elife：细胞学研究帮助揭示单个细胞的健康与异常行为
来源：本站原创 2021-03-18 22:57
在研究诸如阿尔茨海默病或帕金森病等神经退行性疾病的原因和潜在治疗方法时，神经科学家经常努力准确地识别出需要了解大脑活动所需的细胞，这些细胞会导致行为改变，例如记忆力下降或平衡与震颤减弱。
2021年3月19日讯/生物谷BIOON/---在研究诸如阿尔茨海默病或帕金森病等神经退行性疾病的原因和潜在治疗方法时，神经科学家经常努力准确地识别出需要了解大脑活动所需的细胞，这些细胞会导致行为改变，例如记忆力下降或平衡与震颤减弱。
佐治亚理工学院神经科学研究人员的多学科团队借用了诸如图形模型之类的现有工具，发现了一种更好的方法来鉴定细胞并了解疾病的机制，从而有可能导致更好的理解，诊断和治疗。
(图片来源：Www.pixabay.com)
他们的研究发现于2月24日在eLife杂志上进行了报道。该研究得到了美国国立卫生研究院和国家科学基金会的支持。
传统情况下，科学家往往通过将单个细胞图像与整个大脑地图集进行比较来建立一个坐标系统，从而绘制每个细胞的位置，但是文献中所谓的“所有大脑看起来都一样的想法绝对是不正确的”。换句话说，该方法主要面临两个挑战：首先，细胞数量巨大；其次，细胞特征因个体而异。
文章作者Lu说：“这是当前研究的瓶颈，虽然我们可以记录所有想要的神经元活动，但是如果不了解哪个细胞在做什么，就很难在大脑或状况之间进行比较并得出有意义的结论。”根据研究生研究员Shivesh Chaudhary的说法，数据中也存在噪声，这使得很难在大脑的两个不同区域之间建立对应关系。他说：“数据中可能存在某些变形，或者形状的某些部分可能缺失。”
为了克服这些挑战，佐治亚理工学院的研究人员借鉴了机器学习中的图形模型和度量几何方法来进行数学形状匹配，并建立了一种计算方法来识别其模型生物线虫中的细胞。
该团队使用自然语言处理等其他领域的框架来构建自己的建模软件。在自然语言处理中，计算机可以通过捕获语句中单词之间的相关性来确定句子的含义。
Lu说：“使用细胞之间的关系实际上对定义细胞的身份更为有用。如果定义一个，则将具有其他单元格身份的含义。”
研究小组说，这种方法比当前的识别方法准确得多。该算法虽然不完美，但在数据不完善的情况下性能要好得多，并且可以减少噪音或错误的困扰。此外，该算法对许多发育性疾病具有巨大的意义，一旦科学家了解了疾病的机制，他们便可以找到干预措施。（生物谷 Bioon.com）
资讯出处：Identifying cells to better understand healthy and diseased behavior
原始出处：Shivesh Chaudhary et al, Graphical-model framework for automated annotation of cell identities in dense cellular images, eLife (2021). DOI: 10.7554/eLife.60321
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
