Модели на животных vs биомиметическая модель мозга: insights обучения | HuaTeng Biotech
Создано 09.17
Модели на животных vs биомиметическая модель мозга: insights обучения | HuaTeng Biotech
Введение: почему модели на животных остаются основой нейронауки
На протяжении более чем столетия животные модели служат основным экспериментальным мостом между клеточной нейробиологией и клинической реальностью человека. Исследователи полагаются на эти живые системы для наблюдения за поведением, прослеживания нейронных цепей и проверки того, действительно ли молекула-кандидат изменяет течение заболевания. Независимо от того, касается ли вопрос формирования памяти, порогов судорожной активности или дофаминовой сигнализации, животная модель предоставляет учёным целостный организм, в котором гены, клетки и поведение взаимодействуют именно так, как это было задумано эволюцией. Именно поэтому доклинические исследования в академической науке и промышленности по-прежнему зависят от валидированных животных моделей практически на каждом этапе трансляционной работы. Эта давняя зависимость — не просто привычка, а вопрос необходимости: ни одна чашка Петри, ни один срез, ни одна симуляция пока не воспроизвели полную причинно-следственную цепочку от молекулы до разума. Даже самые изощрённыеМодели на животныхплатформы существуют, потому что живая биология не желает быть упрощённой.
Однако эта область уже не является улицей с односторонним движением. Новое исследование Дартмутского колледжа, MIT и Университета Стоуни-Брук сообщает, что биомиметическая модель мозга — построенная полностью на биологических и физиологических принципах, а не обученная на данных животных — сравнялась с лабораторными животными в задаче обучения. Модель воспроизвела естественную нейронную динамику, создала реалистичные кривые обучения и даже выявила популяцию «неконгруэнтных» нейронов, которые, как оказалось, существуют и в реальных данных животных. Это значимый момент для всех, кто работает с моделями животных, поскольку он предполагает, что вычислительные системы теперь могут генерировать гипотезы, которые затем подтверждаются живыми препаратами. В этой статье мы объясняем, что такое биомиметическая модель мозга на самом деле, как она соотносится с традиционными моделями животных, что обнаружило исследование и что всё это означает для разработки лекарств и доклинической биотехнологии.
Что такое биомиметическая модель мозга?
Биомиметическая модель мозга — это вычислительная система, построенная на основе биологических и физиологических перво principles, а не подогнанная под записанные данные. Вместо того чтобы подавать нейронной сети тысячи размеченных примеров и позволять ей обнаруживать статистические закономерности, исследователи задают, как соединяются нейроны, как распространяются сигналы и как химические модуляторы изменяют возбудимость целых цепей. Модель не обучается на данных животных и не является чёрным ящиком, оптимизированным исключительно для точности предсказаний; это попытка воссоздать механизмы работы мозга с нуля. Это различие имеет огромное значение, поскольку модель, которая построена, а не подогнана, можно исследовать, подвергать абляции и корректировать такими способами, которые недоступны чисто статистической системе. Она ведёт себя не столько как классификатор, сколько как небольшой прозрачный организм.
Архитектура намеренно построена как многоуровневая. На самом малом уровне исследователи определяют небольшие нейронные примитивы — компактные схемы, выполняющие фундаментальные вычисления, такие как выбор «победитель забирает всё», при котором самый сильный сигнал подавляет конкурентов. На промежуточном уровне эти примитивы собираются в узнаваемые области мозга, такие как кора, ствол мозга и стриатум, каждая со своей собственной логикой связей. На самом крупном уровне в систему вводятся нейромодулирующие химические вещества, изменяющие то, как сигналы распространяются между областями, и придающие модели нечто аналогичное возбуждению, вниманию и вознаграждению. Такая многослойная конструкция означает, что модель можно изучать на любом уровне, не теряя связи с остальными, — свойство, которое не может предложить ни одна модель отдельной животной клетки или препарат ткани. Исследователи часто используют метафору моделирования деревьев для понимания леса: нужно правильно смоделировать отдельные деревья, но при этом нужно позволить лесу быть лесом.
Роль животных моделей в нейробиологических исследованиях
Причина, по которой животные модели доминируют в доклинической нейробиологии, заключается в том, что они одновременно предоставляют четыре вещи: поведение, нейронные цепи, механизмы заболеваний и реакцию на лекарства. Грызун может освоить задачу, в то время как электроды регистрируют активность его коры, что позволяет исследователям соотносить определенный паттерн возбуждения с конкретным когнитивным событием. A Решения для доклинической разработки лекарствЗатем программа может ввести соединение и проверить, изменяется ли этот паттерн возбуждения и поведение, которое он поддерживает. Репертуар видов широк и соответствует поставленному вопросу: зебраданио обеспечивают оптическую прозрачность и быстрый скрининг развития, препараты золотистого сирийского хомяка ценятся в метаболических, кардиологических и нейродегенеративных исследованиях, а исследования на яванских макаках дают наиболее близкое из доступных приближение к организации коры и фармакокинетике человека. Каждая животная модель вносит свой вклад в понимание с различным разрешением — от высокопроизводительной генетики до высокоточной трансляционной физиологии.
Их сильные стороны подлинны, и их трудно воспроизвести. Сложность in vivo означает, что иммунная система, сосудистая сеть, эндокринные сигналы и микробиом — все участвуют в результате, что в точности соответствует ситуации, с которой сталкивается пациент-человек. Трансляционная значимость означает, что полученный результат можно перенести в регуляторные обсуждения с обоснованным биологическим обоснованием. Причинные эксперименты — поражения, оптогенетическое подавление, нокауты генов — позволяют исследователям выйти за пределы корреляции и установить, что механизм действительно определяет фенотип. Однако ограничения столь же реальны: разведение и содержание дорогостоящи, этический надзор справедливо ограничивает то, что можно делать, межвидовые различия иногда приводят к результатам, которые никогда не переносятся на человека, а индивидуальная изменчивость может увеличивать размеры выборок. Именно осознание этих ограничений делает вычислительных компаньонов столь ценными, поскольку они могут дешево исследовать гипотезы еще до того, как будет использована животная модель.
Ключевые выводы исследования Дартмута, MIT и Университета Стоуни-Брук
Основной результат обманчиво прост: биомиметическая модель сравнялась с лабораторными животными в задаче визуального категориального обучения. В таких задачах испытуемые должны научиться сортировать неоднозначные визуальные стимулы по категориям на основе обратной связи, получаемой от испытания к испытанию, — парадигма, десятилетиями используемая в исследованиях на животных моделях. Модель не просто выдавала правильные ответы; она воспроизводила естественную динамику, включая постепенные сдвиги в геометрии репрезентаций, которые характеризуют реальное обучение в коре. Она также генерировала кривые обучения, форма которых — быстрый начальный рост с последующим более медленным уточнением — отражала наблюдаемое у живых испытуемых. Достижение этого из первых принципов, без обучения на записях животных, — вот что делает результат примечательным. Модель фактически заслужила своё поведение, а не скопировала его.
Пожалуй, самое поразительное открытие касается того, что исследователи назвали неконгруэнтными нейронами, которые составляли примерно 20 процентов популяции и, по-видимому, предсказывали ошибки. Поначалу команда предположила, что эти нейроны являются артефактом моделирования — особенностью их конкретной архитектуры, не имеющей биологического аналога. Когда они вернулись и изучили реальные данные животных, они обнаружили тот же сигнал, что свидетельствует о том, что модель выявила нечто подлинное о том, как кора обрабатывает неопределенность. Исследование также выявило бета-частотную синхронизацию между корой и стриатумом как коррелят правильных суждений, связывая特定ный колебательный ритм с успешным принятием решений. В совокупности эти findings показывают, что хорошо построенная биомиметическая система может генерировать опровержимые предсказания, что является сильнейшей возможной проверкой того, отражает ли она что-либо реальное о мозге.
Как была построена биомиметическая модель
Строительство началось с примитивов — небольших схем, реализующих фундаментальные вычисления, такие как конкуренция «победитель забирает всё». Эти примитивы действуют как многоразовые строительные блоки, нейронный эквивалент стандартных электронных компонентов, и они позволяют модели масштабироваться, не становясь бессвязной. Затем исследователи отобразили эти блоки на именованные области мозга, включая кору, ствол мозга и стриатум, соединив их в соответствии с известными анатомическими путями. Особенно важным компонентом была популяция тонически активных нейронов, или TANs, которые стабильно разряжаются и модулируют обработку в стриатуме. Вместо того чтобы рассматривать эти клетки как пассивный фон, модель использует их активно, что, как выясняется, имеет центральное значение для того, как система обучается.
ТАНы впрыскивают шум в сеть через всплески ацетилхолина, и этот шум выполняет конкретную вычислительную функцию: он поддерживает исследование. В терминах обучения с подкреплением система, которая никогда не варьирует своё поведение, никогда не сможет обнаружить лучшую стратегию, поэтому всплески ацетилхолина действуют как биологический механизм для периодической пробы чего-то иного. Модель также включает нейромодуляторные химические вещества на крупномасштабном архитектурном уровне, позволяя глобальным химическим состояниям перестраивать то, как информация течёт между областями. Это значимый отход от большей части вычислительной нейронауки, которая склонна моделировать нейроны и синапсы, игнорируя диффузные химические системы, задающие режим работы мозга. Включив их, исследователи дали своей модели правдоподобный путь к таким явлениям, как сдвиги внимания и мотивационное управление, которые чисто синаптическая симуляция упустила бы.
Почему неконгруэнтные нейроны важны
Неконгруэнтные нейроны, по-видимому, предсказывают ошибки, что поначалу звучит как дефект — популяция клеток, сигнализирующая о неудаче. Такая интерпретация, вероятно, неверна. Более вероятное объяснение состоит в том, что эти нейроны проверяют альтернативы, выясняя, всё ли ещё применимо текущее выученное правило или окружающая среда незаметно изменилась. В стабильном мире они выглядели бы шумными и бесполезными, но в мире, где условия меняются, именно эти клетки не дают организму жёстко застрять. Это согласуется с отдельными исследованиями Института Пиковера о гибком поведении, которые показывают, что мозг непрерывно поддерживает конкурирующие репрезентации, а не привержен единственному правилу. Урок для любого, кто интерпретирует данные из животной модели, состоит в том, что нейрон или цепь, кодирующие нечто похожее на сигнатуру ошибки, могут на самом деле кодировать адаптивность.
Это понимание имеет прямые практические последствия для того, как учёные интерпретируют результаты экспериментов. Если препарат повышает или понижает активность в популяции, которая, как кажется, отслеживает ошибки, наивный вывод может состоять в том, что препарат ухудшает производительность, тогда как на самом деле он может изменять баланс между эксплуатацией и исследованием. Та же осторожность применима при переносе результатов между видами, поскольку препарат на основе яванского макака или золотистого сирийского хомяка может по-разному выражать эти исследовательские сигналы в зависимости от требований задачи. Понимание того, что нейронные цепи несут множественные, иногда противоположные, функции, необходимо для построения точных функциональных карт. Это также подкрепляет мысль о том, что вычислительные и живые системы следует изучать вместе, а не в конкуренции.
Значение для разработки лекарств и биотехнологий
Самое непосредственное следствие — более глубокое механистическое понимание заболеваний мозга и разрабатываемых для их лечения вмешательств. Биомиметическая модель, воспроизводящая динамику обучения, предлагает песочницу, в которой исследователи могут проверить, как гипотетическое соединение, влияющее на ацетилхолин, дофамин или бета-осцилляции, может изменить когнитивные функции, прежде чем запускать полное исследование. Эта возможность позволяет командам отдавать приоритет соединениям с более убедительным механистическим обоснованием — именно такое решение экономит месяцы доклинического времени. Она также помогает объяснить, почему препарат, работающий в простом анализе, иногда не срабатывает в поведенческом организме, поскольку модель выявляет взаимодействия между цепями, которые редукционистский скрининг игнорирует. На практике это означаетУслуги CRO и исследовательские команды могут использовать симуляции, чтобы уточнить вопросы, которые они ставят перед живыми системами.
Столь же важна возможность усовершенствовать, сократить и дополнить использование животных моделей, а не заменить их. Симуляции позволяют на раннем этапе отсеивать слабые гипотезы, сокращая количество животных, необходимых для действительно значимых исследований, что отвечает как этическим целям, так и экономике научных разработок. Когда биомиметическая модель и модель на животных приходят к одному и тому же прогнозу, уверенность в этом прогнозе существенно возрастает, а когда они расходятся, само это расхождение несёт ценную информацию. HuaTeng Biotech работает именно в этой сфере, предоставляя валидированные животные модели на грызунах и крупных животных вместе сРесурсы, охватывающие визуализацию, гистопатологию, молекулярную биологию и поведенческую нейронауку. Для спонсоров практический рабочий процесс прост: используйте вычисления для приоритизации, используйте животные модели для валидации и используйте оба подхода для формирования обоснованного пакета документов для регуляторных органов.
Будущие направления
Исследовательская группа прямо заявила, что текущая модель — это отправная точка, а не готовый продукт. Расширение её на большее число задач и обстоятельств — двигательное обучение, обучение с обращением, переключение внимания и среды с множеством правил — позволило бы проверить, обобщается ли та же архитектура за пределами визуальной категоризации. Добавление большего числа областей мозга и дополнительных нейромодуляторных химических веществ повысило бы биологический реализм, хотя это также увеличивает риск того, что система станет настолько сложной, что её поведение будет трудно интерпретировать. Тестирование вмешательств, таких как лекарства, непосредственно внутри модели — естественный следующий шаг, поскольку это превращает симуляцию в движок для генерации гипотез в фармакологии. Также ценно исследовать, каким образом модель даёт сбои, поскольку границы часто выявляют, какие именно биологические детали существенны, а какие — декоративны.
Долгосрочная перспектива — это интеграция, а не замена. Биомиметическая модель может быть объединена с платформой животных моделей, чтобы прогнозы шли в обоих направлениях: симуляция предлагает механизм, живой препарат проверяет его, а полученные данные уточняют модель. Этот цикл уже знаком в других областях, где вычислительное проектирование и валидация в лабораторных условиях регулярно чередуются. Исследователи, работающие в конкретной области заболеваний — эпилепсии, болезни Паркинсона, болезни Хантингтона или нейропсихиатрического состояния, — выиграли бы от архитектур моделей, настроенных на цепи, которые данное заболевание нарушает в наибольшей степени. Как всегда, качество лежащей в основеО нас-уровневое понимание биологии определяет, насколько полезным окажется всё это.
Ключевые выводы
Первый вывод заключается в том, что биомиметическая модель, построенная на биологических принципах, а не обученная на данных животных, способна воспроизводить поведение при обучении, сопоставимое с лабораторными животными. Второй — в том, что такие модели могут генерировать опровержимые предсказания, как показало обнаружение неконгруэнтных нейронов, впоследствии подтверждённое на реальных данных. Третий — в том, что модель дополняет, а не заменяет модель животного, поскольку живые системы по-прежнему обеспечивают иммунную, метаболическую и поведенческую сложность, которую пока не способно воспроизвести ни одно моделирование. Четвёртый — в том, что это сочетание практически полезно для приоритизации соединений, разработки более совершенных экспериментов и сокращения числа необходимых животных. Пятый — в том, что нейромодуляторная химия и клеточный шум являются не случайными деталями, а ключевыми вычислительными компонентами — урок, применимый к любой серьёзной попытке моделирования функции мозга.
Часто задаваемые вопросы (FAQ)
Что именно представляет собой биомиметическая модель мозга и чем она отличается от модели на животных?
Биомиметическая модель мозга — это вычислительная система, собранная из биологических первооснов — определяющая, как нейроны соединяются, как распространяются сигналы и как нейромодуляторные химические вещества изменяют поведение нейронных цепей, — а не обученная на записанных данных животных. Модель животного — это живой организм, такой как грызун или яванский макак, в котором полная физиология участвует в эксперименте. Ключевое различие заключается в том, что симуляция прозрачна и бесконечно обратима, тогда как живая система предлагает реальную биологическую сложность, которой пока не смогла достичь ни одна симуляция.
Заменяет ли биомиметическая модель мозга необходимость в модели на животных в нейронауке?
Нет, и исследователи, стоящие за этой работой, ясно это подчёркивают. Вычислительные модели дополняют модели на животных, генерируя гипотезы, определяя приоритеты соединений и указывая, какие механизмы заслуживают дорогостоящего эксперимента in vivo. Живые системы остаются незаменимыми для вопросов, связанных с иммунным ответом, фармакокинетикой, долгосрочной безопасностью и сложным социальным поведением. Реалистичное будущее — это цикл обратной связи, в котором каждый подход усиливает другой.
Что на самом деле продемонстрировало новое исследование Дартмутского колледжа, MIT и Университета Стоуни-Брук?
Команда создала модель с нуля и обнаружила, что она соответствует лабораторным животным в задаче визуального категориального обучения. Она продемонстрировала естественную динамику обучения и выявила примерно 20 процентов нейронов как предикторы ошибок — неконгруэнтные нейроны, которые изначально считались особенностью моделирования. Когда исследователи проверили реальные данные животных, тот же сигнал появился, подтвердив, что модель выявила подлинную биологическую особенность. Исследование также связало бета-частотную синхронизацию между корой и стриатумом с правильными суждениями.
Как неконгруэнтные нейроны соотносятся с данными животных моделей и человеческим познанием?
Несовпадающие нейроны, по-видимому, предсказывают ошибки, но, скорее всего, они служат конструктивной цели: проверке альтернативных правил при изменении условий. Скорее, они отражают не неудачу, а постоянную гибкость мозга — вывод, подтверждаемый отдельным исследованием Института Пиковера по адаптивному поведению. Для всех, кто интерпретирует данные, полученные на животных моделях, это напоминание о том, что сигнал, похожий на ошибку, может на самом деле кодировать адаптивность. Ту же осторожность следует соблюдать при переносе таких выводов на человеческое познание.
Какие животные модели наиболее релевантны для исследований в области нейронаук и разработки лекарств?
Выбор зависит от исследуемого вопроса. Рыбки данио широко используются для быстрого скрининга в области развития и генетики, поскольку их эмбрионы оптически прозрачны. Препараты золотистого сирийского хомяка ценны в метаболических, кардиологических и нейродегенеративных исследованиях, включая изучение спячки и циркадной биологии. Исследования на яванских макаках обеспечивают близкое анатомическое и фармакологическое сходство с человеком, что делает их важными для трансляционных работ. Грызуны остаются наиболее распространённой животной моделью для поведенческих, схемных и фармакологических исследований.
Как HuaTeng Biotech может поддержать моё исследование на животных моделях?
HuaTeng Biotech предлагает широкий спектр валидированных моделей животных, включая модели с редактированным геномом, модели, индуцированные лекарственными препаратами, хирургически индуцированные и диет-индуцированные модели на грызунах и крупных животных. Компания также предоставляет лабораторные возможности, соответствующие требованиям GLP, платформы визуализации, гистопатологии, молекулярной биологии и поведенческой нейронауки. Спонсоры могут запросить всё: от одного целевого исследования до полной доклинической программы, охватывающей фармакодинамику, фармакокинетику и оценку безопасности. Запросы можно подавать в любое время черезСвязаться с нами странице.
Почему модель животной клетки имеет значение, если исследования на целых животных являются золотым стандартом?
Модель животной клетки изолирует определенный тип клеток, что позволяет изучать молекулярные механизмы без искажающего влияния целого организма. Это быстрее, дешевле и часто является первым этапом в каскаде скрининга, позволяя исследователям исключать соединения, не прошедшие проверку на клеточном уровне, еще до начала каких-либо работ на животных. Клеточные результаты также обеспечивают механистическое объяснение результатов, полученных на целом организме, что усиливает регуляторные заявки. При совместном использовании клеточные и животные модели образуют логическую воронку от механизма к физиологии.
Как исследовательской группе следует сочетать биомиметические модели с исследованиями на животных моделях?
Практическая последовательность заключается в том, чтобы сначала использовать вычислительную модель для генерации и ранжирования гипотез о механизмах на уровне цепей. Эти гипотезы затем информируют дизайн исследований на животных, включая выбор конечных точек, доз и поведенческих задач. Результаты, полученные в живой системе, возвращаются в модель, уточняя её параметры и улучшая будущие предсказания. Этот цикл сокращает количество необходимых животных, одновременно повышая информационную ценность каждого исследования.
Будут ли биомиметические модели мозга в конечном итоге приняты в регуляторных заявках?
Принятие будет зависеть от валидации, воспроизводимости и четкой документации о том, как модель была построена и протестирована. Регуляторные органы все больше приветствуют вычислительные доказательства в качестве вспомогательных данных, но по-прежнему ожидают подтверждающих результатов in vivo для заявлений о безопасности и эффективности. Наиболее вероятная ближайшая роль — как часть аргументации совокупности доказательств, а не как самостоятельная замена. По мере накопления успешных прогнозов таких моделей, как эта, эта роль, вероятно, будет расширяться.
Что бизнесу следует вынести из этого исследования для планирования доклинических испытаний?
Стратегический посыл заключается в том, что вычислительные и живые подходы сближаются, и команды, интегрирующие оба, получают преимущество в скорости и качестве решений. Раннее моделирование может отсеять слабых кандидатов до начала дорогостоящих работ на животных, в то время как надёжные модели на животных обеспечивают трансляционную достоверность, которую ожидают партнёры и регуляторы. Построение отношений с партнёром, предлагающим Тестирование медицинских изделий in vivo, фармакологию и разработку моделей под одной крышей, значительно сокращает сроки. Организации, которые планируют этот гибридный рабочий процесс сегодня, завтра будут задавать стандарты.
Заключение и призыв к действию
Исследование Дартмутского колледжа, MIT и Университета Стоуни-Брук не умаляет ценности животной модели — оно её проясняет. Живые системы остаются единственным контекстом, в котором поведение, физиология и фармакология действительно сходятся, и именно поэтому они лежат в основе каждой заслуживающей доверия доклинической программы. Что изменилось, так это то, что вычислительные модели теперь могут участвовать в обсуждении, генерируя прогнозы, которые затем подтверждаются или опровергаются данными животных. При совместном использовании биомиметическое моделирование и тщательно подобранные животные модели могут сократить сроки, уменьшить количество животных и обеспечить более убедительные механистические обоснования как для регуляторов, так и для инвесторов. Именно это сочетание является практическим путём вперёд для открытия лекарств в области нейронаук.
HuaTeng Biotech поддерживает исследователей надёжными моделями животных, тестированием в соответствии с GLP и комплексными доклиническими услугами в области нейронауки, онкологии, метаболических заболеваний и оценки медицинских устройств. Если вашей следующей программе требуется проверка гипотезы, основанной на биомиметическом подходе, в валидированной живой системе, команда готова помочь в разработке исследования. Начните с изучения полной платформы на ГЛАВНАЯ, затем свяжитесь с нами, чтобы обсудить ваши цели, сроки и конечные точки. Короткий разговор сейчас может обеспечить существенно более эффективное исследование в будущем.
Contact
Leave your information and we will contact you.
Copyright ©️ 2022, NetEase Zhuyou(and its affiliates as applicable). All Rights Reserved.
Company
Company
Collections
Collections
About
About
Follow us
Follow us
Team&Conditions
Work With Us
Featured Products
News
All products
Shop
phone
Email