作为伦敦大学学院研究人员领导的一项小鼠研究的一部分，通过利用人工智能（AI）首次识别不同类型脑细胞的电特征，解决了神经科学领域长达十年的挑战。
大脑由许多不同类型的神经元（大脑中的神经细胞）组成，每个神经元被认为在处理信息时扮演不同的角色。长期以来，科学家们一直能够通过检测神经元在执行大脑功能时产生的电“尖峰”来使用电极记录神经元的活动。
尽管记录峰值对于监测大脑深处单个神经元的活动来说是无价的，但迄今为止，该方法对所记录的神经元类型一直“视而不见”，因此无法确定不同的神经元对大脑整体运作的贡献。
在一项新的研究中，发表于单元格研究小组通过识别小鼠大脑中不同神经元类型的不同“电信号”，利用短暂的蓝光脉冲触发特定细胞类型的尖峰（一种称为光遗传学的方法），克服了这个问题。
他们为每种类型的神经元创建了一个不同的电子签名库，然后可以训练一种AI算法，该算法可以自动识别五种不同类型的神经元，准确率达到95%，而无需进一步使用遗传工具。该算法还通过猴子的脑记录数据进行了验证。
研究人员表示，他们已经克服了使用该技术研究癫痫等神经系统疾病的主要障碍，但要将其用于实际应用，还有“很长的路要走”。
几十年来，神经科学家一直在努力解决一个基本问题，即可靠地识别在行为过程中同时活跃的多种不同类型的神经元。我们的方法现在使我们能够在小鼠和猴子中识别神经元类型，准确率超过95%。
"这一进展将使研究人员能够记录大脑回路中的复杂行为，如运动。就像计算机芯片上的逻辑门一样，大脑中的神经元是有几种类型的基本计算单元。我们的方法提供了一种工具，可以同时识别大脑中的许多逻辑门。以前，一次只能完成一个，而且成本要高得多。"第一作者马克西姆·博博士说。
作者表示，该算法可以应用于不同的物种，这一事实使其具有巨大的潜力，可以推广到其他动物，最终推广到人类。
短期内，这项新技术意味着，研究人员可以使用任何正常动物来研究不同神经元的行为以及它们如何相互作用以产生行为，而不是需要复杂的基因工程来研究大脑。
最终目标之一是能够研究神经和神经精神疾病，如癫痫、自闭症和痴呆，其中许多被认为涉及大脑中不同细胞类型相互作用方式的改变。
伦敦大学学院沃尔夫森生物医学研究所（UCL Wolfson Institute for Biomedical Research）这项研究的资深作者贝弗利·克拉克（Beverley Clark）教授说：“正如乐队中的许多不同乐器都有助于发出交响乐一样，大脑依赖于许多不同的神经元类型来创造人类和其他动物展现的复杂行为。我们的工作类似于学习每种乐器发出的声音，然后教一种算法来识别每种乐器对交响乐的贡献。
“100多年来，能够观察大脑活动中的这种“神经交响乐”一直是神经科学的一个基本挑战，我们现在有了一种可靠的方法来做到这一点。
“尽管这项技术距离用于研究癫痫等神经系统疾病还有很长的路要走，但我们现在已经克服了实现这一目标的一个主要障碍。事实上，一些活体人脑活动的记录已经在手术期间记录在患者身上，我们的技术可以用来研究这些记录来打赌他们了解我们的大脑是如何工作的，首先是在健康方面，然后是在疾病方面。"
对大脑如何工作的更好理解可以为医学领域的一些突破性进展铺平道路，其中一些已经初露端倪。
人类的脑-计算机接口或神经植入就是这样一种可能性。例如，加州大学旧金山分校威尔神经科学研究所（UCSF Weill Institute for Neurosciences）正在进行的研究，使一名瘫痪男子能够使用神经植入物控制一只机器人手臂，持续了创纪录的七个月。与当前的研究一样，这项工作也是通过研究动物大脑中的电模式，并使用人工智能自动识别这些模式来完成的。
作者表示，区分神经元类型的新技术可以通过更准确地记录哪些类型的细胞参与特定的动作来帮助改善神经植入，从而使植入物更容易识别特定的信号并产生适当的反应。
这项技术的关键是了解我们的大脑在健康状态下是如何工作的，这样任何损害都可以得到补偿。例如，如果一个人中风，大脑的一部分受损，那么在考虑设计植入物来复制该功能之前，你需要了解该钻头的工作原理。
Michael Husser教授是伦敦大学学院医学部和香港大学这项研究的高级作者，他说：“这一项目之所以成为现实，得益于三项关键创新的融合：利用分子生物学成功地利用光“标记”不同类型的神经元，硅探针记录技术的发展，当然还有深度学习的快速进步。
“至关重要的是，我们团队的协同作用非常重要。伦敦大学学院、贝勒大学、杜克大学和巴伊兰大学的合作实验室都为这个谜题贡献了关键的部分。就像大脑一样，整体大于各部分之和。”
该团队收集的数据库是免费的，算法是开源的，这意味着来自世界各地的科学家可以将这些资源用于神经研究。
该研究由威康、美国国立卫生研究院（NIH）、欧洲研究委员会（ERC）和欧盟地平线2020研究与创新计划资助。
生物通微信公众号
