Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

绘制最全最大人脑图,AI结合显微镜,谷歌、哈佛10年研究,登Science

编辑 | 紫罗

一立方毫米的脑组织听起来可能并不多。但这个小方块包含 57,000 个细胞、230 毫米的血管和 1.5 亿个突触,总计 1,400 TB 的数据,哈佛大学和谷歌的研究人员刚刚完成了一项巨大的成就。

研究人员共同创建了迄今为止最大的突触分辨率、3D 重建的人类大脑片段,以生动的细节展示了一块大约半米粒大小的人类颞叶皮层中的每个细胞及其神经连接网络。

这是哈佛大学与谷歌科学家近 10 年合作的最新成果,谷歌将 Lichtman 的电子显微镜成像与 AI 算法相结合,对哺乳动物大脑极其复杂的线路进行颜色编码和重建。

今天,这一壮举以《A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution》为题,发表在《Science》杂志上。

图片

论文链接:https://www.science.org/doi/10.1126/science.adk4858

此次合作的最终目标是创建整个小鼠大脑神经线路的高分辨率图,这将需要比他们刚刚从人类皮质的 1 立方毫米碎片中生成的数据量大约 1,000 倍。

「碎片这个词很讽刺,」哈佛大学脑科学中心分子和细胞生物学系的分子和细胞生物学教授、新任科学院长 Jeff Lichtman 说。「对于大多数人来说,1 TB 是巨大的,但对于人类来说,只是人类大脑中极小的一部分。」

最新地图包含了前所未见的大脑结构细节,包括一组罕见但强大的轴突,由多达 50 个突触连接。

研究小组还注意到组织中的奇怪现象,例如少数轴突形成了广泛的螺旋。由于他们的样本是从癫痫患者身上采集的,因此他们不确定这种不寻常的结构是病理性的还是只是罕见。

大脑「碎片」

大脑碎片取自一名 45 岁女性,当时她正在接受癫痫手术。它来自大脑皮层,大脑皮层负责学习、解决问题和处理感官信号。将样品浸入防腐剂中并用重金属染色,以使细胞更容易看到。Lichtman 和他的同事随后将样本切成约 5000 个切片,每个切片只有 34 纳米厚,可以使用电子显微镜对其进行成像。

谷歌神经科学家 Viren Jain 的团队随后构建了 AI 模型,能够将显微镜图像拼接在一起,以 3D 方式重建整个样本。「我记得这一刻,进入地图,观察这位女士大脑中的一个单独的突触,然后缩小到其他数百万个像素。」

图片

图示:单个神经元(白色)与连接到它的 5,600 个轴突(蓝色)。建立这些连接的突触以绿色显示。(来源:Google Research & 哈佛大学 Lichtman Lab)

在详细检查该模型时,研究人员发现了非常规神经元,其中一些神经元彼此之间建立了多达 50 个连接。「一般来说,两个神经元之间最多会发现几个连接,」Jain 说。在其他地方,该模型显示神经元的卷须在自身周围形成结。「以前没有人见过这样的事情,」Jain 补充道。

研究小组还发现了成对的神经元,它们彼此几乎是完美的镜像。「我们发现两个群体会将树突向两个不同的方向发送,有时会出现某种镜像对称。」Jain 恩说。目前尚不清楚这些特征在大脑中起什么作用。

电子显微镜成像与 AI 算法相结合

使用多分辨率洪水填充网络(flood-filling network,FFN)对图像数据进行分割,生成基本片段,然后使用 FFN 重新分割进行聚类,以生成更完整的重建细胞和过程。 

为了识别突触位点,研究人员训练了一个基于 U-Net 架构的分类器来标记三个类别:背景、突触前和突触后。训练了一个两类 ResNet-50 分类器,根据其 电子显微镜外观、突触后结构类型和突触前神经元类型(如果已知)将每个识别的突触分类为兴奋性或抑制性。

图片
图示:通过神经元子区分类和突触预测进行分割、分裂校正和合并错误校正。(来源:论文)

千万亿级数据集,在线开源

Lichtman 的领域是「连接组学」,它类似于基因组学,旨在创建大脑结构的全面目录,细化到单个细胞和线路。这些完整的地图将为我们对大脑功能和疾病的新见解指明道路,而科学家们对此仍然知之甚少。

谷歌最先进的 AI 算法可以在三个维度上重建和绘制脑组织图。该团队还开发了一套公开可用的工具,研究人员可以使用它们来检查和注释连接组。

研究人员通过高通量串行切片电子显微镜对人类颞叶皮层的样本进行成像,生成千万亿级数据集,并使用新工具和计算密集型方法进行分析。重建了数千个神经元、超过一亿个突触连接,以及构成人脑物质的所有其他组织元素,包括神经胶质细胞、血管系统和髓磷脂。

由于数据集很大且未完全审查,研究人员在在线资源 (https://h01-release.storage.googleapis.com/landing.html) 中共享所有数据,并提供分析和校对工具。

图片

图示:共享的 H01 数据集。(来源:论文)

Jain 表示:「鉴于该项目投入巨额资金,以一种大家都能从中受益的方式展示结果是很重要的。」

需要校对员

该地图太大,大部分内容尚未经过手动检查,并且仍然可能包含将如此多图像拼接在一起的过程中产生的错误。「数百个单元已经校对,但这显然只是其中 50,000 个单元的百分之几,」Jain 说。他希望大家能够帮助校对他们感兴趣的地图部分。他说,该团队计划从其他人身上制作类似的大脑样本地图,但在未来几十年内不太可能绘制出整个大脑的地图。

「这篇论文确实是人类皮层数据集的杰作,」西雅图艾伦脑科学研究所所长 Hongkui Zeng 说。她补充道,免费获取的大量数据将「让社区能够更深入地了解人类皮层的微电路」。

更深入地了解大脑皮层的工作原理可以为如何治疗某些精神疾病和神经退行性疾病提供线索。「这张图提供了前所未有的细节,可以揭示神经连接的新规则,并有助于破译人脑的内部工作原理。」宾夕法尼亚州立大学的神经科学家 Yongsoo Kim 说。

接下来,该团队将研究小鼠海马的形成,这对于神经科学来说非常重要,因为它在记忆和神经系统疾病中发挥着重要作用。

数据集开源地址:https://h01-release.storage.googleapis.com/landing.html

参考内容:https://www.nature.com/articles/d41586-024-01387-9

https://medicalxpress.com/news/2024-05-human-brain.html

理论3D重建神经元神经科学
相关数据
神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

聚类技术

将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。“物以类聚,人以群分”,在自然科学和社会科学中,存在着大量的分类问题。聚类分析又称群分析,它是研究(样品或指标)分类问题的一种统计分析方法。聚类分析起源于分类学,但是聚类不等于分类。聚类与分类的不同在于,聚类所要求划分的类是未知的。聚类分析内容非常丰富,有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。

推荐文章
暂无评论
暂无评论~