అల్జీమర్స్ వ్యాధి యొక్క సూక్ష్మ సంకేతాలు రోగనిర్ధారణకు దశాబ్దాల ముందు బయటపడతాయి — తరచుగా మెదడు పనిచేయకపోవడం యొక్క ప్రారంభ దశలను ప్రతిబింబించే క్రమరహిత ప్రవర్తనల రూపంలో.
కానీ ఇప్పటి వరకు, ఈ స్వల్ప ప్రవర్తనా మార్పులను శాస్త్రీయ పద్ధతిలో గుర్తించడం మరియు కొలవడం సాధ్యం కాదు, ఎలుకలలో అల్జీమర్స్ను అధ్యయనం చేస్తున్నప్పుడు కూడా కాదు.
లో ప్రచురించబడిన ఒక అధ్యయనంలో సెల్ నివేదికలు, గ్లాడ్స్టోన్ ఇన్స్టిట్యూట్స్లోని శాస్త్రవేత్తల బృందం అల్జీమర్స్ యొక్క ముఖ్య అంశాలను అనుకరించేలా రూపొందించబడిన ఎలుకలలో ముందుగా గుర్తించలేని వ్యాధి సంకేతాలను గుర్తించడానికి కొత్త వీడియో-ఆధారిత యంత్ర అభ్యాస సాధనాన్ని ఉపయోగించింది. వారి పని ప్రస్తుతం సాధ్యమయ్యే దానికంటే ముందుగానే నాడీ సంబంధిత వ్యాధిని గుర్తించడానికి మరియు కాలక్రమేణా అది ఎలా అభివృద్ధి చెందుతుందో తెలుసుకోవడానికి కొత్త వ్యూహంపై వెలుగునిస్తుంది.
“మెదడు పనితీరులో ప్రారంభ అసాధారణతలను సూచించే ప్రవర్తనలను మేము ఎలా విశ్లేషిస్తామో విప్లవాత్మకంగా మెషిన్ లెర్నింగ్ యొక్క సామర్థ్యాన్ని మేము చూపించాము” అని గ్లాడ్స్టోన్ పరిశోధకుడు జార్జ్ పాలోప్, అధ్యయనం యొక్క సీనియర్ రచయిత, PhD చెప్పారు. “వినాశకరమైన మెదడు రుగ్మతలు మరియు అవి ఎలా ప్రారంభమవుతాయి అనే దాని గురించి మరింత పూర్తి అవగాహనకు తలుపులు తెరిచే విలువైన సాధనాన్ని మేము ఉపయోగించాము.”
శాస్త్రవేత్తలు VAME అనే మెషీన్ లెర్నింగ్ ప్లాట్ఫారమ్ను ఉపయోగించారు, ఇది “వేరియేషనల్ యానిమల్ మోషన్ ఎంబెడ్డింగ్”కి సంక్షిప్తమైనది, ఎలుకలు బహిరంగ అరేనాను అన్వేషించే వీడియో ఫుటేజీని విశ్లేషించడానికి. ఓపెన్ సోర్స్ సాధనం కెమెరాలో సంగ్రహించబడిన సూక్ష్మ ప్రవర్తనా విధానాలను గుర్తించింది — ఎలుకలను చూడటం ద్వారా గుర్తించబడని మార్పులు.
క్రమరహిత ప్రవర్తనను ట్రాక్ చేయడం
VAME యొక్క డీప్ లెర్నింగ్ ప్లాట్ఫారమ్ ఎలుకలలో సాంప్రదాయిక ప్రవర్తనా పరీక్షలకు భిన్నంగా ఉంటుంది, ఇది తరచుగా జంతువులు పూర్తి చేయడానికి సవాలు చేయబడిన ముందస్తుగా నిర్ణయించిన పనుల చుట్టూ కేంద్రీకృతమై ఉంటుంది.
ఆ పరీక్షల పరిమితులలో, వారు వ్యాధి వల్ల కలిగే పూర్తి స్థాయి ఆకస్మిక ప్రవర్తనా మార్పులను సంగ్రహించలేరు – ముఖ్యంగా ప్రారంభ దశలలో, గ్లాడ్స్టోన్లోని స్టాఫ్ సైంటిస్ట్ మరియు అధ్యయనం యొక్క మొదటి రచయిత స్టెఫానీ మిల్లెర్, PhD వివరించారు. అవి స్కేలబిలిటీని కలిగి ఉండవు మరియు తరచుగా శ్రమతో కూడిన పద్ధతులపై ఆధారపడతాయి.
VAMEని ఉపయోగించి గ్లాడ్స్టోన్ అధ్యయనం కోసం, బృందం అల్జీమర్స్ యొక్క విభిన్న అంశాలను అనుకరించే రెండు రకాల ఎలుకలను అంచనా వేసింది. రెండు నమూనాలలో, మెషిన్ లెర్నింగ్ టూల్ ఎలుకల వయస్సులో “అస్తవ్యస్తమైన ప్రవర్తన” యొక్క గణనీయంగా పెరిగిన స్థాయిని గుర్తించింది. ఉదాహరణకు, ఎలుకలు ప్రవర్తన యొక్క అసాధారణ నమూనాలను ప్రదర్శించాయి మరియు విభిన్న కార్యకలాపాల మధ్య తరచుగా పరివర్తన చెందుతాయి — జ్ఞాపకశక్తి మరియు శ్రద్ధ లోపాలతో అనుబంధించబడే కారకాలు.
“మానవులలో ఆకస్మిక ప్రవర్తనలను అధ్యయనం చేయడానికి ఇలాంటి మెషిన్ లెర్నింగ్ విధానాలు ఒక రోజు ఉపయోగించబడతాయి, ఇది నాడీ సంబంధిత వ్యాధుల యొక్క ముందస్తు రోగనిర్ధారణను సమర్ధవంతంగా అందిస్తుంది,” అని మిల్లెర్ చెప్పారు, స్మార్ట్ఫోన్-నాణ్యత వీడియో VAME విశ్లేషణకు సరిపోతుందని పేర్కొంది. “ఈ సాంకేతికత రోగులను క్లినిక్లో మరియు వారి ఇళ్లలో కూడా అంచనా వేయడానికి ఉపయోగించబడుతుందని నేను ఊహిస్తున్నాను. ఇది శాస్త్రవేత్తలు మరియు వైద్యులకు వ్యాధి యొక్క ముందస్తు దశలను నిర్ధారించే చాలా కష్టమైన సమస్యను పరిష్కరించడానికి ఒక మార్గాన్ని అందిస్తుంది.”
సాంకేతికత ఇంకా శైశవదశలో ఉన్నప్పుడు మిల్లర్ చాలా సంవత్సరాల క్రితం VAMEతో ప్రయోగాలు చేయడం ప్రారంభించాడు. ఆమె మరియు పలోప్ జర్మనీలోని స్టీఫన్ రెమీ, MD బృందంతో కలిసి పనిచేశారు, ఇది మొదట ప్లాట్ఫారమ్ను అభివృద్ధి చేసింది. కలిసి, వారు ప్రచురించిన ఒక అధ్యయనంలో న్యూరోసైన్స్ పరిశోధన కోసం VAME యొక్క ప్రయోజనాన్ని ప్రదర్శించడంలో సహాయపడ్డారు. కమ్యూనికేషన్స్ బయాలజీ.
సంభావ్య చికిత్సను మూల్యాంకనం చేయడం
వారి కొత్త అధ్యయనానికి మరొక కోణాన్ని జోడిస్తూ, గ్లాడ్స్టోన్ బృందం అల్జీమర్స్కు సంభావ్య చికిత్సా జోక్యం ఎలుకలలో అస్తవ్యస్తమైన ప్రవర్తనను నిరోధిస్తుందో లేదో తెలుసుకోవడానికి VAMEని ఉపయోగించింది.
శాస్త్రవేత్తలు గ్లాడ్స్టోన్ పరిశోధకురాలు కాటెరినా అకాసోగ్లో, PhD నుండి ముందస్తు పరిశోధనను ఉపయోగించారు, ఫైబ్రిన్ అని పిలువబడే రక్తం గడ్డకట్టే ప్రోటీన్ దెబ్బతిన్న రక్త నాళాల ద్వారా మెదడులోకి లీక్ అయినప్పుడు విషపూరిత ప్రభావాల క్యాస్కేడ్ను సృష్టిస్తుందని కనుగొన్నారు. ఫైబ్రిన్ యొక్క విష ప్రభావాలను నిరోధించడం ద్వారా, అకాసోగ్లో యొక్క ల్యాబ్ అభిజ్ఞా క్షీణతకు దారితీసే న్యూరోడెజెనరేషన్ను నిరోధించగలిగింది మరియు జంతువులలో అల్జీమర్స్ నుండి రక్షించగలదు.
ఈ చికిత్సా వ్యూహం అల్జీమర్స్-లింక్డ్ ప్రవర్తనల నుండి ఎలుకలను రక్షించగలదా అని తెలుసుకోవడానికి, బృందం మెదడులో విషపూరిత మంటను ప్రేరేపించకుండా ఫైబ్రిన్ను జన్యుపరంగా నిరోధించింది. ఈ జోక్యం అల్జీమర్స్ ఎలుకలలో అసాధారణ ప్రవర్తనల అభివృద్ధిని తగ్గించింది.
“మెదడులో ఫైబ్రిన్ యొక్క తాపజనక చర్యను నిరోధించడం వల్ల అల్జీమర్స్ ఎలుకలలోని యాదృచ్ఛిక ప్రవర్తనా మార్పులన్నీ దాదాపుగా తగ్గిపోయాయని చూడటం చాలా ప్రోత్సాహకరంగా ఉంది, ఫైబ్రిన్ మరియు తదుపరి న్యూరోఇన్ఫ్లమేషన్ వ్యాధికి ప్రధాన డ్రైవర్లు అని పునరుద్ఘాటిస్తుంది” అని అకాసోగ్లో చెప్పారు. చదువు. “మెషిన్ లెర్నింగ్ ల్యాబ్లో సంభావ్య చికిత్సలను అంచనా వేయడానికి నిష్పాక్షికమైన మార్గాన్ని అందిస్తుంది – మరియు ఇది చివరికి అమూల్యమైన క్లినికల్ సాధనంగా మారుతుందని నేను నమ్ముతున్నాను.”
పాలోప్ మరియు మిల్లెర్ ఇప్పుడు కొత్త ప్రవర్తనా అధ్యయనాల కోసం VAME సాంకేతికతను ఉపయోగించడంలో సహాయపడటానికి నాడీ సంబంధిత వ్యాధిని అధ్యయనం చేసే ఇతర గ్లాడ్స్టోన్ బృందాలతో కలిసి పని చేస్తున్నారు.
“శక్తివంతమైన కొత్త ఔషధాలను అభివృద్ధి చేయడానికి తీసుకునే సమయాన్ని తగ్గించడానికి ఈ సాధనం మరియు ఇలాంటి విధానాలను జీవశాస్త్రజ్ఞులు మరియు వైద్యులకు మరింత అందుబాటులోకి తీసుకురావడమే నా లక్ష్యం” అని మిల్లెర్ చెప్పారు.
అధ్యయనం గురించి
అధ్యయనం, “మెషిన్ లెర్నింగ్ ప్రముఖ యాదృచ్ఛిక ప్రవర్తనా మార్పులు మరియు మానవీకరించిన మరియు ట్రాన్స్జెనిక్ అల్జీమర్స్ వ్యాధి నమూనాలలో చికిత్స సామర్థ్యాన్ని వెల్లడిస్తుంది,” యొక్క నవంబర్ 26 సంచికలో కనిపిస్తుంది సెల్ నివేదికలురచయితలలో స్టెఫానీ మిల్లర్, కెవిన్ లక్సెమ్, కెల్లీ లాడర్డేల్, ప్రణవ్ నంబియార్, ప్యాట్రిక్ హోన్మా, కేటీ లై, శ్రేయ బంగేరా, మేరీ బుల్లక్, జియా షిన్, నిక్ కాలిస్, యుచెన్ క్యూ, కేథరీన్ కై, కెవిన్ షెన్, కె. డకోటా యెన్డ్రూ మల్లేన్, ఝాయోక్ మల్లెన్ మెండియోలా, తకాషి సైటో, టకోమి సైడో, అలెగ్జాండర్ పికో, రూబెన్ థామస్, ఎరిక్ రాబర్సన్, కాటెరినా అకాసోగ్లో, పావోల్ బాయర్, స్టెఫాన్ రెమీ మరియు జార్జ్ పలోప్.