Алгоритм определяет тип нейрона по электрическому сигналу
Исследователи создали инструмент машинного обучения, который по форме спайка распознаёт функциональную принадлежность нейрона — шаг к персонализированной нейромодуляции.
Задача: узнать нейрон «в лицо» по его импульсу
В журнале Nature Communications представлена разработка под названием PhysMAP — алгоритм, способный по характеристикам электрической активности определять тип нейрона. Система различает возбуждающие и тормозные клетки, а среди последних — подтипы PV+, SOM+ и VIP+. Метод универсален: применим к данным от любых видов животных, включая человека, и к любым зонам мозга, доступным для электродной регистрации.
Почему это сложно и почему это важно
Нейроны обмениваются информацией через короткие электрические импульсы — спайки. Разные типы клеток генерируют импульсы с характерной формой: например, быстроразряжающиеся PV±интернейроны дают узкие пики, тогда как SOM±клетки — более широкие и вариабельные сигналы. Однако до сих пор не существовало надёжного способа автоматически классифицировать нейроны исключительно по электрофизиологическим данным.
Это критично: всё больше психических и неврологических расстройств связывают с дисфункцией конкретных клеточных популяций. Без точной идентификации типов нейронов сложно разрабатывать таргетные терапии.
Как работает PhysMAP
Авторы обучили алгоритм на аннотированных наборах данных, где для каждого зарегистрированного нейрона были известны и форма спайка, и молекулярный тип клетки. Инструмент использует многомерное снижение размерности и кластеризацию, устойчивые к биологическому и техническому шуму.
Ключевые особенности метода:
- ✅ Анализ формы спайка, межспайковых интервалов и реакции на стимулы;
- ✅ Интеграция нескольких модальностей данных в единое пространство признаков;
- ✅ Возможность работы с записями in vivo у разных видов;
- ✅ Интерпретируемая визуализация кластеров для экспертной валидации.
Результаты: точность и биологическая валидность
PhysMAP чётко разделил основные популяции: компактные кластеры PV±нейронов по слоям коры, более распределённые группы SOM±клеток, а также отчётливое разграничение возбуждающих нейронов слоёв 4 и 5. Точность классификации превысила показатели всех ранее опубликованных методов.
| Тип нейронов | Характеристика спайка | Точность распознавания |
|---|---|---|
| PV+ (тормозные) | Узкие, быстрые пики | ≥ 92% |
| SOM+ (тормозные) | Широкие, вариабельные | ≥ 89% |
| VIP+ (тормозные) | Средняя длительность | ≥ 87% |
| Возбуждающие (L4/L5) | Различия по амплитуде и адаптации | ≥ 94% |
Перспективы для нейронаук и клиники
Главное достижение PhysMAP — возможность надёжно идентифицировать типы нейронов в живом мозге исключительно по электрофизиологическим записям. Это открывает новые горизонты:
- 🔬 Детальное картирование клеточных сетей у приматов и человека;
- 🧠 Исследование роли конкретных интернейронов в когнитивных функциях;
- ⚕️ Разработка биомаркеров для ранней диагностики расстройств, связанных с дисбалансом возбуждения/торможения;
- ⚡ Оптимизация параметров глубокой стимуляции мозга под индивидуальный клеточный профиль.
Важно: PhysMAP — исследовательский инструмент. Его применение в клинической практике требует дальнейшей валидации. Интерпретацию данных должен проводить квалифицированный специалист.
Источник
Lee, E.K. et al. (2026). A multimodal approach for visualizing and identifying electrophysiological cell types in vivo. Nature Communications, 17, 3421.
https://doi.org/10.1038/s41467-026-71331-0
