Nöronların büyüme sürecinin modellenmesi

Nöronlar vücudun her yerinde çok farklı işlevler için oluşturulduğundan, bir nöronun büyüme döngüsünü modellemek zordur. Bununla birlikte, her nöron hayatına yaklaşık olarak aynı şekilde başlar ve beş ayrı gelişim aşamasından geçer. Jessica Zhang, George Tallman Ladd ve Florence Barrett Ladd Makine Mühendisliği Profesörü tarafından yönetilen çok disiplinli bir Carnegie Mellon Üniversitesi mühendisleri ekibi, daha iyi sağlamak amacıyla nöronları modellemenin yeni bir yolunu ve büyüme süreçlerini özetleyen bir araştırma makalesi yayınladı. Alzheimer gibi nörodejeneratif hastalıkları incelemek için modeller.

Ekip, izogeometrik eşdizim ve faz alanı yöntemi adı verilen yeni bir tür izogeometrik analiz (IGA) kullandı. IGA, daha büyük modelleri bütünden daha kolay modellenebilen ayrı elemanlara ayıran sonlu eleman analizi (FEA) üzerine bir ilerlemedir. IGA, FEA’da gerektiği gibi, tüm sistemi yeniden hesaplamadan parametreleri değiştirilebilen çok daha doğru modeller üretmek için spline geometrisi adı verilen bir yöntem kullanır. Faz alanı modellemesi, normalde farklı davranışlara sahip farklı fazlar olduğunda, modelin davranış biçimindeki sürekli bir değişikliği simüle etmenin bir yoludur.

Ekip, makine mühendisliği yardımcı doçenti Victoria Webster-Wood tarafından Biohybrid and Organic Robotics Group’ta (BORG) fotoğraflanan nöronların büyüme sürecinin resimlerini kullandı. öğrenci Ashlee Liao, modellerini oluşturmak için referans olarak.

Başlangıçta ekip, iş için en kolay seçenek gibi görünen çok bilgisayar dostu bir yöntem olan diferansiyel denklemleri çözmek için sonlu farklar yöntemini (FDM) kullanmaya çalıştı. Ne yazık ki, FDM çok sık bir araya gelmedi. Bir değişken seti için bir sonuç üretecektir, ancak aynı denklemleri kullanarak başlangıç ​​değişkenlerini biraz değiştirmek tamamen farklı ve yanlış sonuçlar üretecektir. Ekip, her tür nöron büyüme modelini modellemek için kullanılabilecek bir sistem oluşturmaya çalıştığı için bu ideal değildi.

Yöntem yararlıdır çünkü büyüme sürecinin her aşaması için bir dizi denklemi tek bir sürekli denkleme bağlar, ancak bu nedenle her yeni aşama, son denklem için dikkate alınması gereken bir dizi sınırlama ekler.

Zhang, “Bu çok zorlu bir sorun” dedi. “Bu yazılımı geliştirmek için üç yıl harcadık.”

Ekip, nöron büyümesinin ilk dört aşamasını başarıyla modelledi. Doktora ortak yazar Kuanren Qian, “Yetişme aşaması olan 5. aşamayı tam olarak yakalayamadık” dedi. makine mühendisliği öğrencisi. “Her tür nöron, işlevlerine bağlı olarak olgunlaşma aşamasında farklı davranır.” Takımın ilk nöron büyümesi için geliştirdiği parametre denklemlerinin, modellemek istedikleri her farklı nöron tipine göre kişiselleştirilmesi gerekecekti. Zhang, “Sonuçlarımız, görüntülerle karşılaştırıldığında en gerçekçi modelleri veriyor.” Dedi.

Ekip şu anda bu simülasyon yapılarının daha karmaşık versiyonlarını üretmek için süreci hızlandırmak için bu büyüme simülasyonlarının sonuçlarına dayalı bir makine öğrenimi modeli geliştiriyor. Zhang, “Nöron büyüme prosedürünü verimli bir şekilde tahmin etmek için makine öğrenimini kullanıyoruz.” Dedi. Amaç, daha karmaşık yapılarla araştırmacıların nöron büyümesini etkileyen farklı koşulları ve Alzheimer gibi farklı nörodejeneratif hastalıkları inceleyebilmesidir.

---