במחקר שפורסם לאחרונה ב שיטות טבע, חוקרים הציגו את DELiVR, צינור ללמידה עמוקה משופרת במציאות מדומה (VR) לזיהוי פעילות נוירונית יעילה בהדמיית מוח, המספקת כלי ידידותי למשתמש המשפר את ביאור הנתונים ואת דיוק הפילוח.
לימוד: ניתוח למידה עמוקה המועצמת במציאות מדומה של תאי מוח. קרדיט תמונה: Gorodenkoff/Shutterstock.com
רקע כללי
ניתוח ביטוי חלבון חיוני להבנת מנגנונים פיזיולוגיים ומחלות. אימונוהיסטוכימיה מסורתית מספקת תובנות מוגבלות מקטעי רקמה, בעוד שניקוי רקמות עם הדמיה פלורסנטית מציעה מבט מקיף ברמת האורגניזם כולו.
יש צורך במחקר נוסף כדי לחדד את טכניקות הזיהוי, להרחיב יישומים על פני תנאים שונים ולהבין היטב את האינטראקציות המורכבות בתוך רשתות עצביות.
לגבי המחקר
חוקרים פיתחו שיטה מקיפה לעיבוד וניתוח סימון אימונוולציה במוח כולו באמצעות פרוטוקול SHANEL שונה.
פרוטוקול זה כרוך במספר שלבי הכנה, כולל התייבשות, התייבשות וצביעה עם נוגדני c-Fos, המשמשים כסמנים לפעילות נוירונית. התהליך משופר על ידי סדרה של שלבי כביסה וחסימה כדי להבטיח ספציפיות ובהירות בתיוג.
הצוות השתמש במיקרוסקופיה של גיליונות אור כדי לזהות ולהמחיש תאי מוח ספציפיים. טכניקה זו מאפשרת הדמיה ברזולוציה גבוהה של רקמת המוח, אשר עברה עיבוד להיות שקופה.
באמצעות שימוש בנוגדנים ספציפיים ובמערכות אופטיות מתקדמות, החוקרים יכולים ללכוד תמונות תלת מימדיות מפורטות של פעילות עצבית על פני כל המוח.
החוקרים השתמשו בשיטות אוטומטיות וידניות כדי לנתח את כמויות הנתונים העצומות שנוצרו מתמונות אלו. הם פיתחו צינור תוכנה בשם DELiVR, המשלב VR ולמידה עמוקה כדי לייעל את ההערות והפילוח של תאי המוח.
מערכת זו מאפשרת זיהוי מהיר ומדויק של סוגי תאים ודפוסי פעילות, ומאיצה משמעותית את תהליך ניתוח הנתונים. בנוסף להתקדמות הטכנית, המחקר התמקד גם ביישום מעשי של שיטות אלו במחקר ביו-רפואי.
תוצאות המחקר
הצוות השתמש בפרוטוקול SHANEL לצביעה חיסונית של c-Fos במוח שלם, ניקוי רקמות ומיקרוסקופ פלואורסצנטי של גליונות אור (LSFM) כדי להקל על אימון מודלים של למידה עמוקה.
כדי להעיר ביעילות את מערכי הנתונים המורכבים הללו, הם עברו מהביאור הדו-ממדי המסורתי (2D) פרוס-אחר-פרוסה לגישה תלת-ממדית דינמית יותר באמצעות VR. שינוי זה התאפשר על ידי שימוש בתוכנת VR מסחרית כגון Arivis VisionVR ו-syGlass, המאפשרות למגיבים לשקוע במלואם בנתונים הנפחיים.
כלים אלו הפחיתו משמעותית את זמן ההערה ושיפרו את הדיוק בהשוואה לשיטות המסורתיות המשמשות ב-ITK-SNAP.
גישת ה-VR שיפרה את תהליך האימון של מודלים של פילוח למידה עמוקה על ידי מתן הערה מהירה ומדויקת של אזורי עניין (ROI) בתלת מימד.
לדוגמה, באמצעות Arivis VisionVR, הערים יכלו להחיל סף אדפטיבי על החזר ROI מוגדר על סמך הקלט שלהם, מה שייעל את תהליך ההערה. לעומת זאת, הערות דו-ממדיות מסורתיות דרשו פילוח של תאי c-Fos+ בכל מישור תמונה, שיטה גוזלת יותר זמן ונוטה לשגיאות.
כדי למנף באופן מלא את מערכי הנתונים המוערים הללו, הצוות פיתח את DELiVR, צינור מקיף ללמידה עמוקה המותאמת לניתוח פעילות נוירונית מפורטת על פני כל המוח.
DELiVR משתמשת בסדרה של שלבים לעיבוד וניתוח תמונות מוח, החל מדגימת דגימה גולמית ועד ליישור תאים מפולחים עם Allen Brain Atlas באמצעות אלגוריתמים מתוחכמים כמו mBrainAligner.
הצינור מקל על זיהוי ומיפוי של תאים לאזורי מוח ספציפיים, ומספק הבנה טובה יותר של פעילות עצבית העולה על מודלים קודמים שאינם למידה עמוקה.
היעילות של DELiVR אומתה מול שיטות מסורתיות, והראתה שיפור משמעותי בדיוק וברגישות הזיהוי. צנרת הלמידה העמוקה הגדילה את מספר התאים שזוהו והגבירה את הדיוק של זיהויים אלה, תוך ביצועים טובים יותר משיטות מבוססות כמו ClearMap.
להדמיה, DELiVR מייצרת מפה מפורטת של תאים מפולחים, צובעת כל תא לפי אזור המוח שלו, אותה ניתן להמחיש עוד יותר באמצעות כלים כמו BrainRender.
הגמישות של DELiVR משתרעת על פריסתו; הוא ארוז במיכל Docker ידידותי למשתמש שיכול לפעול גם על לינוקס וגם על Windows.
אריזה זו כוללת תוסף פיג'י ייעודי, המפשט את השימוש ב-DELiVR עבור חוקרים עם רמות שונות של מומחיות טכנית. יתרה מכך, המערכת מאפשרת אימון מחדש על מערכי נתונים שונים, תוך שיפור יכולת ההתאמה והדיוק שלה לצרכי מחקר שונים.
בנוסף, היכולות של DELiVR הוכחו במחקר של שינויים הקשורים לסרטן בפעילות המוח. הצינור שימש להשוואת דפוסי פעילות נוירונים בין עכברים עם סוגים שונים של סרטן, וחשף שינויים משמעותיים בפעילות המוח הקשורה לקצ'קסיה הקשורה לסרטן.
מסקנות
לסיכום, הצוות הציג את DELiVR, צינור למידה עמוקה המאפשר VR למיפוי תאי מוח שלמים בעכברים, שנועד להיות נגיש לביולוגים ללא כישורי קידוד דרך ממשק פיג'י. ניצול VR עבור הערות אימון מדויקות, DELiVR משפר את דיוק הפילוח ומשתלב בקלות עם מערכי נתונים קיימים.
שיטות מסורתיות כמו ClearMap, שלעתים קרובות מחמיצות וריאציות עדינות בגלל רעש, זוכות לביצועים טובים יותר על ידי ה-3D BasicUNet של DELiVR.
הכלי הוכיח את יעילותו על ידי יצירת פרופיל של הפעלת המוח בעכברים נושאי סרטן, וחשף דפוסים נוירונים מובהקים הקשורים לניהול משקל. DELiVR משלב דיוק גבוה במיפוי תאים עם תכונות ידידותיות למשתמש, ומקדם את חקר התופעות הנוירופיזיולוגיות בהקשרי מחלה.
