小鼠大脑的数字孪生以惊人的准确性预测神经元活动和连接
快速阅读: 据《AZoAI》最新报道，斯坦福大学研究团队开发出一种基于AI的数字孪生模型，可精准预测小鼠视觉皮层对新视觉刺激的神经反应。该模型不仅能简化大脑研究过程，还揭示了神经元连接的新规律，为探索大脑工作机制提供了全新工具。
斯坦福医学 2025年4月10日
通过小鼠观看动作电影时记录的大脑活动构建的人工智能驱动数字孪生体，能够模拟实时神经反应——为解析大脑如何处理视觉、建立连接以及从经验中学习提供了革命性工具。
研究：神经活动基础模型预测对新刺激类型的响应。
图片来源：Isidora Simic / Shutterstock
正如飞行员可能在飞行模拟器中练习操控技巧一样，科学家们很快就能在一个逼真的小鼠大脑模拟系统上进行实验。在一项新研究中，斯坦福医学院的研究人员及其合作者使用人工智能模型构建了小鼠大脑中处理视觉信息部分的“数字孪生体”。
数字孪生体经过训练，使用从真实小鼠视觉皮层收集的大规模脑活动数据集，这些小鼠在观看电影片段时被监控。然后，它能够预测数以万计的神经元对新视频和图像的反应。
数字孪生体可以简化并提高研究大脑内部工作原理的效率。
“如果你构建了一个非常准确的大脑模型，这意味着你可以进行更多的实验，”斯坦福医学院眼科教授、该研究通讯作者安德烈亚斯·托利阿斯博士（安德烈亚斯·托利阿斯）说，“最有希望的实验可以在真实大脑中进行验证。”
该研究的主要作者是埃里克·王（Eric Wang），他是贝勒医学院的一名医学生。
动物视角示意图
a 视网膜被建模为一个球面上的点，接收通过原点的光线。图中红色显示了一个具有极角θ和方位角φ的示例光线。
b 光线追踪到显示器上的点mx、my处。对围绕mx、my的四个像素进行双线性插值，生成模型视网膜上θ、φ点的激活。
c 来自动物左眼的九个示例模型视角，包括眼球的三个水平旋转（外展/内收）×三个垂直旋转（抬高/降低）。同心圆表示以度为单位的视觉角度。
超出训练分布范围
与以往仅能模拟训练数据中所见刺激类型反应的视觉皮层人工智能模型不同，这个新模型可以预测大脑对广泛新视觉输入的反应。它甚至可以推断每个神经元的解剖特征。
新模型是一种基础模型的例子，这是一种相对较新的AI模型类别，能够从大规模数据集中学习，并将知识应用于新任务和新类型的数据，或如研究人员所说的“泛化到训练分布之外”。
（ChatGPT是一个熟悉的基础模型例子，可以从大量文本中学习，然后理解并生成新文本。）
相关故事
研究人员揭示人工智能时代教育如何变得更加灵活。
AI驱动显微镜以精确性和速度革新科学研究成像。
医生与AI：谁在紧急护理中表现更好？
“在许多方面，智能的种子在于稳健地泛化的能力，”托利阿斯说。“最终目标——圣杯——是在训练分布之外泛化。”
小鼠电影
为了训练新的AI模型，研究人员首先记录了小鼠观看电影时的大脑活动——这些电影是为人类制作的。这些影片尽可能接近小鼠在自然环境中可能看到的内容。
“很难为小鼠采样现实的电影，因为没有人专门为小鼠制作好莱坞电影，”托利阿斯说。但动作电影已经足够接近。
小鼠的视力分辨率较低，类似于我们的周边视觉，意味着它们主要看到运动而不是细节或颜色。“小鼠喜欢运动强烈激活它们的视觉系统，所以我们给它们播放了许多动作电影，比如《疯狂的麦克斯》。”
在多次短时间的观看会话中，研究人员记录了八只小鼠观看动作电影剪辑的超过900分钟的大脑活动。摄像头监测它们的眼动和行为。
研究人员利用汇总数据训练了一个核心模型，然后通过一些额外训练，可以将其定制为任何单个小鼠的数字孪生体。
准确的预测
这些数字孪生体能够紧密模拟其生物对应物对各种新视觉刺激（包括视频和静态图像）的神经活动反应。托利阿斯说，大量汇总的训练数据是数字孪生体成功的关键。“它们非常准确，因为它们是在如此大规模的数据集上训练的。”
尽管仅基于神经活动进行了训练，新模型仍能推广到其他类型的数据。
特定小鼠的数字孪生体能够预测视觉皮层中数千个神经元的解剖位置和细胞类型，以及这些神经元之间的连接。
研究人员用该小鼠视觉皮层的高分辨率电子显微镜成像结果验证了这些预测，这是更大项目的一部分，旨在以前所未有的细节绘制小鼠视觉皮层的结构和功能。该项目的结果，名为MICrONS，同时发表在《自然》期刊上。
打开黑箱
由于数字孪生体可以在小鼠寿命结束后继续运行，科学家可以对本质上相同的动物进行几乎无限次的实验。原本需要多年的实验可以在几小时内完成，数百万个实验可以同时运行，加速了对大脑如何处理信息以及智能原理的研究。
“我们试图打开这个黑箱，以便了解大脑在单个神经元或神经元群体层面的工作方式，以及它们如何协同编码信息，”托利阿斯说。
事实上，新模型已经开始产生新的见解。在另一项同时发表于《自然》的研究中，研究人员使用数字孪生体发现视觉皮层中的神经元如何选择与其他神经元形成连接。
科学家们早已知道相似的神经元倾向于形成连接，就像人们形成友谊一样。数字孪生体揭示了哪些相似性最为重要。神经元更倾向于与响应相同刺激（例如蓝色）的神经元连接，而不是与响应相同视觉空间区域的神经元连接。
“这就像根据人们的喜好而不是他们的位置来选择朋友，”托利阿斯说。“我们发现了关于大脑组织的更精确规律。”
研究人员计划在未来将建模扩展到其他大脑区域和动物，包括具有更高认知能力的灵长类动物。
“最终，我相信至少可以构建人类大脑某些部分的数字孪生体，”托利阿斯说。“这只是冰山的一角。”
哥廷根大学和艾伦脑科学研究所的研究人员也为这项工作做出了贡献。
该研究得到了情报高级研究计划局（IARPA）、国家科学基金会NeuroNex拨款、国家心理健康研究所、国家神经疾病和中风研究所（U19MH114830拨款）、国家眼科研究所（R01 EY026927拨款和T32-EY-002520-37核心视力研究拨款）、欧洲研究理事会和德国研究联合会的支持。
参考文献：
王, E. Y., Fahey, P. G., 邓, Z., Papadopoulos, S., Ponder, K., Weis, M. A., 张, A., 穆罕默德, T., 帕特尔, S., 邓, Z., 陈, D., 富, J., M., C., Reid, R. C., Collman, F., Da Costa, N. M., Franke, K., Ecker, A. S., Reimer, J., . . . Tolias, A. S. (2025). 神经活动基础模型预测对新刺激类型的响应。自然，640(8058)，470-477。DOI: 10.1038/s41586-025-08829-y
https://www.nature.com/articles/s41586-025-08829-y
(以上内容均由Ai生成)
