[ad_1]
La conectómica, el ambicioso campo de investigación destinado a mapear la compleja red de cerebros animales, está experimentando un crecimiento acelerado. En una década, ha evolucionado desde sus primeras etapas hasta convertirse en una disciplina preparada (con suerte) para desentrañar los misterios de la cognición y las bases físicas de neuropatologías como la enfermedad de Alzheimer.
La atención se centra en el uso de potentes microscopios electrónicos, que investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y de los Laboratorios Samuel y Lichtman de la Universidad de Harvard han dotado de capacidades analíticas al aprendizaje automático. A diferencia de la microscopía electrónica tradicional, la IA integrada actúa como un «cerebro» que aprende una muestra a medida que se capturan las imágenes y se enfoca de manera inteligente en los píxeles relevantes con una resolución a nanoescala, similar a cómo los animales inspeccionan sus mundos.
«SmartEM» apoya la conectómica para examinar y reconstruir la compleja red de sinapsis y neuronas del cerebro rápidamente y con precisión nanométrica. A diferencia de la microscopía electrónica tradicional, la IA integrada abre nuevas posibilidades para comprender la compleja arquitectura del cerebro.
La integración de hardware y software en el proceso es crucial. El equipo integró una GPU en la computadora de soporte conectada a su microscopio. Esto permitió que se ejecutaran modelos de aprendizaje automático en las imágenes y ayudó a dirigir el haz del microscopio a áreas consideradas interesantes por la IA. «Esto permite que el microscopio permanezca más tiempo en áreas que son más difíciles de entender hasta que capture lo que necesita», dice el profesor del MIT e investigador principal del CSAIL, Nir Shavit. «Este paso ayuda a reflejar el control del ojo humano y permite una rápida comprensión de las imágenes».
«Cuando miramos un rostro humano, nuestros ojos navegan rápidamente hacia los puntos focales que brindan señales importantes para una comunicación y comprensión efectivas», dice el arquitecto principal de SmartEM, Yaron Meirovitch, científico visitante en MIT CSAIL y ex becario postdoctoral y actual investigador asociado. del neurocientífico de Harvard. “Cuando nos sumergimos en un libro, no escaneamos todo el espacio vacío; Más bien, centramos nuestra atención en las palabras y caracteres que son ambiguos en relación con nuestras expectativas de oración. Este fenómeno en el sistema visual humano allanó el camino para el nacimiento del novedoso concepto de microscopio”.
Reconstruir un segmento del cerebro humano con alrededor de 100.000 neuronas utilizando un microscopio tradicional requeriría una década de imágenes continuas y un presupuesto prohibitivo. Sin embargo, con SmartEM, la tarea podría completarse en sólo tres meses invirtiendo en cuatro de estos innovadores microscopios por menos de 1 millón de dólares cada uno.
Premios Nobel y gusanitos
Hace más de un siglo, el neurocientífico español Santiago Ramón y Cajal fue considerado el primero en caracterizar la estructura del sistema nervioso. Utilizando los rudimentarios microscopios ópticos de su época, inició exploraciones innovadoras de la neurociencia, estableciendo la comprensión fundamental de las neuronas y esbozando las primeras líneas generales de este vasto y desconocido campo, un logro que le valió el Premio Nobel. Sobre los temas de inspiración y descubrimiento, señaló: “Mientras nuestro cerebro sea un misterio, el universo, el reflejo de la estructura del cerebro, también lo será”.
Desde estas primeras etapas, el campo se ha desarrollado dramáticamente, como lo demuestran los esfuerzos realizados en la década de 1980 para mapear el conectoma relativamente más simple de C. elegans, pequeños gusanos, hasta los esfuerzos actuales por explorar cerebros más complejos de organismos como el pez cebra y los ratones. Este desarrollo refleja no sólo enormes avances, sino también una complejidad y demandas crecientes: el mapeo del cerebro del ratón requiere por sí solo la gestión de la asombrosa cantidad de miles de petabytes. Datosuna tarea que eclipsa con creces las capacidades de almacenamiento de cualquier universidad, afirma el equipo.
prueba el agua
Para su propio trabajo, Meirovitch y otros miembros del equipo de investigación examinaron rodajas de tejido de pulpo de 30 nanómetros de espesor que se pegaron a cintas, se colocaron en obleas y finalmente se insertaron en los microscopios electrónicos. Se tomaron imágenes de cada sección del cerebro de un pulpo, compuesta por miles de millones de píxeles, lo que permitió a los científicos reconstruir las rebanadas en un cubo tridimensional con una resolución nanométrica. Esto permitió una visión extremadamente detallada de las sinapsis. ¿La meta principal? Para colorear estas imágenes, identifique cada neurona y comprenda sus interrelaciones para crear un mapa detallado, o «conectoma», de los circuitos del cerebro.
«SmartEM reducirá el tiempo de procesamiento de imágenes de este tipo de proyectos de dos semanas a 1,5 días», afirma Meirovitch. «Los laboratorios de neurociencia que actualmente no pueden realizar imágenes EM costosas y tediosas ahora podrán hacerlo». El método también debería permitir el análisis de circuitos a nivel de sinapsis en muestras de pacientes con trastornos psiquiátricos y neurológicos.
En general, el equipo visualiza un futuro en el que la conectómica sea asequible y accesible. Esperan que herramientas como SmartEM permitan a una gama más amplia de instituciones de investigación contribuir a la neurociencia sin depender de grandes asociaciones, y que el método pronto se convierta en el método estándar en los casos en que se disponga de biopsias de pacientes vivos. Además, su objetivo es utilizar la tecnología para comprender patologías y ampliar su utilidad más allá de la mera conectómica. «Ahora estamos intentando introducir esto en los hospitales para biopsias grandes utilizando microscopios electrónicos para hacer que los estudios de patología sean más eficientes», dice Shavit.
Otros dos autores del artículo tienen vínculos con MIT CSAIL: el autor principal Lu Mi MCS ’19, PhD ’22, que ahora es becario postdoctoral en el Instituto Allen de Ciencias del Cerebro, y Shashata Sawmya, estudiante graduada del laboratorio del MIT. Los otros autores principales son Core Francisco Park y Pavel Potocek, mientras que los profesores de Harvard Jeff Lichtman y Aravi Samuel son autores principales adicionales. Su investigación contó con el apoyo de la Iniciativa BRAIN de los NIH y se presentó en el Taller sobre Biología Computacional de la Conferencia Internacional sobre Aprendizaje Automático (ICML) de 2023. El trabajo se llevó a cabo en colaboración con científicos de Thermo Fisher Scientific.
[ad_2]