人工智能与神经流形：在小鼠模型中研究阿尔茨海默病的新方法

圣理工大学 (SPbPU) 的科学家们提出了一种创新系统，用于自动跟踪小鼠的行为并并行分析其海马体神经元的活动。海马体是大脑中与记忆和空间定向相关的关键区域。

传统上，研究动物行为需要长时间观看视频并进行手动分析。这项新研究采用了现代神经网络 YOLO-Pose，它可以自动且高精度地识别小鼠的姿势和动作：奔跑、休息和梳理毛发。这显著加快了研究进程并提高了效率。

使用安装在小鼠头部的微型显微镜记录小鼠自由运动状态下的神经元活动，有助于将行为与大脑功能直接联系起来。通过研究数百个神经元的数据，科学家们构建了所谓的"神经流形"——一种独特的多维模型，可以显示神经系统在各种行为状态下的动态变化。

研究人员使用具有阿尔茨海默病 (5xFAD) 遗传模型的小鼠，发现患病动物的神经流形结构存在严重紊乱。它们的组织在主动运动时尤其明显扭曲，这表明海马体中的神经元之间存在通讯障碍。

重要的是，实验中包含了一种潜在药物的测试。该药物部分恢复了小鼠神经流形的正常模式。这证明了利用此类分析评估新药治疗神经退行性疾病的有效性具有巨大的潜力。

一种结合人工智能和现代神经生理学方法的创新方法扩展了在自然条件下研究大脑活动的可能性。关于阿尔茨海默病如何影响整个神经网络功能（而非仅仅影响单个细胞）的更深入理解正在出现。

此外，该方法可以加速有效药物的开发和测试，并应用于神经科学其他领域，在这些领域追踪行为与大脑活动之间的联系至关重要。这项研究为复杂脑部疾病的研究开辟了一个新阶段，并展示了现代技术如何改变基础科学和应用科学的方法。