谷歌等机构耗时十年重建突触级果蝇半脑

生物科学家研究基因收集，社会科学家研究社会收集，那神经科学家天然研究神经收集。研究伟大体系的「收集」是描写体系的根基方法。

恒久以来，大脑神经收集的事变方法一向是一个热点研究话题，连年大热的人工神经收集也是受到大脑神经元的开导才建设的。 实行重建大脑（行使风雅的成像技能绘制大脑物理路径）是毗连组学的一个偏向，也是神经科学家对显现大脑事变方法的一种试探。因为人类大脑过于伟大，研究者们实行从果蝇等较为简朴的生物入手，试图重建果蝇大脑的完备神经毗连图。人类大脑有1000亿个神经元，果蝇大脑只有10万阁下。 客岁8月，谷歌公布，他们用数千块 GPU 自动重建了果蝇大脑的完备神经图，像素高达40万亿。遗憾的是，其时的重立功效没有辨认突触，因此算不上真正的神经图。 但就在昨天，谷歌与霍华德·休斯医学研究所 Janelia 研究园区的 FlyEM 研究团队连系宣布了他们的最新盼望——一个拥有突触级别毗连的果蝇半脑毗连图。这是迄今为止人类绘制出的最大的突触级别大脑毗连图。这个新的毗连图包括25000个神经元、2000万个毗连，约莫相等于果蝇大脑体积的1/3，但这1/3影响力不容小觑。由于这些部门包括与进修、影象、嗅觉、导航等成果相干的重要地区。果蝇半脑的一些统计信息，绿色部门暗示成像和重建的焦点脑域。当前最大包括2.5万个神经元，它们的突触毗连数目到达2万万。 谷歌研究科学家 Viren Jain 暗示，「这将是我们第一次真正过细入微地调查突触数目达10万级此外神经体系的组织布局。」有了这份细致的神经图，研究者们将可以或许解答大脑为何运行得云云之快。「这项研究将改变神经科学的研究方法。」 该研究盼望是毗连组学规模的一个里程碑。在此之前，只有一种单生平物体——「奇丽隐杆线虫（C. elegans）」的大脑曾经被云云过细地描画。 一向以来，「毗连组学」在科学界毁誉参半。支持者以为这门学问可以显现大脑物理层面与特定举动的相关，有助于实现神经科学的要害方针；不支持的人认为绘制神经元图淹灭了大量精神，这些研究资源本应放到更重要的规模中去。 为了完成重建事变，研究者必要完成以下事变： 1. 借助显微镜获取果蝇大脑中神经元的清楚图像；2. 借助算法将这些图像对齐并从头组合在一路形成3D 图像；3. 颠末人工校对形成精确的重立功效；4. 操作呆板进修算法自动监测入迷经元之间的突触来完成重建。 在这个进程中，每个步调都坚苦重重。为了降服这些坚苦，研究职员已经全力了近十年。 怎样获取果蝇大脑神经元的清楚图像？ 因为果蝇大脑的体积与一颗罂粟种子相同，以是精确地描写出果蝇大脑中10万个神经元是一项很是大的挑衅。另外，许多微生物学家也质疑获取果蝇大脑数据的代价。以是，描写果蝇电脑神经元及其之间的毗连始终是一项困难。 起首，研究职员必需借助于显微镜来获取高判别率的大脑图像，然后为每个神经元绘制在两个半脑中睁开的神经联络。就像为人类基因组排序一样，完成响应的事变必要技能创新和大量的人力资源。 那么这样就迎来了第一项困难：怎样获取果蝇大脑中每个神经元的清楚图像？ 操作显微镜实现果蝇大脑及神经元成像 如下图所示，在一个宁静的房间里，八台庞大的显微久魅正筹备天生就蝇大脑的图像。而且，图像网络的进程不受任何外力的影响。 这些显微镜本来在计划时想要几分钟或几小时内捕获到数据。可是，如要得到完备的果蝇大脑图像，一台显微镜必要一连运行数月或数年。此刻，显微镜可以或许持续不绝地天生清楚的图像，并表现果蝇大脑中错综伟大的神经元。另外，假如呈现任何妨碍，显微镜可以自动遏制数据网络并发出 SOS 信号。果蝇大脑图像所行使的显微镜。 在成像进程中，谷歌研究职员行使了聚焦离子束扫描电子显微镜（FIB-SEM）的技能，即通过聚焦离子束来击碎果蝇脑组织。 接着计较机措施将这些图像拼接对齐，天生就蝇大脑的3D 展示图。

用于建造「线路图」（wiring diagram）的图像所有来自一只雌果蝇，这些图像已经网络了起来。可是，跟着显微镜成果的晋升，它们此刻也可以从雄果蝇的大脑中网络数据了，而且是要捕获整此中枢神经体系。 怎样获得精确的重立功效？ 降服半脑毗连组天生中的挑衅必要大量研究职员数以十年的相助研究和开拓。在珍妮莉亚研究园区，研究职员曾开拓出了一种新要领，为果蝇大脑染色，再将组织支解为20微米的厚片。接着行使聚焦离子束扫描为每个厚片天生8x8x8nm^3像素的立体图像。之后操作计较要领将原始数据拼接和对齐到一个连贯的26万亿像素的3D 体积中。 可是，假若是蝇大脑中的神经元没有准确的3D 重建，则基于上述范例的成像数据不行能天生毗连组。 在天生半脑毗连组的进程中，谷歌选择与 Janelia 研究园区的 FlyEM 团队睁开相助，并专注于自动化3D 重建以天生毗连组。 颠末技能的迭代成长，谷歌于2018年7月份提出了名为 Flood-filling 收集（FFN）的算法，并用于重建完备的半脑数据集。这种算法可以或许按照上下文图像和先验猜测来抉择怎样扩展果蝇神经元的外形。谷歌在今天的博客中又具体描写了该收集。

在果蝇半脑数据中，操作 FFN 要领来支解或追踪神经元构成部门。 FFN 可以或许自动追踪果蝇大脑中的每个神经元，是首个可以或许给出足够精确重立功效的自动支解技能 固然该算法概略上运行精采，但研究职员发明，当对齐结果不美满（持续切片中的图像内容不不变）或切片和成像进程存在题目导致多个持续切片缺失时，该算法的机能会降落。 为了应对这些题目，研究职员将 FFN 收集与以下两个处理赏罚流程相团结：

· 其一，研究职员预计了3D 图像列位置切片之间的同等性，然后在 FFN 追踪每个神经元时确保列位置图像内容的不变性；

· 其二，研究职员行使 Segmentation-Enhanced CycleGAN（SECGAN）计较出缺失切片的重构图。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!