به گزارش پایگاه اطلاع رسانی بنیان، مؤسسه بیوفیزیک شورای تحقیقات ملی ایتالیا (CNR-IBF) و دانشگاه Modena e Reggio Emilia (UNIMORE) در بخشی از پروژه مغز انسان یک مدل جدید با وضوح بالا از ناحیه CA1 هیپوکامپ انسان را ارائه دادند. در این مدل وضوح تک سلولی و ساختار و معماری این منطقه از مغز را به همراه موقعیت و اتصال نسبی نورون‌ها نشان می‌دهد، این مدل از مجموعه ای از داده‌های با مقیاس کامل از تصاویر با وضوح بالا توسعه یافته است. مجموعه داده دراطلس  BigBrain موجود است و به زودی در EBRAINS در دسترس خواهد بود. بر اساس این مطالعه که در مجله Nature Computational Science منتشر شده است، همین روش می‌تواند برای تولید مدل‌های مقیاس کامل از سایر مناطق مغز انسان و همچنین ادغام در یک محیط شبیه‌سازی مشترک مانند مغز مجازی استفاده شود.

Michele Migliore از CNR-IBF، پالرمو توضیح می‌دهد: «میزان داده‌ها روی تک‌نرون‌های مغز انسان، هم از نظر مختصات نسبی سه‌بعدی و هم از نظر اتصال بین نورون‌ها، بسیار محدود است. ما یک عملیات داده کاوی بر روی تصاویر با وضوح بالا از هیپوکامپ انسان، که از پایگاه داده BigBrain به دست آمده است، انجام داده ایم. در این مدل موقعیت تک تک نورون‌ها از تجزیه و تحلیل دقیق این تصاویر به دست آمده است. محققان یک الگوریتم پردازش تصویر را به منظور به دست آوردن توزیع واقعی نورون‌ها، موقعیت‌یابی عصبی و یک الگوریتم برای ایجاد اتصال عصبی با تقریب اشکال دندریتی و آکسونی توسعه داده‌اند.

برتری الگوریتم ارزیابی کننده مدل

دندریت‌ها و آکسون‌ها را می‌توان بسته به شکل کلی امتدادشان به دسته‌هایی طبقه‌بندی کرد: به عنوان مثال، برخی از آنها در مخروط‌های باریک قرار می‌گیرند، برخی دیگر دارای امتداد پیچیده گسترده‌ای هستند که می‌توان آن را با حجم‌های هندسی اختصاصی تقریب زد، و اتصال به نورون‌های مجاور بر این اساس تغییر می‌کند.

Daniela Gandolfi ، نویسنده اصلی این مطالعه توضیح داد که الگوریتم ما تصاویر با وضوح بالا را تجزیه و تحلیل می‌کند و پس از ایجاد اشکال هندسی خاص که با ویژگی‌های مورفولوژیکی مرتبط هستند، به ما امکان می‌دهد تا احتمال اتصال دو نورون را محاسبه کنیم. این روش نه تنها موقعیت یابی سه بعدی نورون‌ها، بلکه اتصال آنها را نیز فراهم می کند. Gandolfi نتیجه می‌گیرد: «ما چگالی نورون‌ها را در مدل سه بعدی خود با ادبیات موجود در هیپوکامپ مقایسه کردیم و دریافتیم که با مشاهدات تجربی مطابقت دارد و مدل ما را تأیید می‌کند. محققان هم مجموعه داده و هم روش استخراج را در پلتفرم EBRAINS به اشتراک گذاشته اند. هدف اصلی ما از این مطالعه این بود که داده‌ها را با HBP و جامعه بزرگ علوم اعصاب به اشتراک بگذاریم، ما اکنون از همین رویکرد برای مدل‌سازی سایر مناطق مغز استفاده می‌کنیم.

پایان مطلب/.