25000个神经元2000万个突触谷歌等组织耗时十年重建突触级果蝇半脑

编者按：本文来自微信大众号“机器之心”（ID：almosthuman2014），36氪经授权发布。

作者 |Synced

参加|张倩、杜伟、蛋酱

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。研讨杂乱体系的「网络」是描绘体系的根本办法。

长期以来，大脑神经网络的作业办法一直是一个抢手研讨论题，近年大热的人工神经网络也是遭到大脑神经元的启示才创立的。

测验重建大脑（运用精密的成像技能制造大脑物理途径）是衔接组学的一个方向，也是神经科学家对提醒大脑作业办法的一种探究。因为人类大脑过于杂乱，研讨者们测验从果蝇等较为简略的生物下手，企图重建果蝇大脑的完好神经衔接图。人类大脑有 1000 亿个神经元，果蝇大脑只有 10 万左右。

上一年 8 月，谷歌宣告，他们用数千块 GPU 主动重建了果蝇大脑的完好神经图，像素高达 40 万亿。惋惜的是，其时的重建成果没有辨认突触，因而算不上真实的神经图。

但就在昨日，谷歌与霍华德·休斯医学研讨所 Janelia 研讨园区的 FlyEM 研讨团队联合发布了他们的最新进展——一个具有突触等级衔接的果蝇半脑衔接图。这是迄今为止人类制造出的最大的突触等级大脑衔接图。

这个新的衔接图包括 25000 个神经元、2000 万个衔接，大约相当于果蝇大脑体积的 1/3，但这 1/3 影响力不容小觑。因为这些部分包括与学习、回忆、嗅觉、导航等功用相关的重要区域。

果蝇半脑的一些计算信息，绿色部分表明成像和重建的中心脑域。当时最大包括 2.5 万个神经元，它们的突触衔接数量到达 2 千万。

谷歌研讨科学家 Viren Jain 表明，「这将是咱们第一次真实详尽入微地查询突触数量达 10 万等级的神经体系的安排结构。」有了这份翔实的神经图，研讨者们将能够回答大脑为何运转得如此之快。「这项研讨将改动神经科学的研讨办法。」

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）」的大脑从前被如此详尽地描绘。

一直以来，「衔接组学」在科学界毁誉参半。支持者以为这门学识能够提醒大脑物理层面与特定行为的联系，有助于完结神经科学的要害方针；不支持的人觉得制造神经元图耗费了许多精力，这些研讨资源本应放到更重要的范畴中去。

为了完结重建作业，研讨者需求完结以下作业：

• 1. 凭借显微镜获取果蝇大脑中神经元的明晰图画；

• 2. 凭借算法将这些图画对齐并从头组合在一起构成 3D图画；

• 3. 通过人工校正构成准确的重建成果；

• 4. 运用机器学习算法主动监测出神经元之间的突触来完成重建。

在这样的一个进程中，每个进程都困难重重。为了战胜这些困难，研讨人员现已尽力了近十年。

怎样获取果蝇大脑神经元的明晰图画？

因为果蝇大脑的体积与一颗罂粟种子相似，所以准确地描绘出果蝇大脑中 10 万个神经元是一项非常大的应战。此外，许多微生物学家也质疑获取果蝇大脑数据的价值。所以，描绘果蝇电脑神经元及其之间的衔接始终是一项难题。

首要，研讨人员有必要凭借于显微镜来获取高分辨率的大脑图画，然后为每个神经元制造在两个半脑中打开的神经联合。就像为人类基因组排序相同，完结相应的作业需求技能创新和许多的人力资源。

那么这样就迎来了第一项难题：怎样获取果蝇大脑中每个神经元的明晰图画？

运用显微镜完结果蝇大脑及神经元成像

如下图所示，在一个安静的房间里，八台巨大的显微镜正准备生成果蝇大脑的图画。并且，图画搜集的进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捉到数据。可是，如要取得完好的果蝇大脑图画，一台显微镜需求继续运转数月或数年。现在，显微镜能够接连不断地生成明晰的图画，并显现果蝇大脑中错综杂乱的神经元。此外，假如呈现任何毛病，显微镜能够主动中止数据搜集并宣布 SOS 信号。

果蝇大脑图画所运用的显微镜。

在成像进程中，谷歌研讨人员运用了聚集离子束扫描电子显微镜（FIB-SEM）的技能，即通过聚集离子束来击碎果蝇脑安排。

接着计算机程序将这些图画拼接对齐，生成果蝇大脑的 3D 展现图。

用于制造「线路图」（wiring diagram）的图画悉数来自一只雌果蝇，这些图画现已搜集了起来。可是，跟着显微镜功用的提升，它们现在也能够从雄果蝇的大脑中搜集数据了，并且是要捕捉整个中枢神经体系。

怎样得到准确的重建成果？

战胜半脑衔接组生成中的应战需求许多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，研讨人员曾开宣布了一种新办法，为果蝇大脑染色，再将安排切割为 20 微米的厚片。接着运用聚集离子束扫描为每个厚片生成 8x8x8nm^3 像素的立体图画。之后运用计算办法将原始数据拼接和对齐到一个衔接的 26 万亿像素的 3D 体积中。

可是，假假如蝇大脑中的神经元没有准确的 3D 重建，则依据上述类型的成像数据不或许生成衔接组。

在生成半脑衔接组的进程中，谷歌挑选与 Janelia 研讨园区的 FlyEM 团队打开协作，并专心于主动化 3D 重建以生成衔接组。

通过技能的迭代开展，谷歌于 2018 年 7 月份提出了名为 Flood-filling 网络（FFN）的算法，并用于重建完好的半脑数据集。这种算法能够依据上下文图画和先验猜测来决议怎样扩展果蝇神经元的形状。谷歌在今天的博客中又详细描绘了该网络。

在果蝇半脑数据中，运用 FFN 办法来切割或追寻神经元组成部分。

FFN 能够主动追寻果蝇大脑中的每个神经元，是首个能够给出满足准确重建成果的主动切割技能

尽管该算法大体上运转杰出，但研讨人员发现，当对齐作用不完美（接连切片中的图画内容不稳定）或切片和成像进程存在问题导致多个接连切片缺失时，该算法的功用会下降。

为了应对这样一些问题，研讨人员将 FFN 网络与以下两个处理流程相结合：

• 其一，研讨人员估量了 3D 图画各方位切片之间的一致性，然后在 FFN 追寻每个神经元时保证各方位图画内容的稳定性；

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

SECGAN 是一种专门用于图画切割的生成对立网络。研讨人员发现，当运用 SECGAN「幻想」图画数据时，FFN 能够愈加鲁棒地追寻多个缺失切片的方位。

由 FFN 算法主动给出的重建成果仍然需求人工校正，但与之前的主动重建办法比较，FFN 能够在必定程度上协助研讨人员节约许多时刻，将校正时刻从几千万缩短到几十万个小时。

校正作业由经历比较丰富的校正团队进行，运用的东西和作业流程都是 Janelia 研讨园拟定的。他们会用 VR 眼镜和定制的 3D 方针修改东西来查看神经元形状并批改主动重建进程中呈现的过错。这些批改也用于从头练习 FFN 网络，使其重建成果愈加准确，然后进一步削减校正时刻。

校正之后，重建成果将于主动突触检测体系相结合。首要，Janelia 的研讨者手动符号单个突触，然后用这些符号数据练习神经网络分类器来将此使命主动化。通过多轮的数据标示，模型的泛化功用大幅度的提高。

研讨展望

尽管算法现已取得了很大的成功，但要制造如此准确的神经衔接图仍然需求许多人力。

在神经元的追寻方面，人类在许多方面都要比算法强，FlyEM 项目作业组组长 Steve Plaza 表明。人类具有的知识和认识能够使其辨认出数据中心的反常之处。例如，关于人眼来说，比较大的衔接过错是很明显的，因而校正员能够敏捷扫描许多数据，寻觅严峻变形的神经元。并且，当发现一些反常情况时，他们能够直接进行更详尽的查询。

在此之后，研讨者还将不断更新这一果蝇大脑衔接图。研讨人员感爱好的是，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。完好的衔接图或许还需求数年才干重建完结。现有的数据现已供给了一些见地，也带来了一些新问题。

其间一个重要问题在于，「怎样剖析这个连接图并了解你所查询到的东西？」「数据现已有了，怎样用？」

研讨者开端测验用这个半脑衔接图对果蝇神经体系进行更深化地研讨。例如，和爱好相关的脑部回路是中心复合体（central complex），这个区域整合了感官信息，并与导航、运动操控、睡觉有关。

另一处于研讨阶段的脑部回路是「蘑菇体」，主管果蝇大脑学习和回忆的功用。

除了发布研讨成果，谷歌还发布了一组与研讨相关的数据集和东西，相关链接能够在谷歌博客中找到。

参阅链接：

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