باحثون من JAIST وPrinceton طوروا خوارزمية NTAC لتصنيف العصبونات بحسب اتصالاتها

قدم باحثون من JAIST وPrinceton ومراكز أخرى نظام NTAC — نظام يحدد نوع الخلية العصبية ليس من خلال شكلها الخارجي، بل من خلال اتصالاتها الشرطونية. في التجارب على خرائط الاتصالات العصبية لذبابة الفاكهة، أظهرت الخوارزمية دقة تزيد عن 90٪ وأكملت المهمة في دقائق على جهاز كمبيوتر محمول عادي.

لماذا الشكل مضلل

يعاني تصنيف الخلايا العصبية من الوقوع في العمل اليدوي لفترة طويلة. عادة ما يصنف الخبراء الخلايا حسب التشكل: الشكل والتفرع والموقع في الأنسجة. لا يعمل هذا دائمًا.

في بعض المناطق في الدماغ، خاصة في الفص البصري لذبابة الفاكهة، تبدو أنواع مختلفة من الخلايا العصبية متشابهة تقريبًا. من الصعب التمييز بينها بصريًا، على الرغم من أنها تشارك وظيفيًا في سلاسل معالجة الإشارات المختلفة. لهذا السبب، تصبح العلامات عملية طويلة وباهظة الثمن لا تتسع جيدًا مع نمو خرائط الاتصالات.

يقترح المؤلفون النظر ليس إلى الخلية نفسها، بل إلى "اتصالاتها". المنطق بسيط: من الصعب التمييز بين سلكين متطابقين في جدار من خلال المظهر الخارجي، لكن من السهل التمييز بينهما إذا تتبعت المكان الذي تذهب إليه. الحال مع الخلايا العصبية مشابهة.

تستخدم NTAC نمط الاتصالات الشرطونية كميزة رئيسية وتظهر أنه يعكس الطبيعة الوظيفية للخلية بشكل أفضل من سيلويتها التشريحي. هذا مهم بشكل خاص في المناطق الكثيفة من الدماغ ذات البنية المتكررة.

كيف تعمل NTAC

تعمل NTAC في نمطين. في النسخة شبه الآلية، يقوم الباحثون بوسم جزء صغير من الخلايا العصبية مسبقًا، وينقل النموذج هذه المعرفة إلى الخلايا الأخرى في نفس مجموعة البيانات. في الوضع الثاني، لا تكون العلامات ضرورية: تجمع الخوارزمية الخلايا العصبية بنفسها بناءً على تشابه اتصالاتها. هذا مهم لخرائط الاتصالات الكبيرة حيث يصبح وسم جميع الخلايا يدويًا مستحيلًا بالفعل. يسمح هذا النهج باستخدام كل من الأطالس الجاهزة جزئيًا ومجموعات البيانات الخام تمامًا.

• يستخدم الوضع شبه الآلي بعض الوسوم الجاهزة
• يجمع الوضع غير الموجه الخلايا العصبية بدون تلميحات
• تستغرق مرة التشغيل دقائق على جهاز كمبيوتر محمول عادي
• تم اختبار الطريقة على عدة خرائط اتصالات لذبابة الفاكهة

وفقاً للمؤلفين، تم اختبار النموذج على مجموعات بيانات FlyWire وخريطة الاتصالات للفص البصري وبيانات الحبل العصبي البطني. هذا ليس مثالًا لعبة على عينة معملية واحدة، بل مقارنة على عدة خرائط حديثة للجهاز العصبي لذبابة الفاكهة. مثل هذا التصميم يجعل النتيجة أقوى: يظهر الباحثون ليس نجاحًا لمرة واحدة، بل نهجًا قادرًا على الانتقال بين مناطق مختلفة ومهام مختلفة وأعداد مختلفة من أنواع الخلايا في العينة.

النتائج والقيود

أظهرت NTAC أقوى نتائجها حيث تعثر الطرق التشريحية في كثير من الأحيان. في الفص البصري، تجاوزت النسخة شبه الآلية 90٪ من الدقة، بينما بقيت طريقة NBLAST الشهيرة، التي تعتمد على شكل الخلية العصبية، حول 50٪. في الوضع غير الموجه بالكامل، حققت NTAC حوالي 70٪ من الدقة في المناطق المعقدة، بينما ظلت التجميع التشريحي في بعض الحالات أقل من 10٪. بالنسبة لمهام العلامات التلقائية، هذا فجوة ملحوظة جداً.

"يحمل نمط الاتصال بحد ذاته إشارة كافية لتحديد سريع لأنواع الخلايا العصبية."

من المهم أيضًا أن هذا ليس نموذجًا جائعًا للموارد لمركز بيانات. يؤكد المؤلفون أن NTAC يعمل على وحدات المعالجة المركزية القياسية ولا يتطلب حاسوبًا عملاقًا. بالنسبة لعلم الأعصاب، هذا تحول عملي: إذا نمت خرائط الاتصالات من دماغ ذبابة الفاكهة إلى الفأر وما بعده إلى الإنسان، ستصبح أتمتة تصنيف الخلايا إجبارية. تم بالفعل استخدام الخوارزمية لوسم آلاف الخلايا العصبية، والباحثون يسمون رسم خريطة دماغ الفأر بأنها المرحلة المهمة التالية.

ماذا يعني هذا

لا تحل NTAC مشكلة رسم خريطة لدماغ الإنسان بالكامل، لكنها تزيل واحدة من أبطأ المراحل — تصنيف الخلايا اليدوي. إذا حافظ النهج على الدقة في الكائنات الحية الأكبر، فستحصل علم الاتصالات على أداة عملية ستسرع كل من العلوم الأساسية والبحث عن انقطاعات الدوائر العصبية في الأمراض.