Kunstige neurale netværk kunne bruges til at give indsigt i biologiske systemer

At lære en computer at opføre sig som en zebrafisk var ikke Martin Haesemeyers mål.

Faktisk, forskningsassistenten i laboratorierne hos Florian Engert, professor i molekylær og cellulær biologi, og Alexander Schier, Leo Erikson Life Sciences professor i molekylær og cellulær biologi, håbede på at bygge et system, der fungerede anderledes end zebrafisk med henblik på at sammenligne, hvordan begge behandler temperaturoplysninger.

Det, han fik i stedet, var et system, der næsten perfekt efterlignede zebrafisken - og som kunne være et stærkt redskab til at forstå biologi. Arbejdet er beskrevet i et papir fra 31. juli offentliggjort i Neuron .

"I første omgang, det, jeg var nysgerrig efter, var en slags sammenligningsundersøgelse, at se på zebrafisk og noget som Drosophila og se om deres hjerner gør det på samme måde, " sagde Haesemeyer. "Og som et billigere alternativ end at få et andet dyr til at gøre det, Jeg valgte det kunstige neurale netværk, og jeg var overrasket over, at det fungerede så godt."

Brug af open source softwareværktøjer, Haesemeyer byggede et neuralt netværk med en arkitektur forskellig fra den i zebrafiskens hjerne, gav det nogle grundlæggende regler for, hvordan man behandler temperaturændringer, og så tillod den at "lære" hvordan man gør det selv.

"I bund og grund, hvad netværket lærer er … en filterfunktion til at udtrække forandringshastigheder fra en stimuli, " sagde Haesemeyer. "Den laver, hvad den tror er den bedste bevægelse, og derefter som input ændres, fordi det er et andet sted, den bevæger sig igen, og begynder at navigere i varmegradienten. Og efter at have lært, det kan den godt."

Men det var ikke blot netværkets evne til at navigere den interesserede Haesemeyer – det var det faktum, at det så ud til at gøre det på en måde, der var identisk med fisken.

"Der var to ting, jeg så på, " sagde han. "Den første var, i mangel på et bedre udtryk, hvor godt sammenlignede dets adfærd sig med zebrafisk? Følger den samme regler som zebrafisk? Og det gør den faktisk.

"Jeg kan også måle, hvor hurtigt det integrerer stimulus, " fortsatte han. "Jeg havde tidligere gjort det med zebrafisk, og resultaterne fra det kunstige netværk stemmer overens, så selvom jeg ikke fortalte netværket, at det skulle være opmærksom på temperaturen hvert halve sekund, hvilket fisken gør, den lærte en lignende færdighed."

Haesemeyer sammenlignede derefter det kunstige netværk med billeddata fra hele hjernen, som han tidligere havde indsamlet, og som viste, hvordan hver celle i zebrafiskhjernen reagerede på temperaturstimulering. Han fandt ud af, at de kunstige "neuroner" viste de samme celletyper som dem, der blev fundet i de biologiske data.

"Det var den første overraskelse - at der faktisk er en meget, meget godt match mellem hvordan netværket koder temperatur og hvordan fisken koder temperatur, " sagde han. "Og som en måde at bekræfte det punkt lidt mere … en ting, vi nemt kan gøre med det kunstige netværk, er at fjerne visse celletyper. Da vi fjernede alle de celler, der ligner dem i fisken, netværket kan ikke længere navigere i gradienten, så det indikerer virkelig, at det, der får netværket til at gøre, hvad det gør, er cellerne, der ligner dem, der findes i fisken."

Haesemeyer tænker, at det kan lade sig gøre at skabe kunstige netværk for andre dyr. Hvis det er, de kunne vise sig at være vigtige guider til at forstå biologiske netværk.

"For eksempel, der var en celletype i netværket, som jeg ikke havde fundet i fisken, "sagde han." Men da alt andet syntes at passe så godt, Jeg tænkte, at jeg måske bare ikke fandt det, fordi når du analyserer helhjerne-billeddannelse, skal du foretage visse afvejninger, der gør det svært at finde sjældne celletyper. Og det viste sig, at denne ene celletype, som netværket forudsagde, og jeg ikke havde fundet, findes faktisk i fisken."

Selvom Haesemeyer sagde, at han tvivler på, at den dag vil komme, hvor kunstige netværk er tilstrækkelige til at forstå kompleks adfærd - hypoteser vil altid skulle bekræftes af biologi - mener han, at netværkene kan tjene som vigtige værktøjer.

"Hvis du ved, hvilke spørgsmål du skal stille, du skal lave betydeligt færre eksperimenter, og du kan få svar meget hurtigere end at gå på jagt med et haglgevær i mørket, " han sagde.

Haesemeyer sagde, at fundet også fremhæver behovet for, at forskere får en klarere forståelse af, hvordan sådanne kunstige netværk fungerer.

"Jeg tror, ​​det bliver mere vigtigt og interessant at studere generelt, hvordan disse netværk gør disse ting, fordi det stadig er meget svært at skille sig af med, hvad de laver, "sagde han." I dette tilfælde, det fungerede, fordi inputstimulussen var ret enkel, men jeg tror, ​​der er interessante udviklinger at finde i at forstå, hvordan disse netværk udfører deres opgaver, som måske kan lære os mere om vores hjerne."

Denne historie er offentliggjort med tilladelse fra Harvard Gazette, Harvard Universitys officielle avis. For yderligere universitetsnyheder, besøg Harvard.edu.