AI naudojimas norint nustatyti neuronus, susijusius su eisenos atkūrimu

EPFL tyrėjai gali vėl priversti vaikščioti paralyžiuotus graužikus, stimuliuodami gyvūnų pažeistas stuburo smegenis. Šis perspektyvus gydymas jau padėjo paraplegikams atgauti judrumą klinikinių tyrimų metu Lozanos universitetinėje ligoninėje (CHUV). Dabar, naudojant dirbtinį intelektą, tyrėjai gali tiksliai nustatyti, kurie neuronai dalyvauja eisenos atkūrimo procese. Rezultatai, kurie buvo paskelbti m Gamtos biotechnologijos , galėtų paskatinti kurti naujus metodus, kad gydymas būtų dar efektyvesnis, taip pat atveria kelią pažangai kitose biomedicinos tyrimų srityse.

Graužikų nugaros smegenyse, kaip ir žmonių, yra apie 50 skirtingų nervų ląstelių tipų, arba neuronai. Ne visos šios ląstelės, vis dėlto, taip pat reaguoti į EPFL sukurtą eisenos atkūrimo gydymą, kuri yra pagrįsta pratimų deriniu ir elektrine bei chemine nugaros smegenų stimuliacija. Tiksliai nustatant susijusių neuronų tipus, vis dėlto, tyrėjai gali geriau suprasti, kas atsitinka ląstelių lygyje, kai šie dirgikliai lemia greitą eisenos atsigavimą. Tada jie gali specialiai nukreipti tuos neuronus, kurie yra aktyvuojami stimuliacijos būdu, taip padidindamas gydymo efektyvumą.

Šių pastangų dalis, Grégoire Courtine laboratorija sukūrė mašininio mokymosi metodą, kuris gali būti pritaikytas bet kokios rūšies vienaląsčių technologijų srityje, ir nustatyti, kurios ląstelės yra svarbiausios atliekant užduotį. Šio metodo taikymas vienos ląstelės biologijoje yra ypač įdomus, nes tokie metodai, kaip vienos ląstelės RNR sekos nustatymas, leidžia tiksliai išmatuoti visus ląstelės genus, kuriuos ląstelė gali išreikšti, leidžia tyrėjams tiksliai nustatyti pagrindinius ląstelių mechanizmus.

Mokslininkai palygino savo rezultatus naudodamiesi dviem pelių grupėmis:tomis, kurios iš naujo išmoko vaikščioti po nugaros smegenų pažeidimo, ir tomis, kurios liko paralyžiuotos apatinėse galūnėse dėl gydymo trūkumo. Tačiau, kai toks gydymas gali pakeisti tūkstančių genų išraišką, Šiuose didžiuliuose duomenų rinkiniuose nustatyti konkrečius neuronus, kurie padeda pelėms atsigauti, yra sudėtinga problema. Norėdami tai išspręsti, Courtine komanda sukūrė mašininio mokymosi metodą. Pavadintas Auguru, jis gali išmokti tiksliai nustatyti ląstelių tipus, kurie geriausiai atspindi skirtumus tarp dviejų sąlygų, automatiškai įvertinant tūkstančių genų ekspresijos lygius.

Auguras suteikia pirmenybės balą, numatant, kuriose ląstelėse yra didžiausi skirtumai tarp paralyžiuotų pelių ir tų, kurios atgavo judrumą. Kai Auguras teikia pirmenybę tam tikro tipo neuronams, tai reiškia, kad neuronas yra labai svarbus eisenos atstatymui, kurį sukelia elektrocheminė stimuliacija. Ir atvirkščiai, neuronai, kuriems Auguras neteikia pirmenybės, elgiasi panašiai ir judančiose, ir nejudančiose pelėse, todėl tikriausiai nevaidina pagrindinio atsako į gydymą.

Tai patikimas statistinis metodas, kuris gali būti taikomas bet kokiam sutrikimui. Tiksliau Auguras gali priskirti tam tikrą neuronų tipą dviem pelių grupėms, tuo aktualesnės tos konkrečios nervų ląstelės. Todėl jie dažniau dalyvauja eisenos atstatyme “.

Michaelas Skinnideris ir Jordano skveras, du pirmieji straipsnio autoriai

Naudojant šį metodą, tyrėjai sugebėjo nustatyti neuronų tipą, kuris vaidina svarbų vaidmenį einant pelėms. Dabar jie gali išsamiau stebėti veikiančius mechanizmus, taip pat nukreipti juos į farmakologinį gydymą, kad padidėtų bendras veiksmingumas.

Šis metodas bus įdomus daugeliui biomedicinos tyrimų, Pasak Courtine:„Nesvarbu, ar dirbate su vėžiu, Krono liga, COVID, arba išsėtinė sklerozė, pagrindinis klausimas lieka tas pats, Kokio tipo ląstelės yra problemos šaltinis? Mūsų metodas pagreitina tyrimo procesą, ir dėl šios priežasties mes padarėme Augurą laisvai prieinamą “.

• Dantenų ligos ir stemplės bei skrandžio vėžio rizika
• Tyrimas atskleidžia antivirusinį kurkumino poveikį