Een nieuw AI-model kan automatisch gedetailleerde kaarten van muizenhersenen maken. Het systeem, CellTransformer genaamd, herkent meer dan duizend hersengebieden. Dat is veel meer dan wetenschappers tot nu toe handmatig in kaart hebben gebracht.
AI-modellen zoals ChatGPT maken gebruik van een techniek genaamd een transformer-architectuur. Dat is een techniek die in feite ‘leert’ welke delen van informatie met elkaar samenhangen, zodat het patronen kan herkennen in bijvoorbeeld tekst. CellTransformer past dezelfde aanpak toe op biologische informatie, meer bepaald de posities en moleculaire kenmerken van hersencellen. Het systeem leert deze patronen te herkennen door te voorspellen welke genen in een cel actief zijn, gebaseerd op de cellen eromheen. Genactiviteit betekent dat de informatie uit een gen wordt omgezet in iets nuttigs, zoals een eiwit. Door deze voorspellingen te oefenen, begrijpt het model hoe cellen groepen vormen in weefsels.
Schaalbaar naar hele hersenen
Om te testen hoe betrouwbaar het systeem is, analyseerde CellTransformer de hersenen van vier verschillende muizen, met weefsel dat was verzameld in verschillende snijrichtingen door de hersenen. De onderzoekers beschrijven het in een studie in vakblad Nature Communications. Ondanks al die verschillen herkende het bij 93 procent van de gevallen dezelfde hersengebieden in alle dieren. Deze consistentie kwam vanzelf, zonder dat de onderzoekers het model speciaal hoefden te trainen om variaties tussen muizen of experimenten te negeren.
Een groot pluspunt van CellTransformer is dat het kan werken met enorme hoeveelheden data. Eerdere methodes liepen vast bij datasets van een paar honderdduizend cellen. Dit systeem kon echter 10 miljoen cellen uit meer dan 200 dunne plakjes hersenweefsel verwerken. Dat lukte door niet het hele weefsel in één keer te bekijken, maar te focussen op kleine groepjes naburige cellen. Voor elke cel kijkt het algoritme naar alle cellen binnen een vierkantje van 85 micrometer, ongeveer zo dik als een mensenhaar. Dit vraagt veel minder computergeheugen dan methoden die alles tegelijk moeten laden.
Fijnmaziger dan eerdere methoden
Toen de onderzoekers het systeem loslieten op muizenhersenen, vond het patronen die passen bij een standaardreferentiesysteem dat experts hebben gemaakt uit allerlei bronnen. CellTransformer doet het ongeveer even goed als mensen die cellen handmatig toewijzen aan hersenregio’s. Maar het gaat verder. Het systeem kon honderden nieuwe gebieden onderscheiden die nog niet eerder waren opgemerkt.
In de midbrain reticular nucleus bijvoorbeeld, een netwerk van zenuwcellen dat betrokken is bij beweging, ontdekte het systeem vier subgebieden met elk hun eigen patroon van activiteit. Deze gebieden lieten een geleidelijke verandering zien van boven naar beneden in de hersenen, met meer glutamaterge neuronen (zenuwcellen die de stof glutamaat gebruiken om signalen door te geven) aan de rugkant en meer gliacellen (steuncellen in de hersenen) aan de buikkant. Dat betekent dat verschillende regio’s verschillende taken uitvoeren in dit hersendeel, dat tot nu toe niet goed begrepen is.
Niet perfect
Natuurlijk heeft het systeem nog beperkingen. De onderzoekers gebruikten een algemene AI die niet speciaal is gemaakt voor medisch werk. Nieuwere of gespecialiseerde modellen zouden misschien nog beter presteren. Ze werkten ook met slechts twee sets van 500 en 1129 genen, terwijl een muis er zo’n 20.000 heeft. In de toekomst kunnen technieken die meer genen meten nog gedetailleerder te werk gaan. Tot nu toe is het bovendien alleen getest op muizenhersenen, dus het is nog niet duidelijk hoe goed dit werkt in menselijke hersenen.
