使用体内成像评估自发感官神经元活动
Sonia Ingram1, Kim I Chisholm2, Feng Wang3,4
1Sonia Ingram, Data Scientist, Contract Researcher for King's College London, London, United Kingdom.
Pain
|December 19, 2023
概括
在体内成像为研究慢性疼痛模型中感官神经元活性升高提供了一个无技术的替代方案. 机器学习算法使用这种成像技术准确地预测自发神经元发射.
科学领域:
- 神经科学是一个神经科学.
- 疼痛研究 疼痛研究
- 生物技术是生物技术.
背景情况:
- 感觉神经元的自发活动增加是慢性疼痛的标志.
- 电生理学是研究神经元活动的传统方法,但在技术上要求很高,容易产生偏见.
研究的目的:
- 用GCaMP6s评估体内成像作为评估自发感官神经元活动的替代方法.
- 开发和验证用于分析此活动的机器学习算法.
主要方法:
- 在炎症性疼痛的小鼠模型中,L4背部根 (DRG) 的体内成像.
- 利多卡因用于确定基线水平的应用.
- 在过渡数据上训练机器学习算法.
- 对视觉检查和在不同的实验设置中验证算法的验证.
主要成果:
- 在L4DRG中,在炎症性疼痛的小鼠模型中,自发活跃的过渡体被可视化.
- 一个机器学习算法在预测两个疼痛模型中的自发神经元活动方面取得了很高的准确性 (90.0% ±1.2和85.9% ±2.1).
- 该算法在不同实验室和显微镜配置的实验中显示出强度,准确度高 (94.0% ±2.2).
结论:
- 活体成像是一种可行的,准确的方法来评估感觉神经元的自发活动.
- 开发的机器学习工具为研究神经元活动的研究人员提供了可访问的分析.
- 这种方法为疼痛研究提供了一个不那么偏见和更容易获得的替代传统电生理学.
