LLM助力神经环路功能解析，新方法LLantia实现自动化推断

随着连接组图谱绘制技术的成熟，理解神经系统的关键已转向对神经环路功能的解读。近日，一项发表于arXiv的研究提出了一种名为LLantia（LLM自动化神经环路推断与分析）的新方法，旨在系统性地推断神经环路功能及其组成细胞类型的作用。该方法首先从科学文献中提炼出细胞类型功能的描述，再结合连接组数据，推演其他未知细胞类型的功能，并以此为基础进行神经环路功能的整体推断。研究结果采用分层结构组织，将可能的环路功能归类于不同的行为或生理背景下，每个环路功能均包含子环路描述及相关细胞类型信息，便于回溯已公开的已知信息，并支持进一步的实验研究。团队以成年果蝇大脑的所有细胞类型及部分核心环路为例展示了该方法的应用，并通过与分析发布后新发表文献的交叉验证，证实了其推断结果的可靠性。这一进展有望加速神经科学领域对复杂环路机制的解析，为人工智能与生命科学的交叉研究提供新思路。