Установка двигателя с турбонаддувом на старую машину дает ей совершенно новую жизнь - внезапно она может двигаться дальше и быстрее. Та же идея теперь применяется в нейробиологии с помощью программной оболочки, которую можно использовать в существующих алгоритмах отслеживания нейронов, чтобы повысить их способность обрабатывать не просто большие, а огромные наборы данных. Оболочка под названием UltraTracer в этом месяце освещается в журнале Nature Methods.
«При попытке раскрыть разнообразие форм нейронов масштаб является очень большой и все более актуальной проблемой», - говорит Ханьчуань Пэн, доктор философии, младший исследователь в Институте исследований мозга Аллена.«Нам нужно иметь возможность сравнивать десятки тысяч форм нейронов, чтобы действительно понять, как они выглядят, и использовать эту информацию для анализа «типов» отдельных клеток».
Пэн и его команда разработали UltraTracer для работы с существующими алгоритмами трассировки нейронов, разработанными учеными со всего мира, заставив их работать быстрее и с большими наборами данных. В документе они описывают применение UltraTracer к десяти различным базовым трассерам, а также к любым другим базовым трассерам в рамках инициативы BigNeuron (bigneuron.org), разработанной разными людьми и использующей различные методы для автоматического определения формы нейронов в трехмерных изображениях. стеки изображений.
Команда смогла продемонстрировать уникальную способность UltraTracer расширять возможности существующего программного обеспечения. Используя базу данных типов клеток Аллена в качестве биологического эталона, программа сначала узнала, как «должны» выглядеть нейроны. Затем UltraTracer сделал существующие алгоритмы более эффективными для обработки больших наборов данных и органично объединил несколько различных алгоритмов, чтобы максимально использовать сильные стороны каждого трассировщика.
«С помощью UltraTracer мы даем новую жизнь уже существующим алгоритмам трассировки нейронов и делаем их еще более мощными», - говорит Пэн. «Теперь мы можем проверить, насколько хорошо эти алгоритмы работают в очень больших масштабах, и улучшить их работу. Это будет решающим шагом в решении фундаментальных вопросов о типах клеток в мозге».