Maze Runner: Analisis Real-Time dari Aktivitas Saraf Otak Tikus

Negara adidaya mana yang akan Anda pilih: penerbangan, tembus pandang atau telepati? Dalam arti tertentu, perwujudan yang disebut terakhir selalu menjadi karakter komik X-Men, Profesor Charles Xavier, yang muncul kembali pada tahun 1963 dari pena Stan Lee. Tetapi dalam komik, dan bukan kekuatan super seperti itu dapat ditemukan. Bagaimana dengan kenyataan? Bisakah seseorang membaca pikiran makhluk lain? Ternyata, sekarang mungkin, tetapi tidak seperti yang Anda bayangkan. Hari ini kita akan berkenalan dengan penelitian, pencapaian utamanya adalah membaca aktivitas elektronik neuron otak tikus percobaan, berlari melalui labirin, secara real time. Bagaimana para ilmuwan berhasil masuk ke kepala tikus, apa yang mereka capai dan apa prospek untuk teknologi mereka? Laporan peneliti akan memberi kita jawaban untuk ini dan pertanyaan lainnya. Ayo pergi.

Dasar studi

Para ilmuwan mencatat bahwa saat ini salah satu tugas utama di bidang mempelajari otak, sebagai struktur yang kompleks, adalah peningkatan metode dan alat terkait untuk mengumpulkan dan menganalisis data. Lebih tepatnya, penting untuk menguraikan informasi yang tersembunyi dalam data yang dikumpulkan dari aktivitas spatio-temporal sistem saraf. Dengan kata lain, para ilmuwan melihat bahwa sesuatu terjadi (spike pada grafik), Anda perlu mendapatkan informasi yang sesuai dengan peristiwa ini.

Hal yang paling sulit, menurut para ilmuwan, adalah melakukan pengamatan seperti itu, mengumpulkan dan menganalisis data secara real time. Ini dilakukan melalui NKI (antarmuka neurokomputer), yang memiliki sensor multi-elektroda.

Format yang paling umum untuk penelitian otak menggunakan NQI adalah percobaan siklik (mengulangi kondisi yang sama dengan setiap upaya). Dalam hal ini, dimungkinkan untuk mempelajari fungsi kognitif tertentu dengan baik, seperti perhatian, memori dan pembelajaran.

Navigasi spasial adalah metode yang paling dikenal dan paling efektif untuk mempelajari fungsi kognitif yang disebutkan di atas. Seperti apa tampilan cek ini, Anda bertanya? Sangat sederhana - sebuah labirin. Selama percobaan tersebut, apa yang disebut pengkodean saraf ruang (atau "kode ruang") ditemukan di banyak bagian otak tikus: hippocampus, korteks entorhinal, korteks visual primer (V1), korteks retrosplenal dan korteks parietal. "Kode" ini adalah sinyal tertentu yang menyimpan informasi tentang di mana tikus berada di dalam labirin, di mana ia bergerak, dan dari mana asalnya. Informasi inilah yang perlu dibaca secara real time, dan tidak hanya setelah percobaan, ketika tikus dalam keadaan istirahat atau tidur (fase tidur lambat).



Teknik yang diusulkan terdiri dari dua langkah utama (Skema A pada gambar di atas): pengodean dan pengodean. Pada tahap pengkodean, kepadatan probabilitas keseluruhan dari vektor tanda paku * (sinyal saraf) dan posisi spasial dibuat. Tahap dekorasi bertanggung jawab untuk rekonstruksi data dalam bentuk posisi spasial, yang harus sedekat mungkin dengan yang diperoleh pada tahap sebelumnya.

Spike * (Peak) - potensial aksi neuron selama registrasi ekstraseluler dari aktivitas listriknya.

Dari sudut pandang besi, para ilmuwan menunjukkan bahwa masalah analisis data waktu nyata dapat diselesaikan dengan menggunakan perangkat lunak multithreaded pada prosesor pusat multicore (selanjutnya disebut sebagai CPU). Kerugian dari sistem semacam itu adalah jumlah core, yang membatasi skalabilitas seluruh sistem antarmuka neurokomputer. Para peneliti memutuskan untuk menanamkan prosesor grafis (GPU) di komputer quad-core biasa. Menggunakan GPU sangat mempercepat proses decoding dan memperluas skalabilitas sistem. Sensor itu sendiri juga diubah, dari tetrode menjadi sensor silikon densitas tinggi.

Hasil penelitian

Selama pengujian, semua opsi sistem diuji: berdasarkan CPU, berdasarkan CPU + GP, menggunakan tetrodes dan sensor silikon. Basis data terdiri dari paku hippocampus, neocortex, dan thalamus yang diperbaiki pada saat navigasi spasial dalam ruang dua dimensi. Opsi basis data ditunjukkan pada gambar di atas ( C ).


Gambar No. 1

Seperti yang diharapkan para ilmuwan, sistem yang menggunakan prosesor grafis menunjukkan hasil yang jauh lebih baik dibandingkan dengan sistem CPU.

Jadi dalam kasus database No. 1, sistem dengan GPU menunjukkan ambang kompresi data (spike encoding) 0,5 pada kecepatan decoding 0,02 ms / spike. Dalam kondisi yang sama, sistem CPU menunjukkan kecepatan decoding 0,44 ms / spike (1V). Perlu juga dicatat bahwa "penguatan" kompresi data mengarah pada peningkatan kecepatan decoding, tetapi juga penurunan akurasi proses ini.

Bandwidth inti juga memainkan peran penting dalam proses decoding. Jika parameter ini kecil, rasio kompresi sedikit mempengaruhi akurasi decoding.


Grafik akurasi data yang didekodekan dibandingkan dengan yang nyata.

Selain kecepatan decoding data yang sangat baik, para ilmuwan juga memiliki tingkat akurasi decoding yang tinggi.

Para peneliti kemudian melakukan percobaan di mana tikus seharusnya bergerak di sepanjang labirin dalam bentuk angka delapan, dan tetrodes membaca indikator tidak hanya dari bagian CA1 dari hippocampus, tetapi juga dari korteks visual primer V1.

Dekorasi dilakukan dalam format campuran: secara terpisah CA1, secara terpisah V1 dan CA1 + V1. Analisis data V1 menunjukkan bahwa adhesi di daerah ini menyimpan bagian informasi yang mengesankan mengenai perpindahan spasial. Dengan menggabungkan data V1 dengan data CA1, para ilmuwan dapat meningkatkan akurasi decoding keseluruhan ( 1C ).

Parameter nuklir dioptimalkan untuk setiap bagian otak (CA1 dan V1) secara terpisah, berdasarkan data validasi silang. Dalam hal ini, akurasi decoding-nya tinggi. Dan dengan nol kompresi data, seperti yang diharapkan, kecepatan decoding sangat rendah.

Eksperimen berikutnya dilakukan di labirin, yang sulit untuk disebut, mengingat penampilannya - cincin sederhana. Tikus berlari dalam lingkaran, dan tetrodes membaca data dari inti anterior thalamus. Area otak ini adalah salah satu yang paling penting dalam proses pembentukan memori dan dalam orientasi spasial.

Poin penting - sebagian besar neuron dari nukleus anterior thalamus adalah neuron dari arah kepala. Karena itu, dalam proses analisis data, tidak hanya aktivitas lobus otak yang sesuai dengan posisi tubuh, tetapi juga posisi kepala diperhitungkan, karena kedua parameter ini bisa berbeda.

Analisis aktivitas neuron dari nukleus anterior nukleus mengkonfirmasi hubungannya tidak hanya dengan posisi kepala, tetapi juga dengan orientasi spasial subjek selama tes. Namun, dalam kasus tes dengan gerakan dalam lingkaran, penurunan akurasi decoding data posisi kepala diamati, yang tidak terkait dengan kecepatan tikus. Ini karena arah gerakan. Lebih tepatnya, dalam perhitungan kedua opsi diperhitungkan - searah jarum jam dan berlawanan arah jarum jam.

Tes ini (berjalan dalam lingkaran) penting bukan lintasan pergerakan dan kompleksitas labirin (itu sebenarnya tidak ada, hanya sebuah cincin). Faktor penting di sini adalah kecepatan tikus. Selama berlari, aktivitas neuron juga dipercepat, sehingga mengawasi pergerakan tikus. Sebuah sistem yang menggunakan prosesor grafis mampu men-decode lonjakan neuron hippocampal lebih cepat (dengan upaya pelatihan yang lebih sedikit) daripada sistem konvensional yang hanya berbasis pada CPU.


Gambar No. 2

Tetrodes yang digunakan dalam percobaan memungkinkan untuk mendapatkan data yang cukup akurat, tetapi ini bukan batas dari apa yang diinginkan. Oleh karena itu, diputuskan untuk memeriksa juga silikon multi-channel elektroda. Gambar 2A menunjukkan elektroda silikon 64-saluran. Dua dari sensor ini ditempatkan di hippocampus kiri dan kanan.

Itu juga perlu untuk memeriksa seberapa scalable sistem itu. Untuk ini, data elektroda silikon "dikloning" sampai jumlah saluran hipotetis mencapai 2000. Selanjutnya, sistem harus memecahkan kode data ini selama periode gerakan (berjalan) dan istirahat (fase tidur lambat). Hasilnya ditampilkan dalam grafik 2D .

Optimalisasi prosesor grafis dan penggunaan akses langsung ke memori memungkinkan untuk mencapai indikator berikut: waktu decoding selama periode pergerakan - 250 ms, waktu decoding selama periode istirahat - 20 ms. Dalam kasus kedua, kompresi data tidak dilakukan pada tahap pengkodean, tetapi sekitar 1.200 saluran terlibat secara total.

Grafik 2E menunjukkan bahwa waktu yang diperlukan untuk decoding dengan jumlah saluran tetap meningkat sangat jika sistem hanya menggunakan CPU. Perlambatan proses decoding saat menggunakan GPU tidak begitu signifikan dan tidak terjadi begitu tajam.

Fitur penting dari penelitian ini adalah pembacaan dan pemrosesan data aktivitas neuron secara real time. Sistem GP sangat ideal untuk ini, karena dapat memecahkan kode sejumlah besar data dalam waktu yang sangat singkat, seperti yang ditunjukkan oleh tes sebelumnya.

Untuk menguji sistem, hippocampus didekodekan selama fase tidur lambat (741 reproduksi kemungkinan peristiwa dari memori).


Gambar No. 3

Perbandingan metodologi analisis data standar setelah tes dan metodologi real-time, para ilmuwan menemukan peningkatan akurasi rekonstruksi (selama tidur lambat) dari lintasan tikus. Artinya, sistem secara signifikan lebih akurat merekonstruksi lintasan di mana tikus bergerak selama pengujian. Dalam hal ini, sistem menganalisis aktivitas neuron setelah tes, selama periode istirahat (fase tidur lambat).

Untuk kenalan yang lebih terperinci dengan studi ini, saya sangat menyarankan agar Anda melihat laporan para ilmuwan dan materi tambahan untuk itu.

Epilog

Studi ini mengkonfirmasi bahwa pembacaan aktivitas neuron secara real-time dimungkinkan. Ketika datang ke sistem yang kompleks seperti sistem saraf, setiap keterlambatan dalam analisis aktivitasnya sangat mengurangi keakuratan data yang diperoleh. Oleh karena itu, penelitian ini sangat penting.

Menggunakan metodologi mereka, para ilmuwan tidak hanya dapat membangun rute pergerakan tikus, hanya mengandalkan aktivitas otak, tetapi juga untuk merekonstruksi rute ini menggunakan memori hewan uji. Ini benar-benar luar biasa, sangat rumit dan pasti menjanjikan.

Perbaikan lebih lanjut dari sistem akan memungkinkan kita untuk menganalisis data dengan akurasi dan kecepatan yang lebih besar, yang akan memungkinkan kita untuk memahami prinsip-prinsip otak, hubungan neuron satu sama lain, reaksi mereka terhadap faktor-faktor eksternal dan untuk membandingkan peristiwa-peristiwa tertentu yang terjadi dengan tubuh, dengan aktivitas neuron tertentu, dan bukan bagian otak secara keseluruhan.

Otak masih merupakan salah satu sistem yang paling tidak dipelajari di dunia. Namun, melalui upaya para ilmuwan, yang imajinasinya dalam menciptakan metode baru untuk mempelajarinya benar-benar tidak terbatas, kita dapat lebih memahami. Dan semakin banyak yang kita ketahui tentang fungsi otak, semakin baik kita mempengaruhinya. Dalam cara yang baik, tentu saja: diagnosis dini penyakit, pengobatan penyakit otak lanjut, dll. Dalam hal ini, pengetahuan tidak hanya kekuatan, tetapi juga kesehatan.


Terima kasih telah tinggal bersama kami. Apakah Anda suka artikel kami? Ingin melihat materi yang lebih menarik? Dukung kami dengan melakukan pemesanan atau merekomendasikannya kepada teman-teman Anda, diskon 30% untuk pengguna Habr pada analog unik dari server entry-level yang kami buat untuk Anda: Seluruh kebenaran tentang VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps dari $ 20 atau bagaimana membagi server? (opsi tersedia dengan RAID1 dan RAID10, hingga 24 core dan hingga 40GB DDR4).

VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps hingga 1 Januari gratis jika dibayar untuk jangka waktu enam bulan, Anda dapat memesan di sini .

Dell R730xd 2 kali lebih murah? Hanya kami yang memiliki 2 x Intel Dodeca-Core Xeon E5-2650v4 128GB DDR4 6x480GB SSD 1Gbps 100 TV dari $ 249 di Belanda dan Amerika Serikat! Baca tentang Cara Membangun Infrastruktur Bldg. kelas menggunakan server Dell R730xd E5-2650 v4 seharga 9.000 euro untuk satu sen?