Il nuovo modello AI di Google per aiutare i ricercatori a comprendere meglio la connettività dei neuroni 
Il modello può riconoscere diversi tipi di cellule, anche da piccoli frammenti di una cellula
 
I ricercatori di Google hanno recentemente annunciato il Segmentation-Guided Contrastive Learning of Representations (SegCLR), un nuovo modello in grado di produrre una mappatura 3D ad alta risoluzione delle cellule cerebrali e delle loro connettività.  

Questo metodo può addestrare rappresentazioni ricche e generiche della forma cellulare e della struttura interna senza sforzo senza etichettatura manuale, producendo rappresentazioni vettoriali compatte (incorporamenti) applicabili a diverse attività a valle. Alcuni esempi includono la classificazione locale dei sottocompartimenti cellulari e il clustering non supervisionato. Inoltre, il modello può riconoscere diversi tipi di cellule, anche da piccoli frammenti di una cellula. 

La ricerca è un importante passo avanti nella ricerca neuroscientifica poiché il modello di previsione può portare a una comprensione di come i circuiti cerebrali si sviluppano e funzionano nella salute e nella malattia. 

 
I ricercatori hanno addestrato SegCLR sul set di dati della corteccia umana H01 e sul set di dati sulla corteccia del topo MICrONS. I vettori di incorporamento risultanti per entrambi i set di dati, circa 8 miliardi in totale, saranno rilasciati per esplorare ulteriori ricerche. 

È interessante notare che i loro risultati suggeriscono che per identificare i sottocompartimenti cellulari (assone, dendrite, soma, ecc.), un classificatore lineare diretto addestrato sopra gli incorporamenti SegCLR ha superato una rete profonda completamente supervisionata addestrata sullo stesso compito, con solo un migliaio di istanze etichettate invece di milioni. 

 

Prima di classificare i dati, i ricercatori hanno raccolto e calcolato la media degli incorporamenti all’interno di ciascuna cella su una determinata distanza di aggregazione, che è la distanza da un punto centrale. Il modello prevedeva i tipi di cellule corticali umane con elevata precisione, anche per raggi di aggregazione di appena 10 micrometri. Ciò include tipi che anche gli esperti trovano difficile distinguere, come la microglia (MGC) rispetto alle cellule precursori degli oligodendrociti (OPC). 

Di ihal