Мышиное зрение: нейросеть в разы ускорит создание лекарств для мозга
Ученые разработали систему на базе искусственного интеллекта, которая за считаные минуты позволяет оценить перспективность лекарств от депрессии, деменции и других аффективных расстройств для дальнейших исследований. Впервые нейросеть обучили автоматически распознавать и анализировать поведение крыс с генетическими нарушениями работы мозга, что делает изучение таких заболеваний более быстрым и точным по сравнению с ручным наблюдением. Технология позволяет отказаться от многочасового просмотра видеозаписей: анализ проводится автоматически, а получаемые данные отличаются большей объективностью и воспроизводимостью, что особенно важно при тестировании новых препаратов. Разработчики препаратов рассказали «Известиям» о перспективности такого ПО для создания новых препаратов, однако его функционал ограничен исследованием поведения животных.
Крысы под наблюдением нейросети
Специалисты Научно-технологического университета «Сириус» обучили нейросеть автоматически распознавать и анализировать поведение крыс с генетическими нарушениями работы мозга. Такие животные моделируют болезнь Паркинсона, депрессию и другие расстройства.
Чтобы научить нейросеть понимать поведение животных, исследователи вручную разметили более 7 тыс. кадров, на которых отметили ключевые точки на теле крысы: кончик носа, лапы, корпус. По этим точкам алгоритм научился самостоятельно распознавать позы и определять, что именно делает животное: бегает, замирает на месте, встает на задние лапы или исследует территорию. Раньше специалистам необходимо было вручную анализировать видеозапись поведения животных и фиксировать каждое движение. Такой подход занимал много времени и неизбежно вносил в результаты работы элемент субъективности.
Для проверки разработанной системы ученые выбрали две генетические линии крыс с хорошо изученным поведением. Первая линия — это животные с нарушением обратного захвата дофамина, они гиперактивны и служат моделью расстройств, связанных с дисфункцией дофаминовой системы, включая болезнь Паркинсона. Вторая — крысы с дефицитом серотонина, у них снижается исследовательское поведение и общая локомоция. Такие животные помогают изучать депрессию и другие аффективные расстройства.
Автоматизированный анализ позволил точно определить, какие именно параметры поведения отличаются у здоровых и мутантных животных. Например, у крыс с нокаутом гена тирозингидроксилазы 2-го типа система зафиксировала снижение вертикальной активности. Они гораздо реже вставали на задние лапы. При этом общая подвижность осталась в норме. Это уточняет представления о том, какую именно роль серотонин играет в регуляции поведения, и показывает, что его дефицит сказывается на вполне конкретных формах активности животного, рассказали ученые.
С помощью машинного обучения специалисты определили, какие поведенческие признаки наиболее важны для различения здоровых животных и мутантов. Для гиперактивных крыс главным маркером оказалась длина пройденного пути, а для животных с серотониновой недостаточностью — стойки на задних лапах. Точность классификации достигла 84% в первом случае и 98% во втором. Это значит, что по поведению животного нейросеть может с высокой долей вероятности определить, какая именно мутация у него присутствует. Разработанный подход уже доступен для использования другими научными группами.
— Мы продемонстрировали потенциал применения методов машинного обучения для анализа поведения животных. Мы полагаем, что разработанная система в сочетании с предложенными поведенческими тестами способна существенно ускорить и стандартизировать как анализ поведения как различных генетических линий, так и скрининг новых потенциальных фармакологических препаратов, — рассказал первый автор исследования, младший научный сотрудник, аспирант направления «Нейробиология» Научного центра генетики и наук о жизни Университета «Сириус» Данил Луковиков.
Система анализа поведения животных в разработке лекарств
Метод действительно способен ускорить доклинические этапы разработки, рассказал «Известиям» директор НИИ нейронаук СамГМУ Минздрава России, эксперт рынка НТИ «Хелснет» Алксандр Захаров. Автоматический анализ видео сокращает время обработки данных с часов до минут, позволяя быстрее оценивать эффективность потенциальных препаратов на животных моделях. Объективные и стандартизированные метрики повышают надежность скрининга, что снижает риск ложных результатов.
— Тем не менее ускорение затронет преимущественно этап поведенческой валидации — общие сроки вывода лекарства на рынок зависят и от других сложных этапов (токсикология, фармакокинетика, клинические испытания), где данный инструмент не применяется напрямую, — отметил он.
С научной точки зрения это, безусловно, важное методологическое достижение для изучения поведения животных в эксперименте. Подобные подходы активно развиваются последние годы и уже широко применяются в нейробиологии, добавила ведущий научный сотрудник лаборатории нейробиологии и тканевой инженерии Института мозга ФГБНУ РЦНН, эксперт рынка НТИ «Нейронет» Юлия Комлева.
— Использование нейросетей позволяет повысить точность и воспроизводимость анализа, а также снизить влияние человеческого фактора, что действительно считается значимым преимуществом. Важно также понимать, что интерпретация поведенческих паттернов у животных всегда ограничена. Например, такие параметры, как вертикальная активность или общая подвижность, — это косвенные маркеры, которые не могут напрямую отражать сложные состояния, такие как депрессия или когнитивные нарушения у человека. Для анализа поведения животных следует использовать целую батарею тестов с широким анализом и интеграцией полученных данных, — рассказала она «Известиям».
Исследование выполнено при поддержке государственной программы научно-технологического развития федеральной территории «Сириус». В работе также принимали участие специалисты из Санкт-Петербургского государственного университета, Института экспериментальной медицины и Института физиологии им. И.П. Павлова РАН. Результаты опубликованы в авторитетном журнале Neuroscience.
