ニュース

Mar 24, 2023

科学者は機械学習を使用して、脳がさまざまな環境にどのように適応するかを「確認」します

5 giugno 2023

2023 年 6 月 5 日

この記事は、Science X の編集プロセスとポリシーに従ってレビューされています。 編集者は、コンテンツの信頼性を確保しながら、次の属性を強調しました。

事実確認済み

査読済みの出版物

信頼できる情報源

校正する

ジョンズ・ホプキンス大学医学部著

ジョンズ・ホプキンス大学の科学者らは、人工知能を活用して、生きた動物のシナプス（脳内の神経細胞が通信する接続点）の強さの変化を視覚化し、追跡する方法を開発した。 『Nature Methods』に記載されているこの技術は、人間の脳におけるそのような接続が学習、老化、怪我、病気によってどのように変化するのかについてのより良い理解につながるはずだと科学者らは言う。

「オーケストラがどのように演奏するのかをもっと知りたければ、個々の奏者を時間をかけて観察する必要があります。そしてこの新しい方法は、生きた動物の脳のシナプスについてそれを行います」とダイアナ・シルベストル大学のドワイト・バーグルズ博士は言う。ジョンズ・ホプキンス大学（JHU）医学部のソロモン・H・スナイダー神経科学部門のチャールズ・ホムシー教授。

バーグルス博士は、同僚の医用生体工学科助教授であるアダム・チャールズ博士、メイン州のアダム・チャールズ博士、ジェレミアス・スラム博士、およびJHUのブルームバーグ特別教授のリチャード・ヒューガニア博士とこの研究を共同執筆した。ソロモン・H・スナイダー神経科学部長。 4人の研究者は全員、ジョンズ・ホプキンス大学カブリ神経科学発見研究所のメンバーである。

神経細胞は、シナプス (「接合部」) で化学メッセージを交換することによって、ある細胞から別の細胞に情報を伝達します。 著者らの説明によると、脳では、新しい環境への曝露やスキルの学習など、さまざまな人生経験がシナプスの変化を引き起こし、学習と記憶を可能にするこれらの接続を強化または弱めると考えられています。

こうした微細な変化が私たちの脳の何兆ものシナプス全体でどのように起こるかを理解することは、気の遠くなるような挑戦ですが、健康なときに脳がどのように機能し、病気によってどのように変化するかを解明する上で重要です。

特定のライフイベント中にどのシナプスが変化するかを判断するために、科学者たちは長い間、脳内のシナプスの高密度とその小さなサイズによって必要とされるシナプスメッセージングの変化する化学反応を視覚化するより良い方法を模索してきました。新しい最先端の顕微鏡を備えています。

「困難で、ぼやけていて、ノイズの多い画像データから、確認する必要がある信号部分を抽出する必要がありました」と Charles 氏は言います。

そのために、Bergles、Sulam、Charles、Huganir とその同僚は、自動データ処理ツールの柔軟な開発を可能にする計算フレームワークである機械学習に注目しました。

機械学習は生物医学イメージングの多くの領域に適用され、成功しています。この場合、科学者たちはこのアプローチを活用して、数千のシナプスで構成される画像の品質を向上させました。 これは人間の速度を大幅に超える自動検出の強力なツールとなり得ますが、システムは最初に「トレーニング」され、シナプスの高品質画像がどのように見えるべきかをアルゴリズムに学習させる必要があります。

これらの実験では、研究者らは、光にさらされるとグルタミン酸受容体（シナプスの化学センサー）が緑色（蛍光）に光る遺伝子改変マウスを使って研究した。 各受容体は同じ量の光を発するため、これらのマウスのシナプスによって生成される蛍光の量はシナプスの数、つまりシナプスの強度を示します。

予想通り、無傷の脳の画像処理では低品質の画像が生成され、シナプスにあるグルタミン酸受容体の個々のクラスターを明確に見ることは困難であり、ましてや個別に検出して経時的に追跡することは困難でした。 これらをより高品質の画像に変換するために、科学者らは、同じ種類の遺伝子改変マウスから採取した脳スライス (生体外) の画像を使用して機械学習アルゴリズムをトレーニングしました。

これらの画像は生きた動物からのものではなかったため、別の顕微鏡技術を使用してはるかに高品質の画像を生成することも、同じビューの生きた動物で撮影したものと同様の低品質の画像を生成することもできました。

このクロスモダリティ データ収集フレームワークにより、チームは、生きたマウスから収集された画像と同様に、低品質の画像から高解像度の画像を生成できる強化アルゴリズムを開発することができました。 このようにして、無傷の脳から収集されたデータは大幅に強化され、数日間にわたる実験中に個々のシナプス（数千個）を検出して追跡できるようになります。

生きたマウスの受容体の経時変化を追跡するために、研究者らは次に顕微鏡を使用してマウスの同じシナプスの画像を数週間にわたって繰り返し撮影した。 ベースライン画像を撮影した後、チームは動物を新しい視覚、匂い、触覚刺激のある部屋に5分間入れました。 次に彼らは、脳の同じ領域を一日おきに画像化し、新しい刺激がシナプスのグルタミン酸受容体の数に影響を与えたかどうか、そしてどのように影響したかを調べた。

研究の焦点は、さまざまな状況におけるシナプスレベルの変化を分析するための一連の方法を開発することにあったが、研究者らは、この単純な環境変化が大脳皮質のシナプス全体の蛍光スペクトルの変化を引き起こし、シナプスとシナプスの関係が示されていることを発見した。新たな環境にさらされた動物では筋力が強化される傾向にあり、体力が増加するところもあれば、低下するところもあった。

この研究は、分子生物学から人工知能に至るまで、通常は緊密に連携することのない、異なる専門知識を持つ科学者間の緊密な協力によって実現しました。 しかし、そのようなコラボレーションは、学際的なカブリ神経科学発見研究所では奨励されている、とバーグルズ氏は言う。

研究者らは現在、この機械学習アプローチを使用してアルツハイマー病の動物モデルにおけるシナプスの変化を研究しており、この方法が他の疾患や傷害の状況で発生するシナプスの変化に新たな光を当てることができると考えている。

「科学界の他の人々がこれをどこでどのように受け止めるのか、私たちは本当に楽しみにしています」とスラム氏は言う。

詳しくは： Yu Kang T. Xu et al、クロスモダリティ監視画像修復により、生きているマウスのシナプス可塑性のナノスケール追跡が可能になる、Nature Methods (2023)。 DOI: 10.1038/s41592-023-01871-6