通过识别使其成为可能的神经元来恢复移动性

EPFL的研究人员通过刺激受损的脊髓，让瘫痪的啮齿动物重新行走。在洛桑大学医院(Lausanne University Hospital, CHUV)的临床试验中，这种有前景的治疗方法已经帮助截瘫患者恢复了活动能力。现在，利用人工智能，研究人员可以确定哪些神经元参与步态恢复过程。研究结果已经发表在自然生物技术，可能导致新方法的发展，使治疗更加有效，以及为其他生物医学研究领域的进步铺平道路。bob88体育平台登录

啮齿动物的脊髓样式脊髓 - 含有大约50种不同类型的神经细胞， 或者神经元。然而，并非所有这些细胞都以相同的回应步态EPFL在EPFL开发的恢复处理，基于锻炼和电气和化学脊髓刺激的组合。然而，通过精确地识别所涉及的神经元的类型，研究人员可以更好地了解患者会发生什么细胞水平当这些刺激导致立即步态恢复时。然后，它们可以特别地靶向被刺激激活的那些神经元，从而提高了治疗的有效性。

作为这些努力的一部分，Grégoire警察的实验室已开发出一个机器学习方法这可以应用于任何类型的单细胞技术，并确定哪些细胞对手的任务最重要。这种方法的应用单一 -细胞生物学特别是令人兴奋，因为单细胞RNA测序的技术提供了细胞所有基因的所有基因的逐细胞测量，允许研究人员确定关键的蜂窝机制。

科学家使用两组小鼠的结果：在脊髓损伤之后重组的一组小鼠，由于缺乏治疗，那些在脊髓损伤后和留下瘫痪的人。然而，当这种治疗可以改变成千上万基因的表达时，在这些大规模的数据集中鉴定援助小鼠恢复的特定神经元是一个具有挑战性的问题。为了解决这个问题，朝鲜团队开发了一种机器学习方法。被称为Augur，它能够学习确定细胞类型通过自动考虑成千上万基因的表达水平，最佳占两个条件之间的差异。

AUGUR提供优先级得分，预测哪些细胞显示瘫痪的小鼠与已经恢复移动性的小鼠之间最大的差异。当Augur优先考虑某种类型的神经元时，这意味着神经元对通过电化学刺激引起的步态回收至关重要。相反，在动机和非移动小鼠中，Augur未优先考虑未优先考虑的神经元，因此可能在对治疗的响应中可能不会发挥重要作用。

“它是一个强大的统计方法这可以适用于任何扰动，“这篇论文的两个第一作者迈克尔·皮肤和乔丹·斯普拉斯。”更准确的Augur可以将特定类型的神经元分配给两组小鼠，这些特定神经细胞的相关性越多。因此，它们更有可能参与步态恢复。“

使用这种方法，研究人员能够鉴定一种在小鼠的步态复苏中起重要作用的神经元。他们现在可以更详细地观察工作机制，并将它们靶向药理学治疗，以提高整体效率。

这种方法将对许多生物医学研究感兴趣，根据警察：“无论您是致力于癌症，克罗恩疾病，科西德还是多发性硬化，核心问题仍然是一样的，什么类型的细胞是问题的源头？我们的方法加快了调查过程，因此我们已经自由地提供了Augur。“

---

---