AI揭示了脑细胞如何发展超过3.2亿年 - 神经科学新闻

概括：一项新的研究揭示了AI驱动的深度学习模型如何解码跨物种定义脑细胞类型的遗传调节开关。通过分析人类，小鼠和鸡大脑，研究人员发现，有些脑细胞类型在3.2亿年内保持了高度保守，而另一些脑细胞类型则独特地进化。

该法规规范不仅阐明了大脑进化，而且还提供了研究健康和疾病基因调节的新工具。这些发现突出了AI如何识别控制跨物种大脑功能的保存和不同的遗传指示。

这项研究还通过将遗传变异与认知性状联系起来，对理解神经系统疾病有影响。现在，研究人员正在扩大其模型，以研究各种动物和人类疾病状态（如帕金森氏症）的大脑。

关键事实

• 进化保护：一些脑细胞调节法规一直保持不变，超过3.2亿年。
• AI驱动的发现：深度学习模型有助于解码跨物种的遗传调节。
• 疾病应用：这些模型可用于研究诸如帕金森氏症之类的神经系统疾病。

来源：氛围

在一项发表在 科学比利时研究小组探讨了控制基因活性的遗传转换如何定义跨物种的脑细胞类型。

他们培训了有关人，小鼠和鸡脑数据的深度学习模型，发现虽然某些细胞类型在数百万年后的鸟类和哺乳动物之间高度保守，但其他细胞类型的进化方式有所不同。

这些发现不仅为大脑进化开明了新的灯光。它们还提供了研究基因调节如何塑造跨物种或不同疾病状态的不同细胞类型的强大工具。

我们的大脑以及整个身体都由许多不同类型的细胞组成。尽管它们共享相同的DNA，但所有这些细胞类型都有自己的形状和功能。

使每种细胞类型都不同的是一个复杂的拼图，研究人员一直试图通过像开关一样的短DNA序列来整理数十年，从而控制哪些基因打开或关闭。

这些开关的微调调节确保每种类型的脑细胞都使用基因组中正确的遗传指令来扮演其独特的作用。科学家将这些遗传开关的独特模式称为监管代码。

AI破解代码

Stein Aerts教授及其团队在Vib.ai和Vib-Ku鲁汶大脑与疾病研究中心研究中心研究该法规法规的基本原理，以及它如何影响诸如癌症或脑部疾病之类的疾病。

他们开发了深度学习方法，以帮助了解他们从成千上万个单个细胞收集的基因调节的大量信息。

ARETS解释说，使用DNA序列代码的深度学习模型已大大帮助我们识别不同细胞类型的调节机制。”

•现在，我们想探讨该法规代码是否也可以告知我们这些细胞类型如何在整个物种之间保存。

这个问题高度相关的一个例子是大脑。尽管有共同的发育轨迹，但哺乳动物和鸟类的大脑仍显示出明显不同的神经解剖学。

Aerts和他的团队现在已经采用了深度学习模型来评估现有的差异和相似性是否反映在共享或发散的监管代码中。

研究进化的工具

Nikolai Hecker和Niklas Kempynck分别在Aerts实验室中的博士后和博士生，开发和实施了机器学习模型，以表征和比较人类，小鼠和鸡肉大脑中的不同类型的细胞，涵盖了大约3.2亿年的进化。

但是在他们真正比较之前，他们首先必须更好地了解鸡肉大脑的细胞类型组成，因此他们创建了一个全面的转录组图集。

Hecker解释说，我们的研究表明，我们如何使用深度学习来根据其调节代码来表征和比较不同的细胞类型。”我们可以使用这些代码比较不同物种的基因组，确定哪些调节法规已在进化上保存，并获得了对细胞类型如何发展的见解。”

该小组发现，尽管某些调节性细胞类型代码在鸟类和哺乳动物之间是高度保守的，但其他调节型代码的进化方式有所不同。值得注意的是，某些鸟类神经元的调节代码类似于哺乳动物新皮层中的深层神经元。

kempynck补充说，直接看监管守则具有重大优势，它可以告诉我们，即使DNA序列本身已经改变了哪些监管原理。”

研究疾病的工具

这种监管信息远远超出了理解进化而有用。在以前的工作中，Aerts和他的团队已经证实了黑色素瘤（皮肤癌）细胞状态的调节代码在哺乳动物和斑马鱼之间是保守的。他们还确定了黑色素瘤患者基因组中的变异。

当前关于脑细胞类型的研究中提出的模型提供了研究基因组变异的影响及其与心理或认知性状和疾病的关联的有用工具。

Aerts：最终，学习基因组调节码的模型具有筛查基因组并研究任何物种中特定细胞类型或细胞态的潜力。这将是学习和更好地了解疾病的强大工具。

到动物园

他说，Aerts和他的团队已经在这两个方面都应用了模型：

`与动物园科学和野生动物救援中心合作，我们现在将进化模型扩展到更多动物大脑：不同类型的鱼类到亲爱的刺猬和卡皮巴拉斯。同时，我们还探讨了这些AI模型如何帮助解散与帕金森氏病有关的遗传变异。

关于这种遗传学，AI和进化神经科学研究新闻

作者：Gunnar de Winter
来源：氛围
接触：Gunnar de Winter vib
图像：图像被认为是神经科学新闻

原始研究：封闭访问。
增强子驱动的细胞类型比较揭示了哺乳动物和鸟类pallium的相似之处Stein Aerts等人作者。科学

抽象的

增强子驱动的细胞类型比较揭示了哺乳动物和鸟类pallium的相似之处

介绍

细胞类型的身份受基因调节网络的控制，其中包括与基因组增强子区域结合的转录因子（TF）的细胞类型组合。

TF结合位点的排列形成了细胞类型特定的增强子代码。在单细胞数据上训练的深度学习模型提供了模拟和表征核苷酸分辨率增强剂代码的手段。这种分辨率的增强剂代码尚未针对哺乳动物端脑（包括pallium在内的前脑中的主要部分）来表征。

肿块显示出显着的哺乳动物和非哺乳动物脊椎动物之间的神经解剖学差异。最值得注意的是，哺乳动物的pallium包含六层新皮层，在所有非哺乳动物脊椎动物（例如鸟类）中均不存在。

哺乳动物和鸟类pal虫之间的同源性经历了数十年的辩论。目前尚不清楚增强剂代码是否在脊椎动物大脑中保存，以及它们是否有用以解决细胞类型水平的物种之间的同源关系。

理由

为了表征和比较哺乳动物和鸟类Pallium之间脑细胞类型的增强剂代码，我们生成了单细胞多组体（SCMultiome）和鸡端脑的空间分辨转录组学数据。

作为物种之间地图细胞类型相似性的基线，我们比较了人，小鼠和鸡之间脑类细胞类型的转录组。然后，我们使用可变染色质可访问性作为代理，以识别潜在的基因组增强子区域并评估其细胞类型特异性。

接下来，我们训练了这些区域的基于序列的深度学习模型，以推断人，小鼠和鸡端脑的细胞类型特异性增强剂代码。我们实施了三个指标，以利用增强子代码比较物种之间的细胞类型。

结果

鸡尾脑的兴奋性神经元明显地定位于乳腺神经解剖区域，包括中层，肠胃植物，高层和nidopallium。

基于转录组和增强剂代码比较，非神经元和α-氨基丁酸介导的（GABA能）细胞类型在鸟类和哺乳动物之间表现出高度相似性，这些细胞类型的保守TF组合反映了这些细胞类型。

另一方面，哺乳动物和鸟类胸膜中兴奋性神经元的增强剂代码表现出较高的分歧。这些匹配仅部分与基于发育轨迹和脑电路之间的脊椎动物细胞类型之间的同源性的现有进化模型一致。

我们发现，哺乳动物深层兴奋性神经元与介质神经元最相似，哺乳动物新皮层上层层，梨状皮层和杏仁核神经元与高和nidopallial神经元最相似。

作为对哺乳动物和鸟类细胞类型之间预测的对应关系的验证，我们在体内增强剂报告基因测定中进行了测定。我们表明，当在小鼠大脑中测定时，鸡肉增强剂序列在相应的哺乳动物脑胶凝细胞类型中表现出活性。

结论

我们的研究表明，可以利用增强子代码来推断与转录组比较一致的物种之间的细胞类型对应关系。

转录组和基于深度学习的增强剂代码的关节比较揭示了哺乳动物和禽类端脑中细胞类型之间的预期和意外对应关系，表明可能起源于普通羊膜祖先的保守调节程序，并已选择或多元化或多样化。

所提出的基于增强剂代码的方法通常适用，可用于使用基因组调节代码来表征和比较物种之间的细胞类型。