生物科學(xué)家研究基因網(wǎng)絡(luò)，社會科學(xué)家研究社會網(wǎng)絡(luò)，那神經(jīng)科學(xué)家自然研究神經(jīng)網(wǎng)絡(luò)。研究復(fù)雜系統(tǒng)的「網(wǎng)絡(luò)」是描述系統(tǒng)的基本方式。

長期以來，大腦神經(jīng)網(wǎng)絡(luò)的工作方式一直是一個熱門研究話題，近年大熱的人工神經(jīng)網(wǎng)絡(luò)也是受到大腦神經(jīng)元的啟發(fā)才創(chuàng)建的。
嘗試重建大腦（使用精細(xì)的成像技術(shù)繪制大腦物理路徑）是連接組學(xué)的一個方向，也是神經(jīng)科學(xué)家對揭示大腦工作方式的一種探索。由于人類大腦過于復(fù)雜，研究者們嘗試從果蠅等較為簡單的生物入手，試圖重建果蠅大腦的完整神經(jīng)連接圖。人類大腦有1000億個神經(jīng)元，果蠅大腦只有10萬左右。
去年8月，谷歌宣布，他們用數(shù)千塊 GPU 自動重建了果蠅大腦的完整神經(jīng)圖，像素高達(dá)40萬億。遺憾的是，當(dāng)時的重建結(jié)果沒有識別突觸，因此算不上真正的神經(jīng)圖。
但就在昨天，谷歌與霍華德·休斯醫(yī)學(xué)研究所 Janelia 研究園區(qū)的 FlyEM 研究團(tuán)隊聯(lián)合發(fā)布了他們的最新進(jìn)展——一個擁有突觸級別連接的果蠅半腦連接圖。這是迄今為止人類繪制出的最大的突觸級別大腦連接圖。這個新的連接圖包含25000個神經(jīng)元、2000萬個連接，大約相當(dāng)于果蠅大腦體積的1/3，但這1/3影響力不容小覷。因為這些部分包含與學(xué)習(xí)、記憶、嗅覺、導(dǎo)航等功能相關(guān)的重要區(qū)域。果蠅半腦的一些統(tǒng)計信息，綠色部分表示成像和重建的核心腦域。當(dāng)前最大包含2.5萬個神經(jīng)元，它們的突觸連接數(shù)量達(dá)到2千萬。
谷歌研究科學(xué)家 Viren Jain 表示，「這將是我們第一次真正細(xì)致入微地觀察突觸數(shù)量達(dá)10萬級別的神經(jīng)系統(tǒng)的組織結(jié)構(gòu)。」有了這份詳盡的神經(jīng)圖，研究者們將能夠解答大腦為何運行得如此之快。「這項研究將改變神經(jīng)科學(xué)的研究方式。」
該研究進(jìn)展是連接組學(xué)領(lǐng)域的一個里程碑。在此之前，只有一種單一生物體——「秀麗隱桿線蟲（C. elegans）」的大腦曾經(jīng)被如此細(xì)致地描繪。
一直以來，「連接組學(xué)」在科學(xué)界毀譽參半。支持者認(rèn)為這門學(xué)問可以揭示大腦物理層面與特定行為的關(guān)系，有助于實現(xiàn)神經(jīng)科學(xué)的關(guān)鍵目標(biāo)；不支持的人覺得繪制神經(jīng)元圖耗費了大量精力，這些研究資源本應(yīng)放到更重要的領(lǐng)域中去。
為了完成重建工作，研究者需要完成以下工作：
1. 借助顯微鏡獲取果蠅大腦中神經(jīng)元的清晰圖像；2. 借助算法將這些圖像對齊并重新組合在一起形成3D 圖像；3. 經(jīng)過人工校對形成準(zhǔn)確的重建結(jié)果；4. 利用機器學(xué)習(xí)算法自動監(jiān)測出神經(jīng)元之間的突觸來完成重建。
在這個過程中，每個步驟都困難重重。為了克服這些困難，研究人員已經(jīng)努力了近十年。
如何獲取果蠅大腦神經(jīng)元的清晰圖像？
由于果蠅大腦的體積與一顆罌粟種子類似，所以準(zhǔn)確地描述出果蠅大腦中10萬個神經(jīng)元是一項非常大的挑戰(zhàn)。此外，很多微生物學(xué)家也質(zhì)疑獲取果蠅大腦數(shù)據(jù)的價值。所以，描述果蠅電腦神經(jīng)元及其之間的連接始終是一項難題。
首先，研究人員必須借助于顯微鏡來獲取高分辨率的大腦圖像，然后為每個神經(jīng)元繪制在兩個半腦中展開的神經(jīng)聯(lián)結(jié)。就像為人類基因組排序一樣，完成相應(yīng)的工作需要技術(shù)創(chuàng)新和大量的人力資源。
那么這樣就迎來了第一項難題：如何獲取果蠅大腦中每個神經(jīng)元的清晰圖像？
利用顯微鏡實現(xiàn)果蠅大腦及神經(jīng)元成像
如下圖所示，在一個安靜的房間里，八臺巨大的顯微鏡正準(zhǔn)備生成果蠅大腦的圖像。并且，圖像收集的過程不受任何外力的影響。
這些顯微鏡原本在設(shè)計時想要幾分鐘或幾小時內(nèi)捕捉到數(shù)據(jù)。但是，如要獲得完整的果蠅大腦圖像，一臺顯微鏡需要持續(xù)運行數(shù)月或數(shù)年。現(xiàn)在，顯微鏡能夠連續(xù)不斷地生成清晰的圖像，并顯示果蠅大腦中錯綜復(fù)雜的神經(jīng)元。此外，如果出現(xiàn)任何故障，顯微鏡可以自動停止數(shù)據(jù)收集并發(fā)出 SOS 信號。果蠅大腦圖像所使用的顯微鏡。
在成像過程中，谷歌研究人員使用了聚焦離子束掃描電子顯微鏡（FIB-SEM）的技術(shù)，即通過聚焦離子束來擊碎果蠅腦組織。
接著計算機程序?qū)⑦@些圖像拼接對齊，生成果蠅大腦的3D 展示圖。

用于制作「線路圖」（wiring diagram）的圖像全部來自一只雌果蠅，這些圖像已經(jīng)收集了起來。但是，隨著顯微鏡功能的提升，它們現(xiàn)在也可以從雄果蠅的大腦中收集數(shù)據(jù)了，并且是要捕捉整個中樞神經(jīng)系統(tǒng)。
如何得到準(zhǔn)確的重建結(jié)果？
克服半腦連接組生成中的挑戰(zhàn)需要大量研究人員數(shù)以十年的合作研究和開發(fā)。在珍妮莉亞研究園區(qū)，研究人員曾開發(fā)出了一種新方法，為果蠅大腦染色，再將組織分割為20微米的厚片。接著使用聚焦離子束掃描為每個厚片生成8x8x8nm^3像素的立體圖像。之后利用計算方法將原始數(shù)據(jù)拼接和對齊到一個連貫的26萬億像素的3D 體積中。
但是，如果果蠅大腦中的神經(jīng)元沒有精確的3D 重建，則基于上述類型的成像數(shù)據(jù)不可能生成連接組。
在生成半腦連接組的過程中，谷歌選擇與 Janelia 研究園區(qū)的 FlyEM 團(tuán)隊展開合作，并專注于自動化3D 重建以生成連接組。
經(jīng)過技術(shù)的迭代發(fā)展，谷歌于2018年7月份提出了名為 Flood-filling 網(wǎng)絡(luò)（FFN）的算法，并用于重建完整的半腦數(shù)據(jù)集。這種算法能夠根據(jù)上下文圖像和先驗預(yù)測來決定如何擴(kuò)展果蠅神經(jīng)元的形狀。谷歌在今日的博客中又詳細(xì)描述了該網(wǎng)絡(luò)。

在果蠅半腦數(shù)據(jù)中，利用 FFN 方法來分割或追蹤神經(jīng)元組成部分。
FFN 能夠自動追蹤果蠅大腦中的每個神經(jīng)元，是首個能夠給出足夠準(zhǔn)確重建結(jié)果的自動分割技術(shù)
雖然該算法大體上運行良好，但研究人員發(fā)現(xiàn)，當(dāng)對齊效果不完美（連續(xù)切片中的圖像內(nèi)容不穩(wěn)定）或切片和成像過程存在問題導(dǎo)致多個連續(xù)切片缺失時，該算法的性能會下降。
為了應(yīng)對這些問題，研究人員將 FFN 網(wǎng)絡(luò)與以下兩個處理流程相結(jié)合：

· 其一，研究人員估計了3D 圖像各位置切片之間的一致性，然后在 FFN 追蹤每個神經(jīng)元時確保各位置圖像內(nèi)容的穩(wěn)定性；

· 其二，研究人員使用 Segmentation-EnhancedCycleGAN（SECGAN）計算出缺失切片的重構(gòu)圖。

SECGAN 是一種專門用于圖像分割的生成對抗網(wǎng)絡(luò)。研究人員發(fā)現(xiàn)，當(dāng)使用 SECGAN「想象」圖像數(shù)據(jù)時，F(xiàn)FN 能夠更加魯棒地追蹤多個缺失切片的位置。
由 FFN 算法自動給出的重建結(jié)果仍然需要人工校對，但與之前的自動重建方法相比，F(xiàn)FN 可以幫助研究人員節(jié)省大量時間，將校對時間從幾千萬縮短到幾十萬個小時。
校對工作由經(jīng)驗豐富的校對團(tuán)隊進(jìn)行，使用的工具和工作流程都是 Janelia 研究園制定的。他們會用 VR 眼鏡和定制的3D 目標(biāo)編輯工具來檢查神經(jīng)元形狀并修復(fù)自動重建過程中出現(xiàn)的錯誤。這些修正也用于重新訓(xùn)練 FFN 網(wǎng)絡(luò)，使其重建結(jié)果更加準(zhǔn)確，從而進(jìn)一步減少校對時間。
校對之后，重建結(jié)果將于自動突觸檢測系統(tǒng)相結(jié)合。首先，Janelia 的研究者手動標(biāo)記單個突觸，然后用這些標(biāo)記數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器來將此任務(wù)自動化。經(jīng)過多輪的數(shù)據(jù)標(biāo)注，模型的泛化性能大大提高。
研究展望
雖然算法已經(jīng)取得了很大的成功，但要繪制如此精確的神經(jīng)連接圖依然需要大量人力。
在神經(jīng)元的追蹤方面，人類在許多方面都要比算法強，F(xiàn)lyEM 項目工作組組長 Steve Plaza 表示。人類擁有的常識和意識可以使其識別出數(shù)據(jù)中心的異常之處。例如，對于人眼來說，比較大的連接錯誤是非常明顯的，因此校對員可以迅速掃描大量數(shù)據(jù)，尋找嚴(yán)重畸形的神經(jīng)元。而且，當(dāng)發(fā)現(xiàn)一些異常情況時，他們可以進(jìn)行更細(xì)致的調(diào)查。
在此之后，研究者還將不斷更新這一果蠅大腦連接圖。研究人員感興趣的是，圖中的神經(jīng)元與大腦中的其他神經(jīng)元是怎么連接在一起的。完整的連接圖可能還需要數(shù)年才能重建完成。現(xiàn)有的數(shù)據(jù)已經(jīng)提供了一些見解，也帶來了一些新問題。
其中一個重要問題在于，「如何分析這個連接圖并理解你所觀察到的東西？」「數(shù)據(jù)已經(jīng)有了，怎么用？」
研究者開始嘗試用這個半腦連接圖對果蠅神經(jīng)系統(tǒng)進(jìn)行更深入地研究。例如，和興趣相關(guān)的腦部回路是中央復(fù)合體（central complex），這個區(qū)域整合了感官信息，并與導(dǎo)航、運動控制、睡眠有關(guān)。

果蠅大腦中央復(fù)合體「環(huán)狀神經(jīng)元」視圖。
另一處于研究階段的腦部回路是「蘑菇體」，主管果蠅大腦學(xué)習(xí)和記憶的功能。

總結(jié)

以上是生活随笔為你收集整理的谷歌等机构耗时十年重建突触级果蝇半脑的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。