本文介绍了一种名为PhysMAP的机器学习工具，它能够通过分析大脑电信号的特征（如放电波形、尖峰宽度等）来识别不同细胞类型，无需遗传操作。该工具在精神疾病研究中具有重要应用，可识别精神分裂症中的PV阳性中间神经元和重度抑郁症中的SST阳性中间神经元，为理解“回路病变”提供了新方法。PhysMAP有望与临床电极结合，用于诊断细胞水平的病理变化，并辅助药物筛选。...
波士顿大学开发了PhysMAP工具，通过机器学习分析神经元电活动的多个特征，无需基因操作即可区分不同脑细胞类型。该工具在7个公开数据集上验证，准确率优于现有方法，有望用于精神分裂症、抑郁症等“回路病”的研究和药物筛选。...
研究人员开发了PhysMAP，一种基于机器学习的工具，能够仅通过神经元的电特征区分不同类型，从而识别与精神分裂症和重度抑郁症等精神疾病相关的特定细胞。该工具无需基因操作，可直接从体内记录中实时监测细胞活动，为理解精神疾病的细胞机制和开发靶向疗法提供了新途径。研究发表于《自然·通讯》。...
NASA和NOAA观测显示，2026年南极臭氧空洞面积在4...
一项由Fosco Bernasconi团队开展的临床神经生理学研...
南极冰下近200米深处发现虾状生物 科学家首次在...
一项涵盖2187名多发性硬化患者的大型神经影像学...
一项发表在《PLOS Mental Health》上的最新研究表明...
宾州州立大学研究团队在《IEEE Transactions on Medi...
