Az agykutatás nemcsak az idegrendszer alig belátható bonyolultsága miatt nehéz, de azért is, mert a mintákban csak sok évnyi gyakorlás után képesek a szakemberek megtalálni és a vizsgálóeszközökkel jó arányban eltalálni az idegsejteket. Ezt a fáradságos munkát vállalhatja át tőlük a Szegedi Biológiai Kutatóközpont – MTA Kiváló Kutatóhely munkatársai által fejlesztett, mesterséges intelligencián alapuló mikroszkóprendszer, amely nemcsak felismerni képes a neuronokat, de tűpontosan hozzájuk tudja vezetni a mintavevő pipettát is. A kutatás vezetője, Horváth Péter mutatta be a rendszert.

 

Horváth Péter korábban Svájcban kutatott, majd a Nemzeti Agykutatási Program kínálta lehetőséget kihasználva tért haza. A kutatásait a Szegedi Biológiai Kutatóközpont folytatta, együttműködve Tamás Gábor csoportjával a Szegedi Tudományegyetemről. Adta magát a kérdés, hogy vajon meg tudnák-e valósítani, hogy automatizáltan kiválasztott sejteken mesterséges intelligencia segítségével méréseket is végezhessenek. Ez mind orvosbiológiai, mind biotechnológia, de informatikai és mérnöki szempontból is rendkívül kurrens kérdés volt.

„Ez volt életem eddigi egyik leghosszabb kutatása, ami jól mutatja, hogy mennyi problémát kellett leküzdenünk. De végül sikerült olyan gépet építenünk, amely sejteket tud mérni az emberi agykéregben, emberi beavatkozás nélkül – mondja Horváth Péter bioinformatikus, a kutatás vezetője, a Nature Communications folyóiratban megjelent tanulmány egyik szerzője. – A teljes rendszert Szegeden építettük fel. Mikroszkóprendszereket, mesterséges intelligenciával működő képfeldolgozó algoritmusokat, mozgatómotorokat kellett terveznünk és létrehoznunk.”

A vizsgálat során az emberi agyból frissen kiemelt, tehát élőnek tekinthető mintát festés nélkül helyezik a  berendezésbe, amely tartalmazza a mikroszkópot, mozgatható tárgyasztalt és ettől függetlenül mozgatható ingerő- és mintavételi pipettát magába foglaló. A gép a mikroszkóppal megvizsgálja a mintát, felismeri benne a sejteket, majd a megfelelő helyen műveleteket végez. A mérés alatt kétféle vizsgálatot értenek. Egyrészt mérik a sejt elektrofiziológiai viselkedését, tehát elektromos jellel gerjesztik a sejtet, és rögzítik a válaszait. Ezzel szimulálják az agyban végbemenő kommunikációt. Ez alapján meg lehet mondani például azt, hogy milyen a sejt tüzelési mintázata, ami pedig meghatározza a sejt típusát.

Emellett a sejthártyát beszakítva a sejtmagját vagy más sejtalkotóját szívják ki. A sejtmagból kivonva a DNS-t információt tudnak gyűjteni a sejt genetikai tulajdonságairól is. Az eddig vizsgált emberi mintákat agyműtétek alkalmával vették ki a betegek agyszövetéből, majd még órákig életben tartják őket. A minták elég nagyok ahhoz, hogy a sejtek megtarthatják kapcsolatrendszerüket, így funkcionálisan kevéssé sérülnek.

„Valószínűleg ez az egyik legjobb közelítése az idegsejtek valós működésének, ami elérhető. A Nature Communications folyóiratban most megjelent tanulmányban bemutatjuk az eljárás technológiai hátterét – folytatja a bioinformatikus. – Egy olyan robotot kell elképzelni, amely először mikroszkóppal megvizsgálja, majd felismeri a sejteket, majd közülük kiválasztja azokat, amelyek a neki megadott szempontok alapján a legizgalmasabbak. Mikronpontossággal odavezérli a tűt, és teljesen automatikusan elvégzi a beprogramozott mérést. Ezt a feladatot egy PhD-hallgató két-három évnyi tanulás után tudja elvégezni. Mi gyakorlatilag építettünk egy robotot, ami turkál az agyban.”

A robotot irányító algoritmusok legfontosabb összetevői a képfeldolgozó algoritmusok. Ezek mesterséges neuronhálók és mélytanulásos eljárások segítségével működnek. Bár a technológia kezdetei négy évtizedre vezethetők vissza, a módszer mára érte el azt a fejlettséget, hogy elképesztően bonyolult problémák megoldására is alkalmassá vált. Mélytanuló algoritmusokra épül az önvezető autók navigációja vagy az internetes arcfelismerés. Ezek az algoritmusok már stratégiaépítésre és intuitív tanulásra is képesek. Vagyis a reprezentációs kapacitásuk hatalmas: irdatlan mennyiségű tudást tudnak saját maguk összeszedni, és ezt hatékonyan képesek alkalmazni.

Az idegsejtek felismerése pedig rendkívül nehéz. Persze azok a mikroszkópos képek, amelyeket a tanulmányok illusztrálására használnak, mindig a legszebben sikerült felvételek, de a kutatásban használt átlagos minták messze nem ilyen egyértelműen. A sejtek kitakarják egymást, látszanak is meg nem is. Az emberi agyat nem lehet festeni, mert a festési eljárás megzavarja a működést, praktikusan elöli az idegsejteket. Mindezek miatt még egy sokadéves doktorandusz hallgatónak is kihívás egy sejt megtalálása, és a pipetta odavezetése.

A berendezésben hat motor összehangolását kellett megoldaniuk, amelyek részben a mikroszkópot, részben a mintavevő tűt mozgatják. Ha egy másik sejtbe vagy vérérbe ütközne a tű, miközben megközelíti a célsejtet, akkor ki kell azt kerülnie, és számos hasonló akadályt kell leküzdenie egyedül a mesterséges intelligenciának. A beavatkozás közben a szövet deformálódik, ezért a rendszer folyamatosan figyeli a tű pozícióját, és ha szükséges, igazít a koordinátákon. Miután a sejten elvégezték a mérést, annak adatait feltöltik egy nemzetközi adatbázisba, a belőlük vett DNS-t pedig szekvenálásra küldik.

„A rendszer pontosságát, sikerességét többféle mutatóval is mérjük. A tűt egy mikron (a milliméter ezredrésze – a szerk.) pontossággal tudjuk a kívánt pozícióba navigálni, miközben az idegsejtek átmérője nagyjából 10-20 mikron, a tű vastagsága pedig 2 mikron – tájékoztat Horváth Péter. – A következő pontosságmérték, hogy az idegsejtek hány százalékát képes a rendszer felismerni. E tekintetben a pontossága nagyjából azonos a gyakorlott emberek sikerességével. Hasonlóan azonos a mesterséges intelligencia és az ember pontossága, ha a tűvel el kell találni a kiválasztott sejtet.”

A szegedi kutatók automata rendszere statisztikailag azonos sikerességgel képes idegsejteken mérni, mint a nagy nemzetközi laborok szakemberei. A kutató a rendszer alapkutatási jelentőségét emeli ki legfőképpen: „Az agykutatás jelen pillanatban még főként megismerő tudomány. A rendszer jelenlegi fő  funkciója ezért az új agysejttípusok leírása. Mindezt a gép torzításmentesen, előítéletektől nem zavartatva képes megtenni. A kutató fejében mindig ott lesznek személyes preferenciái, ami hatást gyakorolhat az eredményre is.”

A kutatássorozat következő lépése a rendszer adaptálása lesz a sejtek közötti kommunikáció kutatására. Erre a célra a kutatócsoport nemrégen nyert el egy kutatási pályázatot. Ez úgy fog történni, hogy ugyanabba az agyszövetbe két vagy több tűt vezérel a mesterséges intelligencia, ingerli azokat, illetve méri az aktivitásukat. Ezáltal a közöttük felépülő összeköttetés működése vizsgálhatóvá válik. A távolabbi jövőben el akarják érni, hogy az algoritmus automatikusan tegyen fel megválaszolandó kérdéseket. Tehát például önállóan kiválassza az érdekes sejteket, amelyek kommunikációját érdemes lenne vizsgálni.