Quando os neurônios se comunicam entre si, eles transmitem – ou “disparam” – pequenos impulsos elétricos chamados de potenciais de ação ou picos. Esses potenciais de ação são as unidades fundamentais de processamento de informações no cérebro. Hoje, a atividade neuronal é frequentemente medida por imagens de cálcio, que usa microscopia avançada para detectar mudanças na fluorescência de um indicador de cálcio dentro dos neurônios.
Essa abordagem se tornou muito popular porque pode detectar a atividade neuronal simultaneamente em muitos neurônios no cérebro intacto. No entanto, em vez de detectar os potenciais de ação diretamente, é uma medida indireta da atividade neuronal: os sinais de fluorescência dependem do influxo de cálcio através dos canais de cálcio na membrana celular, que são ativados por potenciais de ação. Os potenciais de ação individuais causam um aumento transitório e subsequente diminuição na concentração de cálcio intracelular que é muito mais lenta do que o próprio potencial de ação. O sinal de cálcio medido por microscopia é, portanto, uma “sombra” lenta, distorcida e barulhenta da atividade elétrica real de um neurônio. Portanto, é desejável reconstruir as verdadeiras flutuações na taxa de disparo do potencial de ação a partir dos sinais de cálcio medidos, o que não é uma tarefa trivial.
A relação entre os sinais de cálcio e as taxas de pico é idealmente avaliada por registros eletrofisiológicos simultâneos e imagens ópticas do sinal indicador de cálcio no mesmo neurônio. Essas gravações duplas podem servir como “verdade fundamental” para calibrar e otimizar algoritmos para a inferência de taxas de pico de outros dados de imagem de cálcio. Com base em tais conjuntos de dados de verdade terrestre, vários algoritmos para inferência de picos foram desenvolvidos, mas eles são geralmente complicados de usar, com precisão incerta.
Uma história na reconstrução de potenciais de ação
O líder do grupo FMI Rainer Friedrich foi um dos primeiros a desenvolver uma abordagem para reconstruir picos de imagens de cálcio neste artigo de 2006. O interesse de Friedrich pelo assunto foi reativado quando seu doutorado. o aluno Peter Rupprecht teve a ideia de usar o aprendizado de máquina avançado para reconstruir picos. Depois de vencer o desafio “Spikefinder” em 2017, Rupprecht dedicou seus últimos meses no FMI para medir simultaneamente sinais de cálcio e potenciais de ação de muitos neurônios diferentes e desenvolver um novo algoritmo para inferir picos de imagens de cálcio. Ele então continuou a trabalhar neste projeto e o finalizou como pós-doutorado no Brain Research Institute da Universidade de Zurique. O algoritmo simples e eficaz de Rupprecht, apresentado hoje na Nature Neuroscience, superou claramente todos os algoritmos existentes.
Primeiro, Rupprecht compilou um grande e diversificado banco de dados de verdade terrestre a partir de gravações disponíveis publicamente e recentemente realizadas – usando várias espécies (rato e peixe-zebra), tipos de neurônios, indicadores de cálcio, etc. Ele então desenvolveu um novo algoritmo para inferência de picos que tira proveito do conjunto de dados verdadeiros e baseado em aprendizado de máquina. Ao treinar o algoritmo em vários conjuntos de dados, ele conseguiu criar uma espécie de modelo “universal” que faz previsões precisas mesmo para conjuntos de dados aos quais o algoritmo nunca foi exposto antes.
Um novo padrão
?Existem duas razões principais pelas quais a abordagem de Peter teve tanto sucesso?, diz Friedrich. “Primeiro ele conseguiu obter um conjunto de dados de verdade terrestre muito amplo e diversificado. E então ele teve a brilhante ideia de treinar o algoritmo também em dados de baixa qualidade que incluíam muito ruído, que é o cenário muito mais realista.”
Friedrich espera que essa ferramenta se torne o novo padrão para neurobiologistas para medir a atividade neuronal com imagens de cálcio, destacando outra vantagem do algoritmo: a facilidade de uso. “Você realiza seus experimentos, carrega seus dados na ferramenta e em menos de meia hora obtém os resultados; não há necessidade de ajustar nenhum parâmetro, tudo isso é feito pelo sistema.” Além disso, o kit de ferramentas fornece uma plataforma para quantificar o desempenho de outros algoritmos e para melhorar ainda mais a inferência do potencial de ação no futuro, diz Friedrich.
Mas essa nova ferramenta realmente fará diferença para os experimentos de neurobiologia? “Claro”, exclama Friedrich. “A atividade no cérebro tem muita estrutura em uma escala de tempo de cem milissegundos. Com a sinalização de cálcio muito mais lenta, essa estrutura temporal fina é perdida.” O líder do grupo então compartilha como exemplo um experimento onde o novo algoritmo foi aplicado em seu próprio laboratório: os pesquisadores mediram a atividade de 1.500 neurônios simultaneamente no cérebro do peixe-zebra durante a estimulação do odor. Eles viram que a atividade estava mudando com o tempo, mas eles só tiveram uma resolução de um ou dois segundos. Com a nova ferramenta, eles conseguiram aumentar a resolução temporal em uma ordem de magnitude. “Agora podemos ver muitas coisas que não éramos capazes de resolver antes, como conjuntos de neurônios que são ativados em uma sequência ordenada quando informações específicas são processadas.”
Publicado em 05/08/2021 00h33
Artigo original:
Estudo original: