Scientists used AI to map uncharted areas of the mouse brain
Использование моделей искусственного интеллекта, подобных ChatGPT, привело к созданию новой карты мозга мыши, которая охватывает ранее неизведанные области этого органа с беспрецедентной точностью. Этот прорыв открывает новые горизонты для нейронауки и позволяет глубже понять функционирование нервной системы, а также разрабатывать более эффективные методы лечения неврологических заболеваний.
Обнародованная во вторник (7 октября) в журнале Nature Communications карта охватывает 1300 регионов мозга, что является первым случаем автоматической детализации без ручного вмешательства специалистов. В исследовании приняли участие ученые из Калифорнийского университета в Сан-Франциско (UCSF) и Института Аллена по клеточной науке (Allen Institute for Cell Science). Они поставили перед собой задачу — автоматизировать процесс создания микроскопических карт, что ранее было крайне трудоемким и подверженным человеческим ошибкам.
Инновационный подход основан на применении современных методов геномики и технологии пространственной транскриптомики, которые позволяют получать подробные данные о клетках нервной ткани. Они показывают, как генная активность влияет на функции нейронов и как клетки расположены внутри тканей. До этого подобные исследования помогли создать базовые карты мышиного мозга, однако полное автоматизированное описание его структур оставалось недосягаемым.
Ранее для построения карт использовали ручную разметку, что занимало тысячи часов работы экспертов, а полученные изображения зачастую были «размыты» и трудно интерпретировались. Для каждой области приходилось вручную выделять границы, связывая их с конкретными функциями мозга. Этот процесс был не только затруднен, но и подвержен субъективизму. Новая технология существенно уменьшает временные затраты и повышает точность.
Данные, использованные в новом исследовании, включали информацию о активности 500–1000 генов в каждой клетке. Анализ такой сложности требует мощных вычислительных ресурсов и продвинутых алгоритмов. В этом контексте применение искусственного интеллекта стало настоящим прорывом — он смог обрабатывать огромные объемы информации и выявлять связи, которые ранее оставались незаметными.
Ключевым компонентом проекта стал разработанный командой CellTransformer AI-модель, которая базируется на принципах масштабных языковых моделей, таких как ChatGPT. Однако вместо анализа текста она анализирует расположение и взаимодействия клеток по их генной активности. «Мы создали мост между spatial transcriptomics и картографическими моделями мозга», — рассказывает один из ведущих авторов исследования, профессор Реза Аббаси-Асл из UCSF.
CellTransformer способен преобразовывать исходные данные, уточняя границы и структуру областей мозга, даже в тех участках, где ранее было трудно определить точные границы или функции. В результате получается более четкая карта, на которой видны не только известные зоны, такие как гиппокампус — важнейший центр памяти, — но и ранее непроявленные, более мелкие подразделы, которые ученые назвали «файн-грейд» регионами.
Объем созданного нейроанатомического датасета превышает 9 миллионов клеток, что позволяет ученым получать подробные карты так же точно, как и при ручной разметке, но намного быстрее. В процессе тестирования команда сравнила результаты с Общей координатной системой (Common Coordinate Framework, CCF) — высокоточным картированием, созданным вручную. Коэффициент совпадения достиг 95%, что подтвердило высокую точность автоматизированной методики.
Излюбленные для исследований области, такие как гиппокампус, успешно были воспроизведены. Но новшество заключается в том, что были открыты новые, ранее не описанные структуры, например, части среднего мозга, такие как ретикулярное ядро, управляющее сенсорной интеграцией, сном и бодрствованием. Это открытие дает возможность лучше понять нейрофизиологические процессы и разрабатывать новые терапевтические подходы.
Хотя текущая карта охватывает мышь — модель, используемую для изучения человека, — ученые не собираются останавливаться. Они планируют применить CellTransformer и к человеческим данным. Однако, человеческий мозг содержит около 170 миллиардов клеток, из которых 86 миллиардов — нейроны, что в десятки раз больше, чем у мыши. Размер и сложность структуры создают дополнительные сложности в сборе достаточного количества spatial transcriptomics данных.
«Если нам удастся получить подобные данные и для человеческого мозга, мы сможем создать его детальную 3D-карту, которая станет отправной точкой для новых методов диагностики и лечения неврологических заболеваний», — отмечает профессор Реза Аббаси-Асл.
Эксперты уверены, что разработка универсальных алгоритмов, способных работать с большими объемами сложных данных, откроет путь к картированию не только мозга, но и других органов — сердца, печени, легких — и поможет в изучении их структурных особенностей при заболеваниях или в норме.
Создание точных моделей структур мозга — важнейший шаг в нейронауке. Это позволит лучше понять механизмы памяти, обучения, развития неврологических болезней, таких как болезнь Альцгеймера или рассеянный склероз. Более того, автоматизированный подход уменьшит человеческий фактор и расширит возможности для масштабных проектов по моделированию тканей и органов.
Параллельно с этим, подобные технологии могут стать основой для развития персонализированной медицины и современных методов нейрохирургии, позволяя точно планировать операции и разрабатывать новые препараты, ориентированные на конкретные структуры мозга.
Проект применения искусственного интеллекта для картографирования мозга мыши — это не только яркий пример достижения новых уровней автоматизации в науке, но и важнейший шаг в понимании сложных структур человеческого организма. Он демонстрирует потенциал современных технологий и подчеркивает роль междисциплинарных исследований, объединяющих нейронауку, геномику и искусственный интеллект. В будущем эти открытия смогут кардинально изменить подходы к диагностике, лечению и профилактике неврологических заболеваний, а также расширить границы наших знаний о тонкой организации живых систем.
