Cell | 利用胞外高密度信号识别细胞类型的深度学习策略

本文介绍了来自美国Baylor College of Medicine的Javier F. Medina研究组在Cell上发表的研究，他们开发了一种深度学习策略，用于从高密度细胞外记录中识别细胞类型。研究背景是神经系统由多种细胞类型组成，这些细胞类型的识别对于理解大脑功能和开发针对脑功能障碍的治疗方法至关重要。研究目的是通过构建深度学习分类器，解决从细胞外记录中识别神经元类型的问题。研究方法包括建立基于光遗传学的细胞类型库、训练半监督深度学习分类器，并通过小鼠和猴子的数据集进行验证。研究结果表明，该分类器在不同探针、实验室、小脑区域和物种中的预测结果一致，准确率超过95%。结论是该深度学习分类器能够有效扩展现代分析技术，实现行为过程中同步记录细胞类型。