谷歌助力神经科学飞跃，破解斑马鱼全脑活动密码

20 0 0

文章摘要

谷歌、哈佛大学、HHMI Janelia研究所和拉德堡德大学的科学家们联合发布了一项开创性的研究成果——ZAPBench，这是一个专门用于预测斑马鱼全脑活动的基准测试平台。这一成果在2025年国际学习表征会议上发表，为神经科学和机器学习的交叉领域带来了新的突破。

在自然科学中，通过过去的观测来预测系统未来行为的能力是理解该系统的关键标准。从天体力学到气象学，预测能力一直是推动科学进步的重要力量。然而，对于复杂的生物系统——尤其是脊椎动物的大脑，预测其活动一直是极具挑战性的任务。大脑由数十亿个神经元组成，这些神经元通过复杂的网络相互连接并传递信息。如何从海量的神经元活动中提取规律，并准确预测未来的活动状态，是神经科学和人工智能领域共同关注的焦点。

斑马鱼作为一种模式生物，因其透明的胚胎和幼体，以及相对简单的神经系统，成为了研究神经活动的理想模型。斑马鱼的幼体在发育过程中表现出多种行为模式，这些行为模式与神经活动密切相关。通过观察和分析斑马鱼的神经活动，科学家们希望能够揭示大脑活动的基本规律，并为人类大脑的研究提供参考。

ZAPBench的核心是一个数据集，包含了斑马鱼幼体大脑中超过70,000个神经元的4D光片显微镜记录。这些记录不仅捕捉了神经元的活动，还通过先进的后处理技术，包括运动稳定化和体元级细胞分割，为开发各种预测方法提供了便利。数据采集采用了光片荧光显微镜（LSFM）技术，这是一种能够以细胞级分辨率记录大脑活动的强大工具。通过快速移动的激光光片照亮大脑的薄平面，当神经元活动时，钙流入细胞会触发GCaMP蛋白发出荧光，从而间接测量大脑活动。

ZAPBench的基准测试任务是根据过去的神经元活动来预测未来的大脑活动。一种是基于较短时间（几秒）的上下文窗口进行预测；另一种是基于较长时间（几分钟）的上下文窗口进行预测。预测的目标是在未来大约30秒内，预测出神经元的活动状态。为了评估预测模型的性能，研究人员采用了平均绝对误差（MAE）作为评价指标。MAE是一个常用的预测性能指标，它通过计算预测值与真实值之间的平均差异来衡量模型的准确性。

此外，研究人员还定义了两种简单的基线模型：一种是基于过去活动平均值的预测模型；另一种是基于刺激条件的预测模型。这些基线模型为评估其他预测模型的性能提供了参考。ZAPBench的发布不仅为神经科学和机器学习领域提供了一个重要的研究工具，还为理解大脑活动的预测机制开辟了新的途径。