Cientistas da JAIST e de Princeton criam NTAC, algoritmo que classifica neurônios por suas conexões

Pesquisadores da JAIST, de Princeton e de outros centros apresentaram o NTAC, sistema que determina o tipo de um neurônio não pela forma externa, mas pelas suas conexões sinápticas. Em experimentos com conectomas da mosca-da-fruta, o algoritmo atingiu precisão acima de 90% e executou a tarefa em minutos num notebook comum.

Por que a forma falha

A tipificação de neurônios há muito tempo esbarra no trabalho manual. Em geral, especialistas classificam as células pela morfologia: forma, ramificação, posição no tecido. Isso nem sempre funciona. Em algumas regiões do cérebro, principalmente no lobo óptico da mosca-da-fruta, tipos diferentes de neurônios parecem quase idênticos. É difícil distingui-los visualmente, embora, pelas funções, participem de circuitos distintos de processamento de sinais. Por isso, a rotulagem vira um processo longo e caro, que escala mal conforme os conectomas crescem.

Os autores propõem olhar não para a célula em si, mas para suas "ligações". A lógica é simples: dois fios idênticos dentro de uma parede são difíceis de distinguir pela aparência, mas fáceis de diferenciar se você seguir para onde vão. Com os neurônios é parecido. O NTAC usa o esquema de conexões sinápticas como principal característica e mostra que ele reflete a natureza funcional da célula melhor que a silhueta anatômica. Isso é especialmente importante em áreas densas do cérebro com arquitetura repetitiva.

Como o NTAC funciona

O NTAC opera em dois modos. No semiautomático, os pesquisadores rotulam antecipadamente uma pequena parcela dos neurônios, e o modelo transfere esse conhecimento para as demais células do mesmo conjunto de dados. No segundo modo, não é preciso rotular nada: o algoritmo agrupa sozinho os neurônios pela semelhança de suas conexões. Isso é relevante para conectomas grandes, em que rotular todas as células à mão já não é possível. A abordagem permite usar tanto atlas parcialmente prontos quanto conjuntos de dados totalmente brutos.

• O modo semiautomático usa poucos rótulos prontos
• O modo não supervisionado agrupa os neurônios sem pistas
• A execução leva minutos num notebook padrão
• O método foi testado em vários conectomas da mosca-da-fruta

Segundo os autores, o modelo foi avaliado nos conjuntos FlyWire, no conectoma do lobo óptico e em dados do cordão nervoso ventral. Não é um exemplo de brinquedo com uma única amostra de laboratório, mas uma comparação em vários mapas modernos do sistema nervoso da drosófila. Esse desenho fortalece o resultado: os pesquisadores mostram não um acerto isolado, mas uma abordagem capaz de se transferir entre regiões, tarefas e números de tipos celulares diferentes na amostra.

Resultados e limites

O NTAC teve seu melhor desempenho justamente onde os métodos morfológicos mais tropeçam. No lobo óptico, a variante semiautomática superou 90% de precisão, enquanto o NBLAST, abordagem popular baseada na forma do neurônio, ficou em cerca de 50%. No modo totalmente não supervisionado, o NTAC alcançou cerca de 70% de precisão em regiões complexas, ao passo que o agrupamento morfológico, em alguns casos, ficou abaixo de 10%. Para anotação automática, é uma diferença muito expressiva.

"O próprio esquema de conexões transmite sinal suficiente para

identificar rapidamente os tipos de neurônios."

Outro ponto: não se trata de um modelo voraz feito para data centers. Os autores destacam que o NTAC roda numa CPU padrão e não exige supercomputador. Para a neurociência, é uma mudança prática: se os conectomas crescerem do cérebro da mosca para o do camundongo e depois para o humano, automatizar a tipificação será obrigatório. O algoritmo já foi aplicado para rotular milhares de neurônios, e os pesquisadores apontam o mapeamento do cérebro de camundongo como o próximo grande marco.

O que isso significa

O NTAC não resolve o mapeamento do cérebro humano inteiro, mas elimina uma das etapas mais lentas: a tipificação manual das células. Se a abordagem mantiver a precisão em organismos maiores, a conectômica ganhará uma ferramenta funcional que pode acelerar tanto a ciência básica quanto a busca por alterações em circuitos neurais em doenças.