Un enfoque de aprendizaje profundo generativo informado por química para mejorar la detección neuroquímica...

Área de la Ciencia:

• La neurociencia
• Química analítica
• Biotecnología

Sus antecedentes:

• La detección simultánea de múltiples neuroquímicos es crucial para comprender la función cerebral y la enfermedad.
• Los métodos existentes se enfrentan a desafíos debido a las complejas interacciones neuroquímicas y la interferencia de señales.

Objetivo del estudio:

• Desarrollar una nueva plataforma para la detección precisa y simultánea de múltiples neuroquímicos in vivo.
• Para superar las limitaciones en la separación de señales electroquímicas para una mayor precisión cuantitativa.

Principales métodos:

• Se desarrolló un modelo de red neuronal generativa informada por química (CIGNN) para separar las corrientes faradaicas y no faradaicas.
• El modelo CIGNN se aplicó a una plataforma in vivo para el monitoreo simultáneo de la dopamina (DA), el ácido ascórbico (AA) y la fuerza iónica.
• La plataforma fue validada en un modelo de ratón de neuroinflamación.

Principales resultados:

• El modelo CIGNN minimizó efectivamente la interferencia y mejoró la precisión cuantitativa en las mediciones voltamétricas.
• La estimulación de KCl en el modelo de neuroinflamación mostró un aumento significativo del eflujo de AA (300 ± 50 μM) en comparación con los controles (170 ± 20 μM).
• La afluencia de iones disminuyó significativamente (55 ± 7 mM) en ratones modelo frente a los controles (120 ± 16 mM), sin cambios significativos en la liberación de DA.

Conclusiones:

• La plataforma desarrollada asistida por CIGNN ofrece una herramienta robusta para estudiar la señalización multineuroquímica compleja in vivo.
• Esta tecnología avanza en la aclaración de los mecanismos moleculares subyacentes a la actividad cerebral y la neuroinflamación.
• Los hallazgos destacan distintos cambios neuroquímicos en respuesta a estímulos en un modelo de neuroinflamación.