Mesterséges neuronhálóval az igazi neuronhálók felfedezéséért

Az idegsejtek pontos megtalálása egy szövetmintában rengeteg szakértelmet és tapasztalatot igénylő feladat. Ebben adhat nagy segítséget a Szegedi Biológiai Kutatóközpont (MTA Kiváló Kutatóhely) munkatársai által fejlesztett, mesterséges intelligencián alapuló mikroszkóprendszer, amely nemcsak felismerni képes a neuronokat, de tűpontosan hozzájuk is tudja vezetni a mintavevő pipettát. A rendszert a kutatás vezetője, Horváth Péter mutatta be.

2021. március 9.

Horváth Péter korábban Svájcban kutatott, majd a Nemzeti Agykutatási Program kínálta lehetőséget kihasználva tért haza. Kutatásait a Szegedi Biológiai Kutatóközpontban folytatta, együttműködve Tamás Gábor csoportjával a Szegedi Tudományegyetemről. A kutatók egy orvosbiológiai, biotechnológiai, de informatikai és mérnöki szempontból is rendkívül izgalmas kérdés nyomába eredtek:

Vajon meg tudnák-e valósítani, hogy automatizálva kiválasztott sejteken mesterséges intelligencia segítségével méréseket is végezhessenek?

„Ez volt életem eddigi egyik leghosszabb kutatása, ami jól mutatja, hogy mennyi problémát kellett leküzdenünk. De végül sikerült olyan gépet építenünk, amely sejteket tud mérni az emberi agykéregben, emberi beavatkozás nélkül – mondja Horváth Péter bioinformatikus, a kutatás vezetője, a Nature Communications folyóiratban megjelent tanulmány egyik szerzője. – A teljes rendszert Szegeden építettük fel. Mikroszkóprendszereket, mesterséges intelligenciával működő képfeldolgozó algoritmusokat, mozgatómotorokat kellett terveznünk és létrehoznunk.”

Horváth Péter Forrás: SZBK

Többévnyi tapasztalat egy robot magabiztosságával

A vizsgálat során az emberi agyból frissen kiemelt, tehát élőnek tekinthető mintát festés nélkül helyezik a berendezésbe, amely tartalmazza a mikroszkópot, a mozgatható tárgyasztalt és a tőlük függetlenül mozgatható ingerlő- és mintavételi pipettát. A gép a mikroszkóppal megvizsgálja a mintát, felismeri benne a sejteket, majd a megfelelő helyen műveleteket végez.
A rendszer egyrészt méri a sejt elektrofiziológiai viselkedését, tehát elektromos jellel gerjeszti a sejtet, másrészt rögzíti a válaszait, szimulálva az agyban végbemenő kommunikációt.

Ennek alapján meg lehet mondani például azt, hogy milyen a sejt tüzelési mintázata, ami pedig meghatározza a sejt típusát.

Emellett a sejthártyát beszakítva kinyerhető a sejt magja vagy más sejtalkotója. A sejtmagból kivonva a DNS-t, információt lehet gyűjteni a sejt genetikai tulajdonságairól is. Az eddig vizsgált emberi mintákat agyműtétek alkalmával vették ki a betegek agyszövetéből, majd ezután még órákig életben tartották őket. A minták elég nagyok voltak ahhoz, hogy a sejtek megtarthassák kapcsolatrendszerüket, így funkcionálisan kevéssé sérültek.

„Valószínűleg ez az idegsejtek valós működésének egyik legjobb ma elérhető közelítése. A Nature Communications folyóiratban most megjelent tanulmányban pedig bemutatjuk az eljárás technológiai hátterét – folytatja
a bioinformatikus. – Egy olyan robotot kell elképzelni, amely először mikroszkóppal megvizsgálja és felismeri a sejteket, majd kiválasztja közülük azokat, amelyek a megadott szempontok alapján a legizgalmasabbak.

Mikronpontossággal odavezérli a tűt, és teljesen automatikusan elvégzi a beprogramozott mérést. Ezt a feladatot egy PhD-hallgató két-három évnyi tanulás után tudja elvégezni.

Mi gyakorlatilag építettünk egy robotot, ami turkál az agyban.”

Mély alapok

A robotot irányító szoftver legfontosabb összetevői a képfeldolgozó algoritmusok, melyek mesterséges neuronhálók és mélytanulásos eljárások segítségével működnek. Bár a technológia kezdetei négy évtizedre vezethetők vissza, a módszer mára érte el azt a fejlettséget, hogy elképesztően bonyolult problémák megoldására is alkalmassá vált. A területen forradalmi változást hozó mélytanuló algoritmusokra épül az önvezető autók navigációja vagy az internetes arcfelismerés. Ezek az algoritmusok már stratégiaépítésre és intuitív tanulásra is képesek, vagyis a reprezentációs kapacitásuk hatalmas: irdatlan mennyiségű tudást tudnak saját maguk összeszedni, és ezt hatékonyan képesek alkalmazni.

Az idegsejtek felismerése pedig rendkívül nehéz. Azok a mikroszkópos képek, amelyeket a tanulmányok illusztrálására használnak, mindig a legszebben sikerült felvételek, de a kutatásban használt átlagos minták messze nem ilyen világosan áttekinthetők. A sejtek olykor kitakarják egymást, nem egyértelműen látszanak, ráadásul az itt alkalmazott mérések esetében az emberi agyszövetet nem lehet festeni, mert a festési eljárás megzavarja a működést, gyakorlatilag elöli az idegsejteket.

A rendszer kezelőfelülete a szövetminta képével Forrás: Nature Communications/Horváth et al.

Összehangolt munka

A szegedi kutatóknak a berendezés tervezésénél hat motor összehangolását kellett megoldaniuk, amelyek részben a mikroszkópot, részben a mintavevő tűt mozgatják. Ha egy másik sejtbe vagy vérérbe ütközne a tű, miközben megközelíti a célsejtet, akkor azt ki kell kerülnie, és számos hasonló akadályt kell leküzdenie egyedül a mesterséges intelligenciának. A beavatkozás közben a szövet deformálódik, ezért a rendszer folyamatosan figyeli a tű pozícióját, és ha szükséges, igazít a koordinátákon. Miután a sejten elvégezte a mérést, az adatokat feltölti egy nemzetközi adatbázisba, a belőle vett DNS-t pedig szekvenálásra küldi.

„A rendszer pontosságát, sikerességét többféle mutatóval is mérjük. A tűt egy mikron (a milliméter ezredrésze – a szerk.) pontossággal tudjuk a kívánt pozícióba navigálni, miközben az idegsejtek átmérője nagyjából 10-20 mikron, a tű vastagsága pedig 2 mikron – tájékoztat Horváth Péter. – A következő pontosságmérték, hogy az idegsejtek hány százalékát képes a rendszer felismerni. E tekintetben a pontossága nagyjából azonos a gyakorlott szakemberek sikerességével. Hasonlóan azonos a mesterséges intelligencia és az ember pontossága, ha a tűvel el kell találni a kiválasztott sejtet.”

A szegedi kutatók automata rendszere statisztikailag azonos sikerességgel képes idegsejteken mérni, mint a nagy nemzetközi laborok szakemberei.

A kutató a rendszer alapkutatási jelentőségét emeli ki legfőképpen: „Az agykutatás jelen pillanatban még főként megismerő tudomány. A rendszer jelenlegi fő funkciója ezért az új agysejttípusok leírása. Mindezt a gép torzításoktól és előítéletektől mentesen képes megtenni. A kutató fejében mindig ott lesznek személyes preferenciái, ami hatást gyakorolhat az eredményre is.”

A kutatássorozat következő lépése a rendszer adaptálása lesz a sejtek közötti kommunikáció kutatására, amire a kutatócsoport nemrég pályázatot is nyert.
A tervek szerint ugyanabba az agyszövetbe két vagy több tűt vezérel majd a mesterséges intelligencia, ingerli az idegsejteket, illetve méri az aktivitásukat. Ezáltal a közöttük felépülő összeköttetés működése vizsgálhatóvá válik.
A távolabbi jövőben el akarják érni, hogy az algoritmus automatikusan tegyen fel megválaszolandó kérdéseket, tehát például válassza ki önállóan az érdekes sejteket, amelyek kommunikációját érdemes lenne vizsgálni.