Använda AI för att identifiera neuroner som är involverade i gångåterköp

Forskare vid EPFL kan få förlamade gnagare att gå igen genom att stimulera djurens skadade ryggmärg. Denna lovande behandling har redan hjälpt paraplegiker att återfå rörligheten under kliniska prövningar på Lausanne University Hospital (CHUV). Nu, använder artificiell intelligens, forskarna kan ta reda på vilka neuroner som är involverade i gångåtervinningsprocessen. Resultaten, som har publicerats i Naturbioteknik , kan leda till utveckling av nya tillvägagångssätt, göra behandlingar ännu mer effektiva, liksom att bana väg för framsteg inom andra områden inom biomedicinsk forskning.

Gnagare ryggmärg - liksom människors - innehåller cirka 50 olika typer av nervceller, eller neuroner. Inte alla dessa celler, dock, svara på samma sätt på gångåterställningsbehandlingen som utvecklats vid EPFL, som bygger på en kombination av övningar och elektrisk och kemisk ryggmärgsstimulering. Genom att exakt identifiera vilka typer av neuroner som är inblandade, dock, forskare kan bättre förstå vad som händer på cellnivå när dessa stimuli resulterar i omedelbar gångåterhämtning. De kan då specifikt rikta in sig på de neuroner som aktiveras genom stimulering, vilket ökar behandlingens effektivitet.

Som en del av dessa ansträngningar, Grégoire Courtines laboratorium har utvecklat en metod för maskininlärning som kan tillämpas på alla typer av encelliga tekniker, och identifiera vilka celler som är viktigast för den aktuella uppgiften. Tillämpningen av denna metod för enkelcellsbiologi är särskilt spännande eftersom tekniker som enkelcells-RNA-sekvensering ger exakta cell-för-cell-mätningar av alla gener som en cell kan uttrycka, tillåter forskare att hitta de viktigaste cellulära mekanismerna.

Forskarna jämförde sina resultat med två grupper av möss:de som hade lärt sig hur man skulle gå efter en ryggmärgsskada och de som förblev förlamade i underbenen på grund av bristande behandling. Dock, när en sådan behandling kan förändra uttrycket för tusentals gener, att identifiera inom dessa massiva datamängder de specifika neuroner som hjälper till med mössens återhämtning är ett utmanande problem. För att ta itu med detta, Courtines team utvecklade en metod för maskininlärning. Dubbed Augur, den kan lära sig att identifiera de celltyper som bäst svarar för skillnader mellan två villkor genom att automatiskt överväga uttrycksnivåerna för tusentals gener.

Augur ger en prioritetspoäng, förutsäga vilka celler som visar de största skillnaderna mellan förlamade möss och de som har återfått rörligheten. När Augur prioriterar en viss typ av neuron, det betyder att neuron är avgörande för gångåterhämtning inducerad av elektrokemisk stimulering. Omvänt, neuroner som inte prioriteras av Augur beter sig på liknande sätt i mobila och icke-mobila möss och därför förmodligen inte spelar någon större roll i svaret på behandlingen.

Det är en robust statistisk metod som kan tillämpas på alla störningar. Ju mer exakt Augur kan tilldela en viss typ av neuron till de två grupperna av möss, desto mer relevanta är de specifika nervcellerna. De är därför mer benägna att delta i gångåterhämtning. "

Michael Skinnider och Jordan Squair, tidningens två första författare

Med denna metod, forskarna kunde identifiera en typ av neuron som spelar en viktig roll för gångåterhämtning hos möss. De kan nu observera mekanismerna i arbete mer detaljerat, och rikta dem också med farmakologisk behandling för att öka den totala effektiviteten.

Denna metod kommer att vara av intresse för många biomedicinska studier, enligt Courtine:"Oavsett om du arbetar med cancer, Crohns sjukdom, COVID, eller multipel skleros, den centrala frågan förblir densamma, vilken typ av cell är källan till problemet? Vår metod påskyndar utredningen, och av denna anledning har vi gjort Augur fritt tillgängligt. "

• Tandköttssjukdom och esofageal och magcancerrisk
• Studie avslöjar antivirala effekter av curcumin