脑机百科消息(bciwiki.com)，据Istanbul Medipol University消息，该校研究人员提出跨脑区神经信号转换框架NeuroGate，用于从已记录脑区的波形预测未记录脑区的波形。相关预印本于2026-09-15上传至bioRxiv，未经同行评审，作者为Zareh, A.、Ozdemir, M. K.和Yagci, R.。
研究在56条通路上测试了这一框架，数据涵盖啮齿动物局部场电位（LFP）、人类立体定向脑电（sEEG）和皮层脑电（ECoG），以及头皮脑电（EEG）。结果显示，NeuroGate的波形预测精度优于13个深度学习和线性基线模型。作者还报告，其换一次信号采集后，预测精度的波动较小，准确性的中位数较高。这里的输出是模型预测波形，而非对目标脑区新增的直接记录。
为检验预测是否反映回路方向性，研究人员使用破伤风毒素轻链沉默梨状皮层输出。干预后，梨状皮层至嗅球的预测在全部8轮交叉验证中失效，反向预测则得以保留。作者认为，这种方向差异与单突触解剖结构相符。
研究展示了两类应用：一是量化记录信号之间的冗余如何限制每增加一个信号源所能提供的信息；二是提出可复用的回路干预流程，用于检验方向性信号转换。作者将后者作为可推广至其他回路的验证方案，而非已在所有回路中完成验证的结果。