Взаимосвязь компенсаторного компонента моторного поведения рыб и размерных характеристик их командных нейронов

1.

ПУЩИНСКИЙ ФИЛИАЛ ФГБОУ ВЫСШЕГО ОБРАЗОВАНИЯ «РОССИЙСКИЙ
БИОТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ (РОСБИОТЕХ)»
ПУЩГЕНИ – филиал РОСБИОТЕХ
ВЗАИМОСВЯЗЬ КОМПЕНСАТОРНОГО
КОМПОНЕНТА МОТОРНОГО ПОВЕДЕНИЯ РЫБ И
РАЗМЕРНЫХ ХАРАКТЕРИСТИК ИХ КОМАНДНЫХ
НЕЙРОНОВ
ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
Направление: 01.03.02 Прикладная математика и информатика
Профиль: Математические модели и методы в биологии
Автор ВКР: Михайлов Данила Романович
Научный руководитель: Камалов Тимур Фянович

2.

МНОГОМЕРНАЯ СОЗАВИСИМОСТЬ.
«ТРАНСФОРМЕРЫ».
ПОТЕРЯ ИНФОРМАЦИИ.
СВЕРТОЧНЫЕ НЕЙРОСЕТИ
МОДУЛЬНЫЕ СТРУКТУРЫ
НЕИНТУИТИВНОЕ РАЗЛИЧЕНИЕ ДАННЫХ
DEEP LEARNING.

3.

«ТРАНСФОРМЕРЫ», СВЕРТОЧНЫЕ НЕЙРОСЕТИ, DEEP LEARNING
МОДЕЛИ
ЭВОЛЮЦИОННОГО
ОТБОРА
МОДЕЛИ
ЕСТЕСТВЕННЫХ
НЕЙРОННЫХ
СЕТЕЙ

4.

C
B
A
Программирование на основе данной
гетерохимической концепции является
актуальной задачей современной
нейробиологии.
class ModuleA(Module):
def process(self, data):
self.input = data
self.output = data * 2
return self.output
class ModuleB(Module):
def process(self, data):
self.input = data
self.output = data + np.array([1, 2, 3])
return self.output
class ModuleC(Module):
def process(self, data):
self.input = data
self.output = data - np.array([0.5, 0.5,
0.5])
return self.output

5.

ГЕТЕРОХИМИЧЕСКАЯ
КОНЦЕПЦИЯ РАБОТЫ
МОЗГА
ОРКЕСТРИРОВАНИЕ
ЦЕНТРАЛЬНЫЙ
ГЕНЕРАТОР ПАТТЕРНА
СТАРАЯ КОНЦЕПЦИЯ «СТИМУЛ_ РЕАКЦИЯ» НЕПОЛНА?
ПЕРЕХОД К НОВОЙ КОНЦЕПЦИИ: ВЗАИМОДЕЙСТВИЕ ЦЕНТРАЛЬНОГО ГЕНЕРАТОРА
ПАТТЕРНА и ГЕТЕРОХИМИЗМА МОЗГА

6.

ЧТО ИЗВЕСТНО О МАТЕМАТИЧЕСКИХ МОДЕЛЯХ В ДАННОЙ ОБЛАСТИ
Основные математические модели, описывающие поведение избегания у
рыб, основаны на исследовании электрофизиологии нейронов рыб, обычно
используемых в качестве лабораторных модельных систем: рыбок данио
(Danio rerio) и золотых рыбок (Carassius auratus).
Накапливается все больше данных о том, что выбор моторной программы
(достижение ансамблем одного из устойчивых состояний активности)
определяется химическим составом экстраклеточной среды, который
является результатом кооперативной деятельности ансамбля нейронов. При
этом математические модели, описывающие гетерохимизм, только
начинают появляться в литературе. Такие модели, в основном, касаются
описания социального взаимодействия рыб.
Clements и соавторы показывают, как синаптическая пластичность
дофаминергических, ГАМК-ергических и глицинергических входов
синергетически модулирует бегство рыбок Danio rerio и их плавательное
поведение, в зависимости от социального статуса. Социально
обусловленные изменения в экспрессии белков в глицинергических
нейронах смещают баланс между возбуждающими (дофаминергическими) и
тормозящими
(глицинергическими
и
ГАМК-ергическими)
путями,
подчеркивая важность молекулярной регуляции адаптивного социального
поведения.

7.

Командные
маутнеровские нейроны
рыб
считали ответственными
только за реакцию
избегания рыб и не
применяли эти нейроны
в математическом
моделировании
(вплоть до работы
Miller 2017, Clements,
2023).
Они показали, что есть
доминирующие и
подчиненные особи, на
поведение
которых ключевым
образом влияет
гетерохимизм.

8.

ЦЕЛЬ РАБОТЫ:
разработка и апробация программного решения для
корреляционных зависимостей между параметрами моторного
поведения мальков рыб и морфологическими характеристиками
дендритов маутнеровских нейронов.
Для достижения данной цели были поставлены следующие задачи:
– Провести сбор поведенческих и морфологических данных.
– Выделить значимые поведенческие и морфологические признаки.
– Провести корреляционный анализ между параметрами моторного
поведения рыб и морфологическими характеристиками дендритов
маутнеровских нейронов.
– Разработать программное обеспечение для выявления взаимосвязи
между структурой дендрита и его вкладом в функцию нейрона на
языке программирования Python.
– Провести обучение и тестирование разработанного программного
обеспечения на основе обучающейся модели линейной регрессии.

9.

СБОР ДАННЫХ
1. Поведенческие данные мальков
золотой рыбки Carassius auratus 6-8
мес. возраста:
- Свободное поведение в узком
канале
- Движение за полосками
оптомоторного барабана
- Временная зрительная депривация
(заклеивание глаза)
- Введение пептида в мозг,
облегчающего состояние рыбки
после депривации
2. Морфологические данные
нейронов этих же мальков золотой
рыбки
Метод трехмерной реконструкции
дендритов нейронов мальков
золотой рыбки. Выявление
значимых признаков – объем
латеральных дендритов (и их
деревьев) и объем вентральных
дендритов (и деревьев).

10.

МЕТОДЫ ИССЛЕДОВАНИЯ
Для нашего исследования разработано программное обеспечение на
языке Python с использованием нескольких ключевых библиотек: Pandas,
NumPy, Scipy и Matplotlib.
Мы также использовали модули os и pickle для работы с файловой
системой и сериализации данных.
Основной инструмент для построения и оценки моделей машинного
обучения — Scikit-learn. Мы выбрали метод линейной регрессии для
прогнозирования морфологических характеристик на основе
поведенческих данных.
Для анализа взаимосвязей между поведенческими и морфологическими
данными мы применили метод главных компонент (PCA). Этот метод
позволяет снизить размерность данных, сохраняя наибольшее количество
информации. Главные компоненты выделяются таким образом, что первая
компонента объясняет наибольшую долю дисперсии данных, а
последующие компоненты сохраняют максимально возможную долю
оставшейся дисперсии. В результате первые компоненты содержат
основные тренды и паттерны в данных, что помогает выявить ключевые
аспекты их взаимосвязи.

11.

МЕТОДЫ АНАЛИЗА
Длина пути
LOR
2
0
-2
10
20
30
40
50
60
70
80 90 100 110
Номер поворота
120 130
140 150 160
Для анализа локомоторной активности выбрана функция LOR в качестве метода записи. LOR
представляет собой последовательность поворотов рыбки в канале, где положительные значения
обозначают поворот вправо, а отрицательные – влево. Модуль числа указывает на расстояние, которое
рыбка проплывает до поворота. Обычно это значение составляет 2 единицы, что означает, что рыбка
проплывает весь канал. Однако в некоторых экспериментах рыбка может поворачивать до достижения
конца канала, в таком случае модуль равен 1. На графике функции LOR по оси X отображается номер
поворота.

12.

МЕТОДЫ АНАЛИЗА
Число поворотов
влево вправо
Fm_LOR
10
0
-10
10
20
30
40
50
60
Номер монотонного периода
Угловая компенсация (УК) проявляется в том, что рыбка часто поворачивает в одну сторону. Для
отображения этого явления на графике используется функция Fm_LOR, вдохновленная идеей частотной
модуляции. Fm_LOR вычисляет количество поворотов в одну сторону, где положительные значения
обозначают поворот вправо, а отрицательные – влево. По оси X отображается номер периода поворотов
в одну сторону. Небольшой скрипт на Python принимает последовательность LOR на входе и преобразует
ее в функцию Fm_LOR.

13.

РЕЗУЛЬТАТЫ
1. Феномен угловой компенсации и расчёт латерализации движения
Наблюдение привело к разделению выборки значений Fm_LOR на две категории:
медианные значения, представляющие основную массу поворотов, и выбросы,
характеризующие длительные повороты в одну сторону.
Среди всех рассмотренных показателей латерализации наибольшую корреляцию
продемонстрировал показатель Lateral_Outliers. Следовательно, для более
точной оценки латерализации предпочтительнее использовать данные по
экстремальным значениям функции Fm_LOR, вместо усреднения всех
показателей исходной выборки LOR для расчета коэффициента латерализации.

14.

РЕЗУЛЬТАТЫ
2. Феномен перехода рыбки из обычного состояния в состояние
угловой компенсации.
Заклейка одного глаза у рыб приводила к
переходу в состояние угловой компенсации,
характеризующееся значительным
увеличением показателя стандартного
отклонения UK. Рыбы начали демонстрировать
больше поворотов в одном направлении, что
свидетельствует о смене парадигмы их
поведения.
Введение пептида, напротив, способствовало
возврату рыб из состояния угловой
компенсации в обычное состояние. Это
подтверждается снижением показателя
стандартного отклонения UK.
Эксперимент
Монокулярная депривация
Введение пептида
Fish ID
15-2018_before
15-2018_after
Int-13-2018_before
Int-13-2018_after
16-2018_before
16-2018_after
5-2018_before
5-2018_after
UK
1.40
3.94
1.58
3.32
4.33
1.19
2.10
1.41

15.

РЕЗУЛЬТАТЫ
3. Корреляции поведенческих и морфологических характеристик
1. Угловая компенсация моторного
поведения рыб способствует
увеличению разветвленности и
объема вентральных дендритов МН,
что может оказывать положительное
воздействие на скорость движения
за полосками барабана.
2. Увеличение коэффициента угловой
компенсации также приводит к
возрастанию разветвленности
латеральных дендритов, что
потенциально может снижать
скорость движения за полосками
барабана.
3. Положительный эффект от
увеличения разветвленности
вентрального дендрита преобладает
над отрицательным влиянием
усиления разветвленности
латерального дендрита.

16.

РЕЗУЛЬТАТЫ
3. Корреляции поведенческих и морфологических характеристик нейронов.
С помощью разработанного программного обеспечения мы получили
данные о корреляции морфологических и поведенческих характеристик
внутри выборки, включающей 31 малька рыб.
1. Более высокая разветвленность морфологических структур, особенно
латеральных дендритов, приводит к снижению скорости движения в барабане.
2. Объем латеральных дендритов положительно коррелирует со скоростью
движения рыб в канале. Рыбы, нейроны которых обладают большими
латеральными дендритами, быстрее двигаются в узких пространствах.
3. Объем вентральных дендритов нейронов положительно влияет на скорость
движения за полосками барабана.

17.

РЕЗУЛЬТАТЫ
4. Получение двух групп на основании анализа PCA
В процессе анализа данных был
применён метод главных компонент
(PCA). Группа, отмеченная красным
цветом, характеризуется высокой
скоростью передвижения за
полосками оптомоторного барабана
и значительной угловой
компенсацией. Синяя группа
выделяется высокой скоростью
движения в водном канале при
низких значениях угловой
компенсации. Зелёная группа состоит
из особей с небольшими размерами
дендритов, которые демонстрируют
низкую скорость как в канале, так и
за полосками оптомоторного
барабана. В естественной среде
такие рыбы, вероятно, стали бы
жертвами хищников.

18.

РЕЗУЛЬТАТЫ
5. Разработано программное обеспечение для прогнозирования
морфологических характеристик по поведенческим и наоборот
Speed
Lateralization
Normal
9,133333
LLD
0
RLD
91170
Lateralization
Outliers
1
LVD
74060
Lateralization All
RVD
41648
UK_Standard
Deviation
0,080292
bc_LLD
445630.484
bc_RLD
0.496
Drum Speed
Clockwise
1,528145
bc_LVD
0.253
Drum Speed
Counterclockwise
6,5
bc_RVD
0.269
5,1

19.

ВЫВОДЫ
1. Выявлена группа рыб с необычным поведением, названным эффектом угловой
компенсации. Рыбы совершают множество поворотов в одном направлении. В
условиях гиперстимуляции (временная монокулярная депривация) удалось
продемонстрировать переходы между обычным состоянием и состоянием
угловой компенсации.
2. Разработано программное обеспечение, с помощью которого получены данные
о корреляции морфологических и поведенческих характеристик. Обнаружено,
что объемы латеральных дендритов нейронов положительно коррелирует со
скоростью движения рыб в узком канале. Более высокая разветвленность
морфологических структур, особенно латеральных дендритов, приводит к
снижению скорости движения за полосками оптомоторного барабана.
3. Среди всех рассмотренных показателей латерализации наибольшую корреляцию
продемонстрировал показатель Lateral_Outliers. Это может свидетельствовать о
том, что латерализация движений наиболее выражена во время монотонных
периодов, когда рыба осуществляет повороты в одном направлении на
протяжении значительного времени. Следовательно, для более точной оценки
латерализации предпочтительнее использовать данные по экстремальным
значениям функции Fm_LOR, вместо усреднения всех показателей исходной
выборки LOR для расчета коэффициента латерализации.

20.

4. Впервые показано, что объем вентральных дендритов нейронов взаимосвязан со
скоростью оптомоторного рефлекса. Особенно интересным оказалось обнаружение
корреляции между степенью разветвленности дендритов, угловой компенсации и
скоростью оптомоторного рефлекса: есть особи, которые проявляют низкую степень
угловой компенсации, что делает их более склонными к колебаниям. Эти рыбы
медленнее движутся за полосками, но быстрее в канале, так как их главная задача следовать за доминирующими особями и быстро реагировать на любые изменения
или угрозы в окружающей среде.
5. Есть доминантные особи, «вожаки», которые должны быть быстрыми и
целеустремленными при анализе изменений в окружающей среде. Увеличение
скорости оптомоторного рефлекса таких рыб связано с высокими значениями объема
вентральных дендритов МН. Медленное движение в канале обусловлено
необходимостью более частого анализа окружающей среды через слуховые входы,
что замедляет движение, но обеспечивает безопасность стаи. Обнаруженное
явление угловой компенсации имеет основополагающее значение для выполнения
оптомоторного рефлекса рыб и их выживания, поскольку связано с их способностью к
быстрой и точной ориентации в пространстве. Это свойство позволяет рыбам
эффективно реагировать на изменения в окружающей среде, что критически важно
для избегания хищников, поиска пищи и выполнения других жизненно важных
функций.

21.

СПАСИБО ЗА ВНИМАНИЕ!