创新技术，例如人工智能(AI)机器学习和光遗传学正在加速生命科学的发现，特别是在神经科学．一项新的突破性研究发表在当代生物学范德比尔特大学(Vanderbilt University)的先锋大脑研究人员利用光遗传学和人工智能机器学习揭示了这一点多巴胺不仅仅是一个“愉快分子” - 一个可能影响如何影响的革命性发现瘾和精神病学疾病将来受到治疗。

“在患有物质使用障碍的患者中看到多巴胺缺陷，”Vanderbilt University药理学助理教授Erin Calipari表示，Vanderbilt Brain Institute和Vanderbilt Centurs的教师成员的辅导员。“这些人减少了多巴胺以及赤字决策这将由我们的数据和新模型解释。决策中的这些缺陷与成瘾的严重程度以及预测治疗结果的严重程度高度相关。这些数据是理解多巴胺这种疾病之间关系的关键，并弄清楚如何治疗它。“

神经科学研究是在卡利帕里的实验室进行的领导卡利帕里和博士后穆尼尔·古尼斯·库特鲁的合作。范德比尔特研究团队的其他成员包括詹妮弗·扎克里、帕特里克·梅鲁金、斯蒂芬妮·卡吉加斯、马克西姆·切维、香农·凯利、巴努·库特卢和科迪·西西里亚诺。范德比尔特大学的研究人员协作戴维斯大学加利福尼亚大学生物化学和分子医学教授和副主席。

现有的普遍接受的多巴胺作用的神经科学理论被称为“奖励预测误差理论”。该理论定位多巴胺神经元信号是一种预测误差，这是接收和预测奖励之间的差异。

阳性预测误差是当多巴胺神经元被比预测的更奖励激活，并且负预测误差是当多巴胺神经元显示比预测的奖励较少的抑郁活动。多巴胺神经元留在完全预测奖励的基线活动。

上瘾药物可以产生，提高和服用多巴胺奖励信号，并导致不受控制的多巴胺对神经元塑性的影响。理论上是预测错误消息可以用作行为和学习的强大信号。

目前奖励预测误差理论的缺点是它没有描述与多巴胺相关的多种现象。例如，奖励预测误差理论未能使用负或中性刺激模拟多巴胺释放模式。

在神经解剖学上，伏隔核是基底神经节腹侧纹状体的一部分。基底神经节是一组皮层下核，或位于大脑皮层下方的神经元。伏隔核是大脑中与奖励处理、药物成瘾、神经功能障碍和精神疾病相关的区域。

进行实验，研究人员使用光遗传学这是一种对神经科学研究很有用的技术，光线可以“打开”或“关闭”转基因神经元。在另一组小鼠中，采用ChR2 (channelrhodopsin, ChR2)记录刺激末梢时多巴胺的释放，并采用ChR2 (channelrhodopsin, ChR2)记录多巴胺末梢的光致兴奋。

在这项研究中，研究人员使用了人工智能监督机器学习。具体来说，他们使用支持向量机(svm)分类器来定义位于小鼠伏隔核(NAc)区域的多巴胺是否预测了其行为。他们开发了一个定制的MATLAB代码，为每个与行为结果相关的多巴胺信号创建训练和测试数据集。人工智能算法和计算模型帮助研究人员分析数据。

研究人员证明，多巴胺的释放只符合学习情景的子集中的奖励预测错误预测，因此，“对多巴胺作为预测错误信号的假设提出了重大挑战，同时为NAc核心多巴胺释放作为感知显著信号的作用提供了另一种解释。”

根据科学家们的说法，这项研究提供了多巴胺在行为控制中扮演的角色的更完整的画面，并统一了多巴胺信号传导的多种理论。这项研究的影响可能对精神病理学——异常的起源、发展和表现的研究——具有广泛的意义认识，行为功能障碍和心理障碍。

“多巴胺在几乎每次精神疾病中都有疑遂，如焦虑，沮丧卡利帕里说。“为了有效治疗患者，我们需要知道这些多巴胺缺失意味着什么，以及它们如何调节行为。这是开发这些疾病新疗法的第一步。”

版权所有©2021 Cami Rosso