神经元电路来自大脑信号
大脑被认为是现存最复杂的系统之一。虽然在理解它方面已经取得了重大进展，但我们往往会产生更多的问题而不是答案。
但现在京都大学领导的一个研究小组开发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神经元本身发出的信号。的模型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，我们必须看看构成大脑的神经元。我们的整个感知世界都是在我们大脑中的这数十亿个细胞中运行的。它们之间的连接(被称为突触)数量呈指数级增长，这使我们的理解之路成为一个挑战。
来自京都大学理学院的Shigeru Shinomoto是该项目的负责人，他解释说，尽管记录大脑中单个神经元的活动是可能的，而且这个数字在过去十年中急剧增加，但要描绘出这些细胞之间是如何相互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外部噪声的数量，很难得到准确的推断。”
该团队构建了一种分析方法，从单个神经元中获取信号峰值，并从中估计神经元之间的连接。为了消除数据污染“噪声”，他们将广义线性模型(GLM)应用于机器学习中的基本模型，即记录神经元之间放电相关性的交叉相关图(CC)。
“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，”来自国家信息学研究所(NII)的小林良太(Ryota Kobayashi)说，他是这项研究的第一作者。
“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%，远远高于以往任何方法。”
将该模型应用于大鼠海马神经元活动的实验数据。在分析时，估计的联系与其他生理线索的推断结果相匹配。
的源代码网上有一个“即用”版本，该团队希望世界各地的神经科学家都能使用它。
Shinomoto总结道:“随着技术的进步，我们收集的神经数据量将会增加。我们的新分析模型对处理这些信息至关重要，并将使我们更好地理解大脑是如何处理周围世界的。”
进一步探索
