Проект Blue Brain Project EPFL нашел способ использовать только математику для автоматического рисования нейронов в 3D, а это означает, что мы приближаемся к возможности создания цифровых двойников мозга.
Сантьяго Рамон-и-Кахаль, испанский врач начала XIX века, многими считается отцом современной неврологии. Он смотрел в микроскоп день и ночь в течение многих лет, очарованный химически окрашенными нейронами, которые он нашел в срезах ткани человеческого мозга . От руки он кропотливо рисовал практически каждый новый тип нейронов, с которым сталкивался, используя только ручку и бумагу. Как Чарльз Дарвин для мозга, он нанес на карту каждую деталь леса нейронов, составляющих мозг, назвав их «бабочками мозга».
Сегодня, 200 лет спустя, Blue Brain нашла способ отказаться от человеческого глаза, ручки и бумаги и использовать только математику для автоматического рисования нейронов в 3D как цифровых двойников. Теперь математику можно использовать для захвата всех «бабочек мозга», что позволяет нам использовать компьютеры для построения любых и всех миллиардов нейронов, составляющих мозг. А это значит, что мы приближаемся к созданию цифровых двойников мозга.
Эти миллиарды нейронов образуют триллионы синапсов, где нейроны общаются друг с другом. Такая сложность требует комплексных моделей нейронов и точно реконструированных подробных сетей мозга, чтобы воспроизвести здоровое и болезненное состояние мозга. Усилия по созданию таких моделей и сетей исторически сдерживались отсутствием доступных экспериментальных данных. Но теперь ученые из проекта EPFL Blue Brain, используя алгебраическую топологию, область математики, создали алгоритм, который требует всего несколько примеров для создания большого количества уникальных ячеек. Используя этот алгоритм — топологический нейрональный синтез (TNS), они могут эффективно синтезировать миллионы уникальных морфологий нейронов.
Алгоритм TNS имеет огромное значение для быстро растущей области вычислительной нейронауки, которая все больше полагается на биологически реалистичные модели от уровня отдельной клетки до крупномасштабных нейронных сетей. Точная морфология нейронов, в частности, лежит в основе этих усилий, поскольку они необходимы для определения типов клеток , выявления их функциональных ролей, исследования структурных изменений, связанных с патологическими состояниями мозга, и определения условий, при которых мозговые сети становятся достаточно прочными, чтобы поддерживать сложные корковые процессы, которые являются основополагающими для здорового мозга. Поэтому важно точно реконструировать подробные сети мозга, чтобы воспроизвести здоровое и болезненное состояния мозга.
В статье, опубликованной в Cell Reports , группа под руководством Лиды Канари применила дескриптор топологической морфологии (TMD), представленный в работе Kanari et al. 2018, который надежно классифицирует морфологию дендритов, чтобы в цифровом виде синтезировать морфологии дендритов из всех слоев и морфологических типов коры грызунов. Преимущества этого подхода, основанного на топологии, многочисленны, поскольку новый алгоритм TNS обобщается на новые типы ячеек, требует небольшого количества входных данных и не требует тонкой настройки, поскольку он фиксирует корреляции признаков.
Возможность быстрой цифровой реконструкции целых областей мозга из относительно небольшого числа эталонных клеток.
Алгоритм TNS, управляемый топологической архитектурой дендритов, генерирует реалистичные морфологии для большого количества различных типов нейронов коры с реалистичными морфологическими и электрическими свойствами .. Это позволило быстро провести цифровую реконструкцию целых областей мозга из относительно небольшого числа эталонных клеток, что позволило исследовать связи между морфологией нейронов и функциями мозга в различных пространственно-временных масштабах и решить проблему недостаточной биологической реконструкции. Многоэтапная проверка, задокументированная в статье, гарантирует, что синтезированные клетки воспроизводят формы реконструированных нейронов по трем модальностям: 1. их морфологические характеристики, 2. электрическая активность отдельных клеток и 3. связность сети, в которой они находятся. форма.
Лида Канари объясняет, что «результаты уже позволяют Blue Brain строить биологически подробные реконструкции и симуляции мозга мыши путем компьютерной реконструкции областей мозга для симуляций, которые воспроизводят анатомические свойства морфологии нейронов и включают анатомию конкретной области. Фундаментальные проблемы нейронауки — нехватка экспериментальных реконструкций нейронов, поскольку для топологического синтеза требуется всего несколько примеров для создания большого количества уникальных клеток.Используя алгоритм TNS, мы можем эффективно синтезировать миллионы уникальных морфологий нейронов (10 миллионов клеток за несколько часов). д.), — заключает она.
Содействие медицинским приложениям
«Всеобъемлющие модели нейронов необходимы для определения типов клеток, определения их функциональных ролей и исследования структурных изменений, связанных с болезненными состояниями мозга», — утверждает основатель и директор Blue Brain профессор Генри Маркрам. «Исследователи синтезировали корковые сети на основе структурных изменений дендритов, связанных с заболеваниями, и выявили принципы, связывающие свойства ветвления со структурой крупномасштабных сетей».
«Поскольку алгоритм TNS реализован в программном обеспечении с открытым исходным кодом , это позволит моделировать заболевания головного мозга с точки зрения отдельных клеток и сетей, поскольку он предоставляет инструмент для непосредственного исследования связи между локальными морфологическими свойствами и связностью нейронной сети. они формируются. Этот подход представляет особый интерес для медицинских приложений , поскольку он позволяет исследовать заболевания с точки зрения возникновения глобальной сетевой патологии из локальных структурных изменений в морфологии нейронов», — заключает он.
