数据挖掘预测神经科学打开了大门
发现,使用先进的信息工具,增加的可能性可以预测的大部分大脑的基本结构和功能,而无需测量它的方方面面。这反过来使造型大脑硅片的圣杯——人类大脑计划提出的目标——一个更现实的,艰巨的,前景。
“打开的门是一个预测的世界生物学,”亨利·马克莱姆说,这项研究的资深作者,发表在本周《公共科学图书馆•综合》。
最基本的,在皮质专栏处理单元的哺乳动物的大脑大约有300种不同的神经类型。这些类型都定义的解剖结构和他们的电气性能,其电气性能的定义的组合离子通道他们呈现出其细胞膜上的微细小孔通过电流通过,使神经元之间的交流成为可能。
科学家希望能够预测,基于实验数据的最小集合,它结合神经元离子通道的礼物。他们知道基因通常是表达在一起,也许是因为两个基因共享一个公共promoter-the段DNA,这段DNA使得基因转录,最终转化为一个有功能的蛋白质或者因为一个基因修改的活动。因此某些基因表达的组合信息对神经元的特点,和乔治Khazen和同事提出,他们可以从基因表达模式提取规则来预测这些特征。
他们把一个数据集,马克莱姆教授和其他人已经收集了几年前,他们记录了26个基因编码离子通道的表达在不同神经类型的老鼠的大脑。他们也有数据显示这些神经元的形态学分类,其电生理特性及其在六个位置,在解剖学上的截然不同的层皮质。他们发现,仅根据分类数据,他们可以预测那些先前测量离子通道模式预测的准确率为78%。当他们在离子通道的数据的一个子集的分类数据,作为输入数据挖掘项目,他们可以提高精度87%更常见的神经类型。
“这表明,有可能我的规则从一个子集的数据和使用它们来完成数据集informatically,”该研究的作者之一说,菲利克斯Schurmann。“使用我们所开发的方法,它可能不需要测量的每一个方面的行为你感兴趣的。”Once the rules have been validated in similar but independently collected datasets, for example, they could be used to predict the entire complement of ion channels presented by a given neuron, based simply on data about that neuron's morphology, its electrical behaviour and a few key genes that it expresses.
研究人员也可以使用这些规则去探索不同的基因在调节转录过程的角色。离子通道和重要的是,如果规则存在,它们也可能存在其他方面的大脑组织。例如,研究人员认为它将有可能预测突触可能形成在神经网络中,基于信息网络的神经类型的比率。了解这些规则可以开创一个新时代的预测生物学,并加速进展理解和建模大脑。
