研究背景：探寻神经元信号的 “迷宫”
在神经科学的研究领域中，微电极阵列（MEA）技术如同一个神奇的 “听诊器”，能够长时间、大面积地监测神经元的局部场电位，为科学家们打开了一扇观察神经元活动的新窗口。与传统的电生理技术，如膜片钳相比，MEA 可以在不侵入细胞的情况下，获取大量神经元的时空信号，提供更为丰富的信息。
然而，这一技术在实际应用中却遭遇了重重困境。由于每个电极记录的信号来自多个神经元和各种噪声源，使得获取的数据复杂程度极高。就好比在一场热闹的集市中，各种声音交织在一起，想要分辨出每个人说的话变得异常困难。在分析 MEA 记录的数据时，尖峰分选（spike sorting）这一关键步骤成为了瓶颈。尖峰分选的目的是将记录到的尖峰信号（即细胞外动作电位）准确地归因于单个神经元，这对于理解神经元的功能和功能障碍至关重要。但现有的尖峰分选方法在准确性、可靠性、可扩展性和可重复性等方面存在诸多局限。例如，在密集的神经元培养物或脑组织中，信号重叠现象严重，而且神经元的放电频率有时极低，这些都使得准确识别神经元数量和区分它们的尖峰变得极为困难。此外，尖峰形状的固有可变性、电极漂移或损坏以及噪声的存在，更是让这一问题雪上加霜。
为了突破这些困境，来自国外的研究人员踏上了探索之路，他们的研究成果发表在了《SCIENCE ADVANCES》上，为神经科学研究带来了新的曙光。
研究方法：打造解开神经元信号密码的 “钥匙”
研究人员为解决上述问题，开发了一种名为 PseudoSorter 的机器学习方法。该方法主要基于自监督学习技术，结合数据增强和基于密度的伪标签策略。在具体操作中，首先使用自监督对比学习框架对模型进行预训练，通过引入高斯噪声来增强数据的多样性，让模型学习尖峰波形的不变特征。接着，根据数据的局部密度生成伪标签，这些伪标签代表了对神经元分类的高置信度估计。最后，利用这些伪标签对模型进行迭代微调，逐步提高分类的准确性。
为了验证 PseudoSorter 的性能，研究人员进行了大量的实验。他们使用 NeuroCube 模拟了单通道细胞外记录，创建了不同规模和复杂程度的数据集，涵盖了不同数量的神经元、不同的信噪比条件等。同时，在体外神经元培养模型中，研究人员将原代海马神经元暴露于与阿尔茨海默病（AD）密切相关的单体 Tau 蛋白中，通过膜片钳实验和 MEA 记录来观察神经元的活动变化。
研究结果：PseudoSorter 的 “神奇魔力”
- PseudoSorter 的工作流程及优势：PseudoSorter 的工作流程分为三个主要步骤。首先是预训练，通过自监督对比学习，让模型学习尖峰波形的特征，这个过程就像是让模型熟悉各种 “声音” 的特点。然后是伪标签生成，通过基于局部密度的采样方法，从数据集中选取具有代表性的样本生成伪标签，从而将无监督学习问题转化为半监督学习问题。最后是微调，使用不断扩展的伪标签集对模型进行迭代更新，提高分类的准确性。在模拟数据的基准测试中，PseudoSorter 表现出色。在不同规模和复杂程度的数据集上，其分类准确率均高于其他对比算法。例如，在小规模数据集上，PseudoSorter 的中位数准确率达到 75.80%，高于 IDEC 的 73.82% 和 AE-Ensemble 的 72.97%；在大规模数据集上，其优势更为明显，中位数准确率高达 92.05%。而且，PseudoSorter 在不同信噪比条件下都能保持较高的准确率，尤其在高噪声（低信噪比）条件下表现突出，展现了其强大的适应性。
- PseudoSorter 揭示 Tau 蛋白对神经元的影响：研究人员利用 PseudoSorter 深入探究了细胞外单体 Tau 蛋白对海马神经元的影响。通过全细胞电压钳实验发现，添加 1 μM Tau 蛋白会抑制光刺激诱导的兴奋性突触后电流（EPSC）增强，表明 Tau 蛋白对神经元的兴奋性传递产生了负面影响。在 MEA 记录实验中，PseudoSorter 发挥了重要作用。当对神经元进行不同处理（如 PBS 处理作为对照、电刺激、1 μM Tau 处理以及 Tau 处理后再电刺激）后，PseudoSorter 能够对每个电极记录的尖峰进行分类分析。通过分析发现，并非所有神经元对 Tau 处理的反应都是一致的。在 Tau 处理组中，一部分神经元的放电率出现了明显下降，尤其是那些尖峰半高宽（FWHM）约为 0.27 ms 的神经元，这表明 Tau 蛋白能够特异性地影响一部分海马神经元的活动，导致它们的放电能力受损。
研究结论与讨论：开启神经科学研究的新篇章
PseudoSorter 的出现为机器学习尖峰分选方法带来了重要突破。它首次将自监督学习框架应用于尖峰分选领域，通过基于密度的伪标签策略和迭代微调过程，提高了对复杂神经元数据的分析能力，在模拟数据的测试中展现出了优于现有方法的分类准确率。然而，PseudoSorter 也存在一些局限性，例如计算成本较高，在处理大量神经元时，准确识别神经元数量的能力还有待提高。
在对 Tau 蛋白的研究中，PseudoSorter 揭示了细胞外单体 Tau 蛋白即使在亚神经元浓度下，也能对海马神经元的活动产生显著影响，导致一部分神经元的放电率下降。这一发现不仅为阿尔茨海默病的研究提供了新的视角，也为理解其他与 Tau 蛋白病理相关的疾病，如创伤性脑损伤，提供了重要线索。
总体而言，PseudoSorter 为神经科学研究提供了一个强大的工具，它能够帮助研究人员更深入地理解神经网络的动态变化，对于研究神经退行性疾病的发病机制、开发治疗药物以及推动脑 - 计算机接口的发展具有重要意义。未来，研究人员可以进一步优化 PseudoSorter 的算法，降低计算成本，提高其在处理复杂生物数据时的性能，为神经科学研究带来更多的惊喜和突破。
生物通微信公众号
