UC „Santa Cruz“ neuromokslininkai, siekiantys geriau suprasti, kaip specifinis smegenų ryšys prisideda prie suvokimo, minčių ir elgesio, pasinaudoja dirbtiniu intelektu, kad sustiprintų jų smegenų funkcijos tyrimą. Integruodami AI, jie supaprastina plonų pelių smegenų audinio plekšnių suderinimo procesą su etaloniniu atlasu, padėdamas efektyviau nustatyti pagrindines detales, tokias kaip smegenų kilmės regionas.
Pažangiąsias technologijas sukūrė Alec Soronow, kol jis buvo UC Santa Cruz studentas. Jis pradėjo projektą kaip bakalauras Euiseoko Kim, molekulinės, ląstelių ir vystymosi biologijos profesoriaus laboratorijoje, ir toliau dirbo su Kim, kol buvo pastatytas skaitmeninis įrankis ir paruoštas naudoti.
Po Sylvia Plath pusiau autobiografinio romano „Soronow“ pavadino darbalaukio programą „Bell Jar“ apie jaunos moters psichinį suskirstymą ir atkūrimą, kurį „Soronow“ skaitė dirbdamas prie pradinės programinės įrangos versijos. Jis ir Kim pasidalino „Bell Jar“ su savo bendraamžiais per straipsnį, paskelbtą „The Open-Access Journal“ Eneuro.
Akademinėje bendruomenėje bakalaurai retkarčiais mato tyrimų projektus nuo pradžios iki pastebimo leidinio, kuris prisideda prie platesnės mokslo bendruomenės. Tačiau vis dėlto įkvepia, kai tai įvyks, sakė Kim.
„Aš esu biologas. Nežinau, kaip koduoti, bet suprantu šios srities problemas”, – aiškino Kim. „Kita vertus, Alecas bebaimis spręsdavo šiuos iššūkius, efektyviai bendraudamas tiek su savimi, tiek su kitais vyresniaisiais laboratorijos nariais. Jo darbas padarė didelę įtaką.”
Sprendžiant ilgalaikį iššūkį
„Bell Jar“ siūlo vertingą įrankį neuromokslininkams, todėl neuroanatomijos analizė tampa prieinamesnė ir efektyvesnė. Ilgus metus tyrėjai kovojo su esamų įrankių, skirtų analizuoti nervų ryšį, apribojimus – daugelis jų sukurtų MATLAB ar kitoje specializuotoje programinės įrangos aplinkoje, kurios ilgainiui pasenė ar neprieinami dėl programinės įrangos atnaujinimų.
Be to, ankstesni metodai susidūrė su iššūkiais veiksmingai integruojant mašinų mokymąsi (ML), ribodami jų lankstumą ir tikslumą. „Bell Jar“ išsiskiria pasinaudodamas ML metodais, kad pagerintų tikslumą ir efektyvumą.
Skirtingai nuo daugelio pirmtakų, jis taip pat yra sukurtas taip, kad būtų labai patogus vartotojui ir atvirai prieinamas. Dalindama „Soronow“ „GitHub“ kodą, komanda užtikrino, kad visame pasaulyje tyrėjai galėtų prisidėti prie jo tobulėjimo, pritaikyti jį savo projektams ir nuolat tobulinti savo galimybes.
Treniruotės nuo tradicinių smegenų žemėlapių
Bell Jar gimė iš būtinybės. Vykdydami Kim Neuroscience laboratorijos vykdomus smegenų ryšio tyrimus, rankiniu būdu išanalizavus visas pelės smegenis, kartais buvo nuobodu. Norėdami paruošti smegenų mėginius analizei, tyrėjai atlieka procesą, žinomą kaip histologija. Tai reiškia, kad smegenų pjovimas į neįtikėtinai plonas sekcijas, panašiai kaip „Deli Sclicer“, supjaustė plonas mėsos griežinėlius.
Tačiau žmogiškoji klaida neišvengiama: skyriai gali būti šiek tiek per stori, per ploni arba tam tikru būdu pažeisti. Analizuodami šias skilteles, tyrėjai turi palyginti jas su atskaitos atlasu, dažnai priimdami subjektyvius sprendimus, kaip suderinti ir interpretuoti duomenis.
„Bell Jar“ padeda išspręsti šiuos iššūkius, naudojant ML, kad aptiktų ir suderintų neuronus per smegenų dalis. „Anksčiau turėjome labai pasikliauti žmogaus intervencija, kuri įvedė subjektyvumą“, – teigė Kim. „Dabar„ Bell Jar “gali efektyviau ir tikslumu padaryti šiuos sprendimus.”
Norėdami visiškai įvertinti „Bell Jar“ svarbą, Kim teigė, kad labai svarbu suprasti kruopštų tradicinių smegenų žemėlapių pobūdį. Vykdydami vieną tyrimo projektą, kuris paskatins leidimą, tyrėjai turi apdoroti daugiau nei 100 plonų skyrių iš vienos smegenų.
Kiekviename iš šių skyrių reikia nustatyti ir išanalizuoti daugybę smegenų sričių. Šis procesas turi būti pakartotas daugelyje pavyzdžių, todėl tai yra neįtikėtinai daug laiko reikalaujanti užduotis.
Mokyti naujus studentus atlikti šias analizes taip pat gali būti sunku, nes tam reikia giliai suprasti neuroanatomiją. Tačiau su varpelio stiklainiu daugelis šių naštų yra pašviesinti.
„Tai leidžia kur kas efektyviau analizuoti didelius eksperimentinius duomenų rinkinius, kurie priešingu atveju turėtų būti išsamiai apžiūrimi rankomis“, – teigė Soronow. „Be to, sumažinus laiką iki rezultatų, laboratorija labiau įvertina, ar atliekami eksperimentai veikia ir ar reikia pakeitimų – įgalina didesnį pralaidumo mokslą.”
Norėdami nuvažiuoti šį tašką namo, Soronow sakė: „Standartiniam eksperimentui mūsų laboratorijoje tai sutaupo maždaug tris savaites rankiniu būdu suderinimo ir skaičiavimo laiką vienai smegenims“.
Asmeninis ryšys su smegenų schema
Soronovo močiutė kentėjo nuo demencijos ir dažnai juo rūpinosi, kai buvo jaunas. Taigi jo smalsumas dėl smegenų grandinių gedimo prasidėjo ankstyvame amžiuje. Būtent tada, kai jis pasinaudojo savo pirmąja vystymosi biologijos klase kolegijoje, ji spustelėjo. Ketvirtį po to, kai jis vedė tą klasę, Soronow dalyvavo Euiseoko seminare, kuriame kalbėjo apie jo degantį norą geriau suprasti smegenis.
2022 m. „Soronow“ laimėjo „Baskin“ inžinerijos mokyklos dekano apdovanojimą už „Bell Jar“ projektą ir tais metais baigė biomolekulinės inžinerijos ir bioinformatikos bakalaurą, tada 2024 m. Įgijo molekulinės, ląstelių ir vystymosi biologijos MS.
Nuo to laiko jis įkūrė savo kompaniją „Plusten Intelligence“, kuri bando suteikti neuronų galią pramoninėms reikmėms, derinant AI ir inžinerinius neuronus panašius ląsteles, kad būtų galingi jutikliai konkrečiems molekuliniams taikiniams, kurie tinka delniniam įrenginiui.
„Aš galiu naudoti unikalų įgūdžių rinkinį, auginamą„ Kim Lab “, – sakė Soronowas, – derinant„ Wet Lab “, genetinė inžinerija, novatoriška programinės įrangos dizainas ir aparatinės įrangos dizainas“.
Kim teigė, kad „Bell Jar“ sukūrimas puikiai atitinka platesnius jo laboratorijos tyrimų tikslus. Gerindami efektyvumą ir tikslumą, tyrėjai gali sutelkti dėmesį į didesnį vaizdą: smegenų ryšio ir nervų funkcijos supratimas.
„Ši priemonė leidžia mums greičiau ir efektyviau atlikti tyrimus“, – teigė Kim. „Tai yra pagrindinis dalykas čia.”