I modelli di apprendimento automatico possono prevedere la posizione di un neurone sulla base delle esplosioni di attività registrate, suggerisce un nuovo studio Edizione anticipata I ricercatori affermano che i risultati potrebbero fornire nuove informazioni su come il cervello integra i segnali provenienti da diverse regioni.

L’algoritmo, che è stato addestrato sulle registrazioni degli elettrodi dei neuroni nei topi, sembra apprendere la posizione di una cellula attraverso l’intervallo tra gli impulsi, la sequenza di ritardi tra i lampi di attività. Dopo aver decifrato il modello degli impulsi nervosi in un topo, lo strumento ha previsto la posizione dei neuroni sulla base delle registrazioni di un altro roditore.

Questa conservazione tra gli animali suggerisce che le informazioni servono ad alcune utili funzioni cerebrali, o almeno non sono d’intralcio, dice il ricercatore capo Keith HengenProfessore assistente di biologia presso l’Università del Wisconsin-Madison.

Sebbene siano necessarie ulteriori ricerche, le informazioni anatomiche incorporate nelle separazioni tra i segnali neurali potrebbero teoricamente fornire informazioni contestuali per i calcoli neurali. Ad esempio, il cervello può elaborare i segnali provenienti dai neuroni del talamo in modo diverso rispetto a quelli dell’ippocampo, afferma il ricercatore dello studio. Aidan Schneideruno studente laureato nel laboratorio di Hengen.

Schneider e i suoi colleghi hanno addestrato il modello utilizzando decine di migliaia di registrazioni di neuropixel di 58 topi svegli, pubblicate dall’Allen Institute. Quando il team di Schneider ha presentato all’algoritmo nuovi dati, è stato in grado di decifrare se un particolare neurone si trovava nell’ippocampo, nel mesencefalo, nel talamo o nella corteccia visiva nell’89% dei casi, una volta che il team ha rimosso il rumore dai dati. (Le ipotesi casuali saranno corrette il 25% delle volte.) Ma lo strumento è stato meno in grado di identificare sottostrutture specifiche all’interno di quelle regioni.

È un ottimo esempio del tipo di informazioni che i laboratori che studiano i big data possono produrre, dice Drew Headleyassistente professore di neuroscienze molecolari e comportamentali alla Rutgers University, che non è stato coinvolto nello studio. Ma i risultati potrebbero semplicemente riflettere i rapporti pubblicati Variazioni nell’attività dell’agopuntura Sconfitta Diverse regioni del cervellodice.

per

Manipolando il modello degli impulsi, il gruppo è stato in grado di determinare quale caratteristica trasmetteva la posizione del neurone. Mescolare e modificare gli intervalli di tempo tra gli impulsi ha indebolito le previsioni del modello, suggerendo che le sequenze di durate degli impulsi trasportano informazioni anatomiche. I risultati sono stati pubblicati su bioRxiv a luglio.

Hengen e i suoi colleghi affermano che questo strumento potrebbe essere utilizzato per garantire che gli elettrodi registrino dalla posizione corretta durante gli esperimenti.

Ciò potrebbe essere utile quando si lavora con i roditori, ma le strutture cerebrali registrate nei topi – inclusi il talamo e l’ippocampo – non sono disponibili per registrare i neuroni negli esseri umani, dice. Angelique Polk“Le aree più accessibili, come la corteccia prefrontale, si sono evolute più recentemente e potrebbero non comportarsi allo stesso modo delle aree nella parte posteriore del cervello”, afferma Polk, professore di neuroscienze alla Harvard Medical School, che non è stato coinvolti nello studio. “Quanto è generalizzabile, se ti concentri su queste aree, significa che ci sono altre aree che sono più facilmente accessibili.” [back] “Strutture?”

Lo strumento potrebbe non essere sufficientemente accurato da fornire le informazioni dettagliate di cui i neuroscienziati hanno bisogno. È relativamente facile posizionare gli elettrodi nell’area destra del cervello, ma c’è meno certezza per quanto riguarda gli strati corticali, dice. Tim Harris“I dati non consentono di tracciare linee così sottili”, afferma il dottor John Jordan, membro senior e direttore del gruppo di fisica applicata e strumentazione presso il Janelia Research Campus dell’Howard Hughes Medical Institute, che non è stato coinvolto nel lavoro .

Ma Hengen e i suoi colleghi non sono d’accordo. A differenza della corteccia visiva, dove l’algoritmo non ha funzionato molto meglio del caso, all’interno dell’ippocampo è stato in grado di determinare la posizione del neurone con una precisione fino al 51%. “Non prevediamo le coordinate, ma possiamo estrarre queste sottostrutture”, afferma Schneider.

Poiché i modelli vengono alimentati con quantità crescenti di dati, dovrebbero essere in grado di identificare strutture specifiche con maggiore precisione, afferma il ricercatore dello studio Jimichu Tolosauno studente laureato nel laboratorio di Hengen.

L’utilizzo o meno del modello in laboratorio dipende dal lavoro con… Intelligenza artificiale spiegabileHeadley afferma che gli strumenti che districano le previsioni fatte dagli algoritmi potrebbero aiutare gli scienziati a comprendere meglio come il cervello codifica e utilizza le informazioni anatomiche. “Questo potrebbe essere un importante contributo alle neuroscienze.”