科学家创建类似ChatGPT的AI模型用于神经科学 构建迄今最详细的小鼠脑图谱之一

Scientists create ChatGPT-like AI model for neuroscience to build one of the most detailed mouse brain maps to date

在人工智能与神经科学的有力融合中，加州大学旧金山分校(UCSF)和艾伦脑科学研究所(Allen Institute)的研究人员设计了一种AI模型，创建了迄今为止最详细的小鼠脑图谱之一，包含1,300个区域/子区域。

这张新图谱包含了大脑中先前未被绘制的子区域，为神经科学探索开辟了新的途径。研究结果发表在《自然·通讯》(Nature Communications)上。该图谱提供了前所未有的细节水平，通过使研究人员能够将特定功能、行为和疾病状态与更小、更精确的细胞区域联系起来，推进了我们对大脑的理解——为关于这些区域作用的新假设和实验提供了路线图。

"这就像是从只显示大陆和国家的地图，变为显示州和城市地图，"艾伦研究所分子遗传学主任、该研究作者之一博斯利卡·塔西克(Bosiljka Tasic)博士说。

"这种全新、详细的大脑分区完全基于数据，而非人类专家注释，揭示了小鼠大脑中先前未被绘制的子区域。基于数十年的神经科学研究，新的区域对应着有待发现的专门大脑功能。"

这一突破的核心是"CellTransformer"，这是一种强大的AI模型，能够从大规模空间转录组学(spatial transcriptomics)数据集中自动识别大脑的重要子区域。空间转录组学揭示了特定脑细胞类型在大脑中的"位置"，但无法基于其组成揭示大脑区域。

现在，CellTransformer允许科学家基于共享细胞邻域的计算来定义大脑区域和细分，就像根据城市内部的建筑类型来勾勒城市边界一样。

"我们的模型建立在与ChatGPT等AI工具相同的强大技术基础上。两者都基于'Transformer'框架，该框架擅长理解上下文，"UCSF神经病学和生物工程副教授、该研究高级作者雷扎·阿巴西-阿斯尔(Reza Abbasi-Asl)博士说。

"虽然Transformer通常用于分析句子中词语之间的关系，但我们使用CellTransformer来分析空间上相邻细胞之间的关系。它学习基于局部邻域预测细胞的分子特征，从而能够构建出整体组织的详细图谱。"

该模型成功复制了已知的大脑区域，如海马体；但更重要的是，它还能在理解不足的大脑区域中发现先前未被记录的、更精细的子区域，例如中脑网状核(midbrain reticular nucleus)，它在运动启动和释放中扮演着复杂角色。

什么使这张脑图谱与其他图谱不同

这张新的脑图谱描绘的是大脑区域，而非细胞类型；与先前的脑图谱不同，CellTransformer的图谱完全是数据驱动的，意味着其边界由细胞和分子数据定义，而非人类解释。拥有1,300个区域和子区域，它也代表了迄今为止最精细、最复杂的数据驱动动物脑图谱之一。

艾伦研究所的通用坐标框架(Common Coordinate Framework, CCF)作为验证CellTransformer准确性的关键黄金标准。

"通过将CellTransformer自动识别的大脑区域与CCF进行比较，我们能够证明我们的数据驱动方法正在识别与已知专家定义的解剖结构一致的区域，"UCSF博士生、该研究第一作者亚历克斯·李(Alex Lee)说。

"看到我们的模型产生的结果与CCF如此相似，而CCF是该领域表征良好且高质量的资源，这令人感到欣慰。与CCF的高度一致性提供了一个关键基准，让我们有信心认为CellTransformer发现的新子区域也可能具有生物学意义。我们希望通过对计算和实验研究的进一步探索来验证这些结果。"

这项研究解锁关键洞察的潜力不仅限于神经科学。CellTransformer强大的AI能力具有组织无关性：它可以应用于其他器官系统和组织，包括癌症组织，只要有大规模空间转录组学数据可用，就能更好地理解健康和疾病的生物学，并推动新治疗方法和疗法的发现。

【全文结束】