Ringkasan: Para peneliti telah memelopori penggunaan omics spasial dan pembelajaran mendalam untuk membuat peta molekuler 3D otak yang menawarkan wawasan baru mengenai fungsinya pada berbagai skala. Studi mereka menggunakan pencitraan spektrometri massa canggih dan metabolisme sel tunggal untuk memecahkan kode biokimia otak yang kompleks.
Pekerjaan terobosan ini bertujuan untuk mengungkap interaksi kimia kompleks di otak dan berpotensi membuka jalan bagi terobosan dalam pengobatan penyakit neurologis. Upaya kolaboratif ini menggarisbawahi pentingnya penelitian interdisipliner dalam memajukan pemahaman kita tentang lanskap molekuler otak.
Fakta-fakta kunci:
Teknik Pencitraan Tingkat Lanjut: Penggunaan pencitraan spektrometri massa dan metabolomik sel tunggal memungkinkan pengumpulan data resolusi tinggi dan analisis molekul individu dalam sel otak, yang menunjukkan kemajuan signifikan dalam penelitian ilmu saraf.Sekilas tentang penyakit saraf: Dengan membuat peta 3D terperinci yang mengungkap distribusi kimia di otak, para ilmuwan mencoba untuk lebih memahami ketidakseimbangan neurokimia yang terkait dengan penyakit seperti depresi dan penyakit Alzheimer.Kerjasama interdisipliner: Keberhasilan penelitian ini menggarisbawahi budaya kolaboratif Beckman Institute, di mana interaksi interdisipliner mendorong penelitian inovatif dalam ilmu otak.
Sumber: Institut Beckman
Peneliti Beckman Institute for Advanced Science and Technology Jonathan Sweedler, profesor kimia, dan Fan Lam, profesor bioengineering, menguraikan bagaimana teknologi omics spasial dapat mengungkap kompleksitas molekuler otak pada berbagai skala.
Penelitian mereka muncul bulan ini di Metode alami.
Para peneliti dan rekan mereka menggunakan kerangka pencitraan biokimia yang terintegrasi dengan pembelajaran mendalam untuk membuat peta molekuler 3D spesifik sel guna lebih memahami bagaimana fungsi otak dalam kesehatan dan penyakit. Penelitian mereka didukung oleh hibah $3 juta dari National Institute on Aging of the National Institutes of Health.
Tim ini mencapai terobosan dalam bagaimana metode informatika dan komputasi dapat menghasilkan pencitraan biokimia multimodal dan multiskala jenis baru, yang disorot dalam makalah Metode Alam mereka baru-baru ini. Kredit: Berita Neurosains
“Jika Anda melihat otak secara kimia, itu seperti sup dengan banyak bahan,” kata Lam. “Memahami biokimia otak, organisasi spatiotemporalnya, dan bagaimana reaksi kimia ini mendukung komputasi sangat penting untuk lebih memahami bagaimana fungsi otak dalam kesehatan dan penyakit.”
Untuk memahami bagaimana komponen kimia otak berinteraksi, para peneliti menggunakan teknik pencitraan baru yang disebut pencitraan spektrometri massa untuk mengumpulkan dan menganalisis sejumlah besar data beresolusi tinggi.
Mereka juga menggunakan metabolomik sel tunggal dan alat komputasi untuk mengekstrak data tentang molekul individu dalam sel otak individu, memungkinkan akuisisi data dengan kecepatan dan skala yang belum pernah terjadi sebelumnya.
“Kebanyakan orang merasa bahwa penyakit otak seperti depresi dan penyakit Alzheimer disebabkan oleh ketidakseimbangan neurokimia,” kata Sweedler. “Tetapi ketidakseimbangan ini sangat sulit untuk dipelajari, dan sulit untuk memahami bagaimana bahan kimia berinteraksi pada tingkat yang berbeda (misalnya, tingkat jaringan dan tingkat sel individu) selama terjadi masalah di otak.”
Menurut Sweedler, membuat peta distribusi kimia 3D spesifik tipe sel memungkinkan para peneliti untuk lebih memahami biokimia otak yang rumit, yang dalam jangka panjang akan membantu memecahkan penyakit neurologis yang sulit disembuhkan saat ini.
Metabolomik sel tunggal, sebuah teknologi yang penting bagi temuan para peneliti, dinobatkan sebagai salah satu dari “Tujuh Teknologi yang Harus Diperhatikan pada tahun 2023” di Alam, bersama dengan CRISPR dan Teleskop Luar Angkasa James Webb, yang menunjukkan dampak besar dari alat tersebut. ini tentang melihat data spesifik sel, kata Sweedler.
Penelitian ini tidak akan mungkin terjadi tanpa sifat kolaboratif dari Beckman Institute.
“Sungguh mengherankan saya bagaimana interaksi kecil dapat berubah menjadi percakapan penelitian yang menarik dan pada akhirnya menjadi studi kolaboratif yang besar,” kata penulis pertama Richard Xie, seorang mahasiswa pascasarjana Beckman Institute.
“Kuncinya terbuka dan interdisipliner karena bisa mengambil inspirasi dari bidang lain. Saya merasa sangat gembira dengan kemajuan dalam memanfaatkan keahlian yang berbeda-beda di berbagai kelompok untuk menciptakan alat guna memvisualisasikan lanskap biokimia otak dengan lebih baik.”
Lam dan Sweedler bertemu atas perintah Xie untuk mendiskusikan karyanya pada pencitraan spektrometri massa sel tunggal dan jaringan. Tim ini mencapai terobosan dalam bagaimana metode informatika dan komputasi dapat menghasilkan pencitraan biokimia multimodal dan multiskala jenis baru, yang disorot dalam penelitian mereka baru-baru ini. Metode alami kertas.
Pendanaan: Penelitian yang dilaporkan dalam siaran pers ini didukung oleh Institut Nasional Penuaan dari Institut Kesehatan Nasional dengan nomor hibah R01AG078797. Para penulis bertanggung jawab penuh atas konten tersebut dan tidak mewakili pandangan resmi Institut Kesehatan Negara.
Tentang berita penelitian AI dan pemetaan otak ini
Pengarang: Jenna Kurtzweil
Sumber: Institut Beckman
Kontak: Jenna Kurtzweil – Institut Beckman
Gambar: Gambar dikreditkan ke Neuroscience News
Penelitian Asli: Akses terbuka.
“Pemetaan Biokimia Otak Multiskala melalui Spektrometri Massa Throughput Tinggi yang Ditingkatkan Pembelajaran Mendalam” oleh Fan Lam dkk. Metode alami
Abstrak
Pemetaan biokimia multiskala otak melalui spektrometri massa throughput tinggi yang ditingkatkan pembelajaran mendalam
Teknologi omics spasial dapat mengungkap kompleksitas molekuler otak. Meskipun pencitraan spektrometri massa (MSI) menyediakan lokalisasi spasial senyawa, profil biokimia komprehensif pada skala seluruh otak dalam tiga dimensi menggunakan MSI dengan resolusi sel tunggal belum tercapai.
Kami mendemonstrasikan pemetaan biokimia seluruh otak dan sel tunggal yang saling melengkapi menggunakan MEISTER, eksperimental integratif dan spektrometri massa komputasi (MS).
Kerangka kerja kami mengintegrasikan rekonstruksi berbasis pembelajaran mendalam yang mempercepat RS bermassa tinggi hingga 15 kali lipat, registrasi multimodal yang menghasilkan distribusi molekuler tiga dimensi (3D), dan metode integrasi data yang menyesuaikan spektrum massa spesifik sel ke kumpulan data 3D.
Kami mencitrakan profil lipid terperinci dalam jaringan jutaan piksel dan populasi sel tunggal besar yang diperoleh dari otak tikus. Kami mengidentifikasi kandungan lipid spesifik wilayah dan lokalisasi lipid spesifik sel tergantung pada subpopulasi sel dan asal anatomi sel.
Alur kerja kami menciptakan cetak biru untuk pengembangan teknologi multi-skala di masa depan untuk karakterisasi biokimia otak.
+ There are no comments
Add yours