跨物种表征学习对齐小鼠和人类的神经动力学并追踪临床药物疗效

arXiv:2610.11222v1 公告类型：cross 摘要：临床前模型难以预测人类药物疗效，尤其是在神经系统疾病中。神经活动提供了极为丰富的转化研究信息来源，因为它捕捉了神经系统功能的高维变化，而这些变化可以在动物和人类中进行测量。然而，其高维特性使得研究人员难以区分保守的疾病相关特征与由物种、记录方式和实验环境引起的变化。在本研究中，我们检验了这样一种可能性：能否通过从电生理数据中学习按照生物学状态而非物种组织的表征，直接识别共享的神经动力学。我们开发了一种双规则对比学习框架，在保持不同表型之间分离的同时，对齐小鼠和人类中相对应的状态。该框架在不同物种间恢复了保守的感觉反应结构，并在癫痫研究中解析出三个小鼠模型与异质性人类患者群体之间不同的关系。当将接受治疗的动物投影到冻结的跨物种表征中时，其因药物诱导而向与人类对齐的健康状态移动的程度，回溯性地追踪了十种模型—药物组合中已知的临床疗效，其中包括一种疾病特异性的不利影响。尽管遗传病因和记录方式存在差异，该框架还识别出了Fmr1-knockout小鼠与人类16p11.2拷贝数变异携带者之间共享的疾病相关神经动力学。总之，这些发现表明，跨物种神经表征学习有望将异质性人类疾病映射到实验上易于研究的临床前状态，并评估干预措施是否能够恢复与人类相关的回路功能。