摘要
- Google Research与HHMI Janelia联合在Cell上发表了一份对雄性果蝇大脑及整个中枢神经系统进行完整绘图的连接组图谱。
- 这份图谱包含16.6万个神经元和1.25亿个突触连接,以神经元数量而论是迄今为止规模最大的大脑图谱。
- 研究团队用AI将电子显微镜切片图像拼接成三维结构,再由人工逐一核实,这份图谱还可与此前完成的雌性果蝇大脑图谱对比,用于研究两性之间的差异。
16.6万个神经元,1.25亿个突触
Google Research与HHMI Janelia Research Campus联合绘制的雄性果蝇大脑及中枢神经系统完整线路图,已通过发表在Cell上的论文公开。论文标题为"Sexual dimorphism in the complete connectome of the Drosophila male central nervous system",其中包含16.6万个神经元和1.25亿个突触连接。以神经元数量计算,这是迄今为止规模最大的大脑图谱。
简单来说,Google Research团队把原本用于识别图片中物体的AI技术,转用到了把数百万张大脑切片图像拼接成三维结构的工作上。团队在2019年首次完成了雌性果蝇大脑的全自动重建,又在2020年完成了经人工核实的雌性果蝇大脑一半区域的图谱。这次公布的雄性果蝇大脑完整图谱,是团队将这项工作持续推进近十年后得到的成果。
这份图谱不仅涵盖大脑,还包括相当于脊髓的腹侧神经索。因此,它也成为了能够观察大脑如何驱动身体运动的资料。完整数据可在HHMI Janelia发布的通稿中查看,据介绍,Janelia的专家团队对每一个神经形态都进行了人工核实和标注。
为什么先给果蝇大脑绘图
果蝇大脑图谱为什么重要?人类大脑拥有860亿个神经元,以目前的技术水平,完整绘制其结构还做不到。所以科学家们选择先用AI给果蝇这类小型生物的大脑绘图,借此摸清动物如何对刺激做出反应、受损的神经通路又能如何修复。
果蝇在遗传学研究中早已多次催生出诺贝尔奖级别的成果。由于行为模式规律、生命周期短,它一直是遗传学最核心的模式生物,而这次的研究,是把这个角色延伸到神经科学领域的一次尝试。这种做法的前提是,不同物种的大脑即便差异很大,基本结构上仍有不少共通之处。
AI把电子显微镜图像拼接成三维结构
绘制大脑图谱,也就是连接组学的工作流程,是把大脑切成数百万张薄薄的切片,逐一拍摄,再用计算机和AI把这些图像拼接起来。Google研究团队一直在打造能把二维电子显微镜图像重建成三维神经结构的系统,其中的核心技术之一,是一种基于卷积神经网络的"洪水填充网络"(flood-filling network),它能从单个像素出发,找出属于同一物体的所有其他像素。
2019年,团队推出了完全自动重建雌性果蝇大脑的第一个版本;2020年,又完成了经人工核实的雌性果蝇大脑一半区域图谱。据介绍,团队最近还把合成神经元数据混入训练数据中,同步提升了最新重建系统PATHFINDER的速度和准确率。
与雌性图谱对比,观察两性差异
这份雄性图谱同时也是对此前雌性果蝇大脑及中枢神经系统图谱的补充。把两性大脑都绘制出来后,研究者既可以对比神经元存在差异的区域,研究果蝇求爱和攻击行为背后的生物学机制,也可以反过来对比两性中相似的区域,看看个体差异究竟从何而来。据介绍,基于AI的三维重建确实精确捕捉到了一些结构差异,比如某个雄性神经元比对应的雌性神经元多长出两个突起。
下一个目标:斑马鱼和小鼠大脑
研究团队也在把连接组学的范围扩展到拥有脊髓的脊椎动物身上。由哥伦比亚大学主导、本周刊登在Nature上的一项研究,绘制了象鼻鱼后脑部分信号处理区域的图谱。据介绍,这是首次把连接组这种静态数据与其他信息结合起来,展示脊椎动物大脑学习机制的案例。斑马鱼在幼体阶段身体透明,实验过程中也能观察神经活动,是目前技术条件下少数能够完整绘制大脑图谱的脊椎动物之一。团队正与哈佛大学合作推进的下一篇论文,预计将成为首个同时包含神经结构和分子类型信息的脊椎动物全脑数据集。团队还表示,后续还会推进小鼠大脑部分区域的绘图工作。
| 时间 | 对象 | 神经元数量 | 连接数量 | 是否经过核实 |
|---|---|---|---|---|
| 2019年 | 雌性果蝇大脑 | - | - | 全自动,未核实 |
| 2020年 | 雌性果蝇大脑一半区域 | 2.5万个 | 2100万个 | 已完成人工核实 |
| 2026年 | 雄性果蝇大脑+中枢神经系统 | 超过16.6万个 | 1.25亿个 | 已完成人工核实 |
如何查看这份数据
完成的雄性果蝇连接组图谱可以在male-cns.janelia.org网站上查看,原始图像数据则发布在Janelia的FlyEM项目页面上。可视化工作使用的是Google开发的开源工具Neuroglancer,这款工具专为让研究者直接查阅和下载大规模多维数据而设计。据介绍,同期公布的三篇后续论文,展示了这份连接组图谱已经被如何用于视觉系统、味觉以及社会行为方面的研究。
编辑视角
如果不把这次发布当成AI公司推出新产品的消息,而是当成一次基础设施投入来看,事情就更清楚了。Google Research在这里做的事,不是卖聊天机器人或图像生成器,而是花了将近十年时间,打磨出一套能把大量电子显微镜图像变成三维神经网络图谱的重建引擎。从洪水填充网络到PATHFINDER的技术脉络就能看出,这不是一篇孤立的论文,而是同一个团队持续提升精度所积累下来的成果。
对比几代成果,能更直观感受到这种进展。2019年的图谱只完成了自动重建,尚未经过核实;2020年,光是把2.5万个神经元的一半区域图谱做完人工核实,就花了相当长的时间。这一次,团队拿出的是超过前者六倍、共16.6万个神经元的图谱,而且不只覆盖大脑,还包括神经索,并且完全经过了核实。同一个团队用同一套方法论,在六年间能处理的规模就扩大到了这个程度。
从实际应用来看,这份数据的价值首先会体现在神经科学、制药和医疗领域的研究者身上。即便在韩国国内,做脑科学或神经系统疾病研究的团队,也可以直接打开这份通过Neuroglancer公开的数据集,用来验证自己的假设。而在AI领域,值得参考的与其说是图像重建技术本身,更是这项技术如何被移植到生物学、医学这类完全不同的领域中。另外还有一点值得关注:这类线路图正被用作理解阿尔茨海默病、抑郁症、精神分裂症等精神疾病生物学机制的基础资料。
接下来几个月内,与哈佛大学合作推进的斑马鱼全脑图谱很可能会成为下一个里程碑。如果这条从果蝇迈向脊椎动物的路线持续推进下去,即便距离人类大脑860亿个神经元这个终极目标还很遥远,中间需要填补的每一个阶段,也会被一步步补齐。
评论