西北大学医学院研究团队在《神经元》期刊发表最新成果，推出一种基于机器学习的新型分析方法——稀疏分量分析（SCA）。该研究突破了传统神经科学聚焦单一神经元的局限，首次从神经群体层面揭示复杂行为在脑内的组织机制。面对海量神经记录数据中多重过程交织的解析难题，团队利用SCA算法成功剥离并重构出数百个神经元共享的底层计算信号。经动物运动皮层、线虫及人工神经网络等多类数据集验证，研究发现大脑并非为每项动作独立生成全新模式，而是通过复用少量基础神经模块来组合生成复杂行为。例如，向前伸展与收回手臂的动作共享相同的底层神经成分。此外，该方法有效分离了传统分析中混杂的运动规划、执行与姿势维持等阶段信号，首次清晰呈现行为各阶段的独立神经表征。首席研究员格莱泽指出，这一发现证实了大脑计算具有高度的可复用性架构。未来团队将把该算法扩展至多脑区联合记录网络，以追踪计算信号在脑内的跨区流动路径。此项工作为解码复杂神经行为机制提供了全新工具，有望深化对脑功能架构及多脑区协同原理的科学认知。