نوآوران آنلاین- چندین سال پیش، محققان در دانشکده پزشکی هاروارد یک روش مبتنی بر یادگیری ماشین به نام تعیین توالی حرکت (MoSeq) برای مطالعه رفتار حیوانات و انسان ها ایجاد کردند. این سیستم مبتنی بر کار پیشگام شناسان مشهور است که پیشنهاد کردند همه رفتارهای حیوانات را می توان در ماژول هایی سازمان داد و به عنوان هجا نامیده می شود. این ماژول ها اساساً نقوش كوچك و مكرر یا اقدامات كلیشه ای هستند كه مغز می تواند ترتیب آنها را برای ایجاد توالی ها و در نتیجه الگوهای حرکتی پیچیده و منسجم تری ایجاد كند.
اخیراً همان تیم در دانشکده پزشکی هاروارد نشان داده است که از MoSeq می توان برای شناسایی تفاوت ها و شباهت های رفتاری ناشی از انواع داروهای عصبی و روانگردان استفاده کرد. آزمایشات آنها که در مقاله منتشر شده در Nature Neuroscience شرح داده شد، روی گروه بزرگی از موش ها انجام شد.
"سندیپ رابرت داتا" یکی از محققانی که این مطالعه را انجام داده است گفت: MoSeqاز بینش ماشینی 3D و تکنیک های یادگیری ماشین برای کشف ماژول ها که ما آنها را هجاها می نامیم در هر مجموعه داده رفتاری استفاده می کند. با گذشت زمان، ما شروع به ایجاد پیشرفت در سیستم و تعجب کردیم که چگونه می توانیم تصمیم بگیریم که تغییراتی که ایجاد می کنیم مفید است یا مضر و فهمیدیم که استفاده از توانایی داروها برای تغییر رفتار می تواند ابزاری مفید برای اندازه گیری باشد چقدر لنزهای ما تیز بود.
هدف نهایی کار اخیر داتا و همکارانش استفاده از MoSeq برای درک بهتر نحوه تأثیر مواد مختلف دارویی بر سیستم عصبی و رفتار حیوانات بود. برای انجام این کار، آنها دوزهای مختلف داروهای عصبی و روانگردان را تقریباً به 700 موش تزریق کردند.
داتا گفت: داده های ما نشان می دهد كه تفكر در مورد رفتار به وسیله هجاها ساخته می شود و به مرور توسط یك دستور زبان مشخص شده از طریق عصبی تنظیم می شود، پنجره قدرتمندی برای عملكرد مغز فراهم می كند، فصلی كه به ویژه در هنگام بررسی تأثیرات داروها بر روی مدارهای مغز آشكار می شود.
تا کنون، داتا و همکارانش به طور خاص اثربخشی MoSeq را برای شناسایی الگوهای رفتاری پس از مصرف موش های مختلف از کلاسهای مختلف دارو از جمله بنزودیازپین ها، داروهای ضد افسردگی، داروهای صرع، SNRI ها، SSRI ها و محرک ها آزمایش کردند. آنها دریافتند که سیستم آنها می تواند به طور موثری الگوهای رفتاری ناشی از مصرف یک داروی خاص را از هم متمایز کند و از روشهای مرسوم تری که تعیین می کند یک دارو به کدام گروه دارویی تعلق دارد، بهتر عمل کند.
در آزمایشات خود، محققان به طور خاص از MoSeq برای توصیف تغییرات رفتاری ناشی از مواد مخدر استفاده کردند که در مدل موش مبتلا به اختلال طیف اوتیسم (ASD) اتفاق افتاد. این در نهایت به آنها اجازه داد تا اثربخشی هر دو دارو را که معمولاً در بیماران مبتلا به ASD و سایر کاندیداهای احتمالی دارو تجویز می شود، ارزیابی کنند.
در آینده می توان از سیستم مبتنی بر یادگیری ماشینی آنها برای بررسی اثرات داروهای مختلف دارویی بر رفتار حیوانات یا انسانها با ارائه دامنه مشخصی از علائم یا اختلالات روحی و جسمی خاص استفاده کرد. این می تواند به کشف جالب منجر شود، به پزشکان در سراسر جهان کمک می کند تا استراتژی های درمانی امیدوار کننده را برای انواع شرایط بهداشتی شناسایی کنند.
داتا گفت: بر اساس نتایجی که تاکنون جمع آوری کرده ایم، اطمینان داریم که می توانیم اثر انگشتهای رفتاری را که مدلهای بیماری موش را مشخص می کند شناسایی کنیم و سپس اثرات درمانی خارج از هدف داروهای کاندیدا را ارزیابی کنیم.
شنبه ۳۱ اکتبر ۲۰۲۰
(برابر با ۱۰ آبان ۱۳۹۹)