新算法跟踪自由爬行蠕虫的弯曲脑中的神经元

普林斯顿大学的科学家开发了一种新的算法，用于跟踪毛虫Caenorhabditis elegans大脑中的神经元。该算法由Jeffrey Nguyen及其同事在PLOS Computational Biology中提出，可以在动物行为研究中节省数百小时的手工劳动。

为了研究大脑在行为中的作用，科学家们使用先进的成像技术记录动物移动时各个神经元的活动。然而，追踪移动大脑中的神经元是困难的，特别是在软体蠕虫C.线虫中，其小尺寸和透明度使其非常适合这种研究。

研究报告的共同作者安德鲁·莱弗(Andrew Leifer)说：“当蠕虫爬行时，它的大脑在移动时会弯曲，这对成像提出了挑战。”他的团队花了很多时间在爬行蠕虫的弯曲大脑的记录中手动跟踪神经元，促使他们开发一种新的算法来简化这个繁重的过程。

这种名为Neuron Registration Vector Encoding的新方法借鉴了计算机视觉和机器学习技术。它使用秀丽隐杆线虫大脑的3D荧光记录为它能够检测到的每个神经元分配一个独特的身份。部分基于神经元的相对位置，该算法随时间跟踪每个神经元。通过考虑已知某些蠕虫运动使大脑变形的方式，也可以增强跟踪。

研究人员发现，与手动跟踪方法或部分自动化的其他方法相比，新算法能够更快地识别出更多神经元。他们能够使用新方法将神经活动与特定的蠕虫运动相关联，特别是逆转动作。

“这项研究证明了采用基于计算机视觉和机器学习的自动化方法来帮助解决以前只能由人类完成的神经科学研究中的艰巨任务的价值，”Leifer说。

他的团队计划在复杂的秀丽隐杆线虫行为中使用他们的新方法来研究神经活动，例如觅食，睡眠和交配。该算法可以帮助揭示大脑活动的不同模式如何产生这些行为。将来，同样的方法也可以在其他物种中进行测试，例如斑马鱼。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。