AIは、95％の精度で脳信号からニューロンタイプをデコードすることを学びます

まとめ： 科学者は、遺伝子ツールを必要とせずに、95％の精度で脳活動記録からさまざまなタイプのニューロンを識別できるAIアルゴリズムを開発しました。光感受性マーカーでニューロンにタグを付け、独自の電気署名を記録することにより、研究者はAIがマウスとサルの両方のニューロンタイプを区別できるようにするトレーニングライブラリを作成しました。このブレークスルーは、神経科学における1世紀前の挑戦に対処し、異なるニューロンが行動と病気にどのように寄与するかをよりよく理解するための扉を開きます。このツールは、いつか神経インプラントを改善し、てんかんなどの障害を解読し、動物と人間の両方の脳の研究方法を改善するのに役立ちます。重要な事実：AIブレークスルー： 新しいアルゴリズムは、ニューロンタイプを高精度で電気活動と区別します。クロス種のユーティリティ： マウスとサルの両方で検証され、人間の適用の可能性があります。オープンアクセス： データベースとAIツールは、グローバルな研究コミュニティが自由に利用できます。脳は、さまざまな種類のニューロン（脳内の神経細胞）で構成されており、それぞれが処理情報に異なる役割を果たすと考えられています。科学者は、脳機能の実行中に生成する電気的な「スパイク」を検出することにより、ニューロンの活性を記録するために電極を使用することができました。記録のスパイクは、脳の奥深くの個々のニューロンの活動を監視するために非常に貴重であることが証明されていますが、今までこの方法は記録されているニューロンのタイプに「盲目」であり、異なるニューロンが脳の全体的な手術にどのように寄与するかを特定することを不可能にしています。で公開された新しい研究で 細胞研究チームは、マウス脳内の異なるニューロンタイプの異なる「電気署名」を識別し、青色光の短いパルスを使用して特定の細胞タイプのスパイクをトリガーすることにより、この問題を克服しました（光遺伝学と呼ばれる方法）。彼らは、各タイプのニューロンの異なる電気署名のライブラリを作成し、遺伝子ツールを必要とせずに95％の精度で5つの異なるタイプのニューロンを自動的に認識できるAIアルゴリズムをトレーニングできるようにしました。アルゴリズムは、サルの脳記録データでも検証されました。研究者は、この技術を使用しててんかんなどの神経学的状態を研究することができるという大きなハードルを克服したが、実際のアプリケーションで使用する前に「長い道のり」がまだあると言います。UCL Wolfson Institute for Biomedical Researchの研究の共同著者であるMaxime Beau博士は、次のように述べています。「私たちのアプローチにより、マウスとサルの精度が95％以上のニューロンタイプを特定することができます。「この進歩により、研究者は動きなどの複雑な動作を実行する際に脳回路を記録できます。コンピューターチップ上のロジックゲートのように、脳内のニューロンはいくつかのタイプの基本的なコンピューティングユニットです。「私たちの方法は、脳の論理ゲートの多くを同時に特定するためのツールを提供します。以前は、一度に1つしかできず、はるかに大きなコストで行うことができました。」著者らは、アルゴリズムが異なる種に適用できるという事実は、他の動物に、そして最終的には人間に拡大する大きな可能性をもたらすと言います。短期的には、新しい技術は、複雑な遺伝子工学を脳を研究するために要求する代わりに、研究者が普通の動物を使用して、異なるニューロンが何をするか、互いにどのように相互作用して行動を生成するかを研究できることを意味します。究極の目的の1つは、てんかん、自閉症、認知症などの神経学的および神経精神医学的障害を研究できることです。その多くは、脳の異なる細胞タイプの相互作用の変化を伴うと考えられています。UCL Wolfson Institute for Biomedical Researchの研究の上級著者であるBeverley Clark教授は、次のように述べています。「私たちの作品は、各楽器が作る音を学び、それぞれのシンフォニーへの貢献を認識するためのアルゴリズムを教えることに類似しています。「脳のこの「神経交響曲」を行動中に観察できることは、100年以上にわたって神経科学の根本的な課題であり、これを確実に行う方法があります。「この技術は、てんかんなどの神経学的状態を研究するために使用できるようになることから長い道のりですが、その目標を達成するための大きなハードルを克服しました。実際、生きている人間の脳活動のいくつかの記録は、手術中に患者ですでに記録されており、私たちの技術を使用して、それらの記録を研究して、最初に健康状態、次に病気でどのように機能するかをよりよく理解することができます。」私たちの脳がどのように機能するかについての理解の改善は、医学の画期的な進歩への道を開くことができ、そのいくつかはすでに地平線上にあります。人間の脳間インターフェイス、または神経インプラントは、そのような可能性の1つです。たとえば、UCSF Weill Institute for Neurosciencesで進行中の研究により、麻痺した男性が記録的な7か月間、神経インプラントを使用してロボットアームを制御できるようになりました。現在の研究と同様に、この研究は、動物の脳の電気パターンを研究し、AIを使用してこれらのパターンを自動的に認識することによっても通知されました。著者らは、ニューロンタイプを区別する新しい手法は、特定のアクションにどのタイプの細胞が関与しているかをより正確に記録することにより、ニューラルインプラントを改善するのに役立つと言います。このテクノロジーの鍵は、脳が健康であるときにどのように機能するかを理解することです。たとえば、人が脳卒中を起こし、脳の一部が損傷を受けた場合、その機能を複製するためにインプラントの設計を検討する前に、そのビットがどのように機能したかを理解する必要があります。UCL医学部と香港大学の研究の上級著者であるマイケル・ヘッサー教授は、次のように述べています。「このプロジェクトは、3つの重要なイノベーションの収束のおかげで実現しました。分子生物学を使用して、シリコンプローブ記録技術の開発、そしてもちろん速い学習の改善を使用したさまざまなニューロンタイプを「タグ」します。チームが収集したデータベースは自由に利用可能であり、アルゴリズムはオープンソースです。つまり、世界中の科学者はこれらのリソースを神経学的研究に使用できます。資金： この研究は、ウェルカム、国立衛生研究所（NIH）、欧州研究評議会（ERC）、および欧州連合2020研究イノベーションプログラムからの資金提供によって資金提供されました。このAIおよびNeuroscience Research Newsについてオリジナルの研究： オープンアクセス。「高密度の細胞外記録から種全体の細胞タイプを特定するための深い学習戦略」ビバリー・クラーク等著。 細胞抽象的な高密度の細胞外記録から種全体の細胞タイプを特定するための深い学習戦略高密度プローブにより、多くのニューロンからの電気生理学的記録が同時に脳回路全体にわたって同時に記録されますが、細胞型を明らかにしません。ここでは、覚醒動物の細胞外記録から細胞タイプを特定する戦略を開発し、明確な機能的、分子的特性、解剖学的特性を持つニューロンの計算役割を明らかにします。小脳をテストベッドとして使用して、光遺伝学と薬理学を組み合わせて、プルキンエ細胞、分子層介在ニューロン、ゴルジ細胞、および苔繊維の電気生理学的特性のキュレーションされた地下ライブラリーを生成します。記録されたニューロンの波形、放電統計、および層に基づいて、95％を超える精度で細胞タイプを予測する半監視された深い学習分類器を訓練します。分類器の予測は、さまざまな研究所、機能的に異なる小脳領域、および種間のさまざまな研究室を使用した録音に関する専門家の分類に同意します。分類器は、行動中に同時に記録された細胞タイプのユニークな貢献を明らかにすることにより、最新の動的システム分析の力を拡張します。 1746898865 #AIは95の精度で脳信号からニューロンタイプをデコードすることを学びます 2025-05-10 14:59:00