杜克大学医学院的神经科学家们开发了一种人工智能工具，该工具可以识别从小脑记录到的电活动信号是由哪种类型的神经元产生的。这一发现有助于更深入地了解小脑的功能。这项研究发表在最新一期的《细胞》杂志上。
对于该研究的七位共同资深作者之一、乔治·巴特·盖勒杰出神经生物学研究教授斯蒂芬·利斯伯格博士来说，这一发现标志着一个关键时刻，有望解答他50多年来一直在思考的问题。
“当我1971年开始读研究生时，我们已经知道小脑中有一个电路——神经元以非常特定的方式相互连接。但我们只能记录输入神经元和输出神经元，”他说。“我们无法弄清楚进入结构的信号是如何转化为输出信号的。我们无法解释大脑是如何做到这一点的。”
如今，神经科学家可以同时记录数十个相互连接的神经元，测量许多神经元产生的电活动。在小脑中，就像许多其他脑区一样，不同类型的神经元以一致的方式连接，形成进行大脑“计算”的“电路”，利斯伯格说。他是杜克大学神经生物学系的主任。
然而，先进的电活动记录技术并不能显示这些信号是由哪种类型的神经元产生的。这些信号来自浦肯野细胞、分子层中间神经元、高尔基细胞还是苔藓纤维？为了回答这些问题，神经科学家通常会使用成像或其他类型的研究。而新工具则有望将这两种研究方法的能力结合在一起。
“如果你能回答电路是如何工作的，那么你就能解释大脑是如何产生行为的，”利斯伯格说。
贝勒医学院的哈维尔·F·梅迪纳博士是该研究的主要通讯作者，他将记录神经元活动比作听到一群说着不同语言的人同时说话。“我们的新AI工具可以通过识别每个记录神经元的电特征来确定它属于哪个群体，这是一次革命性的进步，因为它解决了识别说话者的第一步，”梅迪纳说。“有了这个工具，我们现在可以进一步揭开不同神经元之间的交流内容。”
自2018年以来，来自杜克大学、贝勒医学院、伦敦大学学院、西班牙格拉纳达大学、阿姆斯特丹大学、以色列巴伊兰大学和伦敦国王学院的23名科学家团队合作创建并验证了这种分类工具的准确性。
为了构建分类器，科学家们首先必须测量小脑内不同类型神经元的独特电特征。通过光遗传学实验，将光敏蛋白基因引入特定类型的神经元，作者对每种小脑神经元类型的电活动进行了“标记”。利用这些电特征，他们训练了深度学习分类器，使其能够根据神经元类型对从小脑记录到的活动进行分类。
杜克大学神经生物学系高级研究员大卫·赫兹菲尔德博士是该论文的七位共同第一作者之一。他与其他机构的同事一起设计并训练了分类器。
“这一工具是我们研究小脑如何处理信息能力的重大进步，”赫兹菲尔德说。“通过识别神经元类型并测量其活动，我们可以提出关于小脑如何将输入转化为输出的新问题。我希望我们的技术能够启发研究其他脑区的研究人员，建立将神经活动与神经元身份匹配的工具，从而帮助揭示不同电路的功能，并最终为治疗神经系统疾病开辟新途径。”
其他杜克大学的作者包括玛丽·海梅尔特博士、科特·赫尔博士和内森·J·霍尔。
该研究得到了美国国立卫生研究院、欧洲研究理事会、威康信托基金、欧洲分子生物学组织、欧盟“地平线2020”研究与创新计划以及由欧盟委员会资助的SYNCH项目的资助。
(全文结束)
