(資料圖片)

Cedars-Sinai 的研究人員創建了計算機生成的模型，以彌合有關神經元的“試管”數據與活體大腦中這些細胞的功能之間的差距。他們的研究發表在《自然通訊》(Nature Communications)雜志上，可以幫助開發針對特定神經元類型的神經系統疾病和障礙的治療方法。

神經病學、神經外科和生物醫學系的研究科學家 Costas Anastassiou 博士說：“這項工作使我們能夠開始將大腦視為復雜的機器，而不是一塊同質的組織。”Cedars-Sinai 的科學和該研究的高級作者。“一旦我們能夠區分不同的細胞類型，而不是說整個大腦都患有疾病，我們就可以詢問哪些神經元類型受到疾病的影響，并為這些神經元量身定制治療方法。”

神經元是大腦的主要功能單位。通過這些細胞的信號——以電波的形式——引起所有的思想、感覺、運動、記憶和情感。

該研究使用來自實驗室小鼠的數據建立了一種檢查神經元類型和功能之間關系的新方法，并專注于接收和處理視覺信息的小鼠初級視覺皮層。它是大腦中研究得最好的部分之一——無論是在體外，還是在活體動物體內，在活體體外的培養皿或試管中研究組織。

調查人員的目標是將這兩個世界聯系起來。

“基于對基因構成和物理結構的體外研究，我們知道了各種神經元的外觀，但不知道它們在活腦中的功能，”Anastassiou 說。“當我們記錄體內腦細胞的活動時，我們可以看到神經元對什么做出反應以及它們的功能是什么，但看不到它們屬于哪一類神經元。”

為了將形式與功能聯系起來，研究人員首先使用體外信息來創建各種類型神經元的計算模型并模擬它們的信號模式。

接下來，他們利用最新的單神經元記錄技術來觀察實驗室小鼠在暴露于不同種類的視覺刺激時大腦的活動。根據神經元響應視覺輸入的信號或“尖峰”形狀，研究人員將他們記錄的細胞分為六組。

“一旦我們有了我們的模型和我們的體內數據，基本問題就是哪些計算模型產生了與我們確定的六個體內簇中的每一個最相似的信號形狀和波形，反之亦然，”Anastassiou 說。“并非所有的體內集群和模型都完美匹配，但有些確實如此。”

關鍵詞：