了解和治疗诸如震颤、平衡失调和言语障碍等大脑疾病需要深入理解小脑，这是大脑中对精确运动至关重要的部分。长期以来，科学家们能够监听并记录小脑中的神经元（脑细胞）发出的电信号，从而观察进入和离开这一区域的信号。然而，大脑在输入和输出之间进行的计算一直是个谜。
然而，现在情况正在发生变化。包括贝勒医学院的研究人员在内的一个研究团队，创建了一种人工智能工具，可以识别在行为过程中从小脑记录到的电信号是由哪种类型的神经元产生的，从而对小脑的工作方式有了新的理解。
这项研究发表在最新一期的《细胞》杂志上，描述了这种半监督深度学习分类器工具，使研究人员能够理解小脑在多种行为中的作用。
“当我们用细胞外电极记录神经元的活动时，就像听到一群人在同时用不同的语言交谈——一些人说西班牙语，一些人说英语或德语——都在一起说话。我们的新AI工具允许我们通过识别其电特征来确定每个记录的神经元属于哪个群体，”贝勒医学院布朗基金会教授兼神经科学与人工智能中心主任Javier Medina博士说，他是该研究的资深通讯作者。
“这是一个革命性的进步，因为它解决了解码神经对话的第一步——理解谁在说话。有了这一点，我们现在可以揭开不同神经元之间在说什么。”
科学家们早就知道神经元是相互连接的，并且只能记录输入神经元和输出神经元。
“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，”杜克大学的Stephen Lisberger博士说，他是该研究的七位共同资深作者之一，回忆起他职业生涯开始时的情况。“用于记录电信号的高级技术无法揭示生成这些信号的神经元类型。如果你能回答电路是如何工作的，那么你就可以解释大脑是如何生成行为的。这一发现标志着一个关键时刻，有望帮助回答这些问题。”
这一人工智能技术的新发展是来自杜克大学、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名研究人员自2018年以来共同努力的结果，他们创建了这个分类器工具并验证了其准确性。
为了构建分类器，科学家们首先必须测量小脑中不同类型神经元的独特电特征。通过光遗传学实验，将光敏感蛋白基因引入特定类型的神经元，作者“标记”了每种小脑神经元类型的电活动。利用这些电特征，他们训练了他们的深度学习分类器，按神经元类型对从小脑记录的活动进行分类。
杜克大学的高级研究助理David Herzfeld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，包括共同第一作者Maxime Beau和Federico D'Agostino，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展，”Herzfeld说。“我希望我们的技术能激励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，帮助揭示不同电路的功能，最终为治疗神经系统疾病开辟新途径。”
(全文结束)
