使用物理信息的神经网络在细胞外空间中分子运输的定量分析
Jiayi Xie1, Hongfeng Li2, Shaoyi Su2
1Department of Automation, Tsinghua University, Beijing 100084, China; Institute of Medical Technology, Peking University Health Science Center, Beijing 100191, China.
Computers in biology and medicine
|February 16, 2024
概括
这项研究引入了一种新的物理信息神经网络 (PINN) 方法,以定量分析大脑细胞外空间 (ECS) 中的分子运输. 该方法准确地模拟了扩散和向导,揭示了对大脑功能至关重要的特定运输模式.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 生物物理学的生物物理.
背景情况:
- 大脑细胞外空间 (ECS) 对神经元的生存和认知功能至关重要.
- 了解ECS内的分子运输至关重要,但仍然具有挑战性.
- 现有的方法缺乏对运输动态的定量分析.
研究的目的:
- 开发一种新的,定量方法来分析大脑中分子运输的ECS.
- 利用物理信息的神经网络 (PINNs) 来解决向-扩散方程 (ADE).
- 在ECS中自动计算扩散系数和向导速度.
主要方法:
- 使用PINN.解决一个由ADE衍生的反向问题.
- 在没有复杂的网格或配方的简化ADE解决方案中使用PINNs.
- 计算Péclet数以识别分子运输模式.
- 用两个磁共振成像 (MRI) 数据集验证该方法.
主要成果:
- 通过PINN方法,成功地量化了ECS中的分子运输.
- 实现了扩散系数和向导速度的自动计算.
- 同样的分子运输模式被观察到来自老鼠的数据集中,这些老鼠在相同的大脑区域内注射了痕迹剂.
- 佩克莱特号有效地描述了运输模式.
结论:
- PINNs提供了一种强大而精简的工具,用于分析大脑ECS中的分子运输.
- 拟议的方法为复杂的纳米运输现象提供了定量洞察力.
- 这种方法对推进神经科学研究和了解大脑功能具有重大潜力.
