Модели нейронов с одиночными всплесками: обзор

Ученые часто стремятся делать причинные выводы на основе структурированных данных, которые не являются независимыми и одинаково распределенными, таких как пространственные данные, данные сетей или молекулярные данные. Мы разрабатываем геометрические причинные модели (ГПМ), представляющие собой рамки для причинного вывода на основе зависимых данных, которые учитывают основные симметрии процесса генерации данных. Например, в пространственных данных мы рассматриваем процессы, которые симметричны относительно трансляций, или в графовых данных, симметричны относительно пермутаций узлов. Мы показываем, как симметрии, формализованные с помощью теории групп, могут способствовать идентификации и оценке причинных отношений. Мы используем эргодическую теорию для удобных групп, чтобы установить идентификацию, и комбинируем геометрическое глубокое обучение с масштабируемым байесовским выводом для оценки. Мы восстанавливаем причинные модели i.i.d. и do-калькул, когда данные представляют собой последовательность, и симметрия является пермутационной эквивариантностью, и находим новые типы причинных моделей, когда используем альтернативные структуры и симметрии. В качестве примера мы строим причинную модель, которая удовлетворяет симметриям ДНК. Эта ГПМ позволяет получить новые оценки эффектов генетической вариации, комбинируя глубокие функциональные модели геномики для описания исходов и языковые модели ДНК для описания склонностей. Мы иллюстрируем это на семисинтетических данных.

Спинальная мышечная атрофия — это невромускулярное расстройство, в первую очередь вызванное мутациями в гене SMN1 (Survival of Motor Neuron 1). Он широко экспрессируется и кодирует белок, необходимый для сборки малых ядерных рибонуклеопротеинов, ключевых компонентов спlicing пре-мРНК. Белок SMN также участвует во многих других фундаментальных клеточных процессах, включая транспорт РНК, регуляцию динамики актиновых филаментов, транскрипцию и трансляцию. Хотя предложено множество гипотез для объяснения уязвимости моторных нейронов (МН) к недостатку SMN, точные механизмы, вовлеченные в этот процесс, остаются недостаточно понятыми. В этом исследовании мы использовали специфическую для нейронов РНК-интерференцию для угнетения D-типов МН или нейронов рецепторов прикосновения. Угнетение в нейронах рецепторов прикосновения вызвало различные дефекты в морфологии нейронных процессов. Наши результаты выявили выраженные нейрон-специфичные различия в чувствительности нейронов, предоставляя надежную основу для анализа механизмов, лежащащих в основе избирательной нейронной уязвимости моторных нейронов спинного мозга при спинальной мышечной атрофии.

Происхождение потенциалов фасцикуляции (ПФ) на ранних стадиях бокового амиотрофического склероза (БАС) остается предметом обсуждения. Мы исследовали роль моторной коры в генерации ПФ, сравнивая частоту ПФ в покое в первом дорсальном межкостном (FDI) мышце до и после подавления моторной коры, вызванного непрерывной тета-импульсной стимуляцией (cTBS). Мы изучали пациентов с ранней стадией БАС (G1) и контрольную группу (G2), состоящую из пациентов с хроническими заболеваниями нижних моторных нейронов (LMN) или синдромом доброкачественных фасцикуляций без вовлечения верхних моторных нейронов (UMN). Условие включения заключалось в наличии силы в правом FDI на уровне 4+ или 5 по шкале MRC. В исходной точке мы записали частоту и амплитуду ПФ в правом FDI (3 реплики) и амплитуду моторно вызванного потенциала (MEP). Эти меры были повторены сразу после вносимого cTBS подавления кортикального моторного вывода. Статистическая значимость была установлена на уровне < 0.05. В исследование включили 22 пациента с БАС (14 мужчин; медианный возраст 65.5 лет; 72.7% - спинальное начало), с медианной продолжительностью болезни 6.4 месяца и средним баллом ALSFRS-R 44. Контрольная группа (G2) состояла из 11 участников. Примечательно, что 50% пациентов с БАС не показали нейрогенные признаки на игольчатой ЭМГ правого FDI при поступлении. Исходные периферические и кортикальные амплитуды и моторные пороги в левой гемисфере были сопоставимы между группами. После cTBS амплитуды MEP значительно снизились как в G1 (0.93 против 0.50 мВ, p = 0.02), так и в G2 (1.23 против 0.38 мВ, p = 0.02). Тем не менее, значительное снижение частоты ПФ (39.5%) произошло только в группе БАС (0.43 против 0.26 Гц, p < 0.001), в то время как в G2 изменений не отмечалось (0.60 против 0.77 Гц, p = 0.14). Пациенты с БАС, имеющие нормальную ЭМГ FDI, продемонстрировали еще большее снижение частоты ПФ (54.5%). Амплитуды ПФ оставались стабильными в обеих группах после cTBS. Наши результаты указывают на то, что на ранних стадиях БАС возбудимость LMN значительно модулируется нисходящим кортикоспинальным выводом. Снижение частоты ПФ после подавления коры указывает на то, что ПФ на ранних стадиях БАС обусловлены комбинацией гипервозбудимости как UMN, так и LMN, что отличает их от фасцикуляций при других нейрогенных расстройствах.

Компьютерное моделирование и симуляция являются мощными инструментами для оценки производительности и безопасности медицинских устройств, особенно для клинических испытаний in silico для автоматизированных медицинских систем. В вентиляции, где необходимо управлять газообменом, респираторной механикой и взаимодействием пациента с аппаратом вентиляции в условиях изменяющейся патофизиологии, клинический перевод автоматизированных контрольных стратегий остается медленным и ресурсоемким. В данной статье применяется структура, соответствующая стандартам, для оценки достоверности вычислительной дыхательной модели, продемонстрированная на примере автоматизированного прекращения вентиляции. Эта структура реализует принципы ASME V&V 40 и FDA в рамках структурированного, основанного на руководствах процесса валидации. Вычислительная физиологическая модель интегрирует респираторную механику, газообмен, контроль дыхания и представление вентилятора, валидация которой осуществляется в четко определенном контексте применения и с ясными вопросами интереса. Достоверность модели оценивается через калибровку, физиологическую правдоподобность, оценку на основе популяции и воспроизведение возникающего поведения. Все требования к модели, вытекающие из предполагаемого контекста использования, рассматриваются в предлагаемой программе оценки достоверности, а документированные пробелы сообщаются открыто. Полученный аргумент в пользу достоверности поддерживает применимость модели для ее контекста использования. Сильные стороны демонстрируются в сравнении на основе популяции и механистической правдоподобности, в то время как остаточные ограничения связаны с объемом in vivo данных, представительностью популяции и внешней валидацией. В целом, модель считается подходящей для проведения клинических испытаний in silico со средне-низким риском автоматизированных стратегий прекращения вентиляции. Более того, описанная в данной статье процедура валидации предоставляет пример для валидации этой и аналогичных моделей в других алгоритмах механической вентиляции и сопутствующих случаях использования.

Искусственный интеллект оказал глубокое влияние на биологические науки и, в частности, значительно ускорил исследования в области формы и функции белков. Ферменты не являются исключением: в последнее время было разработано множество предсказательных моделей для решения различных задач, связанных с ферментами. Модели, рассматривающие совместимость фермент-субстрат (ES) или фермент-реакция (ER), могут быть особенно полезными для аннотирования ферментов, расшифровки биосинтетических путей и извлечения биокаталитиков, главной задачей которых является идентификация истинного катализатора (или действительно совместимой реакции) среди множества схожих кандидатов. В то время как существующие модели демонстрируют высокую эффективность на альтернативных эталонах, менее известны их возможности в данном контексте. В этом исследовании мы оцениваем четыре недавно выпущенные модели предсказания ES и ER, используя задачи и наборы данных, адаптированные для данного условия. Сначала мы показываем, что две представительные модели предсказания ES показывают результаты, близкие к случайным исходным данным, по двум семействам ферментов, когда речь идет о ферментах и субстратах, не встреченных во время обучения. Для оценки дополнительных моделей по последовательному набору данных мы далее собираем самый крупный на сегодняшний день набор данных реакций цитохрома P450 (CYP) — 2922 реакции по 768 ферментам, и строим эталон ранжирования CYP, в котором правильно выбранный фермент должен быть приоритезирован среди всех CYP в своем естественном организме. Мы снова обнаруживаем, что большинство моделей не превосходят базовые показатели на основе последовательностей (BLAST), даже после тонкой настройки. Наконец, мы адаптируем модель предсказания биомолекулярной структуры Boltz для предсказания ES, обучая контролируемые классификаторы на векторных вложениях остатков-лигандов, и показываем, что этот подход последовательно превосходит базовые показатели BLAST на нашем эталоне ранжирования CYP. В совокупности наши результаты свидетельствуют о необходимости более актуального бенчмаркинга и предполагают, что учитывающие взаимодействия представления из полных биомолекулярных комплексов могут служить многообещающей основой для приоритизации ферментов.

3D-фенотипирование растений известно сложностью процедур и низкой производительностью из-за обширной многовидовой съемки, хрупкой цепочки 3D-реконструкции и дополнительных затрат на извлечение фенотипической информации из восстановленной геометрии. Эти ограничения усиливаются при низкозатратном сборе данных, когда видео со смартфонов или малонагруженные многовидовые изображения обеспечивают ограниченное перекрытие видов и самозатемнение. В этой работе мы показываем, что традиционную схему 3D-фенотипирования растений можно упростить и значительно ускорить с помощью 3D-фундаментальных моделей (3DFMs), и в частности, представляем одну из первых схем 3D-фенотипирования кросс-культур, основанную на 3DFMs. Эта схема заменяет разреженную инициализацию в стиле COLMAP на основанное на 3DFM геометрическое восстановление с прямой связью, сочетает 3D Gaussian Splatting с ограничениями по геометрии для плотной реконструкции, позволяет реконструировать из нескольких видов через итеративный синтез и уточнение видов и преобразует восстановленную геометрию в измеримые органы через семантический перенос из 2D в 3D, восстановление метрического масштаба и разделение экземпляров органов. Мы также создаем набор данных для кросс-культур с приобретением изображений на основе смартфонов, разнообразными морфологиями растений и ручными аннотациями для сегментации и фенотипической оценки. Эксперименты на 26 последовательностях растений показывают, что 3D-фундаментальные модели сокращают среднее время реконструкции с 6,52 минут до 1,58 секунд, сохраняя при этом высокое качество реконструкции и точность фенотипирования. Эти результаты предполагают новый технический путь для высокопроизводительного 3D-фенотипирования растений, начиная с недорогого получения изображений и заканчивая быстрой реконструкцией, восприятием, восстановлением масштаба и фенотипическим измерением.