共同培养的感觉神经元分类使用细胞外电生理学和机器学习方法来增强止痛查
Alexander Somers1, Bryan James Black1
1Department of Biomedical Engineering, Francis College of Engineering, University of Massachusetts Lowell, 1 University Ave, Lowell, MA 01854, United States of America.
Journal of neural engineering
|October 2, 2025
概括
机器学习准确地识别了干细胞衍生的神经元培养中的 nociceptors,用于慢性疼痛研究. 这促进了非成性疼痛治疗的表型查.
科学领域:
- 神经科学是一个神经科学.
- 干细胞生物学 干细胞生物学
- 机器学习 机器学习
背景情况:
- 慢性疼痛影响超过20%的美国成年人,造成重大个人和经济负担.
- 阿片类药物危机需要有效的,非成的疼痛管理策略.
- 传统的药物发现有局限性,强调需要使用像表型查这样的替代方法.
研究的目的:
- 在人类诱导的多能干细胞干细胞衍生的感觉神经元和质共同培养中识别响应神经元亚型.
- 开发和验证机器学习分类器,用于在表型查试验中识别恶感受体.
主要方法:
- 开发了一种使用细胞外电生理学记录的表型查试验.
- 诱导一种类似炎症的状态与瘤亡因子alpha.
- 利用无监督学习来标记响应细胞,并在基线活动上训练了五个分类器.
主要成果:
- 一组RUS增强的决策树在分类恶性感受器中获得了0.877的AUC-ROC.
- 在最初的准确性评估中,没有一个单一的分类器显著超过其他分类器.
- 在一个看不见的标记文化中成功分类了 nociceptors.
结论:
- 机器学习可以增强基于微电极阵列的神经元表型分析.
- 读数,如平均发射速度,可以根据目标细胞类型加权,以提高准确性.
- 这种方法对发现新的,非成性慢性疼痛治疗方法具有前景.


