新算法跟蹤自由爬行蠕蟲的彎曲腦中的神經(jīng)元

普林斯頓大學的科學家開發(fā)了一種新的算法，用于跟蹤毛蟲Caenorhabditis elegans大腦中的神經(jīng)元。該算法由Jeffrey Nguyen及其同事在PLOS Computational Biology中提出，可以在動物行為研究中節(jié)省數(shù)百小時的手工勞動。

為了研究大腦在行為中的作用，科學家們使用先進的成像技術(shù)記錄動物移動時各個神經(jīng)元的活動。然而，追蹤移動大腦中的神經(jīng)元是困難的，特別是在軟體蠕蟲C.線蟲中，其小尺寸和透明度使其非常適合這種研究。

研究報告的共同作者安德魯·萊弗(Andrew Leifer)說：“當蠕蟲爬行時，它的大腦在移動時會彎曲，這對成像提出了挑戰(zhàn)。”他的團隊花了很多時間在爬行蠕蟲的彎曲大腦的記錄中手動跟蹤神經(jīng)元，促使他們開發(fā)一種新的算法來簡化這個繁重的過程。

這種名為Neuron Registration Vector Encoding的新方法借鑒了計算機視覺和機器學習技術(shù)。它使用秀麗隱桿線蟲大腦的3D熒光記錄為它能夠檢測到的每個神經(jīng)元分配一個獨特的身份。部分基于神經(jīng)元的相對位置，該算法隨時間跟蹤每個神經(jīng)元。通過考慮已知某些蠕蟲運動使大腦變形的方式，也可以增強跟蹤。

研究人員發(fā)現(xiàn)，與手動跟蹤方法或部分自動化的其他方法相比，新算法能夠更快地識別出更多神經(jīng)元。他們能夠使用新方法將神經(jīng)活動與特定的蠕蟲運動相關(guān)聯(lián)，特別是逆轉(zhuǎn)動作。

“這項研究證明了采用基于計算機視覺和機器學習的自動化方法來幫助解決以前只能由人類完成的神經(jīng)科學研究中的艱巨任務(wù)的價值，”Leifer說。

他的團隊計劃在復雜的秀麗隱桿線蟲行為中使用他們的新方法來研究神經(jīng)活動，例如覓食，睡眠和交配。該算法可以幫助揭示大腦活動的不同模式如何產(chǎn)生這些行為。將來，同樣的方法也可以在其他物種中進行測試，例如斑馬魚。

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如有侵權(quán)行為，請第一時間聯(lián)系我們修改或刪除，多謝。

推薦內(nèi)容