Премія Лаціса 2024: Маккензі В. Матіс відстежує поведінку, щоб зрозуміти мозок
Макензі В. Матіс, професорка з EPFL та лауреатка Швейцарської наукової премії Латсіс 2024, розробила новаторські алгоритми штучного інтелекту в галузі поведінкової нейронауки.
«Я намагаюся зрозуміти нейронну основу того, що дозволяє нам вчитися і рухатися». Так професорка Макензі В. Матіс з EPFL підсумовує головне питання своїх досліджень. Її робота охоплює галузі нейронауки, машинного навчання та інженерії. Вона навчає мишей грати у відеоігри, записуючи їх мозкову активність та поведінку під час цього процесу, і, що важливо, розробляє комп'ютерні алгоритми для аналізу отриманих даних. Її видатна робота принесла їй Швейцарську наукову премію Латсіс 2024. Отримавши це неочікуване визнання, вона відчуває «велику скромність, особливо тому, що лауреати цієї премії — це престижні науковці, і їх досягнення ставлять високу планку».
Проте Матіс не чекала на цю нагороду, щоб ставити високі вимоги до себе в дослідженнях: «Якщо інструменти для відповіді на запитання не існують, ми не повинні змінювати питання, а натомість створювати ці інструменти». Її слова задають тон науковому шляху, яким вона йде. Вона здобула визнання в галузі, зокрема завдяки розробці алгоритмів на основі штучного інтелекту з відкритим кодом, які корисні для нейронауки. Один з таких алгоритмів, DeepLabCut, перша версія якого була випущена в 2018 році, дозволяє аналізувати відео тварин — від тремтіння вусів миші до галопу коня і хвилеподібного руху вугра. Цей алгоритм був названий «проривом у галузі біологічних наук» журі премії молодих нейробіологів Еріка Канделя у 2023 році. До літа 2024 року програмне забезпечення було встановлено понад 700,000 разів і продовжує мати вплив на наукову спільноту.
Вікно у мозок миші
Однак її дослідження виходять за межі розробки програмних інструментів: «Люди, які їх розробляють, працюють поруч із тими, хто їх використовує». Одне з головних питань, яке її команда намагається вирішити, полягає в розумінні того, що дозволяє нашому мозку адаптуватися в реальному часі до змін у навколишньому середовищі. «Коли ви п'єте каву, вага чашки змінюється з кожним ковтком, оскільки об’єм рідини зменшується», — каже вона. «Але ми не помічаємо цього, тому що наш мозок адаптує силу наших м'язів, навіть не задумуючись про це». Ця здатність до адаптації особливо помітна при вивченні рухових навичок або заняттях спортом.
Для вивчення цього явища вона використовує мишей, які були генетично модифіковані, щоб можна було спостерігати за активацією їхніх нейронів. Вона навчає мишей грати у відеоігри, де вони навчаються керувати джойстиком до певної області для отримання нагород або пересуватися у віртуальних світах, відображених на екранах. Іноді середовище змінюється, наприклад, додаються зовнішні сили на джойстик, щоб побачити, як тварини адаптуються. Під час їхніх ігрових сесій мишей знімають на відео, а їх мозкова активність записується.
Поєднання нейронної активності з поведінкою
Саме тут в гру вступають алгоритми машинного навчання, які розробляє Матіс. Щоб зробити висновки, необхідно виділити відповідні сигнали з записів мозкової активності та отримати кількісні дані про точні рухи тіла, рук і навіть крихітних пальців мишей. Програмне забезпечення DeepLabCut дозволяє відстежувати рухи тварин. Крім того, нове розширення, випущене у 2024 році, яке включає моделі «SuperAnimal», дозволяє автоматизувати та стандартизувати аналіз для таких видів, як миші, що часто використовуються в поведінковій нейронауці. Це підвищує надійність результатів та дозволяє повторно використовувати дані між різними дослідницькими групами.
Метою є пов'язати активність нейронів з поведінкою, що спостерігається. З цією метою у 2023 році Матіс і її команда опублікували новий алгоритм під назвою CEBRA, мета якого — визначити основні нейронні динаміки мозку. Ця математична модель дозволяє декодувати інформацію з мозку і може об'єднувати дані з різних тварин. Наприклад, Матіс та її група змогли використовувати цей алгоритм, щоб дізнатися, що бачила миша або куди прямував щур на основі записів нейронної активності в їхніх мозках. «У майбутньому ця модель може стати основою для нейропротезів у людей для відновлення зору або рухливості після травми», — зазначає вона.
Нейронаука ще на початковій стадії
Хоча ми починаємо розуміти, в яких областях мозку відбуваються зміни і коли, деталі про типи нейронів і точні механізми все ще залишаються загадкою. «У нейронауці ми ще перебуваємо на до-ньютонівському етапі», — говорить Матіс. «Завдяки штучному інтелекту мережі з кількох сотень нейронів стають все більш зрозумілими. Але у мозку лише однієї миші є 70 мільйонів нейронів, тому попереду ще багато роботи!» Проте це її не знеохочує: «Для мене наука — це не просто робота, це моє життя. І це справжній привілей». Тому вона з ентузіазмом прагне крок за кроком розгадати складність біологічних нейронних мереж за допомогою штучного інтелекту.
