes kifejezni, lehetővé téve a kutatók számára a kulcsfontosságú sejtmechanizmusok meghatározását.
A tudósok két egércsoport segítségével hasonlították össze eredményeiket:olyanokat, amelyek megtanulták, hogyan kell járni a gerincvelő sérülése után, és azokat, amelyek a kezelés hiánya miatt megbénultak az alsó végtagjaikban. Azonban, amikor egy ilyen kezelés megváltoztathatja több ezer gén kifejeződését, Az egerek gyógyulását elősegítő specifikus neuronok azonosítása ezekben a hatalmas adathalmazokban kihívást jelent. Ennek kezelésére, Courtine csapata kifejlesztett egy gépi tanulási módszert. Augurnak hívják, képes megtanulni meghatározni azokat a sejttípusokat, amelyek a legjobban figyelembe veszik a két feltétel közötti különbségeket, automatikusan figyelembe véve több ezer gén expressziós szintjét.
Augur elsőbbségi pontszámot ad, megjósolni, hogy mely sejtek mutatják a legnagyobb különbségeket a bénult egerek és a mobilitást visszanyerő egerek között. Amikor Augur egy bizonyos típusú neuront részesít előnyben, ez azt jelenti, hogy a neuron kritikus fontosságú az elektrokémiai stimuláció által kiváltott járás helyreállításához. Fordítva, azok a neuronok, amelyeket Augur nem priorizál, hasonló módon viselkednek mobil és nem mobil egerekben, és ezért valószínűleg nem játszanak nagy szerepet a kezelésre adott válaszban.
Ez egy megbízható statisztikai módszer, amely bármilyen zavarra alkalmazható. Minél pontosabban Augur hozzá tud rendelni egy bizonyos típusú neuront az egerek két csoportjához, annál relevánsabbak az adott idegsejtek. Ezért nagyobb valószínűséggel vesznek részt a járás helyreállításában. "
Michael Skinnider és Jordan Squair, A lap két első szerzője
Ezzel a módszerrel, a kutatók képesek voltak azonosítani egy olyan idegsejt -típust, amely fontos szerepet játszik az egerek járásának helyreállításában. Most már részletesebben megfigyelhetik a működő mechanizmusokat, és farmakológiai kezeléssel is megcélozza őket az általános hatékonyság növelése érdekében.
Ez a módszer számos biomedikai tanulmány számára érdekes lehet, Courtine szerint:"Akár a rák ellen dolgozik, Crohn-betegség, COVID, vagy szklerózis multiplex, a központi kérdés ugyanaz marad, milyen típusú sejtek vannak a probléma forrásában? Módszerünk felgyorsítja a nyomozati folyamatot, és ezért szabadon elérhetővé tettük Augurt. "