Исследователи из Принстона и Кембриджа научили нейросети определять тип нейромедиатора по «внешности» синапса на снимках электронной микроскопии

Исследователи из Принстона и Кембриджа научили нейросети определять тип нейромедиатора по «внешности» синапса на снимках электронной микроскопии. Статья опубликована в журнале Cell.

Чтобы понять, как работает мозг, мало знать, какие нейроны друг с другом связаны (это называется коннектомом). Нужно еще понимать, какой сигнал они передают: возбуждающий или тормозящий. Это зависит от нейромедиатора. Раньше для этого приходилось использовать генетические маркеры или окрашивание, что крайне медленно и плохо масштабируется на весь мозг.

Что сделали ученые

Авторы взяли два крупнейших набора данных по мозгу дрозофилы (Drosophila melanogaster) — FAFB и HemiBrain. Они использовали данные о 356 типах нейронов, чей медиатор уже был точно известен из литературы, чтобы натренировать 3D-сверточную нейросеть (архитектура VGG-style).

Основные результаты

Точность: Нейросеть научилась распознавать 6 основных медиаторов (ацетилхолин, глутамат, ГАМК, серотонин, дофамин и октопамин). Точность для отдельных синапсов составила 87%, а при усреднении по всему нейрону — 94%.

Понятный ИИ: С помощью методов визуализации ученые выяснили, на что именно смотрит алгоритм. Оказалось, что синапсы разных медиаторов различаются тонкими деталями: плотностью и формой везикул (пузырьков с медиатором), а также структурой «пресинаптической ленты» (T-bar у насекомых). Человеческий глаз эти различия у беспозвоночных почти не улавливает.

Закон Лачина: Биологи подтвердили на уровне всего мозга гипотезу о том, что нейроны, происходящие из одной материнской клетки (одной гемилинии), обычно используют один и тот же быстрый нейромедиатор.

Карта для всех: Все предсказания для десятков тысяч нейронов мухи выложены в открытый доступ. Это фактически превращает «черно-белую» схему связей мозга в «цветную» функциональную карту.

Теперь нейробиологам не нужно годами ставить эксперименты, чтобы узнать, чем «общаются» конкретные клетки в зрительном или обонятельном центре мухи. Достаточно прогнать снимки через классификатор. Это на порядок ускоряет создание рабочих моделей мозга.

DOI: 10.1016/j.cell.2024.03.016

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: