نسخه جدید اطلس پروژه مغز آبی، انواع نورون ها را روشن می کند

پس از چهار سال تحقیق، پروژه مغز آبی EPFL یک نسخه غنی شده از اطلس سلولی دیجیتال سه بعدی مغز موش را به اشتراک می گذارد که شامل انواع نورون های بیشتری است. رویکرد جدید می‌تواند به هر نوع سلول دیگری تعمیم داده شود و منبعی برای ساخت مدل‌های سطح بافت مغز موش فراهم می‌کند.

دانش ساختار خاص نوع سلولی مغز برای درک نقش هر نوع سلول به عنوان بخشی از شبکه مفید است، برای مقابله با هر گونه شبیه سازی مدار عصبی در مقیاس بزرگ ضروری است و کلیدی برای هدف بلند مدت Blue Brain است. ساختن دقیق یک مدل دیجیتالی از کل مغز موش. با این وجود، دستیابی به درک جهانی از ترکیب سلولی مغز یک کار بسیار پیچیده است، نه تنها به دلیل تنوع زیاد ذاتی در ادبیات، بلکه به دلیل مناطق متعدد مغز و انواع سلولی که مغز را می‌سازند.

در سال 2018، پروژه مغز آبی EPFL اولین مدل اطلس سلولی را ارائه کرد که تخمینی از ترکیب مغز موش ارائه می کرد. انتشار اطلس سلولی مغز آبی (BBCAv1) اولین باری بود که یک اطلس دیجیتال سه بعدی اطلاعاتی در مورد انواع سلول های اصلی، اعداد و موقعیت ها در بیش از 700 منطقه مغز موش ارائه می کرد.

این تراکم نورون‌ها، سلول‌های بافت همبند مرتبط (گلیا) و زیرگروه‌های آن‌ها را برای هر ناحیه ارائه می‌کند، همه این‌ها در قالبی قابل کشتی‌رانی و پویا ارائه می‌شوند و به محققان اجازه می‌دهند داده‌های جدیدی را ارائه کنند. پروفسور هنری مارکرام، بنیانگذار و مدیر Blue Brain می گوید: «در آن زمان، این شکاف بزرگ در دانش ما از 96 درصد از مناطق مغز موش را پر کرد.

در سال‌های اخیر، مجموعه داده‌ها و ابزارهای جدیدی ظهور کرده‌اند که ترکیبی از نوع سلولی را بر اساس پروتئین‌های خاص بیان شده در سلول‌ها ارائه می‌کنند. اگرچه این تکنیک‌های نشانگر مولکولی نسبتاً سریع هستند، اما همیشه اطلاعات قابل استفاده مستقیمی در مورد مورفولوژی (شکل) و خواص الکتروفیزیولوژیکی نورون‌ها به دست نمی‌دهند. با این حال، مشخص کردن خواص مورفو-الکتریکی سلول ها بسیار زمان بر است و برای اسکن کل مغز مناسب نیست. بنابراین، برای ایجاد یک چارچوب منسجم با هرچه بیشتر اطلاعات جزئی، مطلوب است که همه مجموعه داده‌های مختلف موجود را گرد هم آورده و ترکیب کنیم.

آشکارسازی تراکم نورون مهاری

یکی از دسته‌های قابل توجه نورون‌ها که داده‌های بسیار کمی برای آن در دسترس بود و روش مورد استفاده برای ایجاد BBCAv1 نیاز به اصلاح داشت، نورون‌های بازدارنده هستند. نورون های بازدارنده شلیک سایر نورون ها را کاهش می دهند و نقش مهمی در بسته بندی و انتقال اطلاعات در مغز دارند. آنها مانند علائم نقطه گذاری عصبی عمل می کنند و به مغز اجازه می دهند تا هجوم اطلاعات را درک کند.

تخمین‌های تعداد نورون‌های بازدارنده از ادبیات جمع‌آوری شد و چارچوبی به منظور ترکیب آن‌ها به طور مداوم در اطلس سلولی ساخته شد. با استفاده از تصاویر برش مغز، تراکم نورون های بازدارنده نیز در مناطقی که هیچ داده ادبی در دسترس نبود، برآورد شد. در مجموع، نویسندگان نشان می‌دهند که در مغز موش، 20 درصد از نورون‌ها مهارکننده هستند.

به گفته نویسنده اصلی، دیمیتری روداری از Blue Brain، «این زمینه را برای تقسیم نورون‌های بازدارنده به کلاس‌های ریزتر فراهم می‌کند و به جامعه علوم اعصاب اجازه می‌دهد تا مناطقی را شناسایی کنند که دانش فعلی می‌تواند با محدودیت‌های اضافی افزایش یابد».

کمک بین گونه ای برای مدل های عصبی

اطلاعات استخراج شده از مؤسسه علوم مغز آلن، داده های ضروری را ارائه می دهد و امکان ایجاد فهرستی از نورون ها در مغز موش را با توجه به ویژگی های مولکولی، مورفولوژیکی و الکتروفیزیولوژیکی آنها فراهم می کند. با این حال، برای مدل‌سازی نواحی مغز، و بیشتر از آن یک مغز کامل، نه تنها به درک جهانی از ترکیب سلولی مغز نیاز است، بلکه باید مدل‌های بیوفیزیکی دقیقی از نورون‌ها نیز ایجاد شود.

در انتشار قبلی، Blue Brain مدل‌هایی را بر اساس داده‌های مورفو الکتریک از نورون‌های قشر حسی جسمی موش‌های صحرایی نوجوان ساخت. از آنجایی که داده‌ها از گونه‌های مختلف – موش در مقابل موش – و از یک مرحله رشد متفاوت است، نویسندگان مراحل عادی‌سازی را برای نگاشت مدل‌ها به داده‌های سلولی از موسسه آلن شامل می‌شوند. این مرحله نه تنها به آنها اجازه داد تا هویت مولکولی را به مدل‌های عصبی اختصاص دهند، بلکه کل قشر موش را با مدل‌های دقیق عصبی پر کنند.

نویسنده اصلی، یان راسل از Blue Brain توضیح می‌دهد: «الگوریتم ما به ترسیم شباهت‌ها بین گونه‌ها کمک می‌کند، اما همچنین درک ما را از مناطق کمتر مطالعه‌شده مغز گسترش می‌دهد.» این مدل به آزمایش‌گران اجازه می‌دهد تا ترکیب منطقه‌ای را درک کنند و به دانشمندان علوم اعصاب محاسباتی اجازه می‌دهد تا انواع سلول‌های تعریف‌شده را قرار دهند. در شبیه سازی هایشان.”

ابزارها و روش‌های جدید مورد استفاده برای پالایش Cell Atlas و تولید BBCAv2، که در دو مقاله همراه در زیست شناسی محاسباتی PLOSبه منظور ترسیم انواع شناخته شده به زیر کلاس های عصبی بازدارنده، گسترش یافتند و راه را برای بازسازی های سیلیکونی بافت های مغزی دقیق تر هموار کردند.

داده‌ها، الگوریتم‌ها، نرم‌افزار و نتایج خط لوله مورد استفاده برای ارتقاء اطلس سلول‌های مغز آبی همگی در دسترس عموم هستند.

برای دانیل کلر، رهبر تیم سیستم‌های مولکولی بلو برین، “این نسخه شامل چهار سال مطالعه است و شامل محدودیت‌های اضافی از داده‌های بیولوژیکی است تا نتایج را برای شبیه‌سازی سازگارتر کند. استفاده از آن برای شبیه‌سازی به ما امکان می‌دهد مناطقی را برای اصلاح بیشتر شناسایی کنیم، در نتیجه اجازه بهبود در هر نسل متوالی را می دهد.”

نویسندگان نتیجه می گیرند: “این پروژه با هدف مشارکت دادن جامعه علمی برای مشارکت با دسترسی آزاد به داده ها، نرم افزارها و ابزارها است. ما انتظار داریم که BBCAv2 برای اهداف بسیاری مورد استفاده قرار گیرد.”