bioRxiv（Bioengineering）· Wesley Clawson·· 9 天前AI 评分38
开源闭环平台 HAL 对皮层培养网络爆发进行目标导向训练，数天内提升表现并实现纠错
Goal directed closed-loop training of network bursts in cortical cultures produces improved performance and error correction over days
AI 导读
研究者搭建开源闭环平台 HAL，在高密度微电极阵列上实时检测网络爆发并估计其空间起源，对偏离目标侧的爆发施加全局随机刺激。经数天训练，大鼠皮层培养物（n=10）在目标侧起始的爆发比例上升，且增益主要跨场次累积，呈现类似巩固的模式；受损培养物（n=6）无此增益。训练还使培养物更可靠地从错误状态恢复，这一纠错效应是与未受刺激对照组（n=6）最稳健的差异。
AI 要点
团队
作者 Wesley Clawson，论文发表于 bioRxiv（Bioengineering）。
主要结果
训练后大鼠皮层培养物在目标侧起始的爆发比例上升，且增益跨天累积、单次训练内变化很小；受损培养物无此跨天增益。
解决什么问题
探究离体神经培养物能被训练控制哪些网络活动特征，以及训练能否跨天保留。
方法
用开源闭环平台 HAL 在高密度微电极阵列上检测网络爆发、实时估计其空间起源并施加最小强化规则；大鼠皮层培养物 n=10，未刺激对照 n=6，受损培养物 n=6。
局限
从研究设计看，为体外大鼠皮层培养物研究，机制未经检验，作者称其为对时间尺度的陈述。
AI 依据原文整理，未经人工核对。
来源：bioRxiv（Bioengineering） · biorxiv.org