Natalia Mesa was voorheen stagiaire bij The Scientist en werkt nu freelance.Ze heeft een doctoraat in de neurowetenschappen van de Universiteit van Washington en een bachelor in biologische wetenschappen van de Cornell University.Lees meer over ons redactionele beleid.N euronen communiceren via synapsen - kleine, knopachtige uitsteeksels die uit het ene neuron ontspruiten en het met het volgende verbinden.Deze minuscule structuren worden beschouwd als de ruggengraat van leren en geheugen, en veranderen in kracht en aantal terwijl we leren.Met ongeveer 1/5.000ste van de breedte van een mensenhaar kunnen synapsen moeilijk te visualiseren zijn, en onderzoekers beginnen net de tools te ontwikkelen die daarvoor nodig zijn.In een studie gepubliceerd in Cell Reports op 2 augustus, gebruikten onderzoekers van de Chinese Academie van Wetenschappen en de Universiteit van Shanghai een combinatie van deep learning-algoritmen en hoge-resolutie elektronenmicroscopie om in kaart te brengen hoe angstaanjagende ervaringen hersenverbindingen herschikken.Ze ontdekten dat wanneer muizen leren bang te zijn voor het geluid van een zoemer, neuronen in hun hippocampus meer verbindingen vormen met andere neuronen stroomafwaarts en meer mitochondriën naar synaptische plaatsen vervoeren.Deze verandering in neurale connectiviteit verhoogt de informatieopslagcapaciteit van de hersenen zonder de synaptische dichtheid te vergroten.“Ik denk dat dit document interessant is...zowel vanuit een technologisch perspectief als vanuit een biologieperspectief', zegt neurowetenschapper Shu-Hsien Sheu, een senior wetenschapper aan de Janelia Research-campus van het Howard Hughes Medical Institute, die niet bij het onderzoek betrokken was."Hun paper probeert de fundamentele maar nog steeds onopgeloste vraag aan te pakken van wat ten grondslag ligt aan leren en geheugen."De co-auteurs van het onderzoek brachten de muishersenen in beeld met behulp van een techniek genaamd seriële sectie-elektronenmicroscopie (ssEM), die bundels van hogesnelheidselektronen op dunne plakjes weefsel schiet om afbeeldingen met ultrahoge resolutie te genereren.Hierdoor kunnen onderzoekers de kleinste structuren visualiseren.Deze techniek legt beelden laag voor laag vast, wat resulteert in een gedetailleerd beeld van alles wat zich in elk dun plakje bevindt.De methode produceert over het algemeen enorme hoeveelheden gegevens.In dit geval is het resultaat een rommelige constellatie van de cellen, hun organellen, passerende axonen en dendrieten en synapsen."De paper staat vol met zeer geavanceerde, op deep learning gebaseerde beeldanalyse", zegt Stephen Smith, een moleculair neurowetenschapper aan het Allen Institute for Brain Science in Seattle.“En het is een van de eerste papers die computationele elektronenmicroscopie met hoge doorvoer toepast met deep learning...aan het leerprobleem.”Het doorzoeken van deze gegevens kan zeer omslachtig zijn.De 2D-beelden die ssEM produceert, moeten worden geassembleerd tot een 3D-kubus, waarin synapsen vorm krijgen tussen de wirwar van structuren die ssEM-beelden ook vastleggen, waardoor onderzoekers ze uit de menigte kunnen halen.Deze moeizame taak wordt meestal met de hand gedaan en kan uren duren, zegt Sheu.Eerdere pogingen om het proces van het identificeren van synapsen via ssEM te automatiseren, hebben de volledige, gereconstrueerde 3D EM-beelden gebruikt in tegenstelling tot individuele 2D-beelden, maar waren ofwel traag of niet zo goed uitgevoerd als mensen.De co-auteurs van het nieuwe artikel gebruikten echter een andere benadering.Ze trainden een algoritme om verklikkers van synapsen te onderscheiden - structuren gevonden in synaptische blaasjes, de synaptische spleet en de postsynaptische dichtheid - op elk 2D-beeld.Ze hebben ook een apart algoritme getraind om naar mitochondriën te zoeken.Toen de algoritmen eenmaal synapsen of mitochondriën in elke afbeelding hadden uitgekozen, gebruikten ze een ander algoritme om de afbeeldingen automatisch op één lijn te brengen.Dit versnelde het proces van het uitkiezen van synapsen en mitochondriën dramatisch, waardoor de onderzoekers honderdduizenden synapsen parallel konden bestuderen.Het algoritme zou cellen met een hoge nauwkeurigheid kunnen uitkiezen in een derde van de tijd die een mens zou kunnen.“EM-gegevens extraheren ...is tijdrovend”, zegt Sheu.“Ze waren in staat om op zeer grote schaal informatie te extraheren.De steekproefomvang...is orden van grootte hoger dan wanneer men het met de hand zou doen.”Synapsen tussen twee neuronen worden gevormd op gespecialiseerde plaatsen die presynaptische boutons worden genoemd en die een eenrichtingsverbinding vormen met een of soms meerdere dendrieten, de boomachtige takken van neuronen die het ontvangende uiteinde van synaptische transmissies vormen.Meestal is dit een één-op-één verbinding, maar bij muizen kunnen boutons verbindingen vormen met meerdere dendrieten, en dendrieten kunnen verbindingen vormen met meerdere boutons."Deze multi-contact synapsen zijn niet zo groot in aantal", zegt Sheu.Om te kijken hoe deze specifieke synapsen veranderen in de context van angstleren, analyseerden de onderzoekers de synapsen van muizen die hadden geleerd een toon te associëren met een elektrische schok aan hun voet.De onderzoekers ontdekten dat hoewel het aantal synapsen niet veranderde, individuele presynaptische boutons verbonden waren met meer dendrieten na angstconditionering.Het team vond ook mitochondriën in grotere aantallen verzameld bij de presynaptische boutons, zelfs die zonder meer verbindingen.Dit houdt in dat mitochondriën zich snel delen op de presynaptische plaats.Omdat mitochondriën energie leveren voor cellulaire activiteit en cellen helpen bij het reguleren van calcium - het molecuul dat de afgifte van neurotransmitters veroorzaakt - zijn ze waarschijnlijk belangrijke spelers bij het vergroten van de synaptische kracht.De onderzoekers gebruikten vervolgens een machine learning-benadering en informatietheorie - die het vermogen van een netwerk om digitale informatie op te slaan en door te geven kwantificeert - om de hoeveelheid informatie te berekenen die is opgeslagen door een computationeel neuraal netwerk dat is gemodelleerd naar de netwerken die ze met ssEM hebben afgebeeld.Ze ontdekten dat een netwerk met een groter aandeel multi-contact synapsen meer informatie kon coderen dan een traditioneel netwerk gebouwd met slechts één-op-één synapsen.Dit houdt in dat, hoewel het aantal synapsen in het weefsel dat ze afbeelden niet verandert, het aantal stukjes informatie dat mogelijk in de hippocampus van de muis kan worden opgeslagen, nog steeds toeneemt na conditionering van angst.Sheu zegt dat hij in de toekomst graag zou zien dat de onderzoekers deze multicontact-synapsen verder classificeren.“Met [ss]EM-gegevens ...je kunt waarschijnlijk [het verschil] zien tussen remmende en prikkelende synapsen, maar je kunt niet echt bepalen welke soorten neurotransmitters ze gebruiken.Hij zou graag willen zien welke soorten neuromodulatoren, zoals serotonine en dopamine, de gemodificeerde synapsen gebruiken om hun postsynaptische partners te prikkelen, aangezien deze moleculen waarschijnlijk erg belangrijk zijn voor leren en geheugen.Zowel Sheu als Smith denken dat toekomstige studies waarschijnlijk baat zullen hebben bij deze benadering.“Ik denk dat in de toekomst als EM ...gemakkelijker kan worden gedaan...mensen zullen dit soort [studie] gaan doen in ...verschillende experimentele omstandigheden”, zegt Sheu.© 1986–2022 De wetenschapper.Alle rechten voorbehouden.