ในการทำความเข้าใจว่าสมองทำงานอย่างไร เราจะต้องสามารถติดตามการเคลื่อนไหวและกิจกรรมของเซลล์สมองแต่ละเซลล์  ซึ่งเป็นงานที่ซับซ้อนยุ่งยากอย่างยิ่งในปัจจุบัน เนื่องจากต้องติดตามเซลล์สมองแต่ละเซลล์ด้วยสายตาโดยอาศัยเทคโนโลยีในห้องปฏิบัติการ เพื่อให้รู้ถึงสิ่งที่เกิดขึ้นในรายละเอียดปลีกย่อย  แต่ขณะนี้ Flatiron Institute ในนครนิวยอร์ก ได้พัฒนาเครื่องมือชนิดใหม่ที่เรียกว่า CalmAn และได้รับการพิสูจน์ว่าสามารถติดตามเซลล์ประสาทจำนวนมากได้ในเวลาเดียวกัน

ภาพเซลล์สมอง (สีขาว) ที่ได้จากการใช้เทคนิคสร้างภาพจากแคลเซียม  นวัตกรรมซอฟต์แวร์ CaImAn สามารถแยกความแตกต่างได้โดยอัตโนมัติระหว่างเซลล์ประสาทแต่ละเซลล์ ด้วยความแม่นยำที่ใกล้เคียงกับมนุษย์ ภาพโดย Giovannucci และคณะ/eLife 2019

 

    การติดตามการเคลื่อนไหวของแต่ละเซลล์เปรียบเหมือนกับความพยายามที่จะตามดูให้เห็นว่าใครกำลังพูดอะไรในสนามฟุตบอลที่เต็มแน่นไปด้วยผู้ชม  จนเมื่อไม่นานมานี้ นักประสาทวิทยาศาสตร์ยังต้องเบื่อหน่ายกับการติดตามเซลล์ประสาทด้วยมือเปล่า
    “เราใช้เวลาในการวิเคราะห์ข้อมูลของเซลล์เพื่อให้ได้ร่องรอยของกิจรรมมากกว่าการเก็บข้อมูลจริง ๆ” Dmitri Chklovskii ผู้นำกลุ่มประสาทวิทยาศาสตร์ที่ Center for Computational Biology (CCB) ที่ Flatiron Institute ในนครนิวยอร์ก กล่าว
    CaImAn (ย่อมาจาก calcium imaging analysis) มีให้ใช้ได้ฟรีมา 2 – 3 ปีแล้ว และได้พิสูจน์ว่ามีประโยชน์มหาศาลต่อชุมชนวิทยาศาสตร์ที่สร้างภาพจากแคลเซียม ซึ่งมีห้องปฏิบัติการมากกว่า 100 แห่ง ที่ใช้ซอฟต์แวร์นี้
    ระบบนี้อาศัยวิธีการเรียนรู้ของเครื่องจักรเพื่อติดตามเซลล์ต่าง ๆ ในขณะที่เซลล์เคลื่อนไหวอยู่ใต้กล้องจุลทรรศน์  ตามผลการศึกษาซึ่งเผยแพร่ในวารสาร eLife แสดงว่าระบบนี้สามารถทำงานได้ดีเกือบเท่ากับมนุษย์ในการติดตามเซลล์จากข้อมูลการสร้างภาพจากแคลเซียม
    เครื่องมือซอฟต์แวร์รุ่นใหม่ซึ่งไม่เคยปรากฏมาก่อนเรียกชื่อว่า CalmAn ทำงานตามกระบวนการโดยใช้วิธีการคำนวณแบบมาตรฐานกับเทคนิคการเรียนรู้ของเครื่องจักร  จากรายงานที่เผยแพร่ในวารสาร eLife กล่าวว่า ผู้สร้างซอฟต์แวร์แสดงให้เห็นว่า CaImAn ทำงานได้แม่นยำเกือบเท่ากับมนุษย์ในการสืบหาตำแหน่งของเซลล์สมองที่กำลังทำงานอยู่ โดยอาศัยข้อมูลการสร้างภาพจากแคลเซียม
    ขั้นตอนการทำงานฉบับล่าสุดของ CaImAn สามารถทำงานบนแล็บท็อปมาตรฐานและวิเคราะห์ข้อมูลแบบเวลาจริง (real time) ซึ่งหมายความว่า นักวิทยาศาสตร์สามารถวิเคราะห์ข้อมูลในขณะที่ทำการทดลองได้     “ห้องปฏิบัติการของผมตื่นเต้นกับความสามารถในการใช้เครื่องมือแบบนี้” John Pearson นักประสาทวิทยาศาสตร์แห่ง Duke University ซึ่งไม่มีส่วนร่วมในการพัฒนาซอฟต์แวร์ กล่าว
    CaImAn เป็นผลิตภัณฑ์ที่ริเริ่มโดย Chklovskii ในกลุ่มงานของเขาที่ CCB เขาได้เชิญให้ Eftychios Pnevmatikakis และ Andrea Giovannucci ในตอนหลังมาเป็นหัวหอกของโครงการ  โดยมีเป้าหมายเพื่อช่วยแก้ไขชุดข้อมูลที่มีมหาศาล ซึ่งผลิตขึ้นมาด้วยวิธีที่เรียกว่าการสร้างภาพจากแคลเซียม
    เทคนิคนี้ใช้การใส่สีย้อมพิเศษกับเนื้อเยื่อสมองหรือเซลล์ประสาทในจาน สีย้อมจะผสานกับไอออนแคลเซียมซึ่งมีหน้าที่กระตุ้นเซลล์สมอง  ภายใต้แสงอัลตราไวโอเลต สีย้อมจะสว่างขึ้น  มีเฉพาะฟลูออเรสเซนซ์เท่านั้นที่เกิดขึ้นเมื่อสีย้อมผสานกับไอออนแคลเซียม ช่วยให้นักวิจัยติดตามการทำงานของเซลล์ประสาทได้โดยการมองด้วยตา
    การวิเคราะห์ข้อมูลที่รวบรวมผ่านการสร้างภาพจากแคลเซียมเป็นงานที่ท้าทายอย่างมีนัยสำคัญ โดยกระบวนการนี้ได้ก่อให้เกิดข้อมูลจำนวนมหาศาล มากถึง 1 เทราไบท์ต่อ 1 ชั่วโมง
“ผู้ทำการทดลอง 1 คน สามารถป้อนข้อมูลลงฮาร์ดไดร์ฟที่มีขายทั่วไปให้เต็มได้ใน 1 วัน” Michael Häusser นักประสาทวิทยาศาสตร์ที่ University College London กล่าว โดยคณะทำงานของเขาได้ดำเนินการทดสอบ CaImAn
    ข้อมูลนี้ยังมีสัญญาณไม่ชัดเจน  เหมือนกับมีหลายเสียงๆ ปนกัน สัญญาณฟลูออเรสเซนซ์จากเซลล์ประสาทต่างๆ มักจะซ้อนทับกัน ทำให้ยากต่อการแยกแยะแต่ละเซลล์ประสาท  ยิ่งกว่านั้น เนื้อเยื่อสมองยังแกว่งตัว ซึ่งเพิ่มปัญหาท้าทายในการติดตามเซลล์ประสาทบางเซลล์ในเวลาที่ทำงานอยู่

ภาพถ่ายของเซลล์ประสาทที่รวบรวมด้วยการใช้เทคนิคการสร้างภาพจากแคลเซียม เป็นภาพที่มักจะแปลความหมายได้ยาก เนื่องจากเซลล์ประสาททับซ้อนกันได้  เครื่องมือซอฟต์แวร์ที่เรียกว่า CalmAn สามารถแยกแยะความแตกต่างระหว่างเซลล์ประสาทแต่ละเซลล์ด้วยความแม่นยำที่เกือบเท่ามนุษย์  Giovannucci et al./eLife 2019

    Pnevmatikakis ปัจจุบันเป็นนักวิทยาศาสตร์การวิจัยที่ Center for Computational Mathematics ของ Flatiron Institute ได้เริ่มพัฒนาขั้นตอนการคำนวณพื้นฐานซึ่งสนับสนุน CalmAn โดยส่วนของการศึกษาหลังปริญญาเอกในห้องปฏิบัติการของ Liam Paninski ที่ Columbia University
    “ขั้นตอนการคำนวณนี้มีความยอดเยี่ยมในทางคณิตศาสตร์  แต่เราตระหนักว่า มันยังทำงานได้ไม่ดีกับชุดข้อมูลที่แตกต่างกัน” Pnevmatikakis กล่าวและว่า “เราต้องการแปลงมันให้เป็นชุดซอฟต์แวร์ที่ชุมชนสามารถใช้ได้”
    นั่นเป็นส่วนหนึ่งของเหตุผลที่เขาถูกดึงให้ไปเข้าร่วมกลุ่มประสาทวิทยาศาสตร์ที่ Flatiron ซึ่งพัฒนาเครื่องมือใหม่ขึ้นมาเพื่อวิเคราะห์ชุดข้อมูลขนาดใหญ่
     ต่อมา Pnevmatikakis ได้เริ่มทำงานกับ Giovannucci แล้วไปศึกษาต่อระดับหลังปริญญาเอกที่ Princeton University โดยประยุกต์ใช้ขั้นตอนการคำนวณเพื่อติดตามกิจกรรมของเซลล์แกรนูลของสมองน้อย (cerebellar granule cells) ซึ่งเป็นกลุ่มเซลล์ประสาทที่เคลื่อนที่รวดเร็วและรวมกันหนาแน่น
    “เครื่องมือการวิเคราะห์ที่มีอยู่ในปัจจุบันไม่มีความสามารถเพียงพอที่จะคลี่คลายกิจกรรมของประชากรเซลล์ประสาทเหล่านี้” Giovannucci กล่าว เขาร่วมกับกลุ่มประสาทวิทยาศาสตร์ CCB เป็นเวลา 3 ปี เพื่อช่วยพัฒนาซอฟต์แวร์สำหรับการใช้งานที่กว้างขวางมากขึ้น
    “ขั้นตอนการคำนวณจะลดบรรดาสัญญาณแบคกราวนด์และมุ่งความสนใจไปยังสัญญาณไม่กี่สัญญาณ “เปิดเผยให้เห็นว่าเซลล์แกรนูลแต่ละเซลล์มีแบบแผนกิจกรรมที่แตกต่างกันอย่างชัดเจน”
    งานต่อไปที่ Flatiron Institute ได้เพิ่มความสามารถของ CaImAn และทำให้ซอฟต์แวร์ง่ายขึ้นสำหรับนักวิจัยที่จะใช้ในการทดลองปฏิบัติการต่างๆ โดยไม่ได้มีการปรับให้เข้ากับผู้ใช้แต่ละราย
    เมื่อเร็วๆ นี้คณะผู้วิจัยได้ทดสอบความแม่นยำของ CaImAn ด้วยการเปรียบเทียบผลของซอฟต์แวร์กับชุดข้อมูลที่มนุษย์ทำขึ้น  การเปรียบเทียบได้พิสูจน์ว่า ซอฟต์แวร์มีความแม่นยำเกือบเท่ากับมนุษย์ในการระบุเซลล์ประสาทที่ทำงานอยู่ แต่มีประสิทธิภาพสูงกว่ามาก
    ความเร็วของซอฟต์แวร์ช่วยให้นักวิจัยสามารถปรับการทดลองได้อย่างรวดเร็ว ช่วยปรับปรุงการศึกษาในประเด็นที่ว่า กลุ่มเซลล์ประสาทช่วยให้เกิดพฤติกรรมต่างๆ ได้อย่างไร  ชุดข้อมูลที่มนุษย์ทำยังแสดงให้เห็นถึงความเบี่ยงเบนที่สูงระหว่างบุคคล ซึ่งเน้นย้ำให้เห็นประโยชน์ของการมีเครื่องมือมาตรฐานสำหรับวิเคราะห์ข้อมูลการสร้างภาพ
    นอกเหนือจากเป้าหมายเรื่องความแม่นยำแล้ว คณะผู้วิจัยได้ใช้ผลที่มนุษย์อธิบายเป็นชุดข้อมูลเพื่อฝึกอบรม รวมทั้งพัฒนาเครื่องมือจากการเรียนรู้ของเครื่องจักรเพื่อเสริมแพ็คเกจของ CaImAn  คณะผู้วิจัยได้เผยแพร่ชุดข้อมูลออกสู่สาธารณะ เพื่อที่ชุมชนจะสามารถใช้ขยายผล CaImAn ต่อไปหรือสร้างเครื่องมือใหม่ๆ