2025年9月17日，《自然-神经科学》发表的一项技术报告，介绍了一套全新的计算工具，能够从高速全息集群刺激中快速解析神经环路。该框架通过深度融合“神经波形解混”与“基于模型的压缩感知”两大算法，成功克服了传统光遗传学突触映射通量低、速度慢的瓶颈，将解析单突触连接的效率提升了一个数量级，为在单次实验中大规模、快速绘制精细的“活体连接组”铺平了道路。
破解大脑计算之谜的关键，在于厘清神经元之间单突触连接的精细图谱。双光子全息光遗传学虽能以单细胞精度灵活操控突触前神经元，但现有技术必须逐个、缓慢地刺激每个候选神经元，导致大规模映射实验耗时过长，难以在一次实验中获取完整的环路视图。
来自美国加州大学伯克利分校和艾伦脑科学研究所的团队，通过开发两款互补的计算工具，彻底改变了这一局面：实验不再需要缓慢的“单人点名”，而是可以同时对神经元集群进行高速“随机提问”，再由算法精准“还原”出背后的连接网络。
两大核心算法：为高速集群刺激“量身定制”的解码器
这套框架包含两个前后衔接的计算模块，分别解决了高速集群刺激带来的两大核心挑战：
神经波形解混（NWD）：一个基于U-Net架构的深度学习网络。当刺激速度极快（如30-50Hz），突触后电流（PSC）会发生重叠。NWD网络被训练用于从这些混合信号中，精准“剥离”并“降噪”出每次光刺激所诱发的独立PSC波形，同时有效抑制自发性突触电流的干扰。这使得实验的刺激频率得以大幅提升，逼近空间光调制器（SLM）的刷新率极限。
基于模型的压缩感知（CAVIaR）：一种分层贝叶斯变分推断算法。它内嵌了光遗传学实验的关键生物物理约束——包括激光功率依赖的突触前放电概率、突触传递失败率以及自发性活动水平。CAVIaR能从对神经元集群（例如每次随机激活20个细胞）进行混合刺激所得到的有限次数的PSC测量中，同时推断出每个候选突触前细胞的放电情况、光功率响应曲线以及突触权重。通过施加“保序正则化”（即放电概率应随激光功率增加而单调递增），算法能有效剔除由自发性事件导致的假阳性连接。
性能飞跃：速度与精度的双重验证
仿真实验显示，在包含1000个候选神经元、10%连接概率的网络中，传统单细胞刺激方法需超过30分钟才能达到0.95的映射精度（R²）。相比之下，结合NWD与CAVIaR的20细胞集群刺激方案，仅需30秒即可达到同等甚至更高的精度，映射通量提升逾60倍，速度超过每分钟2000个神经元。
在离体皮层脑片的实际验证中，该框架展现了卓越的鲁棒性和准确性：
高度一致性：在14个独立实验中，对同一神经元群体分别使用顺序单细胞刺激与并行集群刺激，两种方式推断出的连接图谱高度吻合（平均R² = 0.89），且二值化后的精确率和召回率分别高达0.95和0.84。
预测能力：通过留一交叉验证（LOHO-CV），模型能够准确预测从未见过的全息图案所诱发的突触后反应（平均R² = 0.71），证明其学习的连接规则符合底层生理。
跨细胞类型验证：该框架在PV-锥体、SST-锥体、锥体-锥体以及锥体-PV等多种皮层连接类型的映射中均表现稳健，即使在存在直接光电流伪迹等挑战性场景下，依然能保持较高的映射精度。
总结与展望
这项研究为高通量解析神经环路提供了革命性的计算引擎。通过将基于模型的压缩感知（CAVIaR）与神经波形解混（NWD）无缝集成，它首次在实验层面实现了对大规模神经元集群的快速、精准突触连接映射。
其核心意义在于：
突破通量瓶颈：将单突触映射效率提升一个数量级，使得在单次实验的有限时间窗口内，对包含数百乃至数千个神经元的大规模局部环路进行“快照”式解析成为现实。
为在体研究铺路：该框架对自发性活动和突触非线性整合等生物物理因素的内在建模，使其具备了向更复杂、更具挑战性的活体动物实验拓展的潜力。在活体中，更高的背景噪音和多突触效应正是限制传统方法的关键障碍。
推动标准化与自动化：该计算流程有望成为全息光遗传学连接组映射的“标准配置”，极大地推动该领域从依赖小规模手工分析向大规模、自动化数据处理的范式转变。
参考文献：
Nat Neurosci 28, 2154–2165 (2025).
相关阅读：
- Packer, A. M. et al. Two-photon optogenetics of dendritic spines and neuronal circuits. Nat. Methods 12, 1202-1208 (2015).
- Hage, T. A. et al. Synaptic connectivity to L2/3 of mouse visual cortex measured by two-photon holographic optogenetics. Cell Rep. 28, 2019-2029.e4 (2019).