CMU und Pitt entwickeln KI-Tools zur präziseren Ansprache von Gehirnzellen

Ziel ist eine präzisere Hirnforschung

Die Arbeit wird von Forschern der Kenneth C. Griffin School of Computer Science der CMU und der University of Pittsburgh durchgeführt. Unterstützt wird sie durch eine mehrjährige Förderung im Rahmen der Initiative Armamentarium for Precision Brain Cell Access der National Institutes of Health. Die Initiative finanziert die Erforschung molekulargenetischer Reagenzien, die bestimmte neuronale Schaltkreise ansteuern können.

Die Forscher suchen nach Werkzeugen, die bestimmte Arten von Gehirnzellen identifizieren und manipulieren können, anstatt breite Systeme zu beeinflussen. Andreas Pfenning, außerordentlicher Professor am Ray and Stephanie Lane Computational Biology Department der CMU, sagte, das Gehirn enthalte zahlreiche Zellsubtypen und Behandlungen könnten mehrere Systeme gleichzeitig beeinflussen.

„Das Hauptproblem bei der Erforschung des Gehirns ist seine Komplexität“, sagte Pfenning laut CMU. Als Beispiel nannte er die Modulation von Dopamin: Sie könne Systeme beeinflussen, die an mehr als nur der Stimmung beteiligt seien, und zu Nebenwirkungen führen.

Von Gehirnkarten zu nutzbaren molekularen Werkzeugen

Wissenschaftler können inzwischen viele unterschiedliche Arten von Gehirnzellen identifizieren. Nach Ansicht der Forscher fehlen jedoch weiterhin zuverlässige Methoden, um die meisten von ihnen gezielt zu erreichen und zu manipulieren. Vorhandene Zielsequenzen lassen sich nur langsam und kostspielig einzeln testen. Außerdem können sie in verschiedenen Hirnregionen oder unter unterschiedlichen experimentellen Bedingungen anders funktionieren, die falschen Zellen aktivieren oder zu wenige der gewünschten Zellen erreichen.

Daten, Protokolle und Materialien zu erfolgreichen Werkzeugen sind zudem häufig über wissenschaftliche Publikationen und Labore verteilt. Laut CMU erschwert dies die Reproduzierbarkeit und Anwendung von Ergebnissen. Dadurch wächst die Lücke zwischen der Kartierung der zellulären Vielfalt des Gehirns und dem Verständnis dafür, wie einzelne Zellen und Schaltkreise zu Gesundheit und Krankheit beitragen.

Die geförderte Forschung soll eine skalierbare Pipeline und keine einzelne Erfindung hervorbringen. Sie wird KI-gestütztes Design, Multiplex-Screening, räumliche Messungen, funktionale Validierung und eine offene Bereitstellung kombinieren. Das angestrebte Ergebnis ist ein praktisches Werkzeugset zur Untersuchung von Gehirnschaltkreisen und ihrer Rolle bei Krankheiten.

KI-Design wird in Experimenten getestet

Das Labor von Pfenning wird KI-Methoden mit neu entwickelten genomischen Technologien für Nasslaborexperimente kombinieren, um die molekularen Werkzeuge zu entwickeln. Forschungspartner wie William Stauffer, außerordentlicher Professor für Neurobiologie an der Pitt, werden die Werkzeuge validieren und für den Einsatz im Labor weiterentwickeln.

Statt auf langsames Ausprobieren zu setzen, will das Team mithilfe von KI maßgeschneiderte molekulare Werkzeuge für bestimmte Gehirnzellen entwerfen, darunter spezialisierte Nukleinsäuren. Eine an der CMU entwickelte Technologie ermöglicht es, Dutzende Designs gleichzeitig zu testen. Nach Ansicht der Forscher wird dies dazu beitragen, die Werkzeuge zu optimieren und mit der wissenschaftlichen Gemeinschaft zu teilen.

Die Arbeit befindet sich noch in einem frühen Stadium. Die Forscher haben mit dem Training von KI-Modellen begonnen und züchten gleichzeitig die für ihre ersten Experimente benötigten Zellen. Der Prozess soll eine iterative Schleife schaffen: Experimentelle Daten verbessern die Computermodelle, die anschließend Werkzeuge für bestimmte Zelltypen optimieren.

Falls der Ansatz funktioniert, könnte er das grundlegende Verständnis der Funktionsweise verschiedener Gehirnzellen verbessern und möglicherweise gezieltere Gentherapien für seltene Krankheiten unterstützen. Laut CMU könnte das Projekt auch zu Behandlungen komplexer Erkrankungen wie Depressionen beitragen. Die zugrunde liegenden Werkzeuge werden jedoch noch entwickelt und validiert.