导语：当探针插入大脑进行研究或临床目的时，会记录神经元的电活动。这些信号可用于理解大脑如何执行某些计算，甚至识别病理状态。然而，大脑由在执行计算中扮演不同角色且受某些精神疾病或药物不同影响的细胞类型组成。如果没有对细胞类型如何编排整体活动模式的深入理解，我们就无法开发下一代疗法。波士顿大学的研究人员开发了一种名为PhysMAP的工具，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”。该研究发表于《自然-通讯》。
研究背景：“回路病”的概念
传统观点 vs. 新观点
- 传统：可以通过整体活动理解多种疾病
- 新认识：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
- “回路病”：包括精神分裂症、重度抑郁症、某些形式的癫痫
技术缺口
- 没有对细胞类型如何编排整体活动模式的深入理解，就无法开发下一代疗法
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
与其它方法的区别
| 方法 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 光标记 | 结合分子工程与光学工具，将电活动与特定细胞类型关联 | 准确 | 需要基因操作，复杂 |
| PhysMAP | 机器学习，基于仅电记录识别细胞类型 | 无需基因操作，可在活脑中应用 | 需预先训练 |
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它工具
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
| 细胞类型 | 相关疾病 |
|---|---|
| 小清蛋白阳性细胞 | 精神分裂症、自闭症 |
| 生长抑素阳性细胞 | 抑郁症、阿尔茨海默病 |
| 血管活性肠肽阳性细胞 | 焦虑症、癫痫 |
| 锥体细胞 | 多种认知障碍 |
未来方向
- PhysMAP有望用于药物筛选，评估候选药物对特定细胞类型的影响
- 结合脑机接口，实时监测细胞类型活动，为闭环神经调控提供依据
- 进一步优化算法，提高对人类脑组织记录的适用性
参考文献：Nature Communications, 2025. DOI: 10.1038/s41467-025-XXXXX-X (示例)