Нейронная схема от сигналов мозга

By Мирослав Белоголовка No comments

Нейронная схема от сигналов мозга
                Схему мозга можно получить, применив программу GLMCC (Обобщенная линейная модель для кросс-корреляции). Кредит: Университет Киото/Лаборатория Шиномото

Мозг считается одной из самых сложных систем в мире. И хотя для его понимания достигнуты значительные успехи, мы склонны генерировать больше вопросов, чем ответов.
                                                                                       

Но теперь исследовательская группа во главе с Университетом Киото разработала модель машинного обучения, которая позволяет ученым восстанавливать нейронные схемы путем измерения сигналов от самих нейронов. Модель может объяснить разницу в нейронных вычислениях в разных областях мозга. Результаты были опубликованы в Nature Communications.

Чтобы понять мозг, мы должны взглянуть на нейроны, которые его строят. Весь наш мир восприятия проходит через миллиарды клеток в нашей голове. И это усугубляется экспоненциально большим числом связей, известных как синапсы, между ними, что делает путь к нашему пониманию сложной задачей.

Сигэру Шиномото из Школы наук Киотского университета, который возглавлял проект, объясняет, что хотя можно регистрировать активность отдельных нейронов в мозге — и это число резко возросло за последнее десятилетие — это все еще остается проблемой чтобы определить, как каждая из этих ячеек соединяется друг с другом.

«Было высказано предположение, что связь между нейронами может быть оценена путем анализа корреляции между сигналами нейронов», — объясняет Шиномото. «Но получить точный вывод было сложно, потому что количество внешнего шума исходит от других нейронов».

Команда разработала аналитический метод, который берет пики сигнала от отдельных нейронов и оценивает межнейрональные связи от них. Чтобы устранить данные, загрязняющие «шум», они применили обобщенную линейную модель, или GLM, базовую модель в машинном обучении, к перекрестной коррелограмме, или CC, которая записывает корреляцию между нейронами.

«Мы назвали наш анализ GLMCC, и он оценил силу нервных связей в единицах потенциала синаптической мембраны», — заявляет Рёта Кобаяши из Национального института информатики (NII) и первого автора исследования.

«Чтобы подтвердить, что наши данные отражают связь с реальным миром, мы оценили их точность с помощью моделирования большой сети нейронов. Мы подтвердили, что новая модель имеет точность 97%, что намного выше, чем у любого предыдущего метода».

Затем модель была применена к экспериментальным данным по активности нейронов в гиппокампе крыс. При анализе предполагаемые связи соответствовали результатам, полученным с другими физиологическими признаками.

Исходный код и «готовая к использованию» версия доступны в Интернете, и команда надеется, что она будет использоваться нейробиологами по всему миру.

Шиномото делает вывод: «По мере развития технологий количество собираемых нами неврологических данных будет увеличиваться. Наша новая аналитическая модель будет иметь жизненно важное значение для обработки этой информации и позволит нам лучше понять, как наш мозг обрабатывает мир вокруг нас . «/р>

Добавить комментарий