Algoritmos relacionan conexiones neuronales en ratones con movimientos articulares

Crédito: CC0 Public Domain

Para encontrar una relación causal entre la actividad neuronal y la actividad física, los neurocientíficos suelen registrar el comportamiento de los animales y su actividad cerebral en un entorno controlado. Luego, anotan manualmente la actividad física/comportamental y los datos de actividad neuronal. Es un proceso ineficiente, lento, subjetivo y propicio para el error humano, ya que depende de quién registra las observaciones y, por lo tanto, no es reproducible.

En los últimos años, ha habido una tendencia creciente hacia el procesamiento automatizado de estos datos para mejorar la eficiencia y la reproducibilidad. Este es precisamente el enfoque que ha propuesto el investigador Waseem Abbas en su tesis del programa de doctorado en Redes y Tecnologías de la Información de la UOC. Parte de la investigación ya se ha publicado en tres revistas científicas: Journal of Neuroscience Methods, Sensors e IEEE Access.

La tesis propone soluciones basadas en aprendizaje profundo para procesar los datos de actividad neuronal y los datos de comportamiento observados en la cabeza. -ratones fijos. El objetivo es permitir que los neurocientíficos anoten los datos de comportamiento y extraigan patrones neuronales de manera automatizada y establezcan un vínculo causal entre los dos. «Hemos propuesto un camino basado en el aprendizaje profundo para el seguimiento de gestos que codifica explícitamente la información temporal que aparece en los videos», explicó Abbas.

El investigador también analizó las imágenes neuronales de los roedores utilizando calcio fluorescente codificado genéticamente. indicadores (GECI). «Cuando una neurona está activa, la concentración de GECI cambia dentro de la célula y este cambio se puede ver bajo un microscopio fluorescente», continuó.

El científico entrenó algoritmos de aprendizaje profundo que había desarrollado para registrar automáticamente la los movimientos de las extremidades de los ratones que aparecen en los videos y también para detectar todas las neuronas activas en las imágenes de actividad neuronal. Específicamente, los diseñó para tener en cuenta el contexto espacio-temporal en todo momento.

Investigación interdisciplinaria

La tesis es un ejemplo de colaboración interdisciplinaria, dijo David Masip, la tesis’ supervisor. «Colaboramos con investigadores del campo de la neurociencia para ayudar a relacionar las conexiones neuronales, que son visibles in vivo mediante imágenes basadas en calcio, con los movimientos articulares», explica Masip, director de la Escuela de Doctorado de la UOC, profesor de los Estudios de Informática , Multimedia y Telecomunicaciones y el investigador principal del Laboratorio de Inteligencia Artificial y Comprensión de Escenas (SUNAI).

Según el científico, la metodología desarrollada permite registrar grandes volúmenes de datos. Vídeos de ratones en movimiento, por un lado, y cubos de datos cerebrales, por otro, suponen un gran ejercicio de automatización que se ha llevado a cabo con éxito con los nuevos algoritmos.

El siguiente paso es entrenar a ambos grupos simultáneamente . «Si hay un conjunto de datos sincrónico disponible, por ejemplo, si hemos visto las imágenes de locomoción y los datos de calcio registrados simultáneamente para el mismo animal, podemos entrenar estos dos enfoques juntos para ver si existe alguna relación causal», dijo Abbas.

Explore más

Algoritmos de autoaprendizaje analizan datos de imágenes médicas Más información: Waseem Abbas et al. Métodos informáticos para la locomoción automática y el seguimiento de gestos en ratones y animales pequeños para aplicaciones de neurociencia: una encuesta, sensores (2019). DOI: 10.3390/s19153274

Waseem Abbas et al. Detección de extremidades y seguimiento de ratones con cabeza fija para fenotipado conductual mediante tubos de movimiento y aprendizaje profundo, IEEE Access (2020). DOI: 10.1109/ACCESS.2020.2975926

Olivia Uddin et al. El complejo parabraquial procesa las entradas de la duramadre a través de una conexión directa del ganglio del trigémino al parabraquial, Neurobiology of Pain (2021). DOI: 10.1016/j.ynpai.2021.100060