Dans une fusion puissante de l'IA et des neurosciences, les chercheurs de l'Université de Californie à San Francisco (UCSF) et du Allen Institute ont conçu un modèle d'IA qui a créé l'une des cartes les plus détaillées du cerveau de la souris à ce jour, avec 1 300 régions / sous-régions. Cette nouvelle carte comprend des sous-régions précédemment inexplorées du cerveau, ouvrant de nouvelles avenues pour l'exploration des neurosciences. Les résultats ont été publiés aujourd'hui dans Communications de la nature. Ils offrent un niveau de détail sans précédent et font progresser notre compréhension du cerveau en permettant aux chercheurs de relier des fonctions, des comportements et des états pathologiques spécifiques à des régions cellulaires plus petites et plus précises fournissant une feuille de route pour de nouvelles hypothèses et expériences sur les rôles joués par ces zones.
« C'est comme passer d'une carte ne montrant que des continents et des pays à des États et des villes », a déclaré Bosiljka Tasic, Ph.D., directrice de la génétique moléculaire de l'Institut Allen et l'un des auteurs de l'étude. « Cette nouvelle parcellation cérébrale détaillée uniquement basée sur les données, et non l'annotation experte humaine, révèle des sous-régions précédemment inexplorées du cerveau de la souris. Et en fonction de décennies de neurosciences, de nouvelles régions correspondent à des fonctions cérébrales spécialisées à découvrir. »
Au cœur de cette percée se trouve CellTransformateur, un puissant modèle d'IA qui peut identifier automatiquement les sous-régions importantes du cerveau à partir de ensembles de données de transcriptomique spatiale massifs. La transcriptomique spatiale révèle où Certains types de cellules cérébrales sont positionnés dans le cerveau mais ne révèlent pas les régions du cerveau en fonction de leur composition. Maintenant, CellTransformateur permet aux scientifiques de définir les régions et les subdivisions cérébrales basées sur des calculs de quartiers cellulaires partagés, un peu comme l'esquisse des frontières d'une ville en fonction des types de bâtiments.
« Notre modèle est construit sur la même technologie puissante que les outils d'IA comme Chatgpt. Les deux sont construits sur un cadre » Transformer « qui excelle dans la compréhension du contexte », a déclaré Reza Abbasi-ASL, Ph.D., professeur agrégé de neurologie et de bio-ingénierie chez UCSF et auteur principal de l'étude. « Bien que les transformateurs soient souvent appliqués pour analyser la relation entre les mots dans une phrase, nous utilisons CellTransformateur pour analyser la relation entre les cellules qui sont à proximité dans l'espace. Il apprend à prédire les caractéristiques moléculaires d'une cellule en fonction de son quartier local, lui permettant de construire une carte détaillée de l'organisation tissulaire globale. »
Ce modèle reproduit avec succès les régions connues du cerveau, comme l'hippocampe; Mais plus important encore, il peut également découvrir des sous-régions auparavant non cataloguées et plus fines dans des régions cérébrales mal comprises, telles que le noyau réticulaire du cerveau moyen, qui joue un rôle complexe dans l'initiation et la libération du mouvement.
Ce qui rend cette carte cérébrale distincte des autres
Cette nouvelle carte du cerveau représente le cerveau régionspar rapport aux types de cellules; Et contrairement aux cartes cérébrales précédentes, celle de cellules est entièrement axée sur les données, ce qui signifie que ses limites sont définies par des données cellulaires et moléculaires plutôt que par une interprétation humaine. Avec 1 300 régions et sous-régions, il représente également l'une des cartes cérébrales les plus granulaires et complexes basées sur les données de tout animal à ce jour.
Rôle du cadre des coordonnées communs de l'Institut Allen (CCF)
Le cadre de coordonnées communs de l'Institut Allen (CCF) a été l'étalon-or essentiel pour valider la précision de CellTransformateur. « En comparant les régions du cerveau automatiquement identifiées par CellTransformateur à la CCF, nous avons pu montrer que notre méthode basée sur les données identifiait des domaines alignés avec des structures anatomiques connues définies par des experts », a déclaré Alex Lee, candidat au doctorat à l'UCSF et au premier auteur de l'étude. « Voyant que notre modèle produit des résultats si similaires à la CCF, qui est une ressource si bien caractérisée et de haute qualité pour le domaine, était rassurant. Le niveau élevé d'accord avec le CCF a fourni une référence critique, donnant la confiance que les nouvelles sous-régions découvertes par CellTransformateur peuvent également être des études biologiquement significatives.
Le potentiel de cette recherche pour débloquer des informations critiques atteint au-delà des neurosciences. Les puissantes capacités de l'IA de CellTransformateur sont des tissus agnostiques: ils peuvent être utilisés sur d'autres systèmes d'organes et tissus, y compris les tissus cancéreux, où des données de transcriptomique spatiale à grande échelle sont disponibles pour mieux comprendre la biologie de la santé et des maladies et alimenter la découverte de nouveaux traitements et thérapies.
