Отслеживание реакции отдельных нейронов похоже на попытку понять, кто и что именно говорит на футбольном стадионе, полном кричащих болельщиков. До недавнего времени нейробиологам приходилось отслеживать каждый нейрон «вручную».
Программное обеспечение CaImAn автоматизирует этот трудоемкий процесс, используя комбинацию стандартных вычислительных методов и методов машинного обучения. В статье, опубликованной в январском номере журнала eLife, создатели программы указывают, что CaImAn выявляет активные нейроны на основе визуальных данных кальция практически с человеческой точностью.
CaImAn (calcium imaging analysis – анализ изображений кальция) в течение нескольких лет находился в свободном доступе и за это время доказал свою ценность для научного сообщества, состоящего из 100 лабораторий, использующих данную программу.
Последняя версия CaImAn может работать на обычном ноутбуке в режиме онлайн, поэтому ученые могут анализировать данные во время экспериментов.
CaImAn является результатом усилий, инициированных главой научной группы Д. Кловским. Он привлек учёного Эфтихиоса Пневматикакиса, а позже Андреа Джовануччи для того, чтобы возглавить проект. Их целью было помочь справиться с огромными массивами данных, полученными методом под названием calcium imaging.
Метод подразумевает добавление специального красителя в ткани мозга или в нейроны. Краситель связывается с ионами кальция, ответственными за активацию нейронов. Под ультрафиолетовым светом краска загорается. Флуоресценция возникает только тогда, когда краситель связывается с ионом кальция, это позволяет исследователям отслеживать активность нейрона.
Анализ данных, собранных таким методом, проблематичен, т.к. поток оказывается слишком велик – до 1 терабайта мерцающих сигналов в час, помимо этого флуоресцентные сигналы от разных нейронов часто перекрываются, создавая шум данных, что усложняет выделение отдельных нейронов. Колеблется ткань мозга, что также затрудняет отслеживание нейрона в течение времени.
Э. Пневматикакис, ученый-исследователь Центра вычислительной математики Института Флатирон, начал разработку базового алгоритма, лежащего в основе работы CaImAn в лаборатории ЛиамаПанински Колумбийского университета.
Позже Пневматикакис начал работать с Джовануччи над применением алгоритма при отслеживании активности мозжечковых гранулярных клеток, плотно упакованных, быстро реагирующих групп нейронов. "Существующие инструменты анализа не были достаточно мощными, чтобы отличить активность именно этой группы нейронов от остальных", - говорит Джовануччи, который присоединился к группе CCB neuroscience в течение 3-х лет, чтобы помочь разработать программное обеспечение для более широкого использования. Алгоритм вычитает фоновые сигналы и фокусируется на нескольких, показывая, что отдельные клетки гранул действительно имеют четкие паттерны активности.
Дальнейшая работа в Институте Флатирон улучшила способности CaImAn и упростила использование программного обеспечения для различных экспериментов без обширных настроек.
Недавно исследователи проверили точность CaImAn, сравнив его результаты с набором данных, созданным человеком. Сравнение доказало, что программное обеспечение по точности идентификации активных нейронов практически равняется идентификации учёных, но оно гораздо более эффективно. Его скорость позволяет исследователям адаптировать свои эксперименты, проводя исследования того, как конкретные пучки нейронов способствуют различному поведению. Набор данных учёного также выявил высокую изменчивость от человека к человеку, подчеркнув преимущества наличия стандартизированного инструмента для анализа данных изображений.
В дополнение к точности анализа исследователи использовали аннотированные учёным результаты в качестве учебного набора данных, разрабатывая инструменты машинного обучения для улучшения CaImAn.
С тех пор этот набор данных общедоступен для использования научным сообществом, дальнейшего развития CaImAn или для создания новых инструментов.