Un nuevo método de IA revela un comportamiento complejo en las neuronas de los gusanos

Científicos de Harvard y EPFL han creado un nuevo método innovador para rastrear neuronas en animales que se mueven y deforman.

La nueva técnica combina el aprendizaje profundo con una nueva metodología conocida como “aumento objetivo.”

Gracias a avances recientes, ahora se pueden visualizar las neuronas dentro de animales que se mueven libremente. Sin embargo, estas neuronas observadas deben ser reconocidas y rastreadas computacionalmente para descifrar la actividad del circuito. Esto es extremadamente difícil cuando, como en el caso de un gusano, el propio cerebro se mueve y se deforma dentro del cuerpo flexible del organismo. La comunidad científica no tenía hasta ahora los recursos para hacer frente al problema.

Un equipo de investigadores de la EPFL y Harvard ha establecido un método de IA pionero para rastrear neuronas dentro de animales en movimiento y deformes. La investigación, ahora publicada en Los métodos de la naturaleza, está dirigido por Sahand Jamal Rahi en la Facultad de Ciencias Básicas de la EPFL.

Las redes neuronales convolucionales (CNN), un subconjunto de inteligencia artificial (IA) que ha sido entrenada para identificar y comprender patrones en imágenes, son la base de la nueva técnica. Para darle sentido a la imagen e identificar objetos o patrones, se utiliza una técnica conocida como “convolución”. Analiza pequeñas porciones de la imagen, como bordes, colores o formas, a la vez.

Identificar y rastrear neuronas en el cerebro de un animal durante una película presenta un desafío debido a las diferentes apariencias causadas por las frecuentes deformaciones corporales. Esta diversidad en las posturas de los animales requiere numerosas etiquetas de imágenes manuales para entrenar eficazmente una red neuronal convolucional (CNN). Sin embargo, esta tarea puede resultar desalentadora debido al gran volumen de notas necesarias para cubrir la amplia gama de poses del animal.

Para solucionar este problema, los científicos han creado una CNN mejorada con “impulso dirigido”. Utilizando solo una pequeña cantidad de anotaciones manuales, el nuevo método crea automáticamente anotaciones confiables como referencia. Como resultado, CNN captura de manera experta las deformaciones internas del cerebro y utiliza esta información aprendida para generar anotaciones para nuevas posturas. Esto reduce significativamente la necesidad de tomar notas manuales exhaustivas y realizar verificaciones cruzadas redundantes.

El nuevo enfoque es adaptable; puede reconocer neuronas en imágenes que las muestran como puntos discretos o como volúmenes tridimensionales. Realizaron pruebas utilizando la lombriz intestinal Caenorhabditis elegansun organismo modelo ampliamente favorecido en la neurociencia debido a sus 302 neuronas mapeadas con precisión.

Los científicos monitorearon la actividad en algunas de las interneuronas del gusano (neuronas que transmiten mensajes entre neuronas) utilizando la CNN mejorada. Sus observaciones revelaron comportamientos intrincados entre estas neuronas. Por ejemplo, estas neuronas mostraron patrones de respuesta adaptativa cuando se expusieron a estímulos variados, como ráfagas periódicas de olores, mostrando su capacidad para adaptarse a diferentes señales ambientales.

El grupo proporcionó acceso a su CNN, ofreciendo una interfaz gráfica de usuario fácil de usar que incorpora aumento dirigido, agilizando el proceso en un proceso fluido que incluye anotaciones manuales hasta la revisión final.

Al reducir significativamente el esfuerzo manual necesario para segmentar y rastrear neuronas, el nuevo método aumenta tres veces el rendimiento del análisis en comparación con la anotación manual completa. El descubrimiento tiene el potencial de acelerar la investigación de imágenes cerebrales y profundizar nuestra comprensión de los circuitos y comportamientos neuronales..

Sahand Jamal Rahi, Investigador, Laboratorio de Física de Sistemas Biológicos, Instituto de Física, École Polytechnique Fédérale de Lausanne

Proyección bidimensional de registros volumétricos 3D de la actividad cerebral en C. elegans.Jugar