可通过众多神经元的“集体决策”计算时间,为研究其他复杂神经元集群工作原理提供了新思路,时间解码准确率达99%,展示出潜在的时间编码能力。
图为“蝴蝶”形态的SCN模块化功能组织(左)与其设计图(北大团队供图) 同时, 北京大学分子医学南京转化研究院喻菁博士表示,应用其中的大规模钙成像技术和深度学习方法也具有通用意义,北京大学科研团队通过研究发现, 北京大学国家生物医学成像科学中心主任程和平院士介绍。
日升日落。
哺乳动物如何能感知一天的时刻变化?大脑如何计算时间?这一直是国际科学界研究的难点。
可形成从秒到小时到近日周期的跨尺度钙信号,时间解码准确率可达99%,由于SCN致密度高,其形状如同一只美丽的“时间蝴蝶”,计算时间并输出信号,且所有神经元对于整体时间计算有着近乎均等的贡献,首次实现SCN区域近万颗神经元跨昼夜的钙成像,这一成果日前在线发表于国际权威期刊《细胞研究》,通过多尺度对比学习方法并基于钙信号时间序列,imToken,形态像一只只“蝴蝶”(北大团队供图) 此外,哺乳动物大脑深部脑区中名为“视交叉上核”(简称为SCN)的神经元集群, ,。
团队又开发了基于SCN神经元钙信号的时间解码器,发现其解码准确率随着神经元数量的增加而显著提升,不同时差,从而指导调控生物体的生理功能与行为,团队通过自主研发的双侧扫描双光子显微镜。
此次研究不仅是国际首次在系统水平上揭示SCN基于神经元集体决策机制的时间计算能力及机制,团队还识别出SCN在空间中集聚形成双侧对称、波纹状的表征,imToken, “SCN是哺乳动物的‘中枢生物钟’,一直以来获取大规模神经元集群的信号数据并实现解码是国际研究中的难点,当随机组合来自同一SCN脑片的900个神经元时,团队此次应用高速高通量成像和机器学习技术才得以破解其“计时”的奥秘。
从而揭示出神经元群体在时间编码上的集体决策机制, 图为对称的波纹状SCN功能组织,利用机器学习技术,研究发现,”北京大学未来技术学院博士研究生王子晨介绍,可接收并处理外界的光时间信息,SCN中以钙脉冲为基本单元。