Биоинформатики создали нейросеть, которая способна определять двигательные черты болезни Паркинсона у человека, мыши, жука и червя.
Модель позволяет выделить черты двигательных нарушений, которые сохраняются среди видов в эволюции, и в дальнейшем изучать проявления болезни на модельных организмах. Нейросеть основана на методе домен-состязательного обучения, а для интерпретации данных авторы использовали механизм внимания. Исследование опубликовано в журнале Nature Communication.
Нейродегенеративные заболевания — болезнь Паркинсона, Альцгемера, шизофрения, — зачастую связаны с нарушениями в движениях. Это происходит из-за недостатка дофамина — этот нейромедиатор работает не только в структурах системы вознаграждения, но и регулирует двигательную активность через нейроны черной субстанции. Если нейроны черной субстанции гибнут, организм теряет способность правильно двигаться и появляются тремор, перенапряжение мышц и акинезия.
Чтобы исследовать эти процессы и искать подходы к терапии, ученым необходимо изменять параметры системы: количество дофамина, активность нейронов или даже поражение мозга. Поскольку безопасно контролировать такие параметры у человека пока затруднительно, биологи используют в своих исследованиях модельные организмы: эволюционно близких (например, мышей) или более дальних (беспозвоночных). Но и у такого подхода есть значительный минус — человек и модельные организмы двигаются по-разному и интерпретировать результаты таких исследований для человека становится невозможно.
Исследователи из университета Осаки под руководством Такуи Маекава (Takuya Maekawa) создали модель, которая определяет общие паттерны движения для человека, мыши, жука-хрущака и круглого червя. Эта модель представляет домен-состязательную нейросеть (domain-adversarial neural network, DANN). Нейросеть получает на вход данные о параметрах движения (например, о скорости и траектории) и выводит данные о классе (здоровый или с болезнью Паркинсона) и домене (человек, мышь, жук или червь).
Таким образом, чтобы определить общие паттерны болезни для всех видов, необходимо извлечь те, что нейросеть отличает по классу (здоровый или больной), но не отличает по домену (вид). Однако полученные данные были представлены в форме, которую человеку интерпретировать трудно. Тогда исследователи добавили в нейросеть модуль внимания, позволяющий выделять из данных понятные паттерны и визуализировать их на графиках.
Данные о передвижениях всех видов представляли график траектории с параметрами движения в разных точках. При этом данные внутри видов случайным образом разделили на тестовые и обучающие, после чего нейросеть обучили на разных парах: червь-мышь, червь-человек, червь-жук. Таким образом удалось обнаружить общие паттерны в парах.
Так, например, несмотря на абсолютно разные системы передвижений, мышь и червь при болезни Паркинсона не смогли поддерживать высокую скорость продолжительное время. В дальнейшем этот результат подтвердили и для человека. Для червя и человека при болезни Паркинсона характерной оказалась нестабильная скорость при высоком ускорении — такой параметр часто считают симптомом акинезии. В последней паре исследователи наблюдали высокое ускорение при смене направления движения — то есть животные не могли совершать плавные повороты. Такие паттерны можно будет использовать для дальнейших исследований недостатка дофамина, а нейросеть применить и к другим двигательным нарушениям.
Биологи часто используют нейросети в своих исследованиях – в том числе, для анализа данных активности мозга. Так, например, по данным ЭЭГ можно распознать песню, которую человек слушает в данный момент или даже создать индивидуально привлекательное лицо.
Автор: Анна Муравьёва