理解和治疗诸如震颤、平衡失调和言语障碍等脑部疾病需要深入研究小脑，这是大脑中对精确运动至关重要的部分。
长期以来，科学家们已经能够监听并记录从小脑传出的神经元（脑细胞）的电信号，观察进入和离开这一区域的信号。但大脑在输入和输出之间进行的计算过程一直是个谜。
然而，这种情况正在发生变化。包括贝勒医学院的研究人员在内的一个团队开发了一种人工智能工具，该工具可以识别行为过程中从小脑记录的电信号是由哪种类型的神经元产生的，从而为理解小脑的工作方式提供了新的视角。
这项发表在《细胞》杂志上的研究描述了这种半监督深度学习分类器工具，它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活动时，就像听到一群人在同时说话，每组人说不同的语言——有些说西班牙语，有些说英语或德语——都在一起交谈，”贝勒医学院神经科学与人工智能中心主任哈维尔·梅迪纳博士说，他也是这项研究的资深通讯作者。
“我们的新AI工具可以通过识别其电信号特征来确定每个记录的神经元属于哪个群体。”
“这是一个革命性的进步，因为它解决了解码神经对话内容的第一步——了解谁在说话。有了这一点，现在就可以揭示不同神经元之间的交流内容了。”
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换成输出信号的。我们无法解释大脑是如何做到这一点的，”杜克大学的斯蒂芬·利斯伯格博士回忆起他职业生涯开始时的情况，他是这项研究的七位共同资深作者之一。
“用于记录电信号的先进技术并不能显示这些信号是由哪种类型的神经元产生的。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。”
这项人工智能技术的新进展是来自杜克大学、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内不同类型神经元的独特电信号。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”。
利用这些电信号特征，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。
杜克大学的高级研究助理大卫·赫兹菲尔德博士是论文的七位共同第一作者之一。他与其他机构的同事，包括共同第一作者马克斯·博和费德里科·达戈斯蒂诺，设计并训练了这个分类器。
“这个工具是我们研究小脑如何处理信息的能力的重大进步，”赫兹菲尔德说。
“我希望我们的技术能够激励研究其他脑区的研究人员开发出匹配神经活动与神经元身份的工具，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。”
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，全文内容涉及AI跨语种自动翻译。如有侵权请联系我们删除。