Cell | 利用胞外高密度信号识别细胞类型的深度学习策略
BioArt
2025-03-24 08:38
文章摘要
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。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
