Нейроны раскрывают секреты за минуты, а не часы экспресс
Нейрон похож на сложный музыкальный инструмент. Чтобы понять, как он отзовётся на прикосновение, раньше приходилось подключаться к каждой струне напрямую — процедура тонкая, медленная и доступная лишь для единичных клеток. Матрицы микроэлектродов (сетки из сотен датчиков) слушают весь оркестр сразу, но расшифровать, какой именно инструмент играет, по общему гулу долго не удавалось.
Группа исследователей создала «переводчика», который по короткой записи с такой матрицы настраивает виртуальную копию нейрона — модель Ходжкина–Хаксли. Для проверки они использовали сетчатку макаки и массив из 512 электродов с шагом 30 микрометров. Модель, обученная всего за несколько минут, предсказала реакцию на новые стимулы с точностью 90,6%.
Такой подход заменяет долгий перебор настроек. Вместо того чтобы вслепую тестировать десятки вариантов стимуляции, врач или исследователь получает готовый прогноз. Это как настройка радиоприёмника: вместо медленного вращения ручки вы сразу вводите частоту и слышите чистый сигнал.
В перспективе метод поможет точнее настраивать нейроимпланты — устройства, возвращающие зрение или слух. Вместо утомительных тестов с пациентом можно будет быстро рассчитать оптимальный рисунок стимуляции для каждого электрода.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2607.04063
Multi-compartment Hodgkin-Huxley (HH) models provide a principled framework for predicting neural dynamics and responses to electrical stimulation. However, fitting HH biophysical parameters typically requires intracellular recordings, which are invasive and low-throughput, limiting the ability to capture the geometry and cell-specific properties of many neurons in a given neural circuit. Multi-electrode arrays (MEAs) offer a scalable alternative - high-density extracellular measurements from full neural populations, but HH model complexity has so far precluded reliable biophysical inference from extracellular data alone. Here, we introduce a framework to rapidly infer HH parameters from designed features of extracellular MEA measurements by leveraging differentiable biophysical simulation and simulation-based inference, unlocking a wide range of downstream applications. In this work, we focus on a central goal of translational neuroengineering: predicting neural spiking responses to candidate neurostimulation patterns that would take hours to measure clinically. To validate our approach, we collected hundreds of hours of stimulation and recording data from isolated macaque retina with a 30 um-pitch 512-electrode array. Our framework predicted previously unseen multi-electrode stimulation responses with 90.6% accuracy using HH models fit from only a few minutes of recording, replacing hours of stimulus testing.
Матрица из 512 электродов, использованная в эксперименте, имеет шаг 30 микрометров — это примерно половина толщины человеческого волоса.