北京大学Ma, Lei与胡薇等学者合作发表Cell Research（IF=44！）：通过大规模钙成像和机器学习揭示的视交叉上核中的系统级时间计算和表示
论论资讯 ｜ 2024-04-21 ｜
4222热度
Cell Research
Explore content
About the journal
Publish with us
System-level time computation and representation in the suprachiasmatic nucleus revealed by large-scale calcium imaging and machine learning
Wang Z.; Yu J.; Zhai M.; Wang Z.; Sheng K.; Zhu Y.; Wang T.; Liu M.; Wang L.; Yan M.; Zhang J.; Xu Y.; Wang X.; Ma L.; Hu W.; Cheng H.
Published：2024-01-01
DOI：10.1038/s41422-024-00956-x
研究背景
你是否曾想过，生物钟是如何准确地告诉我们一天中的时间的呢？这个问题一直困扰着科学家们。最近，一项发表在《Cell Research》期刊上的研究揭示了关于哺乳动物中心昼夜节律的主要控制器——视交叉上核（SCN）是如何计算和表征时间的。
研究内容
研究人员利用大规模钙成像和机器学习技术，观察了成年SCN切片中多达9000个GABA能神经元的钙信号。他们发现，这些神经元群体的信号可以预测每小时的时间，通过一种集体决策机制和SCN中的空间模块化时间特征表示。通过使用机器学习方法，研究人员从多尺度的钙信号中捕捉到了新的性质。他们成功地通过对随机SCN神经元群体进行投票实现了每小时时间的准确预测，当群体规模为900时，准确率达到了99.0%。此外，研究人员还揭示了通过对比学习识别的功能神经元亚型在SCN空间中倾向于分开聚集，形成了对称的涟漪状模块化模式。每个模块代表着独特的时间特征，因此针对特定模块学习的时间预测器也能准确地从同一模块的随机投票中解码每小时时间。这些发现为我们解读生物钟在系统层面的设计原则打开了新的范式。
研究意义
这项研究的创新之处在于，它揭示了SCN如何以群体决策的方式编码时间，以及神经元子类型如何在SCN中形成模块化模式。通过这些发现，我们更深入地了解了生物钟如何在系统层面工作，为未来研究生物钟的机制提供了新的思路。
这篇研究为我们解开了生物钟的奥秘，让我们对身体内部的时间感知有了更清晰的认识。希望这项研究能够激发更多对生物钟和时间感知的探索，让我们更好地了解生命的奥秘。
学术热榜
查看全部
相关资讯
换一批