神經元形態預測電生理特性
在神經科學領域中，精確預測神經元電生理特性能幫助研究人員更深入了解神經元的功能，然而傳統的膜片鉗技術雖然能夠精確記錄電生理數據，但操作複雜且速度緩慢，難以應用於大規模的研究。因此，本篇論文介紹了一種機器學習方法可以在只有神經元形態數據的情況下，預測神經元的多個電生理特性，接著透過BluePyOpt將預測數據與形態模型整合，生成了能夠模擬神經元行為的生物物理模型（Fig1），並且最終通過作者提供的用戶界面Geppetto UI進行可視化和實時模擬（Fig2），幫助研究人員更有效地驗證和調整他們的模型，對未來的神經元模擬提供了新工具。
 |
| Fig1. 機器學習推論的新數據流程。在僅使用神經元的形態資料訓練模型預測電生理特徵，接著結合BluePyOpt資料庫建立生物物理模型。(原文Figure 7) |
 |
| Fig2. Geppetto UI。透過BluePyOpt得到的生物物理模型在Geppetto UI中運行，並實時生成新的膜片鉗模擬。(原文Figure 9) |
撰文：余旻珊
參考文獻：Michiels, Mario. "Electrophysiology prediction of single neurons based on their morphology." bioRxiv (2020): 2020-02.
留言
張貼留言