Наша географияЗаявка на членство+7 916 848-78-01info@rusneuro.net
О НейроНетеНаша миссияЧлены союзаНовостиСМИ о насДокументыАрхивКонтакты
Новости / Обзор новостей нейротехнологий 08.07.17-14.07.17
Новости
14.07.2017

Обзор новостей нейротехнологий 08.07.17-14.07.17

Жидкие линзы для управления светом в глубине мозга

“Fluidic microoptics with adjustable focusing and beam steering for single cell optogenetics” | Optics Express | doi: 10.1364/OE.25.016825

оптогенетика

В Массачусетском технологическом институте разработали жидкостные микролинзы для управления световым лучом в оптогенетике. Как отмечают авторы, они искали способ выборочно подавать свет на отдельные клетки глубоко в мозге, а это значит, что луч, исходящий из оптоволокна, должен быть тонким и уметь менять угол по команде, чтобы наводить его на разные нейроны. Механические системы линз слишком велики, чтобы уложиться в размер порядка десятков микрометров. Зато флюидные линзы идеально гладкие и, что важно, отлично масштабируются до крохотных размеров.

Для фокусировки и управления лучом инженеры создали линзу из двух несмешивающихся жидкостей, помещенных в резервуар в форме конуса, на стенки которого подается слабое напряжение. Конструкция работает на т.н. эффекте электросмачивания. На стенках конуса электроды -- вы подаете напряжение, ток меняет поверхностную энергию стенок с гидрофобной на гидрофильную, вода как бы проминает масло по бокам. Это меняет кривизну границы между маслом и водой, образуя линзу, и таким путем можно выбирать радиус кривизны и фокусировать луч на нужной клетке. Если приложить разное напряжение на разные части конуса, граница сохранит сферическую форму, но чуть наклонится в сторону, и так можно нацеливать луч в разные области ткани.

 

a) Конструкция жидкостной микролинзы, образованной границей между двумя несмешивающимися жидкостями. На стенках конуса четыре электрода. b) Фокусировка происходит вдоль оптического пути, когда один и тот же потенциал применен ко всем электродам. c) Лучом можно управлять, прилагая к каждой электродной паре разные потенциалы.

Конус протравлен на 45 °в подложку из плавленого кварца на глубину 12 мкм и имеет четыре электрода на боковой стенке. Они покрыты двумя диэлектрическими слоями: пленкой из диоксида кремния и гидрофобной пленкой. Линзы могут быть изготовлены монолитно с волноводом, работающим в красном и ближнем инфракрасном диапазоне. Метод не требует движущихся частей, управление кривизной обратимо и потребляет очень малую мощность, что важно для зонда в глубине ткани, так как тепло может влиять на активность нейронов.  

Микролинзы фокусируют свет до размера пятна ~ 10 мкм, что примерно соответствует размеру тела нейронной клетки. В экспериментах показана фокусировка в диапазоне от 0,25 до 3 мм и управление лучом ± 1 градус. Авторы ставят себе цель достичь глубины фокусировки от 0,1 мм при управлении углом луча более ± 5 °. Такой зонд позволит по выбору возбуждать отдельные клетки в произвольном месте живого мозга с помощью оптогенетики.

 

Скоростная томография с субклеточным разрешением

“High-Speed and Scalable Whole-Brain Imaging in Rodents and Primates” | Neuron | doi: 10.1016/j.neuron.2017.05.017

имиджинг

Исследователи из Университета Осаки и ряда других университетов Японии разработали серийную микроскопическую томографию (FAST). Этот метод позволяет визуализировать весь мозг мыши с высоким пространственным разрешением менее чем за два с половиной часа. Авторы совместили спиннинг диск микроскопию с микрослайсером, что нарезает слои ткани мозга, и техникой реконструкции 3D изображения из серии плоских снимков. Объединив FAST с процедурами окрашивания, они смогли визуализировать субклеточные ядра, сосудистые структуры, зрелые олигодендроциты, миелиновые оболочки, интернейроны и проекции нейронов по всему мозгу.

Разрешение метода на плоскости порядка 0.7–0.8 мкм, что заметно ниже размеров клетки. Время экспозиции датчика изображения не превышает 15 миллисекунд, и поэтому максимальная скорость сканирования составляет 2.8 х 10^8 пикселей в секунду. Полный 3D образ мозга мыши состоит из 11 200 х 15 660 х 2 400 пикселей, в общей сложности 4,2 х 10^11 вокселей, и такой файл весит порядка терабайта. Несмотря на чудовищные цифры, процедура длится меньше трех часов, по истечении которых вы получаете полностью оцифрованный мозг, где можно отследить все окрашенные клетки и связи между ними.

Снимки делаются с зазором в глубину. Показан пример выравнивания семи 100-мкм слоев образца. Стрелки указывают на клетки, которые можно распознать как одни и те же объекты в области перекрытия.

Авторы разработали метод точной трехмерной реконструкции головного мозга из полученных снимков. Он основан на фильтрах предварительной обработки и анализе формы 3D-частиц, под которыми понимаются клетки. Объемное изображение создается путем сшивки снимков, которые специально частично перекрываются, что позволяет их автоматически выравнивать с гарантией, что никакие клетки на границе между двумя секциями не будут пропущены.

К моменту написания статьи авторы отсканировали свыше сотни образцов мозга разных экспериментальных мышей-моделей с субклеточным разрешением. Также они отсканировали полушарие мозга мартышки, что заняло 10 терабайт, и для пробы оцифровали кубический сантиметр зрительной коры человека. Они надеются, что FAST поможет сравнить между собой множество образцов на уровне клеток и субклеточных структур и найти тонкие морфологические аномалии у больных с поражениями мозга.


Ученые научились различать в мозге разные языки

“Distinct distributed patterns of neural activity are associated with two languages in the bilingual brain” | Science Advances | doi: 10.1126/sciadv.1603309

 

трекинг состояний

Вопрос, как языки представлены в двуязычном мозге, остается открытым. Прошлые исследования указывают на то, что несколько языков могут обрабатываться в одной зоне мозга, одними и теми же схемами и паттернами активации клеток. Однако нейролингвисты из Университета в Шэньчжэне и Массачусетского технологического института склоняются к более точной гипотезе. С помощью томографии они показали, что мозг людей билингвов работает с языками по-разному: он подключает разные группы клеток согласно тому, каким языком человек оперирует в данный момент.

Так мозг отвечает на языки разными шаблонами активности, избегая перекрестных помех. Авторы провели простые опыты с 14 добровольцами, все они с рождения знали китайский, затем выучили английский. Им демонстрировали слова на обоих языках, участники эксперимента должны были нажать клавишу, если у слов одно и то же значение. Для контроля на экран также выводили слова в «ложных шрифтах»: их невозможно прочесть, но символы напоминают буквы и иероглифы. В ходе эксперимента людям делали фМРТ сканирование.

 

Примеры китайского реального слова, английского реального слова, а также “китайских” и “английских” ложных шрифтов, используемых в задаче.

Авторы затем изучали снимки, чтобы узнать, была ли нейронная активность при обработке слова на первом языке (китайский) отлична от активности, лежащей в основе обработки слов на втором языке (английский). Они использовали многомерный анализ шаблонов (MVPA), сравнительно новый метод, интересный для нейробиологов тем, что там применяют алгоритмы машинного обучения к нейровизуализации данных. MVPA подходит для обнаружения «мелкозернистых» различий, даже если на большем масштабе этих различий не видно.

В результате, хотя оба языка активируют перекрывающиеся области мозга, «мелкозернистая» методика MVPA показала, что они делают это с включением разных нейронных структур. Авторы пишут, что предстоит еще изучить, какие виды информации мозг декодирует при различении языков. Они также отмечают, что письменный китайский визуально контрастирует с письменным английским, и это различие влияет на то, как мозг их обрабатывает.


ИИ создает новые концепции на основе старых

“SCAN: Learning Abstract Hierarchical Compositional Visual Concepts” | arXiv:1707.03389

 

искусственный интеллект

Программисты компании DeepMind, принадлежащей Google, научили искусственный интеллект (ИИ) рекомбинировать известные концепции и создавать из них новое. Эта идея «композиционности» лежит в основе человеческих способностей, таких как творчество, воображение и язык. Имея немного знакомых концептуальных строительных блоков, мы умеем создавать огромное количество новых «на лету». Но то, что так естественно для нас, остается проблемой для ИИ.

Авторы создали ИИ-агента, Symbol-Concept Association Network (SCAN), который строит и затем использует визуальную концептуальную иерархию, имитируя человеческое обучение, что позволяет ему представить новые концепции на основе инструкций. Авторы поместили SCAN в 3D-мир, где он, как ребенок в детской кроватке, мог лишь поворачивать голову и наблюдать один из трех возможных объектов, представленных ему на разных цветных фонах. Как и зрительная система ребенка, агент изучает структуру видимого мира и учится представлять объекты с точки зрения визуальных «примитивов». Затем ему дают имена объектов.

 

\

SCAN учится представлять визуальную сцену с точки зрения основных интерпретируемых визуальных примитивов, таких как отличительный признак объекта, цвет и вращение, цвет стены, цвет пола и др.

Так опыт SCAN дополняется языковым вводом, когда изображение красного чемодана на желтой стене сопровождается инструкцией «красный чемодан, желтая стена». Агент узнаёт смысл новой концепции, строя абстракцию из визуальных примитивов. Концепция яблока может быть указана с точки зрения цвета, формы и размера, тогда как другие визуальные примитивы, такие как положение и освещение, агент посчитает не имеющими отношения к концепции яблока.

После того, как SCAN изучил словарь понятий и научился ими манипулировать, его просят объединить знакомые понятия в новые. Так агент может создать себе набор новых визуальных концепций, типа синих яблок («синий» и «яблоко»). Подход полностью основан на сенсорных данных, и агент учится на малом наборе пар картинка-слово. Другие методы глубокого обучения требуют тысяч изображений, SCAN же узнает визуальные примитивы и строит концепции из свободных наблюдений и всего лишь за пять пар для каждой концепции.

После обучения SCAN может генерировать разнообразные понятия, которые соответствуют конкретному изображению, и представлять картинки, которые соответствуют конкретному понятию, даже если не знал их раньше. Так авторы сделали первый шаг на пути к ИИ, который учится сам и думает о концептуальных абстракциях, подобных тем, что используют люди.


Управление движением стволовых клеток в мозге

“Electrical Guidance of Human Stem Cells in the Rat Brain” | Stem Cell Reports | doi: 10.1016/j.stemcr.2017.05.035

инвазивная стимуляция

Миграцией стволовых клеток в живом мозге можно управлять с помощью электрического поля, что открывает возможность глубже и быстрее восстанавливать нервную ткань и заживлять травмы. Нейрональные стволовые клетки, что развиваются в другие ткани мозга, сидят глубоко, в cубвентрикулярной зоне, неподалеку от боковых желудочков мозга. Они служат источником новых нейронов на протяжении всей взрослой жизни организма. Чтобы восстановить повреждения в слоях коры, им приходится мигрировать на большие расстояния, особенно в мозге человека. Неэффективная миграция этих клеток в очаги поражения служит барьером в регенеративной медицине.

Нейробиологи из Калифорнийского университета в Дейвисе и Шанхайского университета транспорта обратили внимание, что поврежденные ткани генерируют слабые электрические поля. Они разработали схему стимуляции с помощью прерывистого электрического поля, которая эффективно и безопасно мобилизует и направляет стволовые клетки в заданное место мозга. Они ввели человеческие нейрональные стволовые клетки (HNSC) в ростральный миграционный поток. Это путь в мозге крысы, он переносит стволовые клетки в обонятельную луковицу. Двигаясь по этому пути, клетки частично переносятся потоком спинномозговой жидкости и частично управляются химическими сигналами.
 

 

A) HNSC вводят в ростральный миграционный поток RMS. (B) Пересаженные HNSC мигрируют вдоль RMS к обонятельной луковице (OB) (направление дано белой стрелкой). SVZ, субвентрикулярная зона; LV, боковой желудочек. (C) Стимуляция и оценка ее эффективности, стабильности и безопасности в мозге крысы. (D) Электрически направленная миграция пересаженных HNSC в SVZ (направление дано красной стрелкой).

Подав через электроды электричество в мозг крысы, авторы обнаружили, что могут заставить HNSC пойти «вверх по течению», то есть против потока жидкости и естественных сигналов. Причем поле не только управляло движением клеток. Те выживали лучше и дольше сохраняли экспрессию зеленого флуоресцентного белка, чем клетки, которые не подверглись стимуляции. Клетки даже мигрировали дальше, чем то место, где был «притягивающий» электрод, некоторые добрались до мозолистого тела. HNSC обнаружились в cубвентрикулярной зоне даже спустя четыре месяца после трансплантации. Они начали экспрессировать маркеры нервных клеток, что указывает на их возможное превращение в нейроны.

Авторы считают, что электрическое управление миграцией потенциально обещает новый подход к терапии стволовыми клетками при болезнях мозга, инсультах и травмах. Электроды можно быстро включить и выключить, силу сигнала легко настроить, так что метод дает большую гибкость регуляции во времени и пространстве.

 

Автор: Денис Тулинов

26.07.2017В МФТИ стартовал хакатон DeepHack.Turing

Организаторами мероприятия выступила команда проекта iPavlov, реализуемого в рамках дорожной карты «Нейронет». Соревнование является одним из этапов глобального конкурса The Conversational Intelligence Challenge (www.convai.io), в финале которого команда-победитель DeepHack.Turing примет участие.  

Подробнее
14.07.2017Уральский федеральный университет подписал меморандум о сотрудничестве с Отраслевым союзом «Нейронет»

Совместно с промышленниками и правительством вуз будет развивать среду информационного обмена

Подробнее
12.07.2017Mail.Ru Group впервые в России провела технологический Science Slam

Digital-зона была организована при поддержке Отраслевого союза «НейроНет

Подробнее
10.07.2017Обзор новостей нейротехнологий 01.07.17-07.07.17

Самые актуальные новости за неделю

Подробнее
30.06.2017Обзор новостей нейротехнологий 24.06.17-30.06.17

Самые актуальные новости за неделю

Подробнее
23.06.2017Обзор новостей нейротехнологий 17.06.17-23.06.17

Самые актуальные новости за неделю

Подробнее
22.06.2017Научное кафе: ученые расскажут о стратегическом проекте СГТУ в рамках Нейронет

Руководство вуза будет концентрировать имеющиеся в распоряжении интеллектуальные и финансовые ресурсы, чтобы совершить прорыв в этой области и внедрить свои разработки  в Нейронет

Подробнее
21.06.2017НейроНет объявляет о старте серийного производства набора-конструктора для детей «Юный нейромоделист»

Компания BiTronics Lab, участник Отраслевого Союза «Нейронет», завершила сертификацию серийного выпуска первой версии набора-конструктора «Юный нейромоделист»

Подробнее
19.06.201717-18 июля в Москве при участии Отраслевого союза "Нейронет" состоялся летний фестиваль Kaspersky Geek Picnic. Игры разума.

В этом году на мероприятии было несколько интерактивных стендов от компаний - членов Отраслевого союза "Нейронет".

Подробнее
16.06.2017Обзор новостей нейротехнологий 10.06.17-16.06.17

Самые актуальные новости за неделю

Подробнее
13.06.2017НТИ — это раздача денег. Нам нужно то, на что мы их можем потратить

Репортаж с выступления представителей Национальной технологической инициативы на президиуме РАН

Подробнее
123242, г. Москва, Малый Конюшковский пер., д. 2, оф. 17