您的位置:人工智能 > 智能硬件 > 谷歌等机构耗时十年重建突触级果蝇半脑

谷歌等机构耗时十年重建突触级果蝇半脑

【人工智能网】

生物科学家研讨基因网络,社会科学家研讨社会网络,那神经科学家天然研讨神经网络。研讨庞杂体系的「网络」是形貌体系的基础体式格局。

长期以来,大脑神经网络的事情体式格局一直是一个热点研讨话题,最近几年大热的人工神经网络也是遭到大脑神经元的启示才建立的。 尝试重修大脑(运用邃密的成像手艺绘制大脑物理途径)是衔接组学的一个方向,也是神经科学家对展现大脑事情体式格局的一种探究。由于人类大脑过于庞杂,研讨者们尝试从果蝇等较为简朴的生物入手,试图重修果蝇大脑的完全神经衔接图。人类大脑有1000亿个神经元,果蝇大脑只要10万摆布。 客岁8月,谷歌宣告,他们用数千块 GPU 自动重修了果蝇大脑的完全神经图,像素高达40万亿。遗憾的是,当时的重修结果没有辨认突触,因而算不上真正的神经图。 但就在昨天,谷歌与霍华德·休斯医学研讨所 Janelia 研讨园区的 FlyEM 研讨团队团结宣布了他们的最新进展——一个具有突触级别衔接的果蝇半脑衔接图。这是迄今为止人类绘制出的最大的突触级别大脑衔接图。

这个新的衔接图包括25000个神经元、2000万个衔接,约莫相当于果蝇大脑体积的1/3,但这1/3影响力不容小觑。由于这些部份包括与进修、影象、嗅觉、导航等功用相干的主要地区。

果蝇半脑的一些统计信息,绿色部份示意成像和重修的中心脑域。当前最大包括2.5万个神经元,它们的突触衔接数目到达2万万。 谷歌研讨科学家 Viren Jain 示意,「这将是我们第一次真正仔细入微地视察突触数目达10万级别的神经体系的构造构造。」有了这份详实的神经图,研讨者们将能够解答大脑为什么运转得云云之快。「这项研讨将转变神经科学的研讨体式格局。」 该研讨进展是衔接组学范畴的一个里程碑。在此之前,只要一种单一生物体——「秀丽隐杆线虫(C. elegans)」的大脑曾被云云仔细地描写。 一直以来,「衔接组学」在科学界毁誉参半。支持者以为这门学问能够展现大脑物理层面与特定行动的关联,有助于完成神经科学的症结目的;不支持的人以为绘制神经元图耗费了大批精神,这些研讨资本本应放到更主要的范畴中去。 为了完成重修事情,研讨者须要完成以下事情: 1. 借助显微镜猎取果蝇大脑中神经元的清楚图象;2. 借助算法将这些图象对齐并从新组合在一起构成3D 图象;3. 经由人工校正构成正确的重修结果;4. 应用机械进修算法自动监测出神经元之间的突触来完成重修。 在这个历程当中,每一个步骤都困难重重。为了战胜这些困难,研讨人员已勤奋了近十年。 怎样猎取果蝇大脑神经元的清楚图象? 由于果蝇大脑的体积与一颗罂粟种子相似,所以正确地形貌出果蝇大脑中10万个神经元是一项异常大的应战。另外,许多微生物学家也质疑猎取果蝇大脑数据的代价。所以,形貌果蝇电脑神经元及其之间的衔接始终是一项困难。 起首,研讨人员必需借助于显微镜来猎取高分辨率的大脑图象,然后为每一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,完成响应的事情须要手艺创新和大批的人力资本。 那末如许就迎来了第一项困难:怎样猎取果蝇大脑中每一个神经元的清楚图象? 应用显微镜完成果蝇大脑及神经元成像 如下图所示,在一个平静的房间里,八台庞大的显微镜正准备生成果蝇大脑的图象。而且,图象网络的历程不受任何外力的影响。 这些显微镜原本在设计时想要几分钟或几小时内捕获到数据。然则,如要取得完全的果蝇大脑图象,一台显微镜须要延续运转数月或数年。如今,显微镜能够一连不断地生成清楚的图象,并显现果蝇大脑中扑朔迷离的神经元。另外,假如涌现任何毛病,显微镜能够自动住手数据网络并发出 SOS 信号。

果蝇大脑图象所运用的显微镜。 在成像历程当中,谷歌研讨人员运用了聚焦离子束扫描电子显微镜(FIB-SEM)的手艺,即经由过程聚焦离子束来击碎果蝇脑构造。 接着计算机程序将这些图象拼接对齐,生成果蝇大脑的3D 展现图。

 

用于制造「线路图」(wiring diagram)的图象悉数来自一只雌果蝇,这些图象已网络了起来。然则,跟着显微镜功用的提拔,它们如今也能够从雄果蝇的大脑中网络数据了,而且是要捕获全部中枢神经体系。 怎样获得正确的重修结果? 战胜半脑衔接组生成中的应战须要大批研讨人员数以十年的协作研讨和开发。在珍妮莉亚研讨园区,研讨人员曾开发出了一种新要领,为果蝇大脑染色,再将构造支解为20微米的厚片。接着运用聚焦离子束扫描为每一个厚片生成8x8x8nm^3像素的平面图象。以后应用计算要领将原始数据拼接和对齐到一个连接的26万亿像素的3D 体积中。 然则,假如果蝇大脑中的神经元没有准确的3D 重修,则基于上述范例的成像数据不大概生成衔接组。 在生成半脑衔接组的历程当中,谷歌挑选与 Janelia 研讨园区的 FlyEM 团队睁开协作,并专注于自动化3D 重修以生成衔接组。 经由手艺的迭代生长,谷歌于2018年7月份提出了名为 Flood-filling 网络(FFN)的算法,并用于重修完全的半脑数据集。这类算法能够依据上下文图象和先验瞻望来决议怎样扩大果蝇神经元的外形。谷歌在本日的博客中又详细形貌了该网络。

 

在果蝇半脑数据中,应用 FFN 要领来支解或追踪神经元组成部份。 FFN 能够自动追踪果蝇大脑中的每一个神经元,是首个能够给出充足正确重修结果的自动支解手艺 虽然该算法大体上运转优越,但研讨人员发明,当对齐结果不圆满(一连切片中的图象内容不稳定)或切片和成像历程存在问题致使多个一连切片缺失机,该算法的机能会下落。 为了应对这些问题,研讨人员将 FFN 网络与以下两个处置惩罚流程相结合:

 

· 其一,研讨人员预计了3D 图象各位置切片之间的一致性,然后在 FFN 追踪每一个神经元时确保各位置图象内容的稳定性;

 

· 其二,研讨人员运用 Segmentation-Enhanced CycleGAN(SECGAN)计算出缺失切片的重构图。

 

SECGAN 是一种特地用于图象支解的生成匹敌网络。研讨人员发明,当运用 SECGAN「设想」图象数据时,FFN 能够越发鲁棒地追踪多个缺失切片的位置。 由 FFN 算法自动给出的重修结果依旧须要人工校正,但与之前的自动重修要领比拟,FFN 能够协助研讨人员节约大批时候,将校正时候从几万万缩短到几十万个小时。 校正事情由经验丰富的校正团队举行,运用的东西和事情流程都是 Janelia 研讨园制订的。他们会用 VR 眼镜和定制的3D 目的编辑东西来搜检神经元外形并修复自动重修历程当中涌现的毛病。这些修改也用于从新练习 FFN 网络,使其重修结果越发正确,从而进一步削减校正时候。 校正以后,重修结果将于自动突触检测体系相结合。起首,Janelia 的研讨者手动标记单个突触,然后用这些标记数据练习神经网络分类器来将此使命自动化。经由多轮的数据标注,模子的泛化机能大大提高。 研讨瞻望 虽然算法已取得了很大的胜利,但要绘制云云准确的神经衔接图依旧须要大批人力。 在神经元的追踪方面,人类在许多方面都要比算法强,FlyEM 项目事情组组长 Steve Plaza 示意。人类具有的基本知识和认识能够使其辨认出数据中心的异常的地方。比方,关于人眼来讲,比较大的衔接毛病是异常显著的,因而校正员能够敏捷扫描大批数据,寻觅严峻畸形的神经元。而且,当发明一些异常情况时,他们能够举行更仔细的观察。 在此以后,研讨者还将不断更新这一果蝇大脑衔接图。研讨人员感兴致的是,图中的神经元与大脑中的其他神经元是怎样衔接在一起的。完全的衔接图大概还须要数年才重修完成。现有的数据已供应了一些看法,也带来了一些新问题。 个中一个主要问题在于,「怎样剖析这个衔接图并明白你所视察到的东西?」「数据已有了,怎样用?」 研讨者入手下手尝试用这个半脑衔接图对果蝇神经体系举行更深切地研讨。比方,和兴致相干的脑部回路是中心复合体(central complex),这个地区整合了感官信息,并与导航、活动掌握、就寝有关。

 

果蝇大脑中心复合体「环状神经元」视图。 另一处于研讨阶段的脑部回路是「蘑菇体」,主管果蝇大脑进修和影象的功用。

除了宣布研讨成果,谷歌还宣布了一组与研讨相干的数据集和东西,相干链接能够在谷歌博客中找到。

 

参考链接:http://ai.googleblog.com/2020/01/releasing-drosophila-hemibrain.html 论文链接:https://www.biorxiv.org/content/10.1101/2020.01.21.911859v1

 

https://www.janelia.org/news/unveiling-the-biggest-and-most-detailed-map-of-the-fly-brain-yet

上一篇:SpaceX成功发射第四批Starlink卫星,在轨卫星数达240颗
下一篇:抗击疫情的黑科技:非接触式热成像高精准人体测温

您可能喜欢