社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

Neuron:机器学习助力疼痛研究,有望开发全新的痛觉检测和评估方法

brainnews • 3 年前 • 699 次点击  


慢性病理性疼痛正加重全球卫生健康负担,目前尚缺乏有效且低副作用的治疗方法。临床前研究通过建立模型研究慢性疼痛的病理机制,比如足底注射卡拉胶构建炎症性疼痛模型、关节腔内注射单碘乙酸酯构建骨关节炎(OS)模型。对于疼痛的评价,研究长期依赖于组织学分析和诱发性疼痛行为试验(如机械刺激或温度刺激诱导的行为),而对自发性疼痛行为的评价尚显不足。


罗格斯大学Victoria E. Abraira和哥伦比亚大学Ishmail Abdus-Saboor团队于2023年7月12日在Neuron发表原著论文,利用机器学习工具揭示了在疼痛、镇痛和恢复状态下的诱发性疼痛和自发性疼痛行为。



欢迎加入

感知觉学术讨论群

添加小编微信

brainnews_15

-留言:感知觉研究群-






为了找出表征不同模型中痛觉行为变化的关键时间点,研究人员首先在炎症性疼痛模型和OA疼痛模型中测定了传统的诱发痛行为(热痛、机械痛行为)和自发痛行为(后肢站立时间)。结果表明,在构建炎症性疼痛模型24h后,站立时间已经恢复正常,但热痛阈值依然显著降低;OA模型中的D3和D10时间点的机械痛阈值和站立时间无明显差异。


进一步,研究人员利用电生理记录了支配对应疼痛区域的感觉神经元的电活动,结果表明炎症性疼痛模型中4h时的神经元的兴奋性显著增高,在24h时与对照组无显著差异;OA模型中的D3和D10时的神经元兴奋性均显著增高。此外,对不同时间点的感觉神经元的TRPV1的表达水平测定结果表明,炎症性疼痛模型中24h时的TRPV1的表达仍显著升高。这些结果说明,分子表达水平、自发痛行为及诱发痛行为之间在同一时间点上存在不一致,现有的行为试验对于表征痛觉的动态变化是不充分的。


图1、炎症性疼痛模型和OA疼痛模型在不同时间范围内导致诱发性疼痛行为改变和感觉神经元的兴奋性增高


为了探究诱发痛行为的动态变化,研究人员利用高速摄像记录毛刷和针刺刺激后的动物行为。结果表明,炎症性疼痛模型后对毛刷和针刺刺激的反射性行为的时间变化与传统试验结果一致,但针刺刺激在4h和24h时所诱发的甩爪(paw shaking)和护爪(paw guarding)时间均显著延长。进一步采用无监督机器学习工具对录像进行解析,研究人员发现了两种不同的护爪行为:成角护爪(angled guarding)在毛刷刺激后显著增加,水平护爪(flat guarding)在针刺刺激后显著增加。该结果说明,成角护爪可用于表征allodynia,水平护爪用于表征hyperalgesia。这是目前为止首次发现能区分诱发痛中的allodynia和hyperalgesia行为的研究。


图2、自动疼痛评估工具PAWS和B-SOiD检测出炎症性疼痛相关的防御性行为


进一步,研究人员利用飞行时间红外摄像机结合无监督机器学习工具,探究能表征炎症性疼痛模型中的自发痛的行为模块。该分析鉴定出了四种行为模块:移动、梳毛、停止、站立。与传统行为分析结果不同,该研究结果表明,炎症性疼痛模型后24h时的站立行为模块依然显著降低。此外,不同疼痛模型以及不同时间点的行为模块的变化不同,说明行为模块的变化组合能够表征自发痛的动态变化。


图3、3D姿势分析检测出自发痛的行为特征


此外,研究人员对模型动物给与镇痛药加巴喷丁或美洛昔康,并分别采用传统行为学试验和上述新方法进行行为学分析。传统试验发现加巴喷丁能显著提高OA疼痛模型的机械痛阈值,美洛昔康能缓解炎症性疼痛模型的热痛行为。新方法分析结果表明,两药能缓解诱发痛,但自发行为并不能恢复到建模前状态。


图4、美洛昔康能缓解诱发痛但不能使自发行为恢复到炎症前状态,而加巴喷丁能改善OA模型的自发行为


该研究还发现不同行为序列(行为模块的排列顺序)能够用于预测疼痛和镇痛状态。在延长炎症性疼痛模型的观察时间后,研究人员利用3D姿势分析发现,在建模14天后,站立模块依然显著降低、停止模块依然显著升高,表明自发痛行为长期存在。


综上,该研究综合利用了疼痛模型、电生理记录、计算机视觉、监督及无监督机器学习和药理学方法,发现了不同模型中的诱发性疼痛行为以及分别表征疼痛、镇痛和恢复状态的自发性疼痛行为模块和序列。该研究还发现了镇痛药物并不能使行为恢复到建模前状态,而是诱导了一系列全新的行为。利用这些行为模块有助于开发全新的痛觉检测和评估方法。


原文链接:

https://doi.org/10.1016/j.neuron.2023.06.008



参考文献

Bohic M, Pattison LA, Jhumka ZA, et al. Mapping the neuroethological signatures of pain, analgesia, and recovery in mice [published online ahead of print, 2023 Jul 6]. Neuron. 2023;S0896-6273(23)00464-6. doi:10.1016/j.neuron.2023.06.008


    编译作者:Hong Chaoli(brainnews创作团队)

    校审:Simon(brainnews编辑部)


    往

    Neuron:新技术首次定量评估了直接神经发生和间接神经发生在大脑皮层结构中的贡献

    期

    Nat Neurosci:孤独症最新的“肠脑轴”研究

    推

    Nature 和 Cell 杂志相继发表重要综述:关注癌症的神经科学,跨学科协作推动发展

    荐

    Nat Rev Neurosci最新总结:明星脑区“海马齿状回”的功能评估——重要发现与争议




    Python社区是高质量的Python/Django开发社区
    本文地址:http://www.python88.com/topic/158073