跨物种神经表征学习对齐小鼠与人类神经动态

Gabriel Ocana Santero 等作者提交的论文提出一种双规则对比学习框架，直接从电生理数据学习按生物状态而非物种组织的神经表征，用以对齐小鼠与人类的对应状态，同时保持不同表型之间的区分。 作者称，该框架恢复了跨物种保守的感觉响应结构，并在癫痫中厘清三种小鼠模型与异质性人类患者群体的关系。将给药动物投影到冻结的跨物种表征后，药物诱导的向人类对齐健康状态的移动，回溯性追踪了十种模型-药物组合的已知临床疗效，包括一种疾病特异性有害效应。上述效果均为论文报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。