从日出到日落，跨大脑区域的交流有助于促进我们所做的每一个动作。例如，看、听、走和唱歌都是通过大脑中同时发射的大量神经元之间的相互作用而实现的。来自卡内基梅隆大学、阿尔伯特爱因斯坦医学院和 Champalimaud 基金会的合作者已经合作了十多年，以使用最先进的实验和统计方法更好地了解大脑中的交流流程。他们最新的胜利是一种全新的统计方法，即跨组延迟潜伏 (DLAG)，它可以解开大脑区域之间中继的信号，即使大脑区域之间的通信是双向的。

“我们开发的方法 DLAG 适合更广泛的机器学习或研究高维神经信号的统计方法类别。新颖的方面是识别不同大脑区域共享的活动模式，”埃夫伦说Gokcen，卡内基梅隆大学电气和计算机工程专业的研究生。

“几十年来，研究一直集中在一次记录一个大脑区域的一个或几个神经元。但随着神经记录技术的进步，瓶颈已经转移到能够分析和解释来自多个神经元的大量神经元的记录。大脑区域。”

人们普遍认为，大脑中的任务是通过神经元一起改变它们的活动来完成的。活动模式是指神经元相互协调其活动的特定方式。识别大脑区域之间交流所涉及的活动模式的一个挑战在于这种交流通常是双向和同时发生的。神经记录反过来显示了一个错综复杂的交流视图。

“为了在解开通信方面取得进展，我们利用了一个简单的见解：你不能立即发送信号;信息传播需要一些时间，”Gokcen 解释说。“在考虑通信延迟时，视频会议是一个很好的参考点;它在大脑中也很相似。通过 DLAG，我们利用了时间延迟，因此如果信号首先出现在区域 A，然后出现在区域 B，那么我们会采用意思是 A 区将信号发送到 B 区。使用 DLAG 方法，我们可以梳理同时中继的信号。

从更大的角度来看，DLAG 可以应用于其他神经科学应用，例如了解不同细胞类型之间(例如，抑制性和兴奋性神经元之间)或大脑不同层之间的相互作用。

“引入 DLAG 就像引入手术刀，以获得关于大脑区域如何相互交流的潜在更深入的见解，”生物医学工程和电气与计算机工程教授 Byron Yu 说。“结合这篇论文，我们正在向科学界的其他人提供我们的源代码。DLAG 可用于研究我们关注的视觉系统之外的其他大脑系统，例如研究记忆、决策和电机控制。”