Giới thiệu sơ đồ thần kinh, hộp công cụ Python dành cho nghiên cứu khoa học thần kinh - The McGill Tribune

Một nhóm các nhà nghiên cứu của McGill đã xuất bản một bài báo trên tạp chí Nature Methods trưng bày các sơ đồ thần kinh, một hộp công cụ Python nguồn mở cho phép các nhà thần kinh học phân tích dữ liệu hình ảnh não bằng một bộ công cụ nhất quán và so sánh nó với cơ sở dữ liệu bản đồ não được quản lý. Ứng cử viên tiến sĩ Justine Hansen, một trong những tác giả đầu tiên của bài báo, đã nói chuyện với The McGill Tribune về cách thức hoạt động của bản đồ thần kinh và những gì cô ấy hy vọng nó sẽ đạt được.  

Neuromaps cung cấp cho các nhà nghiên cứu một bộ công cụ phần mềm để chuyển đổi dữ liệu từ định dạng này sang định dạng khác mà không cần phải tự thực hiện các phép tính. Đồng thời, nó tập hợp một cơ sở dữ liệu gồm khoảng 40 bản đồ não bộ tiêu chuẩn mà các nhà nghiên cứu có thể so sánh dữ liệu của họ với một tập hợp “các giá trị không gian không gian”, là các bài kiểm tra về ý nghĩa thống kê trong dữ liệu. Kết hợp lại, các tính năng này làm cho quá trình phân tích, so sánh và rút ra kết luận từ dữ liệu trở nên hợp lý và đáng tin cậy hơn

Về cốt lõi, bản đồ thần kinh nhằm mục đích đơn giản hóa dữ liệu hình ảnh não, vì dữ liệu cực kỳ phức tạp với nhiều biến số khác nhau. Tệ hơn nữa, mỗi máy quét não tạo ra dữ liệu được lưu trữ theo một cách khác hoặc sử dụng các hệ tọa độ khác nhau. Điều này đặt ra cho các nhà nghiên cứu nhiệm vụ chuyển đổi dữ liệu giữa các hệ thống, vừa tốn thời gian vừa dễ xảy ra lỗi.  

Hansen giải thích: “Nếu mọi người đang thực hiện quy trình của riêng họ, được phát triển theo cách riêng của họ và chúng tôi không tham chiếu chéo họ với nhau, thì lỗi sẽ dễ dàng tìm đường xâm nhập hơn”.  

Hansen và một nhóm các nhà nghiên cứu tại Viện Thần kinh-Bệnh viện Montreal đã nhận thấy những trở ngại này trong công việc của họ và quyết định xây dựng một chương trình Python để giải quyết chúng.  

“Khi nói đến nhiều hộp công cụ phần mềm, tốt nhất bạn nên tạo một hộp nếu bạn nghĩ nó sẽ hữu ích cho bản thân,” Hansen nói. “Giống như, chúng tôi gặp vấn đề này, có lẽ những người khác cũng gặp vấn đề này. ”

Vì sơ đồ thần kinh là mã nguồn mở và có thể truy cập công khai trên GitHub, các nhà nghiên cứu khác đã có thể sử dụng nó cho các dự án của riêng họ. Những người khác có thể xem mã nó sử dụng và đề xuất các thay đổi dựa trên các lỗi họ gặp phải hoặc các trường hợp sử dụng mà họ đã tìm thấy.  

“[Người dùng] sẽ cho chúng tôi biết, chẳng hạn như lỗi rất cụ thể hoặc những thứ mà chúng tôi chưa phát hiện ra, bởi vì đó chỉ là […] không phải cách chúng tôi sẽ sử dụng nó,” Hansen nói. “Vì vậy, chúng tôi đã hiểu rõ hơn về cách mọi người sử dụng nó và điều đó đã giúp chúng tôi phát triển nó hơn nữa. Đó chắc chắn là một quá trình liên tục. ”

Theo Hansen, sự phát triển và hợp tác với các nhà nghiên cứu khác, và thậm chí giữa các ngành, là rất quan trọng đối với các dự án như bản đồ thần kinh. Để phát triển phần mềm, họ không chỉ cần chuyên môn về khoa học thần kinh mà còn cả khoa học máy tính, toán học và quản lý dữ liệu.  

Đối với nhóm đằng sau bản đồ thần kinh, triết lý hợp tác và ưu tiên các phương pháp tiếp cận đa ngành vượt xa sự phát triển của chính phần mềm.  

“Chúng tôi chắc chắn hy vọng rằng nó sẽ giúp châm ngòi cho nhiều nghiên cứu đa ngành, đa phương thức hơn. Vì vậy, điều đó có nghĩa là, các nhà nghiên cứu có thể tạo cầu nối cho nhiều ngành khác nhau, cũng như nhiều loại dữ liệu khác nhau,” Hansen nói

Bằng cách cho phép các nhà nghiên cứu xem xét các loại dữ liệu khác nhau, ngay cả những dữ liệu được thu thập bởi các nhà khoa học thuộc các ngành khoa học thần kinh khác, sơ đồ thần kinh cho phép các nhà nghiên cứu kết nối với các phòng thí nghiệm khác và kiểm tra các xu hướng nghiên cứu lớn hơn

“Tôi nghĩ rằng có rất nhiều giá trị khi xem xét mọi thứ ở chế độ phóng to, bởi vì đó là cách chúng tôi có được độ sâu và chất lượng hình ảnh tốt nhất. Nhưng sau đó, những gì bản đồ thần kinh cố gắng thực hiện cũng là cung cấp cho chúng ta góc nhìn thu nhỏ đó,” Hansen nói. “Vì vậy, bây giờ hãy tập hợp mọi thứ lại với nhau và xem, chúng ta có thể thấy những mối quan hệ toàn cảnh này không?”

Hộp công cụ neuromaps được thiết kế để giúp các nhà nghiên cứu so sánh dễ dàng, chính xác về mặt thống kê giữa các bản đồ não bộ (hoặc chú thích não bộ)

Bài báo đi kèm được xuất bản trên tạp chí Nature Methods

Yêu cầu cài đặt

Hiện tại, neuromaps hoạt động với Python 3. 7+ và yêu cầu một vài phụ thuộc

• matplotlib
• nibabel (>=3. 0)
• nilearning (>=0. 7)
• gọn gàng (>=1. 14)
• scikit-learning (>=0. 17)
• scipy

Bạn có thể bắt đầu bằng cách cài đặt neuromaps từ kho lưu trữ nguồn với

git clone https://github.com/netneurolab/neuromaps
cd neuromaps
pip install .

Bạn cũng sẽ cần cài đặt và có sẵn Connectome Workbench trên đường dẫn của mình để sử dụng hầu hết chức năng chuyển đổi/lấy mẫu lại của neuromaps

trích dẫn

Nếu bạn sử dụng hộp công cụ neuromaps, vui lòng trích dẫn bài báo của chúng tôi. Nếu bạn sử dụng dữ liệu có trong kho lưu trữ neuromaps, hãy đảm bảo trích dẫn bài báo gốc đã xuất bản dữ liệu này. Có thể tìm thấy bảng có tham chiếu cho từng bản đồ não trong Wiki

Thông tin giấy phép

Tác phẩm này được cấp phép theo Creative Commons Ghi công-Phi thương mại-Chia sẻ tương tự 4. 0 Giấy phép quốc tế cc-by-nc-sa. Giấy phép đầy đủ có thể được tìm thấy trong tệp GIẤY PHÉP trong bản phân phối neuromaps