2025年5月9日
图片：© onimate | iStock
人工智能成功破解神经科学百年难题，首次识别不同脑神经元的电生理特征
大脑由神经元构成，每种神经元在信息处理中扮演不同角色。科学家早前已能通过电极检测神经元产生电信号"尖峰"来监测活动，但该方法始终存在重大局限——无法识别具体神经元类型，导致难以确定不同神经元对脑功能的具体贡献。
AI实现五种脑神经元自动识别
研究团队采用光遗传学技术，通过短脉冲蓝光触发特定细胞类型的神经元活动，首次建立了小鼠脑内不同神经元类型的电生理特征库。基于这些特征训练的AI算法，在无需遗传标记的情况下，成功实现对五种神经元95%的识别准确率，并在灵长类脑记录数据中得到验证。
伦敦大学学院惠康神经科学研究所的共同第一作者Maxime Beau博士指出："神经科学家几十年来都在解决行为过程中同时识别多种神经元的根本难题。我们的方法现在能在小鼠和猴子中实现超过95%的识别准确率。这种突破使研究人员能同时记录执行复杂行为时的脑回路，就像计算机芯片中的逻辑门电路，脑内神经元是多种类型的计算单元。我们的方法提供了同步识别多个'逻辑门'的工具，相比传统单细胞分析方法，显著降低了成本。"
技术将推进人类神经疾病研究
研究团队确认该算法具有跨物种适用性，短期内无需复杂遗传工程即可研究普通动物模型的脑功能。该技术特别适用于癫痫、自闭症和痴呆等神经精神疾病的机制研究，这些疾病被认为与脑内不同类型细胞相互作用异常有关。
研究资深作者、伦敦大学学院惠康神经科学研究所Beverley Clark教授比喻道："就像管弦乐队不同乐器共同演奏交响乐，大脑依赖多种神经元协同产生复杂行为。我们的工作相当于学习每个'乐器'的声学特征，并教会算法识别它们对'神经交响乐'的贡献。"
她补充说明："观察脑内'神经交响乐'的动态是神经科学百年来的根本挑战，现在我们终于找到了可靠方法。虽然该技术应用于神经系统疾病研究仍需时日，但我们已突破重大技术障碍。事实上，临床手术中已能记录活体人脑活动数据，我们的技术可用于分析这些珍贵记录，为健康与疾病状态下的脑功能研究开辟新路径。"
【全文结束】
