یک تیم تحقیقاتی به سرپرستی دایفنگ وانگ،در حال تطبیق تکنیک‌های یادگیری ماشینی و هوش مصنوعی برای درک بهتر اینکه چگونه صفات مختلف با هم بر نحوه عملکرد نورون‌ها تأثیر می‌گذارند، هستند .

این رویکرد که یادگیری چندگانه نامیده می‌شود، ممکن است به محققان در درک بهتر و حتی پیش‌بینی اختلالات مغزی با مشاهده ویژگی‌های عصبی خاص کمک کند.

در اولین مطالعه محققان نشان دادند که می توانند از یادگیری چندگانه برای پیش بینی ویژگی های نورون ها استفاده کنند.

با استفاده از تکنیک‌های یادگیری ماشینی موجود، که از الگوریتم‌های کامپیوتری برای تجزیه و تحلیل مقادیر زیادی از داده‌ها و پیش‌بینی خودکار استفاده می‌کنند، دریافتند که می‌توانند سلول‌ها را بر اساس ژن‌ها و رفتار الکتروفیزیولوژیکی آن‌ها طبقه‌بندی کنند. این رفتار شامل فعالیت الکتریکی نورون ها می شود که برای ارتباط بین نورون ها و در نهایت عملکرد مغز بسیار مهم است.

مدل جدید که deepManReg نام دارد، پیش بینی ویژگی های عصبی را بر اساس بیان ژن و الکتروفیزیولوژی بهبود می بخشد.

همچنین قابل تعمیم به انواع دیگر داده های سلولی است، می تواند بیش از دو نوع ویژگی عصبی را ادغام کند، و می تواند نشان دهد که چگونه ویژگی های متعدد بر یکدیگر متصل یا تأثیر می گذارند.

استفاده از یادگیری ماشین برای این برنامه ها می تواند به کاهش زمان و هزینه مورد نیاز برای مطالعه برخی ویژگی های مغز کمک کند.

اگرچه جدیدترین مطالعات محققان بر اساس سلول های سالم بود، وانگ قصد دارد از این تکنیک ها برای کسب اطلاعات بیشتر در مورد اختلالات و بیماری های مغزی استفاده کند.

201001201.411