bioRxiv（Neuroscience）· John H Byrne·· 1 天前AI 评分45
CircuitGNN：用图神经网络从群体活动中推断神经元有效连接
Graph neural network approach for inferring neuronal connectivity
AI 导读
研究团队开发出基于图神经网络的工具 CircuitGNN，可从单神经元分辨率的群体活动中准确推断神经有效连接，并能检测学习过程中连接的增强与减弱。在无脊椎动物中枢模式发生回路和皮层微回路生成的模拟群体活动上，CircuitGNN 表现优于其他方法。该工具在短至 4 分钟的记录中即达到高精度，可扩展至约 750 个神经元的回路，并在 20% 或 40% 神经元缺失时保持稳健。
AI 要点
团队
John H Byrne（bioRxiv 预印本，作者单位原文未提及）
主要结果
CircuitGNN 准确推断多个小型环路连接，能检出连接增强与减弱；在无脊椎动物中枢模式发生环路和皮层微环路模拟数据上优于其他方法。
解决什么问题
现有解剖图谱方法（连续切片显微、病毒示踪）资源消耗大，且无法反映连接效能，故改从单神经元分辨率群体活动推断有效连接。
方法
基于图神经网络的工具 CircuitGNN，从群体活动推断有效连接；在模拟数据上测试不同网络规模、记录时长和隐藏神经元比例。
局限
从研究设计看，验证基于模拟群体活动，未在真实记录上评估。
AI 依据原文整理，未经人工核对。
来源：bioRxiv（Neuroscience） · biorxiv.org