Kao i mnoge dobre ideje u nauci, počelo je šetnjom šumom. Tokom šetnje kroz Berlinsku botaničku baštu 2019. godine, vođa grupe HHMI Janelia Research Campus Jan Funke i neki od njegovih naučnih kolega počeli su da razgovaraju o poznatoj temi: Kako dobiti više informacija iz konektoma insekata.
Ovi dijagrami ožičenja daju istraživačima informacije bez presedana o moždanim ćelijama i kako se one međusobno povezuju, ali ne govore naučnicima kako signal jednog neurona utiče na druge neurone u njegovoj mreži.
Grupa se pitala da li bi mogli da koriste informacije iz prethodnih eksperimenata koji identifikuju neurotransmitere oslobođene iz nekih neurona da predvide neurotransmitere oslobođene od drugih u konektomu. Neuroni koriste neurotransmitere da komuniciraju jedni sa drugima, sa različitim hemikalijama odgovornim za različite signale.
Ljudsko oko ne može da razlikuje sinapse na neuronima gde se oslobađaju različiti neurotransmiteri, ali možda bi kompjuterski model mogao. Funke i njegove kolege su bili skeptični, ali su mislili da bi možda vredelo pokušati.
„Ovo je u osnovi gde smo to ostavili: imamo podatke, pretpostavljam da bismo mogli da pokušamo“, kaže Funke. „Nismo bili naročiti optimisti.“
Vrativši se u Janelia, Funke je odlučio da projekat preda Mišel Du, srednjoškolki koja je započela letnju praksu u svojoj laboratoriji. Projekat bi omogućio Duu da nauči kako da obuči neuronsku mrežu da prepozna slike – korisna veština za nadobudnog kompjuterskog naučnika čak i ako projekat nije dao rezultate.
Nekoliko dana nakon stažiranja, Du se pojavila u Funkeovoj kancelariji, nakon što je obučila model na objavljenim podacima i procenila njegov učinak na podacima sa testa. Iako se Funke nije nadao da će to funkcionisati, model je bio više od 90% tačan u predviđanju nekih neurotransmitera.
„Nisam mogao da verujem“, kaže Funke. „Brojke su bile previše dobre.“
Nakon provere podataka i modela, Funke, Du i njihove kolege su se uverili da brojevi nisu greška: model je mogao da predvidi neurotransmitere. Ali tim je i dalje bio oprezan i nisu dobro razumeli kako mreža pravi predviđanja.
„Trebalo je da budem veoma srećan, ali umesto toga bio sam zabrinut jer nismo razumeli šta se dešava“, kaže Funke.
Nakon što je isključio moguće zbunjujuće faktore koji bi mogli da iskrive njihove rezultate, tim je razvio način da razume šta mreža vidi što joj je omogućilo da napravi predviđanja.
Prvo su koristili svoju mrežu da predvide neurotransmiter sa poznate slike, što je uspešno i uradilo. Zatim su zatražili od zasebne mreže da uzme tu poznatu sliku i malo je promeni kako bi se stvorila slika koja odgovara oslobađanju drugog neurotransmitera – u suštini identifikujući minimalne osobine koje treba promeniti da bi model predvideo jedan neurotransmiter u odnosu na drugi. Na kraju, tim je razvio poseban metod za identifikaciju ovih različitih osobina.
Iz ovih informacija, tim je shvatio različite karakteristike koje je njihova prvobitna mreža koristila za predviđanja. To im je dalo samopouzdanje da svoju metodu objave široj zajednici neuronauka 2020.
„Ono što je većina neuronaučne zajednice videla iz ovog rada su predviđanja“, kaže Funke. „Rado su ga koristili, ali za nas je bilo veoma važno da se uverimo da zaista funkcioniše.“
Pet godina kasnije, Du je sada dodiplomski student na Univerzitetu Duke, a metod koji je pomogla u razvoju korišćen je za predviđanje neurotransmitera u konektomima hemimozga voćne mušice, ventralne nervne moždine i optičkog režnja koje su kreirali istraživači i saradnici Janelia, kao i konektom mozga odrasle muve koji je kreirao FliVire.
Informacije pomažu naučnicima da shvate kako neuroni u kolu utiču jedni na druge kako bi potom mogli da formiraju hipoteze o funkciji moždanih kola koje se mogu testirati u laboratoriji.
„Sve je počelo sa pomalo ludom idejom, nečim oko čega niko nije bio previše optimističan. A šta radite sa ludom idejom? Dajete je srednjoškolcu kao iskustvo učenja“, kaže Funke. „Imali smo veliku sreću što je Mišel bila izuzetno talentovana.“
Rad je objavljen u časopisu Ćelija.
