Cell | 利用胞外高密度信号识别细胞类型的深度学习策略

本文介绍了美国Baylor College of Medicine的Javier F. Medina研究组在Cell上发表的一项研究，该研究开发了一种深度学习策略，用于从高密度细胞外记录中识别细胞类型。研究背景是神经系统由多种细胞类型组成，这些细胞类型由分子、解剖、形态和生理特性决定。研究目的是开发一种能够跨物种运行的深度学习策略，仅从清醒动物的细胞外电生理信号中识别细胞类型。研究方法包括建立基于基因的细胞类型库、训练半监督深度学习分类器，并通过小鼠和猴子的数据集进行验证。研究结论是该分类器能够准确预测细胞类型，准确率超过95%，且在不同探针、实验室、小脑区域和物种中预测结果一致。