Наша географияЗаявка на членство+7 916 848-78-01info@rusneuro.net
О НейроНетеНаша миссияЧлены союзаНовостиПресс-центрДокументыАрхивКонтакты
Новости / Обзор новостей нейротехнологий 21.10.17 - 27.10.17
Новости
27.10.2017

Обзор новостей нейротехнологий 21.10.17 - 27.10.17

Двухсторонний микроскоп

“A double-sided microscope to realize whole-ganglion imaging of membrane potential in the medicinal leech” | eLife |  doi: 10.7554/eLife.29839

  имиджинг

Биоинженеры из Калифорнийского технологического института разработали микроскоп, чтобы следить за активностью нейронов в ганглиях с двух противоположных сторон. Активность больших ансамблей клеток ученые наблюдают с помощью метода флуоресцентной визуализации. Но современные микроскопы смотрят на образец сверху и в любой момент времени снимают лишь одну сторону его поверхности. Клетки, находящиеся снизу, не видны, технология захватывает лишь часть популяции. Авторы собрали из обычных оптических деталей микроскоп с двусторонним обзором и протестировали его, наблюдая возбуждение нейронов у пиявок.

Ученые использовали чувствительные к напряжению красители (VSD), которые обнаруживают как потенциалы действия, так и субпороговые возбуждающие и тормозные синаптические потенциалы. Они также взяли высокочувствительные ПЗС-камеры для отслеживания активности нейронов с разрешением в одну клетку. Расположили два флуоресцентных объектива напротив друг друга, выровняв их по вертикали, и поместили между ними стеклянную подложку для образцов. Нервная система пиявки просвечивается, так что хватило одного источника света.

(а) Схема двухстороннего микроскопа. (b) Изображения двух сторон ганглия, одновременно полученные с помощью этого микроскопа. (c) Утвержденные карты вентральных и дорзальных сторон ганглия.

В каждом ганглии пиявок порядка 400 нейронов, клетки расположены в одном слое, но он обертывает ганглий со всех сторон, так что с помощью обычной микроскопии одновременно можно отобразить в лучшем случае половину нейронов. Для нового микроскопа доступны все. Авторы не только впервые зарегистрировали активность большинства нейронов в ганглии, но и сочетали это с электрофизиологической записью и стимуляцией. Пиявка изгибалась в ответ на вызванные потенциалы действия в конкретных нейронах. Это позволило проверить, как VSD визуализация согласуется с фактическими мембранными потенциалами, и установить, как происходит сетевое взаимодействие индивидуальных клеток.

Авторы обнаружили, что в управление сгибанием тела вовлечены не только локальные интернейроны и моторные нейроны, что было установлено ранее, но и многие другие нейроны внутри ганглия. Так двухсторонний микроскоп позволил получить данные из всех клеток, независимо от их местоположения. Авторы пишут, что двусторонняя визуализация дает возможность отследить и проанализировать функциональные связи между нейронами, расположенными на противоположных поверхностях образца, что для современных методов недоступно.

Нейросеть знает, какое видео вы смотрите

“Neural Encoding and Decoding with Deep Learning for Dynamic Natural Vision” | Cerebral Cortex | doi: 10.1093/cercor/bhx268

    нейровизуализация

Инженеры из Университета Пердью в США научили свёрточную нейронную сеть распознавать по фМРТ сканам, что видит человек, и предсказывать активность мозга по видео, которое он смотрит. Они показали, что глубокое обучение позволяет строить модели кодирования и декодирования, которые связывают активность  мозга и входящий видеопоток. Так называемая “кодирующая” модель для каждого видеоролика предсказала картину возбуждения в зрительной коре и вентральном и дорсальном зрительных путях. Модель “декодирующая” по данным фМРТ угадывала, что показано в  видеоролике.

Чтобы обучить и протестировать нейросеть авторы сканировали мозг трех женщин, пока те смотрели видеоролики, лежа в сканере. Клипы по 8 минут показывали людей, животных, пейзажи, сцены в помещениях и т.д. Каждая испытуемая дважды смотрела ролик, по которым сеть учится, и по десять раз те ролики, что затем использовали для проверки работы сети. За несколько дней им пришлось отсмотреть 972 видео общей длительностью 11 с половиной часов. Ученые сканировали мозг каждые две секунды, и декодирование шло почти в режиме реального времени.

Сверточная сеть трансформирует каждый кадр в несколько слоев признаков, начиная от ориентации и цвета в визуальном пространстве (первый слой) до категорий в семантическом пространстве (восьмой). Для кодирования сеть моделирует зависимость между стимулами в видео и ответом в каждом участке коры. Для декодирования она объединяет кортикальные возбуждения для прогноза стимулов.

Кодирующая модель позволяет сопоставить, какие области мозга связаны с узнаванием той или иной сцены. Например, на видео автомобиль едет вдоль здания, и мозг обрабатывает ролик в разных участках коры -- в одном распознает машину, в другом здание. Используя глубокое обучение нейросетей, авторы связали конкретные смысловые единицы из видеопотока и зоны в мозге, где они обрабатываются. Так можно изучать, как мозг разделяет визуальную сцену на части и снова собирает ее в полное понимание сцены.

Они также использовали модели, построенные по данным одного человека, чтобы предсказать и декодировать мозговую деятельность другого. Это значит, что у подхода есть потенциал для широкого применения в исследовании мозга даже у людей с нарушениями зрения. Его можно применить для чтения и восстановления других сенсорных или когнитивных переживаний. Модели глубокого обучения уже доступны для распознавания речи, и декодирование сканов мозга в ответ на речь -- вполне реалистичная цель. Как и расшифровка снов и воспоминаний, поскольку они активируют те же области мозга, что и реально проживаемый опыт.

Редактирование генома нервных клеток в живом мозге

“Virus-Mediated Genome Editing via Homology-Directed Repair in Mitotic and Postmitotic Cells in Mammalian Brain” | Neuron | doi: 10.1016/j.neuron.2017.10.004

  генетическая инженерия

В институте нейронаук им. Макса Планка во Флориде разработали инструмент, который позволяет точно редактировать гены в зрелых нейронах в живом мозге. Это открывает новые возможности в исследованиях, так как прямое редактирование генома в клетках, которые не делятся, ранее было почти недоступно. Теперь же можно заменить выбранные участки ДНК и придать нейронам новые свойства, в том числе для лечения нейродегенеративных заболеваний.

Авторы использовали недавно открытую технологию редактирования генов CRISPR-Cas9 на основе механизма вирусной защиты, первоначально открытого в бактериях. При введении в клетку молекулярная конструкция CRISPR-Cas9 разрезает ДНК точно в заданном месте. Затем клетка восстанавливает разрыв, ориентируясь на гомологичный участок молекулы, который вводят в клетку, чтобы заменить им вырезанный фрагмент. Так из цепочки удаляют выбранный ген и вынуждают клетку вставить на это место заплатку, которую тоже выбрали ученые. Проблема лишь в том, что гомологичная репарация (HDR) работает в делящихся клетках.

Авторы решили придать зрелым нейронам умение восстанавливать ДНК по методу HDR. Они разработали и протестировали способ доставки необходимых молекулярных комплексов при помощи адено-ассоциированного (AAV) вируса, нетоксичного инструмента, который часто используют для эффективной доставки всех видов генов. Для HDR-опосредованного редактирования генома клеткам нужны три компонента: РНК, донорная матрица ДНК (заплатка) и Cas9. Авторы упаковали в вирус первые два и ввели его в нейроны трансгенных мышей, экспрессирующих Cas9. Такие клетки смогли точно восстановить по донорной матрице вырезанный фрагмент генома.

Схема двухвирусной доставки компонентов для редактирования генома в зрелых нейронах. Ниже изображения коры головного мозга мыши, полученные с помощью конфокального микроскопа. 

Затем ученые создали систему из двух вирусов, она позволила применить технологию на животных, которые не были заранее спроектированы для экспрессии Cas9. В опытах на срезах мозга и на взрослых мышах, моделирующих болезнь Альцгеймера, они показали, что зрелые нейроны, давно миновавшие стадию митоза, могут провести HDR-опосредованное редактирование генома. Метод позволяет гибко добавлять, изменять или удалять гены практически в любом типе клетки, в любой области мозга и в любом возрасте. Он сильно расширяет применимость генной инженерии в нейронаучных исследованиях.

Интерфейс: ударьте пальцем о палец

“Pyro: Thumb-Tip Gesture Recognition Using Pyroelectric Infrared Sensing” | 30th ACM User Interface Software and Technology Symposium (UIST 2017) | PDF

   интерфейсы

На конференции по пользовательским интерфейсам UIST 2017 инженеры из Дартмутского колледжа представили технологию Pyro для распознавания мелких жестов. Pyro различает фигуры, которые человек кончиком большого пальца рисует на подушечке указательного. Для людей такие движения естественны, их можно делать быстро, от них не устаешь, а пальцы дают тактильную обратную связь. Устройство работает за счет измерения теплового излучения, исходящего от пальцев, и обеспечивает простой способ ввода, что наиболее перспективно для носимых устройств.

Излучение от пальцев воспринимает инфракрасный датчик (PIR), изготовленный из пироэлектрических материалов (отсюда и название системы). Датчик очень чувствителен к мелким колебаниям излучения, что и позволяет распознавать тонкие жесты. У PIR два пироэлектрических элемента, работающих в противоположной полярности: когда Pyro в режиме ожидания, оба принимают один и тот же поток ИК-излучения от окружающей среды; когда же мимо проходит источник тепла, ближний из элементов чувствует изменение потока раньше другого, а напряженность на них меняется в противоположных направлениях.

Шесть мелких жестов, которые различает система Pyro.

Pyro полностью пассивен, не генерирует активных сигналов и потребляет мало энергии. Вся система с Bluetooth потребляет 247 милливатт. Пассивность дает еще одно преимущество -- Pyro не требует охлаждения, что предпочтительно для носимой электроники. Система состоит из батареи, PIR-датчика и настраиваемой сенсорной платы, включая модуль микроконтроллера Bluetooth и аналоговый интерфейс. В качестве команд ввода Pyro поддерживает шесть жестов для подушечки большого пальца: круг, треугольник, квадрат, знак вопроса, галочка плюс потирание пальца о палец.

Классификатор по модели «случайного леса» различает фигуры в режиме реального времени.

Авторы протестировали прототип устройства на десяти испытуемых. Они создали приложение для SmartWatch, которое управляет видеоплеером: ролик включается «кругом», а «трение» ставит паузу и запускает видео снова. Еще одно приложение создали для Google glass, расположив ИК-датчик за сенсорной панелью рядом с ухом. Жест «галочка» отдает команду сделать фото, а если при этом указательный палец касается панели, то фото автоматически выкладывается в Facebook. Технология работает при разной освещенности, разной температуре рук и устойчива к помехам. Так пассивное зондирование микрожестов обещает сделать взаимодействие с мобильными гаджетами еще более легким и естественным.

20.01.2018Российские нейротехнологии покоряют мир – НейроЧат на CES-2018

Проект НейроЧат принял участие в выставке CES-2018 в рамках стенда Российского экспортного центра. Команда проекта рассказала о своих впечатлениях от крупнейшей в мире выставки электроники.

Подробнее
19.01.2018Обзор новостей нейротехнологий 12.01.18 - 19.01.18

Самые актуальные новости за неделю.

Подробнее
16.01.2018FunHack соберет разработчиков "потехи ради"

26-28 января сообщество Science Guide вместе с акселератором фановых стартапов FunCubator и OpenTalks.AIпроведут хакатон FunHack.

Подробнее
12.01.2018Обзор новостей нейротехнологий 06.01.18 - 12.01.18

Самые актуальные новости за неделю.

Подробнее
29.12.20173 февраля 2018 в Москве пройдет знаковое событие в сфере российских нейротехнологий - III Съезд Отраслевого союза «Нейронет»

Съезд традиционно проводится при участии представителей институтов развития, руководителей сегментов, членов Отраслевого союза «Нейронет», партнеров и участников сообщества «Нейронет».

Подробнее
29.12.2017Отраслевой союз «Нейронет» принял участие во встрече с представителями научного сообщества и администрацией Волгоградской области

22 декабря в Волгограде прошла встреча представителей Отраслевого союза «Нейронет» с руководством Волгоградского государственного технического Университета, а также с представителями региональных университетов, промышленных предприятий и руководителей администрации Волгоградской области. 

Подробнее
29.12.2017НейроЧат примет участие в международной выставке International Consumer Electronics Show

Выставка CES-2018 пройдет в Лас-Вегасе с 6 по 12 января 2018 года.

Подробнее
29.12.2017Обзор новостей нейротехнологий 26.12.17 - 29.12.17

Самые актуальные новости за неделю.

Подробнее
25.12.2017Обзор новостей нейротехнологий 15.12.17 - 25.12.17

Самые актуальные новости за неделю

Подробнее
22.12.2017В тренды YouTube попало видео НейроЧат, российского проекта для общения силой мысли.

Судя по всему, аудитория рунета начинает интересоваться не только рэп-баттлами и стендап шоу, но и развитием российской науки.

Подробнее
18.12.2017Команда МФТИ заняла первое место в соревновании чат-ботов на конференции NIPS

4–9 декабря в городе Лонг-Бич (Калифорния) состоялась крупнейшая конференция по машинному обучению NIPS, в которой приняли участие сотрудники лаборатории нейронных сетей и глубокого обучения МФТИ: Михаил БурцевВалентин МалыхМаксим КретовМарат ЗайнутдиновВарвара Логачева и Ольга Кайрова.

Подробнее
18.12.2017The conversational intelligence challenge finals

IMAGE

On Dec. 8 the Conference on Neural Information Processing Systems (NIPS) hosted the finals of Conversational Intelligence Challenge. The challenge was organized within the collaboration of AI research universities.

Подробнее
16.12.2017Insilico Medicine named to the global top 100 AI companies by CB Insights

Insilico Medicine Named to the 2018 AI 100, Highlighting Advancements in Deep Learning for Drug Discovery and Longevity Biotechnology

Подробнее
15.12.2017Обзор новостей нейротехнологий. 09.12.17 - 15.12.17

Самые актуальные новости за неделю.

Подробнее
15.12.2017НейроЧат на инновационном форуме Подмосковья

Компания НейроЧат приняла участие в Инновационном  форуме Подмосковья, прошедшем 13 декабря в Доме правительства Московской области. 

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