对一个计算机模型预测眼疾的结果

主机一个强大的生物计算机,视网膜。了解视网膜将图像从外界转换成信号,大脑可以解释不仅会导致大脑计算见解,但也可以用于医学。机器学习和人工智能的发展,眼疾将很快被描述的计算由视网膜的扰动。视网膜电路是否有足够的知识来了解扰动会影响计算视网膜执行?一个国际科学家小组已经解决这个问题在一组实验中结合遗传、病毒及分子工具,高密度微电极阵列,计算机模型。的工作表明,新开发的模型视网膜可以预测精度高的结果定义的扰动。工作是一个重要的一步一个计算机模型视网膜可以预测视网膜疾病的结果。

视力开始的视网膜,感光细胞捕获的光线落在眼睛和转换成神经活动。视网膜神经节细胞,神经元的输出,然后发送到大脑的视觉信号。然而,视网膜是不仅仅是一个摄像头和一个电缆:光感受器和之间神经节细胞,视网膜包含复杂的神经回路,由许多不同的神经细胞类型。这些电路处理传入的信号在一个复杂的方法和提取重要特征的视觉场景。输出电平的视网膜、视网膜的计算电路导致~ 30种不同的神经表征的视觉场景:然后并行传输到大脑。因此,视网膜就像一个强大的计算设备,以一种意义深远的方式塑造视觉表示。

了解视觉机制和预测视觉疾病的结果,有必要了解~ 30视网膜输出通道代表的视觉世界,以及他们不同的功能性质来自于视网膜的结构电路。为了解决这个问题,一组科学家弗雷德里希米歇尔研究所(FMI),分子和临床眼科研究所的巴塞尔(伯),苏黎世联邦理工学院,摄动一个特定的视网膜电路元件高等师范学院学习期间如何扰动改变了功能性质的不同视网膜输出通道。

前研究生安东尼娅Drinnenberg罗斯卡组,和论文的主要作者,发明了一种方法来控制的活动水平细胞。视网膜水平细胞是一个电路元件,提供在第一视觉反馈抑制感光细胞和双极细胞之间的突触。方法涉及一组特定的病毒、转基因小鼠,并策划ligand-gated离子通道,允许她开关在第一视觉反馈突触。测量视网膜输出这种扰动的影响,她用高密度开发的微电极阵列Andreas Hierlemann集团和记录的电信号同时神经节细胞。令人惊讶的是,扰动引起的大量不同的视网膜的输出的变化。“我们惊讶的各种影响,我们观察到的微扰一个定义良好的电路元件,“Drinnenberg说。“起初,我们怀疑技术问题可能是这个品种的基础。”However, after measuring the signals in thousands of ganglion cells and in defined retinal output channels, it became clear that the variety in the horizontal cell contributions that were measured must arise from the specific architecture of the retinal circuitry.

视网膜电路的单个元素如何导致这些不同的影响?Felix因特网,co-first该论文的作者之一,Rava a哒问题,资深作者建立了一个计算机模型的视网膜。信号的模型模拟了不同的途径可以通过视网膜,使团队调查如果我们当前的理解视网膜电路可以解释他们在实验观察到的影响。虽然学习的行为模型,研究人员发现,该模型可以复制整个组的变化,测量实验。此外,研究小组发现,模型由五个进一步预测水平的作用细胞,他们以前没有见过的数据。“我们惊讶地发现,模型更进一步比我们当时记住我们建造它,“因特网说。“所有额外的预测被证明是正确的,当我们进行了更多的试验来测试他们。”

”一个测试我们对视网膜的理解方法是扰乱它的一个元素,测量所有的输出,看看我们的‘理解’,这是一个模型,可以预测观察到的变化,”解释了da对峙。“下一步是使用模型预测眼疾的结果,”博补充道。