Мы продолжаем нашу рубрику «Вести с полей», в которой рассказываем о работах, представленных на крупных научных конференциях, где мы побывали. Российские нейробиологи из Санкт-Петербургского политехнического университета им. Петра Великого создали программное обеспечение, которое в автоматическом режиме может анализировать и классифицировать форму дендритных шипиков. Программа использует в своей работе методы машинного обучения. При этом главным результатом работы оказалось то, что, судя по всему, настала пора отказаться от классической схемы деления шипиков на группы: в реальности все намного сложнее. О своем достижении исследователи рассказали на конференции Volga Neuroscience, инфопартнерами которой мы были, в виде статьи их данные опубликованы в Scientific Reports.
Последовательность работы алгоритма. Илл. из обсуждаемой статьи
Дендритный шипик в нейроне — это место контакта дендрита и аксона со стороны первого, одна из частей синапса. Их форма связана с функцией, однако как именно — известно пока частично. Исторически их делали на группы по строению: грибовидные, как шампиньон, тонкие — похожие на них по форме, но чуть меньше, и пеньковые, которые выглядят как пенек. Если иметь дело с большим количеством шипиков, исследователь их визуально уже разделить не может, а как-то анализировать данные очень важно, поскольку, вероятно, шипиковые патологии могут лежать в основе некоторых нейропсихиатрических и нейродегенеративных заболеваний.
«Сама идея разработать софт вышла из практических нужд лаборатории. Да и на конференциях, когда обсуждали с коллегами, все, кто занимался анализом формы синапсов нейронов, сходились во мнении, что очень не хватает для работы алгоритма. То, что имелось у нас в руках, — это программа, которая классифицирует шипики и часто ошибается, что приходилось исправлять вручную, еще больше увеличивая ошибку в данных в виде человеческого фактора ("я художник, я так вижу"). Более того, значения параметров, описывающих форму, было невозможно выгрузить (Neuronstudio, Rodriguez). Потом и эта программа пропала из свободного доступа, поскольку ее большая часть была в включена в коммерческую программу Neurolucida. Мы привлекли к анализу целых восемь экспертов, но по отношению к более чем 20% шипиков так и не удалось достигнуть согласия между ними, к какому типу формы он относится. Сама точность экспертов тоже оставляла желать лучшего — в среднем 77% относительно консенсуса. Тем не менее нам удалось обучить классификатор справляться с этой задачей на уровне эксперта, что значительно может сэкономить время анализа данных, если исследователь выбрал такой подход», — комментирует первый автор работы, научный сотрудник Лаборатории молекулярной нейродегенерации Института биомедицинских систем и биотехнологий СПбПУ Екатерина Пчицкая.
По словам исследователей, сейчас и прижизненная микроскопия, и другие методы расшатывают традиционную классификацию шипиков (грибовидный — тонкий — пеньковый), накапливается все больше свидетельств в пользу того, что шипики образуют континуум форм, «плавно перетекая» из одного класса в другой, и все гораздо сложнее, чем написано в учебниках.
«Хордовая» обработка объема шипика. Илл. из обсуждаемой статьи
«Наш скрипт, который их не классифицировал, а кластеризовал (т. е. искал схожие по форме группы, основываясь на конкретных данных), определил целых пять групп шипиков. Еще мы предложили новый способ как описать форму, не просто параметр, результат которого число, например длина, объем, а что-то поинтереснее. В объеме шипика проводилось большее число хорд, а дальше строилась их гистограмма. Оказалось, что этого одного параметра достаточно, чтобы качественно проводить кластеризацию. Наш proof-of-concept сработал, и сейчас мы продолжаем эти исследования по поиску новых более сложных и чувствительных дескрипторов формы, которые будут соответствовать сложности нашего объекта», — продолжает рассказ Пчицкая.
Авторы сделали выгрузку всех параметров, поделились датасетом и сделали подробный туториал, как этим пользоваться (код и мануал программы можно скачать тут).
«Мы подошли к софту как к продукту, так сказать, от ученых — ученым, поскольку очень часто бывает, что к бесплатному научному ПО не достать исходный код, а если достать, то работает он только с данными, для которых он писался, то есть полноценно программой пользоваться может только группа, которая ее писала», — добавляет исследовательница.
Если взглянуть на суть проекта с точки зрения искусственного интеллекта, то она состоит в том, чтобы ручную и эмпирическую классификацию шипиков заменить на ту, что основана на данных. Модель ИИ можно обучить учитывать гораздо больше деталей, чем человек может увидеть, и идея исследователей состояла в том, чтобы открыть таким образом новые виды шипиков, а также подтвердить или опровергнуть существующую классификацию.
«Самым сложным в нашей работе оказалось представление 3D-формы шипиков в таком виде, чтобы получить наиболее устойчивую классификацию на выходе. У нас уже есть несколько инструментов сегментации самих шипиков, несколько алгоритмов кодирования 3D-геометрии шипика, и несколько алгоритмов ИИ — такой подход и дает качественно новые результаты.
В перспективе мы должны создать новый комплекс открытого ПО для ученых, который не только заменит платные иностранные аналоги, но и даст возможность ученым всей страны использовать современные методы ИИ даже тогда, когда средств на создание и поддержание такого ПО нет», — комментирует исследователь-программист, научный сотрудник лаборатории молекулярной нейродегенерации Санкт-Петербургского политеха Вячеслав Чуканов.
Текст: Алексей Паевский.
Ekaterina, P., Peter, V., Smirnova, D. et al. SpineTool is an open-source software for analysis of morphology of dendritic spines. Sci Rep 13, 10561 (2023). https://doi.org/10.1038/s41598-023-37406-4
Материал подготовлен при финансовой поддержке Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий».
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
