Cerca
Close this search box.

CITE-On: nuovo algoritmo per estrarre da dati di microscopia l’attività di migliaia di neuroni

L’algoritmo prevede l’utilizzo dell’intelligenza artificiale applicata a dati di imaging in neuroscienze e mostra maggior velocità e pari accuratezza rispetto allo stato dell’arte.

Il team di ricercatori e ricercatrici del laboratorio Optical Approaches to Brain Function, guidato da Tommaso Fellin dell’Istituto Italiano di Tecnologia – IIT, ha sviluppato CITE-On, un nuovo metodo di analisi dei dati di microscopia provenienti da test condotti nell’ambito delle neuroscienze. Questo metodo consente il riconoscimento in tempo reale di decine di migliaia di neuroni e consente l’analisi di ingenti quantitativi di dati neurali in un lasso di tempo inferiore a quello impiegato con le tecniche attuali, mantenendo pari accuratezza.

Rispetto all’analisi manuale dei dati, CITE-On riduce i tempi di processamento da settimane a minuti e rispetto alle analisi automatiche da giorni a minuti.

I risultati dello studio, pubblicati sulla rivista internazionale Nature Communications, hanno portato alla nascita di uno strumento molto utile in ambito neurofisiologico, messo a disposizione della comunità scientifica in modalità open source e open access.

Negli ultimi decenni, le neuroscienze hanno attraversato una profonda rivoluzione tecnologica che ha consentito ai ricercatori di svelare dettagli fondamentali del funzionamento del cervello. In particolare, le più moderne tecniche di microscopia funzionale consentono oggi di visualizzare e monitorare nel tempo l’attività individuale di migliaia di neuroni contemporaneamente. Da questo ricchissimo groviglio di interazioni tra singoli neuroni derivano tutte le funzioni cerebrali, dal movimento fino al linguaggio, passando per la percezione sensoriale. I dati sperimentali associati alla visualizzazione dell’attività neurale sono altrettanto complessi ed interpretarli richiede approcci multidisciplinari, come quello intrapreso con CITE-on.

In particolare, CITE-On sfrutta i principi delle reti neurali artificiali comunemente utilizzate per svariati scopi, dal riconoscimento facciale sui telefoni cellulari, allo sviluppo di auto a guida autonoma, ai sistemi di video-sorveglianza. Gli scienziati di IIT sono riusciti ad adattare queste reti artificiali al riconoscimento di cellule neurali durante studi di microscopia funzionale.

CITE-On riconosce in tempo reale i singoli neuroni, li separa dai neuroni circostanti, ne segue i cambiamenti di forma e luminosità e, in base a questi, restituisce un estratto dell’attività di ciascuna cellula nel tempo. In questo modo, è stato possibile seguire l’attivazione di cellule nervose in svariate aree del cervello e in risposta a diversi eventi esterni, come la presenza di stimoli tattili o il cambiamento di posizione nello spazio. I sistemi impiegati in precedenza erano in grado di compiere funzioni simili solo al termine dell’esperimento di microscopia, o comunque con un considerevole ritardo rispetto ai tempi dell’acquisizione dei dati. Identificando in tempo reale i neuroni più attivi in determinati contesti sperimentali, i ricercatori potranno aumentarne o ridurne l’attività e stabilire il loro preciso contributo alla generazione delle funzioni cerebrali.

“L’impiego dell’intelligenza artificiale per l’analisi di dati neurali recentemente è diventato uno strumento fondamentale a disposizione degli scienziati – dichiara Tommaso Fellin, coordinatore del team di ricerca IIT –  Nel nostro laboratorio ci occupiamo di sviluppare nuovi approcci tecnologici per migliorare lo studio del sistema nervoso centrale. Questo strumento ci permetterà di capire come le regioni cerebrali interagiscono tra loro, e studiare come tutti gli input sensoriali vengono codificati.

Questo nuovo algoritmo – racconta Luca Sità, ricercatore IIT – diminuisce il tempo di analisi dei dati, è leggero dal punto di vista computazionale, quindi non serve un super computer per poterlo utilizzare assicura pari o maggiore accuratezza rispetto ai sistemi di analisi già esistenti, e apre le porte a nuove possibilità di indagine.


Per approfondimenti: Nature CommunicationsA deep-learning approach for online cell identification and trace extraction in functional two-photon calcium imaging

Autori: Luca Sità, Marco Brondi, Pedro Lagomarsino de Leon Roig, Sebastiano Curreli, Mariangela Panniello, Dania Vecchia & Tommaso Fellin

Condividi

Sito in manutenzione

Website under maintenance