Konektomika, ambicinga studijų sritis, kuria siekiama nustatyti sudėtingą gyvūnų smegenų tinklą, sparčiai auga. Per dešimtmetį ji iš savo gimimo stadijų perėjo į discipliną, kuri yra pasirengusi (tikiuosi) atskleisti pažinimo mįsles ir fizinį neuropatologijų, tokių kaip Alzheimerio liga, pagrindą.
Jos priešakyje yra galingų elektroninių mikroskopų naudojimas, kurį mokslininkai iš MIT kompiuterių mokslo ir dirbtinio intelekto laboratorijos (CSAIL) bei Harvardo universiteto Samuelio ir Lichtmano laboratorijų suteikė analitiniu mašininio mokymosi gebėjimu. Skirtingai nuo tradicinės elektroninės mikroskopijos, integruotas AI tarnauja kaip „smegenys“, kurios mokosi pavyzdžio gaudamos vaizdus ir sumaniai sufokusuoja atitinkamus pikselius nanoskalės raiška, panašiai kaip gyvūnai tikrina savo pasaulius.
„SmartEM“ padeda jungtimikai greitai ištirti ir rekonstruoti sudėtingą smegenų sinapsių ir neuronų tinklą nanometrų tikslumu. Skirtingai nuo tradicinės elektroninės mikroskopijos, jos integruotas AI atveria naujas duris suprasti sudėtingą smegenų architektūrą.
Techninės ir programinės įrangos integravimas į procesą yra labai svarbus. Komanda įdėjo GPU į pagalbinį kompiuterį, prijungtą prie jų mikroskopo. Tai leido vaizduose paleisti mašininio mokymosi modelius, o tai padėjo nukreipti mikroskopo spindulį į sritis, kurias AI laiko įdomiomis. „Tai leidžia mikroskopui ilgiau gyventi sunkiai suprantamose srityse, kol neužfiksuos tai, ko jam reikia“, – sako MIT profesorius ir CSAIL pagrindinis tyrėjas Nir Shavit. „Šis žingsnis padeda atspindėti žmogaus akių kontrolę, leidžiant greitai suprasti vaizdus.”
„Kai žiūrime į žmogaus veidą, mūsų akys greitai nukrypsta į židinio taškus, kurie suteikia gyvybiškai svarbias užuominas efektyviam bendravimui ir supratimui“, – sako pagrindinis SmartEM architektas Yaronas Meirovitchas, kviestinis MIT CSAIL mokslininkas, taip pat buvęs postdoc. ir dabartinis Harvardo neurologas. „Kai pasineriame į knygą, neskenuojame visos tuščios erdvės; verčiau nukreipiame savo žvilgsnį į žodžius ir simbolius dviprasmiškai, palyginti su mūsų sakinio lūkesčiais. Šis reiškinys žmogaus regėjimo sistemoje atvėrė kelią naujos mikroskopo koncepcijos gimimui.
Norint atkurti žmogaus smegenų segmentą, susidedantį iš maždaug 100 000 neuronų, norint tai pasiekti naudojant įprastą mikroskopą, prireiktų dešimtmečio nepertraukiamo vaizdo gavimo ir pernelyg didelio biudžeto. Tačiau naudojant „SmartEM“, investavus į keturis iš šių naujoviškų mikroskopų už mažiau nei 1 mln. USD, užduotį būtų galima atlikti vos per tris mėnesius.
Nobelio premijos ir maži kirminai
Daugiau nei prieš šimtmetį ispanų neurologas Santiago Ramón y Cajal buvo paskelbtas kaip pirmasis, apibūdinantis nervų sistemos struktūrą. Naudodamas pradinius savo laikų šviesos mikroskopus, jis pradėjo vadovauti neurologijos tyrinėjimams, padėdamas pagrindinį neuronų supratimą ir nubrėždamas pradinius šios plačios ir neatrastos srities kontūrus – žygdarbis, dėl kurio jam buvo suteikta Nobelio premija. Įkvėpimo ir atradimų temomis jis pažymėjo, kad „kol mūsų smegenys yra paslaptis, visata, smegenų struktūros atspindys taip pat bus paslaptis“.
Nuo šių ankstyvųjų etapų ši sritis dramatiškai pažengė į priekį, o tai įrodo devintojo dešimtmečio pastangos, nustatančios santykinai paprastesnę sąsają. C. elegans, mažų kirminų, šiandienos pastangoms tirti sudėtingesnes organizmų, tokių kaip zebražuvės ir pelės, smegenis. Ši evoliucija atspindi ne tik didžiulius žingsnius, bet ir didėjančius sudėtingumus bei reikalavimus: vien pelės smegenų žemėlapių sudarymas reiškia stulbinantį tūkstantį petabaitų duomenisužduotis, kuri labai nustelbia bet kurio universiteto saugojimo galimybes, teigia komanda.
Vandens išbandymas
Savo darbui Meirovičius ir kiti tyrimo grupės nariai ištyrė 30 nanometrų storio aštuonkojo audinio gabalėlius, kurie buvo pritvirtinti ant juostų, uždėti ant plokštelių ir galiausiai įterpti į elektroninius mikroskopus. Kiekviena aštuonkojo smegenų dalis, susidedanti iš milijardų pikselių, buvo vaizduojama, leidžiant mokslininkams atkurti pjūvius į trimatį kubą nanometro raiška. Tai suteikė itin išsamų sinapsių vaizdą. Pagrindinis tikslas? Norėdami nuspalvinti šiuos vaizdus, identifikuokite kiekvieną neuroną ir supraskite jų tarpusavio ryšius, taip sukurdami išsamų smegenų grandinės žemėlapį arba „jungtį“.
„SmartEM sutrumpins tokių projektų vaizdavimo laiką nuo dviejų savaičių iki 1,5 dienos“, – sako Meirovičius. „Neurologijos laboratorijos, kurios šiuo metu negali užsiimti brangiu ir ilgu EM vaizdavimu, galės tai padaryti dabar.
Be to, komanda įsivaizduoja ateitį, kurioje jungtimika būtų prieinama ir prieinama. Jie tikisi, kad naudojant tokias priemones kaip „SmartEM“, platesnis mokslinių tyrimų institucijų spektras galėtų prisidėti prie neurologijos, nesiremdamos didelėmis partnerystėmis, ir kad šis metodas netrukus taps standartiniu vamzdynu tais atvejais, kai bus prieinamos gyvų pacientų biopsijos. Be to, jie nori pritaikyti technologijas, kad suprastų patologijas, išplėtodami naudingumą ne tik jungtimika. „Dabar mes stengiamės tai pristatyti didelėms biopsijos ligoninėms, naudodami elektroninius mikroskopus, siekdami, kad patologijos tyrimai būtų veiksmingesni“, – sako Shavit.
Kiti du šio dokumento autoriai turi ryšių su MIT CSAIL: pagrindinis autorius Lu Mi MCS ’19, PhD ’22, kuris dabar yra Alleno smegenų mokslo instituto doktorantas, ir Shashata Sawmya, MIT absolventė laboratorijoje. Kiti pagrindiniai autoriai yra Core Francisco Park ir Pavel Potocek, o Harvardo profesoriai Jeffas Lichtmanas ir Aravi Samuelis yra papildomi vyresnieji autoriai. Jų tyrimus palaikė NIH BRAIN iniciatyva ir jie buvo pristatyti 2023 m. Tarptautinėje mašininio mokymosi konferencijoje (ICML) kompiuterinės biologijos seminare. Darbas buvo atliktas bendradarbiaujant su Thermo Fisher Scientific mokslininkais.
