Τεχνολογία

Τεχνολογία: Οι ερευνητές δημιουργούν τα πιο ρεαλιστικά μοντέλα υπολογιστών εγκεφαλικών κυττάρων

Τεχνολογία: Οι ερευνητές δημιουργούν τα πιο ρεαλιστικά μοντέλα υπολογιστών εγκεφαλικών κυττάρων
Τεχνολογία: Τα μοντέλα είναι τα πρώτα που συνδυάζουν σύνολα δεδομένων από διαφορετικούς τύπους εργαστηριακών πειραμάτων για να παρουσιάσουν μια πλήρη εικόνα της ηλεκτρικής, γενετικής και βιολογικής δραστηριότητας μεμονωμένων νευρώνων.

Οι ερευνητές του Cedars-Sinai έχουν δημιουργήσει τα πιο βιορεαλιστικά και πολύπλοκα υπολογιστικά μοντέλα μεμονωμένων εγκεφαλικών κυττάρων, σε απαράμιλλη ποσότητα. Η έρευνά τους, που δημοσιεύτηκε σήμερα στο επιστημονικό περιοδικό Cell Reports, περιγράφει λεπτομερώς πώς αυτά τα μοντέλα θα μπορούσαν μια μέρα να απαντήσουν σε ερωτήσεις σχετικά με νευρολογικές διαταραχές, ακόμα και την ανθρώπινη διάνοια, που δεν είναι δυνατό να εξερευνηθούν μέσω βιολογικών πειραμάτων.

Υπολογιστικά μοντέλα εγκεφαλικών κυττάρων

“Αυτά τα μοντέλα καταγράφουν το σχήμα, το χρόνο και την ταχύτητα των ηλεκτρικών σημάτων που εκπέμπουν οι νευρώνες για να επικοινωνήσουν μεταξύ τους, κάτι που θεωρείται η βάση της εγκεφαλικής λειτουργίας”, δήλωσε ο Κώστας Αναστασίου, Ph.D., ερευνητής στο Τμήμα Νευροχειρουργικής στο Cedars-Sinai, και ανώτερος συγγραφέας της μελέτης. “Αυτό μας επιτρέπει να αναπαράγουμε την εγκεφαλική δραστηριότητα σε επίπεδο μονοκυττάρου”. Τα μοντέλα είναι τα πρώτα που συνδυάζουν σύνολα δεδομένων από διαφορετικούς τύπους εργαστηριακών πειραμάτων για να παρουσιάσουν μια πλήρη εικόνα της ηλεκτρικής, γενετικής και βιολογικής δραστηριότητας μεμονωμένων νευρώνων. Τα μοντέλα μπορούν να χρησιμοποιηθούν για τη δοκιμή θεωριών που θα απαιτούσαν δεκάδες πειράματα για να εξεταστούν στο εργαστήριο, είπε ο Αναστασίου.

“Φανταστείτε ότι θέλετε να διερευνήσετε πώς 50 διαφορετικά γονίδια επηρεάζουν τις βιολογικές διαδικασίες ενός κυττάρου”, είπε ο Αναστασίου. “Θα χρειαστεί να δημιουργήσετε ένα ξεχωριστό πείραμα για να “αποκλείσετε” κάθε γονίδιο και να δείτε τι συμβαίνει. Με τα υπολογιστικά μας μοντέλα, θα είμαστε σε θέση να αλλάξουμε τις συνταγές αυτών των δεικτών γονιδίων για όσα γονίδια θέλουμε και να προβλέψουμε τι θα συμβεί”. Ένα άλλο πλεονέκτημα των μοντέλων είναι ότι επιτρέπουν στους ερευνητές να ελέγχουν πλήρως τις πειραματικές συνθήκες. Αυτό ανοίγει τη δυνατότητα να διαπιστωθεί ότι μια παράμετρος, όπως μια πρωτεΐνη που εκφράζεται από έναν νευρώνα, προκαλεί μια αλλαγή στο κύτταρο ή μια κατάσταση ασθένειας, όπως οι επιληπτικές κρίσεις, είπε ο Αναστασίου.

Στο εργαστήριο, οι ερευνητές μπορούν συχνά να δείξουν μια συσχέτιση, αλλά είναι δύσκολο να αποδειχθεί η αιτία. “Στα εργαστηριακά πειράματα, ο ερευνητής δεν ελέγχει τα πάντα”, είπε ο Αναστασίου. “Η βιολογία ελέγχει πολλά. Αλλά σε μια υπολογιστική προσομοίωση, όλες οι παράμετροι είναι υπό τον έλεγχο του δημιουργού. Σε ένα μοντέλο, μπορώ να αλλάξω μια παράμετρο και να δω πώς επηρεάζει μια άλλη, κάτι που είναι πολύ δύσκολο να γίνει σε ένα βιολογικό πείραμα”.

Για να δημιουργήσουν τα μοντέλα τους, ο Αναστασίου και η ομάδα του από το Anastassiou Lab, μέλη των Τμημάτων Νευρολογίας και Νευροχειρουργικής, του Board of Governors Regenerative Medicine Institute και του Center for Neural Science and Medicine στο Cedars-Sinai, χρησιμοποίησαν δύο διαφορετικά σύνολα δεδομένων για ο πρωτεύων οπτικός φλοιός του ποντικιού, η περιοχή του εγκεφάλου που επεξεργάζεται τις πληροφορίες που προέρχονται από τα μάτια. Το πρώτο σύνολο δεδομένων παρουσίασε πλήρεις γενετικές εικόνες δεκάδων χιλιάδων μεμονωμένων κυττάρων. Το δεύτερο συνέδεσε τις ηλεκτρικές αποκρίσεις και τα φυσικά χαρακτηριστικά 230 κυττάρων από την ίδια περιοχή του εγκεφάλου.

Οι ερευνητές χρησιμοποίησαν μηχανική μάθηση για να ενοποιήσουν αυτά τα δύο σύνολα δεδομένων και να δημιουργήσουν βιορεαλιστικά μοντέλα 9.200 μεμονωμένων νευρώνων και την ηλεκτρική τους δραστηριότητα. “Αυτή η εργασία αντιπροσωπεύει μια σημαντική πρόοδο στους υπολογιστές υψηλής απόδοσης”, δήλωσε ο Keith L. Black, MD, πρόεδρος του Τμήματος Νευροχειρουργικής και της Έδρας Ruth and Lawrence Harvey στη Νευροεπιστήμη στο Cedars-Sinai. “Δίνει επίσης στους ερευνητές τη δυνατότητα να αναζητήσουν σχέσεις εντός και μεταξύ των τύπων κυττάρων και να αποκτήσουν μια βαθύτερη κατανόηση της λειτουργίας των τύπων κυττάρων στον εγκέφαλο”.