Uporaba AI za določanje nevronov, ki sodelujejo pri ponovni pridobitvi hoje

Raziskovalci na EPFL lahko paralizirane glodalce ponovno sprehodijo s stimulacijo poškodovane hrbtenjače živali. To obetavno zdravljenje je paraplegikom že pomagalo pri ponovni mobilnosti med kliničnimi preskušanji v univerzitetni bolnišnici Lausanne (CHUV). Zdaj, z uporabo umetne inteligence, raziskovalci lahko natančno določijo, kateri nevroni so vključeni v proces ponovne pridobitve hoje. Rezultati, ki so bile objavljene v Biotehnologija narave , bi lahko privedlo do razvoja novih pristopov, naredi zdravljenje še učinkovitejše, pa tudi utiranje poti napredku na drugih področjih biomedicinskih raziskav.

Hrbtenjače glodavcev - tako kot človeške - vsebujejo približno 50 različnih vrst živčnih celic, ali nevronov. Ne vse te celice, vendar se na enak način odzovejo na zdravljenje obnove hoje, razvito na EPFL, ki temelji na kombinaciji vaj ter električne in kemične stimulacije hrbtenjače. Z natančno identifikacijo vrst vključenih nevronov, vendar raziskovalci lahko bolje razumejo, kaj se zgodi na celični ravni, ko ti dražljaji povzročijo takojšnjo okrevanje hoje. Nato lahko posebej ciljajo na tiste nevrone, ki se aktivirajo s stimulacijo, s čimer se poveča učinkovitost zdravljenja.

V okviru teh prizadevanj so Laboratorij Grégoire Courtine je razvil metodo strojnega učenja, ki jo je mogoče uporabiti za vse vrste enoceličnih tehnologij, in ugotoviti, katere celice so najpomembnejše za nalogo. Uporaba te metode v enocelični biologiji je še posebej vznemirljiva, saj tehnike, kot je enocelično zaporedje RNA, zagotavljajo natančne meritve celic po celicah vseh genov, ki bi jih celica lahko izrazila, omogoča raziskovalcem, da natančno določijo ključne celične mehanizme.

Znanstveniki so svoje rezultate primerjali z dvema skupinama miši:tistimi, ki so se po poškodbi hrbtenjače znova naučile hoditi, in tistimi, ki so zaradi pomanjkanja zdravljenja ostale ohromljene v spodnjih okončinah. Vendar pa ko bi takšno zdravljenje lahko spremenilo izražanje tisoče genov, Odkrivanje znotraj teh množic podatkov posebnih nevronov, ki pomagajo pri okrevanju miši, je izziv. Da bi se tega lotili, Courtine ekipa je razvila metodo strojnega učenja. Poimenovano Augur, sposoben se je naučiti natančno določiti vrste celic, ki najbolje upoštevajo razlike med dvema pogojema, tako da samodejno upošteva stopnje izražanja tisoč genov.

Augur zagotavlja prednostno oceno, napovedovanje, katere celice kažejo največje razlike med paraliziranimi mišmi in tistimi, ki so ponovno pridobile mobilnost. Ko ima Augur prednost za določeno vrsto nevronov, to pomeni, da je ta nevron ključnega pomena za okrevanje hoje, ki ga povzroči elektrokemična stimulacija. Nasprotno pa nevroni, ki jim Augur ne daje prednost, se pri mobilnih in nepremičnih miših obnašajo na podoben način in zato verjetno nimajo velike vloge pri odzivu na zdravljenje.

To je robustna statistična metoda, ki jo je mogoče uporabiti pri vseh motnjah. Natančneje lahko Augur dvema vrstama miši dodeli določeno vrsto nevrona, bolj pomembne so te posebne živčne celice. Zato je verjetneje, da bodo vključeni v okrevanje hoje. "

Michael Skinnider in Jordan Squair, dva prva avtorja prispevka

S to metodo, raziskovalci so lahko identificirali vrsto nevrona, ki igra pomembno vlogo pri okrevanju hoje pri miših. Zdaj lahko podrobneje opazujejo delujoče mehanizme, in jih usmeriti tudi s farmakološkim zdravljenjem za povečanje splošne učinkovitosti.

Ta metoda bo zanimiva za številne biomedicinske študije, po Courtine:"Ali delate na raku, Crohnova bolezen, COVID, ali multipla skleroza, osrednje vprašanje ostaja enako, katera celica je izvor problema? Naša metoda pospeši preiskovalni postopek, in zato smo omogočili avguru prosto dostopnost. "

• Bolezni dlesni ter tveganje za raka požiralnika in želodca
• Študija razkriva protivirusne učinke kurkumina