Une équipe dirigée par Southwest Research Institute (SWRI) a développé une méthode de calcul pour améliorer les techniques pour suivre le développement des cellules cérébrales au fil du temps. En étudiant les neurones et leur dynamique dans les réseaux cérébraux, les chercheurs espèrent acquérir des connaissances pour identifier les traitements médicamenteux pour les personnes souffrant de troubles neurologiques.
SWRI a collaboré avec l'Université du Texas de San Antoino (UTSA) pour suivre les cellules cérébrales individuelles subissant une neurogenèse, le processus où de nouveaux neurones se développent et se connectent aux réseaux neuronaux. Les chercheurs de l'UTSA ont développé de nouvelles méthodes pour développer des cellules souches humaines en réseaux neuronaux; Cela comprenait la différenciation des cellules en régions du tissu cérébral humain qui régulent le sommeil, la température et l'humeur. Au fur et à mesure que les réseaux neuronaux se sont développés, leur activité a été capturée par microscopie confocale. SWRI a utilisé les données visuelles pour former des algorithmes pour suivre les neurones. Le projet a été financé par un prix de 200 000 $ de la San Antonio Medical Foundation.
« Les résultats de la recherche sont une étape importante vers la classification automatique de la santé des réseaux neuronaux en croissance », a déclaré le Dr Courtney Rouse, un informaticien du SWRI qui a dirigé le projet. « L'algorithme peut aider à étudier diverses maladies neurologiques et à aider au développement et aux tests des thérapies associées. »
Les méthodes de suivi des neurones conventionnelles reposent fréquemment sur des images de cellules marquées dans les tissus fixes, un processus qui peut masquer la dynamique cellulaire. L'analyse dirigée par SWRI surmonte les lacunes technologiques dans les méthodes de calcul antérieures en capturant des cellules non marquées et des structures fines dans des cultures denses et vivantes. Cela permet une analyse complexe sur des portées de temps plus longues.
Le laboratoire UTSA du Dr Amina Qutub a développé des modèles expérimentaux de développement neuronal et utilisera les méthodes de suivi des cellules de SWRI pour informer les modèles d'IA dans un projet de suivi. Chaque vidéo des cultures de réseau neuronal se compose d'images horodatrices avec des centaines à des milliers de neurones par image. SWRI a formé un algorithme d'apprentissage automatique U-Net pour détecter la forme et l'emplacement des neurones individuels sur les images.
Les neurones ont des structures racinaires qui se connectent à d'autres neurones pour former des réseaux neuronaux, qui envoient et reçoivent des signaux. SWRI a entraîné l'algorithme pour reconnaître deux des principales parties d'un neurone – le Soma, qui contient le noyau, et les dendrites, qui se ramifient le Soma.
L'équipe s'est concentrée sur le suivi des Somas car chaque neurone a un Soma, tandis que les chiffres de la dendrite varient. L'algorithme a appliqué un numéro de suivi à un point clé de chaque Soma pour faire correspondre les neurones dans des images consécutives basées sur la proximité dans un pixel.
Lors de la détection des Somas, l'algorithme a atteint un taux de précision de 93,8% et un taux de rappel de 99,1%. Lors de la détection de dendrites, les structures plus petites en forme de branche, l'algorithme a atteint un taux de précision de 88,3% et un taux de rappel de 80,9%. Dans l'ensemble, l'algorithme avait une probabilité de 85,7% de suivre correctement un seul neurone dans des images consécutives.
« Ce projet nous aidera à comprendre les principes fondamentaux de la façon dont les cellules cérébrales se développent et communiquent », a déclaré Qutub, professeur de génie biomédical de l'UTSA et directeur adjoint des partenariats stratégiques du Matrix AI Consortium. « Les méthodes d'intelligence artificielle de ce projet nous aident également à développer un outil de dépistage pour accélérer la découverte de la biomédecine pour la santé du cerveau et les troubles neurologiques. »
L'équipe prévoit de futures recherches pour identifier les connexions entre le soma et les dendrites, les neurones de test exposés à divers stress environnementaux – tels que une faible perturbation de l'oxygène ou du circadien – et corréler l'activité électrique des neurones à la santé des tissus.
Nous sommes ravis que cette collaboration contribue à combler les lacunes technologiques dans la recherche neuronale informatique. Notre algorithme a suivi avec précision le soma individuel à travers les délais, une étape fondamentale vers la classification de la santé d'un réseau neuronal en développement. «
Hakima Ibaroudène, directeur de la section bioinformatique de SWRI
Les recherches de SWRI s'appuient sur son expertise en biomédecine informatique. L'Institut applique l'intelligence artificielle et l'analyse des données pour détecter et évaluer les conditions de santé et aider les experts médicaux pour prendre des décisions complexes à partir de sources de données disparates.
