Los investigadores de Georgia Tech utilizan un marco de modelo gr\u00e1fico para descubrir una mejor manera de identificar c\u00e9lulas y comprender las actividades neuronales en el cerebro. Cr\u00e9dito: Christopher Moore, Georgia Tech <\/p>\n
En la investigaci\u00f3n de las causas y los tratamientos potenciales para condiciones degenerativas como el Alzheimer o la enfermedad de Parkinson, los neurocient\u00edficos con frecuencia tienen dificultades para identificar con precisi\u00f3n las c\u00e9lulas necesarias para comprender la actividad cerebral que da lugar a cambios de comportamiento como la disminuci\u00f3n de la memoria o alteraci\u00f3n del equilibrio y temblores. <\/p>\n
Un equipo multidisciplinario de investigadores de neurociencia del Instituto de Tecnolog\u00eda de Georgia, tomando prestadas herramientas existentes, como modelos gr\u00e1ficos, ha descubierto una mejor manera de identificar c\u00e9lulas y comprender los mecanismos de las enfermedades, lo que podr\u00eda conducir a una mejor comprensi\u00f3n, diagn\u00f3stico y tratamiento. <\/p>\n
Los hallazgos de su investigaci\u00f3n se publicaron el 24 de febrero en la revista eLife. La investigaci\u00f3n fue apoyada por los Institutos Nacionales de Salud y la Fundaci\u00f3n Nacional de Ciencias.<\/p>\n
El campo de la neurociencia estudia c\u00f3mo funciona el sistema nervioso y c\u00f3mo los genes y el medio ambiente influyen en el comportamiento. Mediante el uso de nuevas tecnolog\u00edas para comprender los estados naturales y disfuncionales de los sistemas biol\u00f3gicos, los neurocient\u00edficos esperan finalmente traer curas para las enfermedades. Antes de que eso pueda suceder, los neurocient\u00edficos primero deben comprender qu\u00e9 c\u00e9lulas del cerebro est\u00e1n impulsando el comportamiento, pero mapear la actividad cerebral c\u00e9lula por c\u00e9lula no es tan simple como parece.<\/p>\n
No hay dos c\u00e9lulas cerebrales iguales<\/p>\n
Tradicionalmente, los cient\u00edficos establecieron un sistema de coordenadas para mapear la ubicaci\u00f3n de cada c\u00e9lula comparando im\u00e1genes con un atlas, pero la noci\u00f3n en la literatura de que \u00abtodos los cerebros tienen el mismo aspecto no es del todo cierta\u00bb, dijo Hang Lu, profesor de Love Family de Ingenier\u00eda Qu\u00edmica y Biomolecular en la Escuela de Ingenier\u00eda Qu\u00edmica y Biomolecular de Georgia Tech.<\/p>\n
Adoptar un enfoque coordinado presenta dos desaf\u00edos principales: primero, la gran cantidad de c\u00e9lulas en las que ninguna se ve tan distinta; en segundo lugar, las c\u00e9lulas var\u00edan de un individuo a otro.<\/p>\n
\u00abEste es un gran cuello de botella actual: puede registrar las actividades de las neuronas todo lo que quiera, pero si no comprende qu\u00e9 c\u00e9lulas est\u00e1n haciendo qu\u00e9, es dif\u00edcil comparar entre cerebros o condiciones y sacar conclusiones significativas\u00bb, dijo Lu.<\/p>\n
Seg\u00fan el investigador graduado Shivesh Chaudhary, tambi\u00e9n hay ruidos en los datos que dificultan establecer la correspondencia entre dos regiones diferentes del cerebro. \u00abEs posible que existan algunas deformaciones en los datos o que falten algunas partes de la forma\u00bb, dijo.<\/p>\n
El profesor de Georgia Tech, Hang Lu, est\u00e1 entusiasmado con el potencial de esta herramienta para ser de colaboraci\u00f3n colectiva, por lo que otros investigadores trabajan en el mismo problema. puede compartir ideas. Cr\u00e9dito: Christopher Moore, Georgia Tech <\/p>\n
Enfoc\u00e1ndose en las relaciones celulares, no solo en la geograf\u00eda<\/p>\n
Para superar estos desaf\u00edos, los investigadores de Georgia Tech tomaron prestados modelos gr\u00e1ficos de dos disciplinas en el enfoque de aprendizaje autom\u00e1tico y geometr\u00eda m\u00e9trica para emparejar formas en matem\u00e1ticas y construy\u00f3 un m\u00e9todo computacional para identificar c\u00e9lulas en su organismo modelo, el nematodo C.elegans.<\/p>\n
El equipo us\u00f3 marcos de trabajo de otros campos, como el procesamiento del lenguaje natural, para construir su propio software de modelado. En el procesamiento del lenguaje natural, la computadora puede determinar el significado de las oraciones capturando las dependencias entre las palabras en una declaraci\u00f3n.<\/p>\n
Los investigadores adoptaron un modelo similar pero en lugar de capturar las dependencias entre las palabras, \u00ablas capturamos entre las neuronas para identificar las celdas\u00bb, dijo Chaudhary, se\u00f1alando que este enfoque limita la propagaci\u00f3n de errores en comparaci\u00f3n con otros m\u00e9todos que examinan la ubicaci\u00f3n geogr\u00e1fica de cada celda.<\/p>\n
\u00abUsar las relaciones entre las celdas en realidad fue m\u00e1s \u00fatil para definir el identidad\u00bb, dijo Lu. \u00abSi define una, tendr\u00e1 las implicaciones de la identidad de las otras c\u00e9lulas\u00bb.<\/p>\n
El enfoque, dice el equipo de investigaci\u00f3n, es significativamente m\u00e1s preciso que el m\u00e9todo actual de identificaci\u00f3n. El algoritmo, aunque no es perfecto, funciona significativamente mejor frente a datos imperfectos y \u00abse altera menos\u00bb por el ruido o los errores, dijo Lu.<\/p>\n
El algoritmo tiene enormes implicaciones para muchas enfermedades del desarrollo, ya que una vez los cient\u00edficos pueden entender el mecanismo de una enfermedad, pueden encontrar intervenciones.<\/p>\n
\u00abPuedes usar esto para hacer ex\u00e1menes gen\u00e9ticos y de drogas para evaluar los riesgos gen\u00e9ticos. Puedes tomar los antecedentes gen\u00e9ticos de alguien y examinar c\u00f3mo estos antecedentes hacen que las c\u00e9lulas se comportan de manera diferente al trasfondo gen\u00e9tico de referencia est\u00e1ndar\u00bb, dijo Lu.<\/p>\n
\u00abUna cosa interesante de este enfoque es que est\u00e1 basado en datos y, por lo tanto, captura las variaciones entre gusanos individuales. Este m\u00e9todo tiene un alto potencial para ser aplicable a una amplia gama de estudios sobre el desarrollo y la funci\u00f3n en condiciones normales y similares a las de una enfermedad\u00bb, dijo Yun Zhang, profesor del Departamento de Biolog\u00eda Org\u00e1nica y Evolutiva del Centro de Ciencias del Cerebro de la Universidad de Harvard.<\/p>\n
investigaci\u00f3n de posgrado er Shivesh Chaudhary cultivando C. elegans, un poderoso organismo modelo para la neurociencia. Cr\u00e9dito: Christopher Moore, Georgia Tech <\/p>\n
An\u00e1lisis de datos m\u00e1s r\u00e1pido<\/p>\n
El algoritmo acelera enormemente la velocidad de an\u00e1lisis de datos de todo el cerebro. Los investigadores explicaron que antes de este avance, su laboratorio pod\u00eda tardar 20 minutos en registrar un conjunto de datos, pero les llevar\u00eda semanas identificar las c\u00e9lulas y analizar los datos. Con el algoritmo, el an\u00e1lisis se lleva a cabo \u00abdurante la noche como m\u00e1ximo en un escritorio\u00bb, dijo Chaudhary.<\/p>\n
La t\u00e9cnica tambi\u00e9n es compatible con el crowdsourcing, plataformas colaborativas en l\u00ednea que abren el algoritmo a una comunidad m\u00e1s grande, que puede probar el algoritmo. y construir atlas.<\/p>\n
\u00abCada investigador que trabaje en el mismo problema podr\u00eda hacer grabaciones y contribuir a seguir construyendo estos atlas que ser\u00e1n ampliamente utilizables en todos los contextos\u00bb, dijo Lu.<\/p>\n
El Los investigadores atribuyen el \u00e9xito del proyecto a la posibilidad de recurrir a m\u00faltiples disciplinas de la f\u00edsica, la biolog\u00eda, las matem\u00e1ticas y la qu\u00edmica. Chaudhary, que tiene una licenciatura en ingenier\u00eda qu\u00edmica, aprovech\u00f3 los avances en inform\u00e1tica y matem\u00e1ticas para resolver este problema particular de neurociencia.<\/p>\n
\u00abEn nuestros laboratorios, tenemos un f\u00edsico que trabaja en la construcci\u00f3n de microscopios, tenemos bi\u00f3logos, tenemos gente como yo que se inclina m\u00e1s por la inform\u00e1tica. Tambi\u00e9n colaboramos con un matem\u00e1tico puro\u201d, explic\u00f3. \u00abEl campo de la neurociencia lo tiene todo. Puedes ir en la direcci\u00f3n que quieras\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Una herramienta a gran escala para investigar la funci\u00f3n de los genes del trastorno del espectro autista M\u00e1s informaci\u00f3n:<\/strong> Shivesh Chaudhary et al, Marco de modelo gr\u00e1fico para la anotaci\u00f3n automatizada de identidades celulares en densidad im\u00e1genes celulares, eLife (2021). DOI: 10.7554\/eLife.60321 Informaci\u00f3n del diario:<\/strong> eLife <\/p>\n Proporcionado por el Instituto de Tecnolog\u00eda de Georgia Cita<\/strong>: Identificaci\u00f3n de c\u00e9lulas para comprender mejor el comportamiento saludable y enfermo (marzo de 2021 17) obtenido el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-03-cells-healthy-diseased-behavior.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Los investigadores de Georgia Tech utilizan un marco de modelo gr\u00e1fico para descubrir una mejor manera de identificar c\u00e9lulas y comprender las actividades neuronales en el cerebro. Cr\u00e9dito: Christopher Moore, Georgia Tech En la investigaci\u00f3n de las causas y los tratamientos potenciales para condiciones degenerativas como el Alzheimer o la enfermedad de Parkinson, los neurocient\u00edficos … Continuar leyendo \u00abIdentificaci\u00f3n de c\u00e9lulas para comprender mejor el comportamiento sano y enfermo\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-17951","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/17951","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=17951"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/17951\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=17951"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=17951"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=17951"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}