识别细胞以更好地了解健康和患病行为

在研究对诸如阿尔茨海默氏症或帕金森病的退行性条件的原因和潜在治疗中，神经科学家经常努力准确地识别理解脑活动所需的细胞，以了解产生行为的变化，如衰退或减弱的平衡和震动。

佐治亚理工学院的多学科团队神经科学研究人员，从现有的工具（如图形模型）借用，已经发现了一种更好的方法来识别细胞并理解疾病的机制，可能导致更好的理解，诊断和治疗。

他们的研究调查结果于24日在杂志中报告el。该研究得到了国家卫生研究院和国家科学基金会的支持。

神经科学领域研究神经系统如何运作，以及基因和环境如何影响行为。通过使用新技术来了解生物系统的自然和功能失调状态，神经科学家希望最终会给疾病带来治愈。在这可能发生之前，神经科学家首先必须了解大脑中的哪些细胞正在驾驶行为，但映射脑活动细胞通过细胞不如出现而简单。

没有两个脑细胞是相似的

传统上，科学家建立了一个坐标系通过将图像与地图集进行了映射每个细胞位置，但文学中的概念“所有大脑看起来相同绝对不是真的，”化学和生物分子工程的爱情家庭教授杭璐说在格鲁吉亚科技的化学和生物分子工程学院。

采取坐标方法呈现出两个主要挑战：第一，没有看起来截然不同的纯粹的细胞数量;其次，细胞因个人而异。

“这是一个目前巨大的瓶颈 - 你可以记录你想要的所有活动，但如果你不明白哪个细胞正在做什么，难以在大脑或条件之间进行比较并得出有意义的结论，”卢说。

根据研究生研究员Shivesh Chaudhary，还有噪音的数据，使得在大脑的两个不同区域之间建立通信。“有些变形可能存在于数据中，或者形状的一些部分可能丢失，”他说。

专注于细胞关系，不仅仅是地理位置

为了克服这些挑战，格鲁吉亚科技研究人员从两条学科 - 图形模型中借来机器学习和公制几何方法以数学形状匹配 - 内部建立计算方法，以识别其模型生物，线虫C.elegans中的细胞。

该团队使用来自其他领域的框架，如自然语言处理构建自己的建模软件。在自然语言处理中，计算机可以通过在语句中捕获单词之间的依赖性来确定句子的意思。

研究人员拥抱了类似的模型，而是捕获依赖性，“我们在神经元中捕获它们来识别细胞，”Chaudhary表示，与检查每个单元的地理位置相比，这种方法限制了误差传播。

“在细胞中的关系实际上在定义细胞的身份方面更有用，”卢说。“如果您定义一个，您将对其他单元格的身份产生影响。”

该方法说，研究团队比目前的识别方法更准确。卢说，算法在不完美的数据面前表现出明显更好地表现出更好的表现更好，并通过噪音或误差变得越来越嘎嘎声“。

该算法对许多发育疾病具有巨大影响，因为一旦科学家可以理解疾病的机制，他们就可以找到干预措施。

“你可以用它来做药物和基因屏幕来评估遗传风险。您可以接受某人的遗传背景，并检查背景如何使细胞与标准参考遗传背景不同，”卢说。

“关于这种方法的一个很酷的事情是它是数据驱动的，因此，它捕获了个体蠕虫之间的变化。该方法具有很大的潜力，适用于在正常和疾病下的开发和功能的广泛研究哈佛大学脑科学中心的有机张教授云张教授，云章说。

更快的数据分析

该算法大大加速了分析全脑数据的速度。研究人员解释说，在此之前，他们的实验室可能需要20分钟才能录制一组数据，但它需要几周才能识别细胞并分析数据。随着算法，分析“过夜最多在桌面上，”Chaudhary说。

该技术还支持众群，协作在线平台，将算法打开到更大的社区，这可以测试算法和构建地点。

“每个研究同样问题的研究人员都可以进行录音，并有助于进一步建立这些地图集，这将在所有背景下广泛使用，”卢说。

研究人员将该项目的成功归功于能够在物理，生物学，数学和化学跨境绘制多个学科。化学工程本科学位的Chaudhary利用计算机科学和数学的发展来解决这种特殊的神经科学问题。

“在我们的实验室中，我们有一个在建造显微镜上工作的物理学家，我们有生物学家，我们有像我一样的人，倾向于计算机科学。我们还与纯粹的数学家合作，”他解释说。“神经科学领域拥有一切。你可以去你想要的任何方向。”

---

---