实时自适应神经科学实验软件平台improv：模型驱动闭环研究的新范式

《Nature Communications》：A software platform for real-time and adaptive neuroscience experiments

本刊推荐：研究人员为克服传统神经科学实验只能测试预设假设的局限性，开发了名为improv的实时自适应实验软件平台。该平台通过模块化架构整合数据采集、建模分析和实验控制，在斑马鱼和小鼠模型中实现了实时钙成像分析、行为预测、贝叶斯优化刺激选择和光遗传靶向干预，为神经环路的因果功能解析提供了强大工具。

　　

随着神经科学技术的飞速发展，研究人员现在能够以前所未有的规模和精度记录大脑活动。从高速钙成像到多电极记录，海量的神经数据不断涌现。然而，这种数据爆炸也带来了新的挑战：在有限的实验时间内，如何从成千上万种可能的实验条件中选择最相关的测试？传统实验设计通常遵循“采集-分析-假设”的线性流程，科学家们只能在数据收集完成后进行离线分析，这严重限制了在实验过程中根据实时发现调整研究方向的灵活性。

问题的核心在于，许多关键的神经科学问题只能在数据采集过程中通过动态调整实验方案来解答。例如，行为相关神经元在大脑中分布广泛且初始身份未知，要进行精准的光遗传学干预，首先需要实时确定这些神经元的位置和功能特性。同样，神经群体动力学的变化具有高度个体化和试次特异性，只有通过实时建模才能捕捉其动态轨迹并指导精准干预。

为了解决这些挑战，由Anne Draelos和John M. Pearson等领导的研究团队在《Nature Communications》上发表了他们的最新成果——improv软件平台。这一创新工具旨在打破数据采集与分析之间的壁垒，实现真正的实时自适应神经科学实验。

improv的核心设计基于简化的“执行者模型”（actor model），将系统功能分解为独立的执行者单元。每个执行者（如数据采集、预处理、模型拟合等）作为独立进程运行，通过消息传递和共享内存数据存储（基于Apache Arrow的Plasma库）进行通信。

这种架构最小化了进程间数据复制开销，确保了系统在长期运行中的稳定性和容错能力。

关键技术方法包括：1）使用CalmAn Online算法进行实时钙成像数据源提取和去卷积；2）采用线性非线性泊松（LNP）模型在线估计神经元功能连接；3）开发proSVD流式降维方法处理行为视频数据；4）应用贝叶斯优化（BO）自适应选择视觉刺激；5）整合双光子钙成像与光遗传刺激实现全光学闭环干预。实验使用转基因斑马鱼（Tg(elavl3:H2B-GCaMP6s)和Tg(elavl3:rsChRmine-oScarlet-Kv2.1)）为模型。

实时建模神经响应

研究团队首先在预记录的斑马鱼钙成像数据集上验证improv的性能。

平台以原始采集速率（3.6赫兹）流式处理荧光图像，通过CalmAn Online算法实时提取神经元空间掩模（ROI）和荧光轨迹，并在线拟合LNP模型估计神经元间的功能连接。结果显示，在线模型拟合仅需数分钟即可收敛到离线使用全部数据集获得的拟合值，显著节省了实验时间。

并发神经与行为分析

团队重现了Musall等人的分析，使用improv同时处理小鼠行为视频（30帧/秒）和钙成像数据。

通过proSVD将视频帧降维至10个特征，再使用流式岭回归预测神经活动。该方法在一分钟内即可找到稳定的行为特征子空间，回归系数β在几分钟内快速收敛，实时识别出小鼠面部和爪部区域是预测神经活动最相关的区域。

流式预测未来神经活动

为测试神经群体动力学理论的实时预测能力，团队使用猴子自我节律伸手任务的电生理数据，通过improv学习并预测神经群体活动的未来轨迹。

proSVD将182个单元的神经数据降维至6维空间后，Bubblewrap流式概率流模型通过高斯混合隐马尔可夫模型对神经轨迹进行分块覆盖，学习状态间转移矩阵。即使预测未来1秒（100个样本）的神经轨迹，性能仅比一步预测下降11%，为精准时序干预提供了可能。

闭环刺激优化最大化神经响应

在活体斑马鱼钙成像实验中，improv通过贝叶斯优化实时选择视觉刺激。

高斯过程（GP）估计每个神经元在所有刺激空间中的调谐曲线及其不确定性，通过上置信界（UCB）采集函数平衡探索与利用。平均仅需15个刺激即可优化300个神经元的调谐曲线，效率比传统网格搜索提升数十倍。算法自动识别了前顶盖（Pt）神经元偏好双眼同向运动，而视顶盖（OT）神经元偏好双眼异向（会聚或发散）运动的区域差异。

自适应光遗传靶向方向选择性神经元

最终实验展示了improv根据实时功能特性自适应选择光遗传干预靶点的能力。

平台协调视觉刺激表征阶段和闭环光刺激阶段，通过红色移位海洋视蛋白rsChRmine在1045纳米进行双光子光刺激，同时使用920纳米记录GCaMP6s钙活动。研究发现，部分神经元的光刺激调谐曲线与视觉调谐曲线高度匹配，提示它们可能被相似调谐特性的神经元驱动；而有些神经元对光刺激的反应强于视觉刺激，揭示了功能特异的神经互动模式。

这项研究证明了improv在整合建模、数据采集和实验控制方面的强大能力。与BRAND、Heron、Bonsai等现有系统相比，improv的跨平台性、模块化和领域无关设计提供了无与伦比的灵活性。尽管需要较大内存支持共享数据存储，且目前仅支持集中式架构，但它在所有测试场景中均保持了实时性能。

随着神经科学数据复杂性的持续增长，improv为下一代自适应实验提供了关键基础设施。通过将流式分析与数据采集无缝结合，它使研究人员能够在实验进行中获得实时洞察，动态优化假设测试策略。这一平台有望在系统神经科学领域开启新的研究范式，推动对大脑功能机制更深入的理解。