Att lära en dator att bete sig som en zebrafisk var inte Martin Haesemeyers mål.

Faktiskt, forskarassistenten i Florian Engerts labb, professor i molekylär och cellulär biologi, och Alexander Schier, Leo Erikson Life Sciences professor i molekylär och cellulär biologi, hoppades kunna bygga ett system som fungerade annorlunda än zebrafisk med ett öga mot att jämföra hur båda behandlar temperaturinformation.

Vad han fick istället var ett system som nästan perfekt efterliknade zebrafisken – och det kan vara ett kraftfullt verktyg för att förstå biologi. Arbetet beskrivs i en tidning den 31 juli publicerad i Nervcell .

"Initialt, det jag var nyfiken på var någon form av jämförelsestudie, att titta på zebrafiskar och något som Drosophila och se om deras hjärnor gör detta på samma sätt, " Sa Haesemeyer. "Och som ett billigare alternativ än att få ett annat djur att göra det, Jag valde det artificiella neurala nätverket, och jag blev förvånad över att det fungerade så bra."

Med hjälp av programvara med öppen källkod, Haesemeyer byggde ett neuralt nätverk med en arkitektur som skiljer sig från den i zebrafiskens hjärna, gav den några grundläggande regler om hur man bearbetar temperaturförändringar, och sedan lät den "lära sig" hur man gör det själv.

"Väsentligen, vad nätverket lär sig är ... en filterfunktion för att extrahera förändringshastigheter från ett stimuli, " Sade Haesemeyer. "Den gör vad den tycker är den bästa rörelsen, och sedan när ingångarna ändras eftersom det är på en annan plats, den rör sig igen, och börjar navigera i värmegradienten. Och efter att ha lärt sig, det kan göra det ganska bra."

Men det var inte bara nätverkets förmåga att navigera den intresserade Haesemeyer – det var det faktum att det verkade göra det på ett sätt som var identiskt med fisken.

"Det var två saker jag tittade på, " sa han. "Den första var, i brist på en bättre term, hur bra var dess beteende jämfört med zebrafisk? Följer den liknande regler som zebrafisk? Och det gör det verkligen.

"Jag kan också mäta hur snabbt det integrerar stimulans, " fortsatte han. "Jag hade tidigare gjort det med zebrafisk, och resultaten från det konstgjorda nätverket överensstämmer, så även om jag inte sa till nätverket att det skulle vara uppmärksamt på temperaturen var halva sekund, vilket fisken gör, den lärde sig en liknande färdighet."

Haesemeyer jämförde sedan det artificiella nätverket med bilddata från hela hjärnan som han tidigare hade samlat in som visade hur varje cell i zebrafiskhjärnan reagerade på temperaturstimulans. Han fann att de konstgjorda "neuronerna" visade samma celltyper som de som finns i biologiska data.

"Det var den första överraskningen - att det faktiskt finns en mycket, mycket bra matchning mellan hur nätverket kodar temperatur och hur fisken kodar temperatur, " sa han. "Och som ett sätt att bekräfta den punkten lite mer ... en sak vi enkelt kan göra med det konstgjorda nätverket är att ta bort vissa celltyper. När vi tog bort alla celler som ser ut som de i fisken, nätverket kan inte längre navigera i gradienten, så det indikerar verkligen att det som får nätverket att göra vad det gör är cellerna som ser ut som de som finns i fisken."

Haesemeyer tror att det kan vara möjligt att skapa konstgjorda nätverk för andra djur. Om det är, de kan visa sig vara viktiga guider för att förstå biologiska nätverk.

"Till exempel, det fanns en celltyp i nätverket som jag inte hade hittat i fisken, " sa han. "Men eftersom allt annat verkade passa så bra, Jag trodde att jag kanske bara inte hittade det för när du analyserar helhjärnavbildning måste du göra vissa avvägningar som gör det svårt att hitta sällsynta celltyper. Och det visade sig att denna ena celltyp, som nätverket förutspådde och jag inte hade hittat, finns faktiskt i fisken."

Även om Haesemeyer sa att han tvivlar på att den dagen kommer när konstgjorda nätverk räcker för att förstå komplexa beteenden – hypoteser kommer alltid att behöva bekräftas av biologi – tror han att nätverken kan fungera som viktiga verktyg.

"Om du vet vilka frågor du ska ställa, du kommer att behöva göra betydligt färre experiment, och du kan få svar mycket snabbare än att jaga med ett hagelgevär i mörkret, " han sa.

Haesemeyer sa att fyndet också belyser behovet av forskare att få en tydligare förståelse för exakt hur sådana konstgjorda nätverk fungerar.

"Jag tror att det kommer att bli viktigare och intressantare att generellt studera hur dessa nätverk gör dessa saker, för det är fortfarande väldigt svårt att reda ut vad de gör, " sa han. "I det här fallet, det fungerade eftersom inmatningsstimulansen var ganska enkel, men jag tror att det finns intressanta utvecklingar att hitta när det gäller att förstå hur dessa nätverk utför sina uppgifter som kan lära oss mer om vår hjärna."

Den här historien är publicerad med tillstånd av Harvard Gazette, Harvard Universitys officiella tidning. För ytterligare universitetsnyheter, besök Harvard.edu.