七年终登Science封面:最强大脑皮层神经网络重建,揭示迄今哺乳动物最大神经线路图

大脑探索,今天更进一步。

最新《科学》杂志的封面发布了德国著名的马克斯普朗克大脑研究所的最新脑科学成果:

他们在七年时间里磨刀霍霍,重建了非常复杂的大脑皮层神经网络,并揭示了迄今为止最大的哺乳动物神经电路图。

以前,人类只知道脑神经元的“外观”。现在,哺乳动物神经元是如何连接到的,这是第一次被揭示,并且实现了更大规模的皮质神经网络重建。

而人工智能的方法在其中发挥了重要作用,研究人员还表示,这一突破可能会进一步为人工智能的发展提供指导:

揭开生物神经网络连接的秘密可能会进一步探索高效大脑计算的原理。这是人工神经网络向生物神经网络学习总趋势中的第一个里程碑事件。

那么这是什么样的突破性研究?

这是首次揭示哺乳动物脑神经元的联系。

哺乳动物大脑皮层是一个非常复杂的神经过程网络:长、细、分支、非常密集。

这种高堆积密度使得皮质神经网络的重建非常具有挑战性。

以前的研究集中在整体成像上,但这一次,科学家的重建工作真正深入到了神经元的连接。

德国马克斯普朗克大脑研究所的研究人员利用人工智能,以高空间分辨率重建了小鼠桶状皮层中89个神经元的形态特征和连接。

此外,本研究覆盖的面积比早期神经解剖作图法大两个数量级,是哺乳动物大脑皮层致密重建体积的300倍。

通讯作者莫里茨赫尔曼德特(Moritz Helmastaedter)介绍说,研究发现揭示了迄今为止最大的哺乳动物神经连接群。

此外,通过对连接群电路的分析,生物智能的这一突破很可能会转移到人工智能领域,这将对人工智能产生重大影响。

莫里茨说:“在大脑皮层绘制神经网络图是一项重大的科学冒险。我们想揭示这样一个事实,大脑作为一台计算机高效地工作,它的模式与今天的人工智能大相径庭。

此外,还有一些惊人的细节:连接群数据可以提取几何信息无法预测的抑制性和兴奋性神经元亚型。

研究小组认为,将他们的方法应用于不同的大脑区域、皮层、发育时间点和物种的皮层组织,可以揭示自然进化是如何设计生物神经网络的,以及神经网络的细粒度结构是如何形成的。

此外,结缔组织筛查可以揭示神经病变和相关脑部疾病的回路表型,并告诉我们一些重要脑部疾病在多大程度上受到结缔组织和神经回路的影响。“大脑皮层神经网络”的重建哺乳动物的大脑由极其密集的神经网络组成,包括神经细胞的轴突和树突。

这些神经细胞的堆积密度非常高。过去,只有一小部分哺乳动物大脑皮层的神经细胞可以通过光学成像来识别。

三维电子显微镜技术的发展使得研究人员能够绘制神经元结构的三维图像。

虽然这种显微技术的编程速度有了很大的提高,但在过去从2D图像重建3D图像时很容易出错,导致3D图像数据分析有限。

现在,基于人工智能的方法发挥了重要作用。

研究者将人体数据分析与神经连接数据生成相结合,以人机数据分析的效率促进了神经连接组的进步。

他们提高效率的方法如下:

1。提高自动分割的质量;

2。分析自动分割中可能出现的错误位置,并将手动工作引向这些位置;

3。通过帮助注释器优化人员数据交互,实现内部并行数据的快速传输,并最小化注释器查询之间的延迟。

优化后,近100个学生注释器可以在29秒内解决数千个重建问题。

最后,他们在大约4000个工作小时内,在小鼠体感皮层的第四层重建了总共2.7米的神经元丝。

本工作重建的大脑皮层数据比以前大300倍,效率提高20倍。

他们分析了6979个突触前膜和3719个突触后膜之间的连接物,每个突触连接到至少10个突触,总共有153,171个突触连接,然后分析了大脑皮层的密集环路结构。

通过人机交互分析神经元组织的连接群,研究者获得了迄今为止大脑皮层最大的连接群数据。

利用这些数据,研究人员建立了哺乳动物大脑皮层致密神经元回路的连接表型分析方法,从而为筛选各种神经组织之间的连接组提供了可能性。

那么实验是如何设计和实施的呢?

实验方法的解释

具体地说,研究人员首先取样并染色小鼠的组织。

固定48小时后,从头骨中取出大脑,用玻璃纤维刀将其冠状切片。

使用1毫米活检穿刺针从大脑前部5毫米厚的1毫米切片中提取两个样本。目标是右半球的第四层生长激素分泌皮质。

然后将提取的组织染色,在60℃下硬化48小时。

然后是3D电子显微镜实验。

将嵌入的样本放在铝短截线上并修剪,这样样本的所有四面都可以直接暴露组织。

样品的侧面用溅射镀膜机涂上金,并放入SBEM装置中。

△SBEM:连续块表面扫描电子显微镜是一种从小样本产生高分辨率三维图像的方法。

在电磁概览图像中,L4和L5A之间的过渡由两层之间体细胞密度的突然下降来识别(图1C)。

在这个过程中,收集了3420个图像平面,总共194千兆字节的数据。

下一步是图像对齐)。

获取3D电磁数据集后,手动检查所有图像,并标记成像过程中样品表面碎片造成的成像伪影。

用图像上与上一个平面或下一个平面位置相同的碎片伪像替换图像。

主要应用以下修改方法:

当获得偏移超过100像素的移位向量时,通过手动将最小二乘松弛中对应条目的权重减小1000倍(直到剩余的最大残留误差小于10像素),迭代地校正这些误差。

下图是重建连接体的有效方法。

△有效重建密集连接群的方法。

首先,使用自动启发式方法检测血管和细胞体,然后使用基于机器学习的图像分割方法处理剩余图像量。这个过程的结果是1500万个片段,对应于轴突、树突和体细胞。

基于此,构建线段之间的邻域图,并计算直接相邻线段之间的接口属性。

基于这些特征,研究人员训练了一个连接分类器(上图中的连接器、连接器和连接器),以确定两个片段应该连接还是断开。

使用SynEM分类器,研究人员确定两个分离过程之间的界面是否对应于化学突触,如果对应,哪个是突触前,哪个是突触后。

下一步是细胞神经元的重建。

研究人员使用一套简单的生长规则来自动连接神经突。这些规则基于段与段之间的邻近图以及连接和神经突类型分类器。

结果,获得了体细胞和神经元树突过程的全自动重建。

对于89个细胞,仅需要9.7小时的额外人工校正来重建这些新分子的树突轴而没有合并误差,同时保留了37个分裂误差,树突长度召回率为87.3%。

然后是密集的组织重建。

从细胞体重建神经元不是一个大挑战。

轴突和树突与数据集中的细胞体无关,密集分布在组织中,占皮质这部分神经元总路径长度的97%(上图中的G)。

为了重建绝大多数神经突(上图中的H),研究人员使用它们的连接性和神经突类型分类器(ConnectEM和TypeEM)将神经突片段合并成更大的树突和轴突团块。

研究人员还重建了突触检测、突触后目标类型和连接器。

考虑到突触前和突触后神经元在组织中的重建,研究人员还提取了它们的连接体

值得一提的是,该团队还使用仅包括轴突触和体突触的训练数据训练了一个特殊的轴突触接口分类器。

毫无疑问,如此多的方法所取得的巨大进步也是跨学科和跨学科创新的结果。

跨学科和跨学科研究小组

这项研究已经持续了7年。该研究小组来自德国马克斯普朗克大脑研究所。

四位合著者是:

亚历山德罗莫塔,马克斯普朗克大脑研究所的博士生,由通讯作者莫里茨赫尔曼德研究。

曼努埃尔伯宁是物理学家、神经学家和程序员。他从2014年到2017年在马克斯普朗克大脑研究所学习,现在是德国软件公司的数据科学家。

凯文比尔根斯(Kevin M. Boergens),2018年毕业于马克斯普朗克大脑研究所,目前在美国脑-计算机接口公司Paradromics工作,担任机电工程师。

Benedict Stavre,数学学士学位和数学物理硕士学位,博士期间涉足神经科学和机器学习。他目前是马克斯普朗克大脑研究所的医生和博世人工智能中心(BCAI)的研究工程师。

通讯员是莫里茨赫尔姆斯图德特,马克斯普朗克大脑研究所所长,1978年出生于德国柏林。他于2011年离开马克斯普朗克医学研究所博士后岗位,并于2014年成为大脑研究所所长。

这篇论文的其他作者是马塞尔贝宁、萨希尔卢巴、黑科维斯勒和马克斯普朗克智能系统研究所的菲利普亨宁。

2019年,脑科学研究突破新年

今年,脑科学的科学突破不止一次引起人们的惊讶。

7月,经过八年的研究,哥伦比亚大学的研究人员终于完成了绘制秀丽隐杆线虫(Caenorhabditis elegans)所有神经元以及所有神经元之间7000个连接的完整地图,首次更清晰地解释了大脑功能是如何由神经回路的运作产生的。

8月,谷歌根据果蝇的大脑切片自动重建了果蝇的完整大脑神经图。整个脑神经图有40万亿像素,在重建过程中使用了数千TPU。

现在,德国马克斯普朗克大脑研究所(Marx Planck Institute for Brain Research)以高空间分辨率重建了小鼠桶状皮层中89个神经元的形态特征和连接,揭示了迄今为止最大的哺乳动物神经连接群。

这些不断发表的惊人研究也指出,目前的成就只是开始。

人类从未停止探索大脑。

我们越接近大脑的真相,对生物奇迹的解释就越深刻。

你觉得怎么样?

门户科学论文:

参考

串行块面扫描电子显微镜

youtube.com