识别细胞以更好地了解健康和患病的行为

在研究老年痴呆症或帕金森氏症等退行性疾病的病因和潜在治疗方法时，神经科学家往往难以准确识别理解导致行为改变的大脑活动所需的细胞，如记忆力减退、平衡受损和震颤。

一个由乔治亚理工学院神经科学研究人员组成的多学科团队，借鉴了现有的工具，如图形模型，发现了一种识别细胞和了解疾病机制的更好方法，有可能导致更好的理解、诊断和治疗。

他们的研究结果发表在2月24日的《华尔街日报》上eLife。这项研究得到了美国国立卫生研究院和美国国家科学基金会的支持。

神经科学领域研究神经系统如何运作，基因和环境如何影响行为。通过使用新技术来了解生物系统的自然状态和功能失调状态，神经科学家希望最终找到治愈疾病的方法。在此之前，神经科学家必须首先了解大脑中的哪些细胞在驱动行为，并绘制出大脑的活动一个细胞接着一个细胞并不像看起来那么简单。

没有两个脑细胞是相同的

传统上,科学家建立了一个坐标系统映射每个单元格位置通过比较图像一个阿特拉斯,但在文学概念,“所有的大脑看起来一样绝对是不正确的,”陆说挂,爱家人的化学和生物分子工程学教授在乔治亚理工学院的化学与生物分子工程。

采用坐标方法面临两个主要挑战:首先，细胞的绝对数量看起来没有那么明显;第二，细胞因人而异。

“这是目前的一个巨大瓶颈——你可以随心所欲地记录神经元的活动，但如果你不知道哪个细胞在做什么，就很难对大脑或环境进行比较，从而得出有意义的结论，”卢说。

根据研究生研究员Shivesh Chaudhary的说法，数据中的杂音使得在大脑的两个不同区域之间建立对应关系变得困难。“数据中可能存在一些变形，或者形状的某些部分可能丢失了，”他说。

关注细胞关系，而不仅仅是地理位置

为了克服这些挑战，佐治亚理工学院的研究人员借鉴了两个学科——图形模型机器学习并建立了一种计算方法来识别它们的生物模型——线虫。

团队使用了来自其他领域的框架，例如自然语言处理来构建自己的建模软件。在自然语言处理中，计算机可以通过捕获语句中单词之间的依赖关系来确定句子的意思。

研究人员采用了一个相似的模型，但不是捕捉单词之间的相关性，“我们从神经元中捕捉它们来识别细胞，”Chaudhary说，并指出与其他检测每个细胞地理位置的方法相比，这种方法限制了错误传播。

“利用细胞之间的关系实际上对定义细胞的身份更有用，”卢说。“如果你定义了一个，你就会发现其他细胞的特性。”

研究小组说，这种方法比目前的鉴定方法要精确得多。鲁教授说，该算法虽然不完美，但在面对不完美的数据时表现得明显更好，并且对噪音或错误“不那么慌乱”。

该算法对许多发育性疾病有着巨大的意义，因为一旦科学家能够理解疾病的机制，他们就能找到干预措施。

“你可以用它来做药物和基因筛查来评估遗传风险。你可以利用某人的基因背景，并研究这种背景如何使细胞的行为不同于标准参考基因背景，”卢说。

“这种方法很酷的一点是，它是数据驱动的，因此，它捕捉到单个蠕虫之间的变化。哈佛大学脑科学中心生物和进化生物学系教授张云说:“这种方法很有可能广泛应用于正常和类似疾病条件下的发育和功能的研究。”

更快的数据分析

该算法大大加快了分析全脑数据的速度。研究人员解释说，在这一进展之前，他们的实验室可能需要20分钟来记录一组数据，但他们需要几周的时间来识别细胞和分析数据。乔杜里说，有了这个算法，分析“最多只需要在桌面上花一夜时间”。

该技术还支持众包、在线协作平台，向更大的社区开放算法，让他们测试算法并建立地图。

“每个研究同一问题的研究者都可以做记录，并为进一步建立这些将在所有环境下广泛使用的地图集做出贡献，”陆说。

研究人员将该项目的成功归功于能够利用物理、生物、数学和化学等多个学科。乔杜里拥有化学工程本科学位，他利用计算机科学和数学的发展，解决了这个特殊的神经科学问题。

“在我们的实验室里，有一位致力于制造显微镜的物理学家，有生物学家，还有像我这样更倾向于计算机科学的人。我们还与一位纯数学家合作，”他解释道。“神经科学领域拥有一切。你可以往任何你想去的方向去。”

---

---