传统上，识别神经元类型就像通过树叶识别树木——这是一个基于形态（形状）的手动、缓慢的过程。现在，研究人员开发了一种新的人工智能系统NTAC，证明神经元的“连接图谱”（即它和谁通信）比其物理外观更准确地定义其类型。该系统在普通笔记本电脑上几分钟内即可对数千个神经元进行分类，准确率超过90%，即使在神经元外观相同的脑区也同样有效。

研究背景：形态分类的局限性

随着电子显微镜和计算机视觉技术的进步，研究者已经能够重建小型动物大脑的完整连接组（即神经元与突触连接的网络）。然而，对这些连接组进行精确的细胞分型——解释回路功能、比较不同物种的大脑组织——却成为新的瓶颈。

传统的细胞分型依赖专家手动进行形态学分类，这是一个缓慢的过程，且需要详细的解剖信息。更重要的是，在许多脑区，尤其是在具有重复细胞类型的回路中，不同功能的神经元可能形态非常相似，仅靠外形进行判断具有欺骗性且不可靠。

NTAC系统：基于连接性的分类方法

在一项国际合作研究中，来自日本先端科学技术大学院大学（JAIST）、普林斯顿神经科学研究所、爱丁堡大学和加泰罗尼亚理工大学的研究团队开发了NTAC（从连接性进行神经元类型分配）系统。该系统证明，仅凭突触连接信息就足以高精度地识别神经元类型，无需依赖形态特征。

NTAC具有两种运行模式：

性能表现：远超传统形态学方法

研究团队将NTAC应用于多个最先进的果蝇大脑连接组，并与基于形态学的NBLAST方法（一种广泛使用的神经元形状比较方法）进行了对比。

更重要的是，NTAC仅需极少量的标记样本（半监督模式）或完全无需标记（无监督模式），在普通笔记本电脑上几分钟内即可完成数千个神经元的分类，而传统方法需要专家数月的劳动。

科学意义：连接组学的新里程碑

“我们的研究正值连接组数据快速增长、对自动化和可扩展工具的需求日益迫切之际，”研究负责人、JAIST副教授Gregory Schwartzman博士表示。“NTAC表明，连接图谱本身就包含了足够的信息，可以快速识别神经元类型，即使只有极小部分神经元被标记。”

研究团队将这一突破与基因组学的兴起相类比：正如绘制人类基因组图谱彻底改变了生物学和医学，绘制完整的“连接组”图谱将可能揭示脑回路在疾病中如何失效，并为理解大脑功能提供全新框架。

应用与未来

NTAC已成功应用于果蝇“大脑-神经索连接组”（BANC）数据集，对数以千计的神经元进行了标记。下一步，研究团队计划将该算法应用于小鼠大脑连接组的绘制——这是连接组学的下一个前沿领域。未来，随着技术向人类大脑（拥有860亿个神经元）迈进，NTAC这类自动化工具将成为处理海量数据的唯一可行途径。

研究人员表示，未来通过整合多模态数据（如基因表达、电生理特性），可进一步提升分类性能，获得对神经元类型更全面的理解。

研究信息

Original Research: Open access.
“NTAC: Neuronal type assignment from connectivity” by Gregory Schwartzman, Ben Jourdan, David García-Soriano & Arie Matsliah. Nature Communications
DOI:10.1038/s41467-025-68044-1

总结

NTAC系统颠覆了传统依赖形态的神经元分类范式，证明连接性是定义神经元类型的更本质特征。其高效、准确、可在普通计算设备上运行的特点，为大规模连接组数据分析提供了关键工具。这一进展不仅加速了果蝇等模式生物脑图谱的构建，也为未来绘制小鼠乃至人类大脑连接组铺平了道路，有望推动对神经发育障碍、精神疾病等脑疾病的机制理解。