Команда под руководством Брэдли Войтека применила модели машинного обучения для анализа потенциалов действия. Выяснилось, что высота сигнала и скорость спада напряжения меняются в зависимости от типа входного воздействия. Алгоритм смог классифицировать три различных вида стимуляции, опираясь только на морфологию импульса, с точностью 78,4%. Более того, форма сигнала предсказывала параметры входящего тока за полсекунды до самого события.
Форма электрического импульса нейрона оказалась носителем скрытых данных
Десятилетиями нейробиологи считали нервный импульс простым двоичным сигналом, фиксируя лишь факт его появления. Исследователи из Калифорнийского университета в Сан-Диего доказали обратное: уникальный «почерк» каждого выстрела нейрона содержит детальные сведения о предшествующей стимуляции, которые прежде безвозвратно терялись при анализе данных.
Ученые предполагают, что за вариативность импульсов отвечает динамика ионов кальция, влияющая на ширину сигнала. Если гипотеза подтвердится, нейронауке придется пересмотреть фундаментальные принципы расшифровки активности мозга. Вместо подсчета частоты срабатываний исследователи смогут извлекать дополнительный объем данных из каждого отдельного импульса, что объясняет невероятную информационную емкость биологических систем при ограниченном числе клеток. Работа опубликована на сервере препринтов bioRxiv и ожидает независимого рецензирования.
Комментарии (0)
Пока нет комментариев. Будьте первым!