 |
| Photo by Markus Winkler on Unsplash |
Daifeng Wang แห่ง University of Wisconsin-Madison (UW) และเพื่อนร่วมงานใช้การเรียนรู้ของเครื่อง (machine learning) หรือ ML และปัญญาประดิษฐ์ (artificial intelligence) หรือ AI เพื่อให้เข้าใจได้ดีขึ้นว่าลักษณะปฏิสัมพันธ์มีอิทธิพลต่อการทำงานของเซลล์สมองอย่างไร
นักวิจัยได้ใช้การเรียนรู้ที่หลากหลายเพื่อทำนายลักษณะของเซลล์ประสาท โดยจัดแนวการแสดงตัวของยีน และข้อมูลอิเล็กโทรฟิสิกส์ (electrophysiological) สำหรับเซลล์ประสาทประมาณ 3, 000 เซลล์ในสมองของหนู คุณลักษณะของเซลล์ประสาททั้งสองแสดงค่าสูงในกลุ่มเซลล์เดียวกัน แต่มีค่าต่ำในส่วนที่เหลือ และแสดงความสัมพันธ์ซึ่งกันและกันซึ่งอธิบายรูปร่างที่หลากหลาย
จากนั้นนักวิจัยได้ใช้กลุ่มเซลล์เพื่อเปิดเผยความเชื่อมโยงระหว่างลักษณะทางอิเล็กโทรฟิสิกส์ กับยีนเฉพาะที่ควบคุมการแสดงออกของยีนอื่น ๆ สิ่งนี้ทำให้ทราบถึงการพัฒนาของ deepManReg ซึ่งเป็นรูปแบบการเรียนรู้ที่หลากหลายซึ่งปรับปรุงการทำนายลักษณะของเซลล์ประสาทตามการแสดงออกของยีนและอิเล็กโทรฟิสิกส์ "โดยพื้นฐานแล้ว [เราสามารถศึกษา] ว่ายีนเหล่านั้นถูกควบคุมอย่างไรเพื่อให้ส่งผลต่ออิเล็กโทรฟิสิกส์ หรือพฤติกรรมในเซลล์ที่เป็นโรค" Wang กล่าว
อ่านข่าวเต็มได้ที่: University of Wisconsin-Madison News
ไม่มีความคิดเห็น:
แสดงความคิดเห็น