导语：记录大脑的电“噪声”长期以来是可能的，但理解哪些特定细胞在“说话”一直是一个主要障碍。研究人员开发了PhysMAP，一种机器学习工具，能够仅基于神经元独特的电特征区分不同类型的神经元。该研究表明，PhysMAP可以直接从体内记录中识别与精神疾病（如精神分裂症和重度抑郁症）相关的细胞。这一突破使科学家能够实时研究特定神经回路如何失效，为靶向的下一代精神疾病疗法提供了路线图。该研究发表于《自然·通讯》。

研究背景：从总体活动到特定细胞类型

传统方法的局限

• 插入大脑的探针可以记录神经元的电活动
• 这些信号可用于理解大脑如何执行计算，甚至识别病理状态
• 问题：大脑由执行不同计算角色的细胞类型组成，某些精神疾病或药物对特定细胞类型有不同影响
• 后果：不了解细胞类型如何编排总体活动模式，就无法开发下一代疗法

新兴概念：“回路病”

• 越来越多的精神疾病被认为源于特定细胞类型之间相互作用的扰动，而非总体活动的变化
• 包括：精神分裂症、重度抑郁症、某些形式的癫痫

PhysMAP工具：分离细胞类型的“声音”

核心功能

• 通过结合每种细胞类型电特征的多个互补特征，在电噪声人群中分离个体细胞类型的“声音”
• 可同时研究多种细胞类型

与其他方法的区别

训练与验证

• 使用7个公开数据集（包含单神经元电活动及其细胞类型身份）
• 这些数据集使用“光标记”技术将电活动与特定细胞类型关联
• PhysMAP学习不同细胞类型的独特电特征（时序、形状、频率的微妙组合）
• 验证：PhysMAP的映射准确且优于或可比于其他工具

关键应用：识别精神疾病相关细胞类型

可识别的特定细胞类型

对精神疾病研究的意义

• PhysMAP使研究人员能够实时监测特定细胞类型在疾病模型中的活动变化
• 有助于理解精神疾病的细胞机制，为开发细胞类型特异性疗法提供靶点
• 例如，在精神分裂症中，可研究特定抑制性中间神经元的功能失调如何导致认知缺陷

未来展望

• PhysMAP有望应用于人类脑组织记录，推动转化研究
• 结合基因编辑技术，可进一步验证特定细胞类型在疾病中的因果作用
• 为精准精神医学奠定基础，实现基于细胞类型的个性化治疗