Pesquisadores combinam o poder da inteligência artificial e o diagrama de fiação de um cérebro para prever a atividade das células cerebrais

0 4 minutes read

A luz entra no olho composto da mosca, fazendo com que os fotorreceptores enviem eletricidade

A luz entra no olho composto da mosca, fazendo com que os fotorreceptores enviem sinais elétricos através de uma rede neural complexa, permitindo que a mosca detecte movimento.

As informações no cérebro são transmitidas por meio de sinais elétricos entre células especializadas chamadas neurônios. A atividade dentro de uma grande rede desses neurônios controla sensações, comportamento e cognição. Os cientistas há muito buscam maneiras de simular as redes neurais no cérebro com computadores para entender como elas funcionam. Agora, os pesquisadores combinaram novas medições dos diagramas de fiação da mosca da fruta com métodos de inteligência artificial para construir uma rede neural que pode fazer o que poucos pensavam ser possível: prever a atividade de neurônios individuais sem fazer uma única medição em um cérebro vivo. A pesquisa, publicada na revista científica Nature hoje, foi realizada pelos cientistas da Universidade, Jakob Macke e pelo candidato a PhD Janne Lappalainen, em colaboração com o Dr. Srinivas Turaga e colegas do Janelia Research Campus do HHMI.

Por décadas, neurocientistas passaram inúmeras horas no laboratório medindo meticulosamente a atividade de neurônios em animais vivos para descobrir como o cérebro possibilita o comportamento. Esses experimentos renderam insights inovadores sobre como o cérebro funciona, mas eles apenas arranharam a superfície, deixando grande parte do cérebro inexplorada.

Agora, os pesquisadores estão usando inteligência artificial e o conectoma – um mapa de neurônios e suas conexões criado a partir do tecido cerebral – para prever o papel dos neurônios no cérebro vivo. Usando apenas informações sobre a conectividade de um circuito neural coletado do conectoma do sistema visual da mosca-das-frutas e um palpite sobre o que o circuito deve fazer, os pesquisadores criaram uma simulação de IA do sistema visual da mosca-das-frutas que pode prever a atividade de cada neurônio no circuito. “Agora temos um método computacional para transformar medições do conectoma em previsões de atividade neural e função cerebral, sem primeiro começar com medições difíceis de adquirir da atividade neural para cada neurônio”, diz o líder do Janelia Group, Srini Turaga, um autor sênior da nova pesquisa.

A equipe de cientistas do Janelia Research Campus do HHMI e da Universidade de usaram o conectoma para construir uma simulação detalhada de rede mecanicista profunda do sistema visual da mosca, onde cada neurônio e sinapse no modelo corresponde a um neurônio e sinapse reais no cérebro. Embora eles não conhecessem a dinâmica de cada neurônio e sinapse, os dados do conectoma permitiram que a equipe usasse métodos de aprendizado profundo para inferir esses parâmetros desconhecidos. Eles combinaram essas informações com o conhecimento sobre o objetivo do circuito: detecção de movimento. “Nesse ponto, tudo se encaixou, e finalmente pudemos descobrir se esse modelo restrito ao conectoma nos dá um bom modelo do cérebro”, diz Janne Lappalainen, um candidato a doutorado na Universidade de Tübingen que liderou a pesquisa.

Figura 1 — Cientistas usam o conectoma para construir uma simulação detalhada de rede mecanicista profunda do sistema visual da mosca que pode prever a atividade neural em cérebros vivos.

O novo modelo prevê a atividade neural produzida por 64 tipos de neurônios no sistema visual da mosca-das-frutas em resposta à entrada visual e reproduz com precisão mais de duas dúzias de estudos experimentais realizados nas últimas duas décadas. Ao permitir que os pesquisadores prevejam a atividade de neurônios individuais usando apenas o conectoma, o novo trabalho tem o potencial de transformar a maneira como os neurocientistas geram e testam hipóteses sobre como o cérebro funciona. Em princípio, os cientistas agora podem usar o modelo para simular qualquer experimento e gerar previsões detalhadas que podem ser testadas em laboratório.

A nova pesquisa fornece mais de 450 páginas de previsões coletadas do novo modelo, incluindo a identificação de células que não eram conhecidas por estarem envolvidas na detecção de movimento anteriormente, que agora podem ser examinadas em moscas vivas. O trabalho do grupo fornece uma estratégia para transformar a riqueza de dados conectômicos agora sendo gerados por Janelia e outras instituições de pesquisa em compreensão avançada do cérebro vivo, de acordo com os pesquisadores. “Há uma grande lacuna entre o instantâneo estático do conectoma e a dinâmica da computação da vida real no cérebro vivo, e a questão era: podemos preencher essa lacuna em um modelo? Este artigo, para o exemplo específico da mosca da fruta, mostra uma estratégia para preencher essa lacuna”, diz Jakob Macke, um autor sênior do artigo e professor da Universidade de. Essa abordagem torna possível criar redes neurais artificiais que são semelhantes ao cérebro das moscas da fruta e que podem ser usadas para uma variedade de investigações futuras: por exemplo, elas podem ser usadas para investigar como as redes neurais biológicas são capazes de ser muito mais eficientes em termos de energia do que as redes neurais artificiais.

Janne Lappalainen é um candidato a PhD na University and the International Max Planck Research School ‘Intelligent Systems’, e um cientista visitante no Janelia Research Campus do HHMI. O professor Jakob Macke lidera o grupo ‘Machine Learning in Science’, que faz parte do Cluster of Excellence, ‘Machine Learning: New Perspectives for Science’, o AI Center e o ÜBernstein Center for Computational Neuroscience’.

Publicação:

Janne K. Lappalainen, Fabian D. Tschopp, Sridhama Prakhya, Mason McGill, Aljoscha Nern, Kazunori Shinomiya, Shinya Takemura, Eyal Gruntman, Jakob H. Macke, Srinivas C. Turaga: “Redes restritas por conectoma preveem atividade neural em todo o sistema visual da mosca”, Nature, 2024, ‘024 -07939-3, DOI 10.1038/s41586’024 -07939-3.