Graph-based characterization of in vitro neuronal network maturation using machine learning and digital holographic microscopy

Stellen Sie sich vor, Sie versuchen zu verstehen, wie eine geschäftige Stadt wächst und sich organisiert, aber anstatt Gebäude und Straßen aus der Satellitenperspektive zu betrachten, zoomen Sie auf die mikroskopische Ebene, um Gehirnzellen (Neuronen) dabei zu beobachten, wie sie ihre eigenen winzigen Gemeinschaften aufbauen.

Dieses Paper präsentiert ein neues „Smart-Camera“-System, das genau das tut, aber mit ein paar besonderen Tricks im Ärmel.

Die magische Kamera: Sehen, ohne zu berühren
Normalerweise müssen Wissenschaftler, um Zellen unter einem Mikroskop klar zu sehen, sie mit hellen Farbstoffen oder Chemikalien bemalen. Denken Sie daran wie an das Anlegen von Neonwesten, damit man Menschen in der Dunkelheit sehen kann. Das Problem ist, dass diese Farben die Zellen manchmal reizen oder sogar töten können.

Diese Studie verwendet ein spezielles Werkzeug namens Digitale Holografische Mikroskopie (DHM). Anstatt die Zellen zu bemalen, nutzt diese Kamera Lichtwellen, um eine 3D-„Schattentafel“ von ihnen zu erstellen. Es ist, als würde man die Gestalt einer Person in einem nebligen Raum erkennen, nur dadurch, wie das Licht um sie herum gebogen wird. Dies ermöglicht es Wissenschaftlern, lebende Gehirnzellen wachsen und sich bewegen zu zu sehen, ohne sie jemals zu berühren oder zu schädigen.

Die Herausforderung: Von einem unordentlichen Foto zu einer Karte
Die Forscher hatten tausende dieser „Schattenfotos“ von wachsenden Rattengehirnzellen in einer Kulturschale. Zu Beginn sind die Zellen nur einsame Individuen. Mit der Zeit wachsen sie lange Arme (genannt Neuriten), um sich mit Nachbarn zu verbinden, und bilden so ein komplexes Geflecht.

Diese Fotos von Hand zu betrachten, ist so, als würde man versuchen, bestimmte Straßen in einem unordentlichen, überfüllten Stadtplan zu finden, der mit Bleistift gezeichnet wurde. Es ist zu unübersichtlich und dauert zu lange.

Die Lösung: Der Roboter-Architekt und der Stadtplaner
Um dies zu lösen, entwickelte das Team ein zweistufiges Computersystem:

1. Der Roboter-Architekt (Deep Learning): Sie brachten einem Computerprogramm (einer Art von KI namens U-Net) bei, die unscharfen Fotos zu betrachten und sofort eine perfekte Umrandung um jeden einzelnen Zellkörper und jeden winzigen Arm, der sie verbindet, zu zeichnen. Es ist, als hätte man einen Roboter, der in der Lage ist, jede Straße und jedes Gebäude in einem unordentlichen Stadtplan sofort mit einer Genauigkeit von 98 % nachzuzeichnen.
2. Der Stadtplaner (Graphentheorie): Sobald der Roboter die Karte gezeichnet hatte, verwandelte der Computer das Bild in einen „Graphen“. In diesem Graphen ist jede Zelle ein Punkt (Knoten) und jede Verbindung eine Linie (Kante). Dies verwandelt ein Bild von Zellen in eine mathematische Netzwerkkarte.

Was sie entdeckten: Die Stadt wird erwachsen
Durch die Analyse dieser mathematischen Karten im Zeitverlauf beobachteten die Forscher, wie die „Stadt“ heranreifte. Sie fanden heraus, dass mit zunehmendem Alter der Kultur:

• Die Straßen belebter wurden: Die Verbindungen zwischen den Zellen wurden dichter.
• Die Stadtviertel verschmolzen: Die deutlich voneinander getrennten Gruppen von Zellen begannen, zu einer großen, integrierten Gemeinschaft zu verschmelzen.
• Das Layout sich veränderte: Die Art und Weise, wie das Netzwerk organisiert war, wandelte sich von einer verstreuten Sammlung kleiner Gruppen hin zu einem einheitlicheren Ganzen.

Der Abschlusstest: Das Alter erraten
Das Team erstellte einen „Fingerabdruck“ für das Netzwerk unter Verwendung von 18 verschiedenen Messwerten (wie etwa wie überfüllt die Straßen sind oder wie viele separate Stadtviertel existieren). Dann ließen sie einen Computer raten, wie alt die Kultur war, nur indem sie auf diese Fingerabdrücke blickte.

Der Computer war überraschend gut darin und identifizierte das Stadium der Reifung der Kulturen in 87 % der Fälle korrekt. Er fand heraus, dass die „Dichte“ der Verbindungen und die „Modularität“ (wie stark die Gruppen voneinander getrennt waren) die zwei wichtigsten Hinweise waren.

Das Fazsit
Dieses Paper zeigt, dass Wissenschaftler durch die Kombination einer speziellen „Schattenkamera“, eines smarten Roboters zum Zeichnen der Karten und einer mathematischen Methode zur Analyse des Stadtlayouts nun in der Lage sind, quantitativ zu messen, wie Gehirnnetzwerke wachsen und sich organisieren – und das, ohne die Zellen jemals bemalen oder schädigen zu müssen. Dies gibt Forschern eine leistungsstarke neue Möglichkeit, die Entwicklung des Gehirns in Echtzeit zu beobachten.