Cell：科学家有望利用人工智能解锁机体小脑的奥秘

来源：100医药网 2025-04-28 13:40

在当今科技飞速发展的时代，人工智能（AI）正以前所未有的速度改变着人类的生活和科学研究，从医疗到自动驾驶，从语音识别到图像分析，AI的应用无处不在，而在脑科学领域，AI也正在成为解锁大脑奥秘的关键工具之一。

近日，一篇发表在国际杂志Cell上题为 A deep learning strategy to identify cell types across species from high-density extracellular recordings 的研究报告中，来自贝勒医学院等机构的科学家们通过研究有望利用AI技术成功解码机体小脑的神经信号，从而为理解大脑如何控制运动开辟新的道路，这一成果不仅为小脑神经信号的解码提供了新的方法，也为整个脑科学领域带来了新的希望和机遇。

小脑是一种位于大脑后部、形似蝴蝶的结构，其在维持机体平衡、协调运动和调节肌肉等方面发挥着至关重要的作用。当我们进行任何一项运动，无论是简单的行走、拿东西，还是复杂的舞蹈、体育运动，小脑都在背后默默工作从而确保机体的动作准确无误；然而尽管科学家们已经能够记录小脑神经元的电活动，但对于这些神经信号如何在小脑内部被处理和转换从而产生精确的运动指令，却一直知之甚少，这就好比我们能听到一场热闹的聚会中的谈话声，但却无法分辨出谁在说话及他们究竟在讨论什么。

为了解决这一难题，研究人员开发了一种半监督深度学习分类器，这种分类器能根据神经元的电活动特征准确地识别出小脑中不同类型神经元的活动。这一成果的取得离不开科学家们多年来对小脑结构和功能的深入研究，及其神经科学和人工智能领域的跨学科合作。文章中，研究人员选择了小鼠和猕猴作为实验对象，利用高密度多接触记录探针（Neuropixels）同时记录数百个神经元的电活动。实验中，研究人员首先通过光遗传学技，将光敏感蛋白基因导入特定类型的神经元，从而使得这些神经元在受到光刺激时能产生可检测的电活动。随后，他们结合药物阻断技术来确保光刺激直接激活目标神经元，而非通过突触连接间接激活；通过这种方式，科学家们成功标记了小脑中不同神经元类型的电活动特征，并构建了一个包含各种神经元电生理特征的数据库。

揭示来自老鼠和猴子的专家分类数据集的真值分类器性能

在实验过程中，科学家们还开发了一种名为Phyllum的插件用于自动识别每个记录通道所在的脑层，此外他们还通过一系列数据处理和分析方法确保了记录数据的高质量和可靠性。最后，研究人员利用这些数据训练深度学习分类器，使其能够根据神经元的电活动特征准确地识别出神经元的类型。研究结果表明，这种分类器能以超过95%的准确率预测小脑神经元的类型，这一分类器不仅在小鼠实验中表现出色，还在猕猴的实验数据中得到了验证，从而显示出良好的泛化能力，这一研究成果为理解小脑在不同行为中的作用提供了新的视角，也为研究大脑如何处理信息提供了新的工具。

研究人员还发现，不同类型的神经元在不同行为任务中能展现出不同的动态响应模式，比如在小鼠的奖励条件反射和猕猴的平滑追踪眼动任务中，某些神经元类型的活动模式与其它类型明显不同，这就表明，这些神经元在小脑的信息处理中扮演着不同的角色；然而在其它一些行为任务中，不同类型的神经元活动模式则难以区分，这或许反映了神经元活动的多样性和复杂性。本文研究不仅提供了一种新的工具来研究小脑的神经活动，还为理解大脑如何处理信息提供了新的视角；通过将AI技术与神经科学相结合，科学家们就能以前所未有的精度和深度来探索大脑内部的神经网络；这种跨学科的合作模式不仅推动了神经科学的发展，也为其它领域的研究提供了新的思路和方法。

未来的研究中，研究人员还计划进一步优化这一分类器使其能识别更多类型的神经元，并在更多的脑区和行为任务中进行验证；此外他们还希望通过结合诸如单细胞测序和基因编辑等其它技术来进一步揭示神经元的分子特征和功能机制。

综上，本文研究不仅为小脑神经信号的解码提供了新的方法，也为整个脑科学领域带来了新的希望和机遇。随着技术的不断进步，我们有理由相信，未来AI将在更多脑科学问题的研究中发挥关键作用，并能帮助科学家们更好地理解大脑的工作原理，从而为治疗多种神经系统疾病提供新的希望。（100yiyao.com）

参考文献：

Maxime Beau，David J. Herzfeld，Francisco Naveros, et al. , Cell (2025). DOI:10.1016/j.cell.2025.01.041.