来自大脑信号的神经元电路

大脑被认为是世界上最复杂的系统之一。虽然在理解它方面已经取得了重大进展，但我们产生的问题往往多于答案。

但现在京都大学领导的一个研究小组开发出了一种机器学习模型这使得科学家得以重建神经回路通过测量来自神经元本身的信号。的模型是否有潜力阐明不同的神经元计算的差异大脑地区。研究结果发表在自然通讯．

要理解大脑，我们必须研究构成大脑的神经元。我们的整个感知世界都是通过我们大脑中的数十亿个细胞运行的。它们之间的连接数量呈指数级增长，称为突触，这使我们的理解之路充满挑战。

来自京都大学理学院的Shigeru Shinomoto是这个项目的负责人，他解释说，尽管记录大脑中单个神经元的活动是可能的——而且在过去十年中这个数字急剧增加——但要弄清这些细胞之间是如何连接的仍然是一个挑战。

“有人说神经连接可以通过分析神经元信号之间的相关性来估计，”Shinomoto解释道。“但由于来自其他神经元的大量外部噪声，很难做出准确的推断。”

该团队构建了一种分析方法，从单个神经元中提取信号峰值，并从中估计神经元间的连接。为了消除数据污染的“噪声”，他们将机器学习中的基本模型广义线性模型(GLM)应用到记录神经元之间放电相关性的交叉相关图(CC)中。

“我们将我们的分析称为GLMCC，它以突触膜电位为单位估计了神经连接的强度，”国家信息学研究所(NII)的小林良太(Ryota Kobayashi)说，他是该研究的第一作者。

“为了确认我们的数据是否反映了现实世界的连通性，我们通过模拟一个大型网络来评估其准确性神经元．我们证实，新模型的准确率达到97%，大大高于以往的任何方法。”

将该模型应用于大鼠海马神经元活动的实验数据。经过分析，估计的联系与推断的结果与其他生理线索相吻合。

的源代码网上也有现成的版本，该团队希望全世界的神经科学家都能使用它。

Shinomoto总结道:“随着技术的进步，我们收集的神经学数据的数量将会增加。我们新的分析模型将对处理这些信息至关重要，并将引导我们更好地理解我们的大脑如何处理我们周围的世界。”