用于推断神经元连接的图神经网络方法

理解神经元网络的连接方式对于认识脑功能至关重要。当前的解剖学绘图技术，如连续切片显微成像和病毒示踪，耗费大量资源，且无法揭示连接的效能。一种互补方法是根据单神经元分辨率的群体活动推断有效连接。我们开发了一种基于图神经网络（GNN）的工具 CircuitGNN，能够根据群体活动准确推断神经元有效连接。CircuitGNN 能够准确推断多个小型神经环路的连接，并检测连接强度的增强与减弱，例如学习过程中发生的变化。在应用于由无脊椎动物中枢模式发生环路和皮层微环路生成的模拟群体活动时，CircuitGNN 的表现优于其他方法。我们还在网络规模、记录时长和隐藏神经元比例各异的条件下评估了 CircuitGNN。尽管延长记录时间能够提升性能，CircuitGNN 在记录时长仅为 4 分钟时仍可达到较高精确率；它可扩展至约 750 个神经元的大型环路，并且在 20% 或 40% 的神经元处于隐藏状态时仍保持稳健。这些结果表明，CircuitGNN 是一种能够根据神经活动准确、稳健地推断神经元连接关系的技术。

理解神经元网络的连接方式对于理解脑功能至关重要。串行切片显微成像和病毒示踪等现有解剖学绘图技术耗费大量资源，且无法评估连接的效能。一种互补方法是从单神经元分辨率的群体活动中推断有效连接。我们开发了一种基于图神经网络（GNN）的工具 CircuitGNN，可根据群体活动准确推断神经有效连接。CircuitGNN 能够准确推断多个小型神经回路的连接，并检测连接的增强与减弱，例如学习过程中发生的变化。在应用于由无脊椎动物中枢模式发生回路和皮层微回路生成的模拟群体活动时，CircuitGNN 的表现优于其他方法。我们评估了不同网络规模、记录时长及隐匿神经元比例条件下 CircuitGNN 的性能。尽管延长记录时长可以提升性能，CircuitGNN 在记录时长仅为 4 分钟时仍能达到较高精确率，可扩展至多达约 750 个神经元的大型回路，并且在 20% 或 40% 的神经元不可见时仍保持稳健。这些结果表明，CircuitGNN 是一种能够根据神经活动推断神经连接的准确、稳健的技术。

作者声明不存在竞争利益。

感谢您有兴趣帮助传播 bioRxiv 的信息。

注意：我们要求提供您的电子邮件地址，仅用于确认您是本文的发送者。

关键词：图神经网络 · 神经元有效连接 · 神经环路 · 群体神经活动 · 连接推断

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.28.762597v1?rss=1