V zatemněné místnosti v Ashburn, Virginie, řady vědců sedět u počítačové obrazovky zobrazující živé, 3-D tvarů. Kliknutím myši roztočí každý tvar, aby jej prozkoumali ze všech stran. Vědci pracují uvnitř betonové budovy v kampusu Janelia Research Campus Howarda Hughese Medical Institute, jen kousek od ulice zvané Helix Drive. Ale jejich mysl je úplně někde jinde-uvnitř mozku mouchy.
každý tvar na obrazovkách vědců představuje část neuronu ovocné mušky. Tito vědci a další v Janelii řeší cíl, který se kdysi zdál být mimo dosah: nastínit každý ze zhruba 100 000 neuronů mozku mouchy a určit miliony míst, která spojují. Takové schéma zapojení, nebo connectome, odhaluje kompletní obvody různých oblastí mozku a jak jsou propojeny. Práce by mohla pomoci odemknout například sítě zapojené do tvorby paměti nebo neurální dráhy, které jsou základem pohybů.
Gerry Rubin, viceprezident HHMI a výkonný ředitel Janelia, prosazoval tento projekt více než deset let. Je to podle něj nezbytný krok k pochopení toho, jak mozek funguje. Když projekt začal, Rubin odhaduje, že s dostupných metod, sledování spojení mezi létat každý neuron ručně by trvalo 250 lidí, kteří pracují pro dvě desetiletí – to, co se označuje jako „5000 osobu-rok problém.“
Nyní, proud pokrok v zobrazovací technologii a hluboké učení algoritmů škubal sen létat konektom z mraků a do sféry pravděpodobnosti. Vysoce výkonné přizpůsobené mikroskopy, tým specializovaných neurálních korektorů a datových analytiků a partnerství se společností Google tento proces urychlily řádově.
Dnes, tým z Janelia výzkumných zpráv bít kritický milník: vystopovali cestu každý neuron v části ženského ovoce létat mozek už daboval „hemibrain.“Mapa zahrnuje 25 000 neuronů-zhruba třetinu mozku mouchy, objemově – ale její dopad je nadměrný. Zahrnuje oblasti, které mají velký zájem vědců-ty, které ovládají funkce, jako je učení, paměť, čich a navigace. S více než 20 milionů nervových spojení označila tak daleko, to je největší a nejpodrobnější mapu létat mozek nikdy dokončena.
konektom projektový tým, známý jako FlyEM, je, že data — a všechny nástroje potřebné k použití — k dispozici zdarma. Popisují práci v příspěvku zveřejněném na biorxivu 21. ledna 2020. A v současné době jsou na cestě k dokončení spojení celého nervového systému mouchy do roku 2022.
„To byla velká sázka na něco, co lidé si mysleli, že bylo téměř nemožné,“ říká Virén Jain, výzkumný vědec na Google a bývalý vedoucí laboratoře na Janelia. „Bude to poprvé, kdy se můžeme skutečně podívat na organizaci nervového systému se 100 000 neurony v synaptickém měřítku.“
s podrobnou neurální mapou v ruce budou vědci schopni odpovědět na otázky o tom, jak mozek funguje rychleji než kdykoli předtím. „To změní způsob, jakým lidé dělají neurovědy,“ říká Rubin.
plán mozku
K dnešnímu dni, jen jeden organismus má své kompletní konektom mapovány — Caenorhabditis elegans, malý, průhledný červ se jen 302 neuronů a zhruba 7,000 nervových spojení. Vědci oholili pásky tkáně pomocí diamantového nože, zachytili snímky elektronovým mikroskopem a poté sledovali cestu každého neuronu v nervovém systému červa-ručně.
práce vyžadovala pečlivou pozornost k detailu. Ale červí neurony nejsou zdaleka tak početné jako neurony much, myší nebo lidí – a mají tendenci vytvářet méně spojení. Rozmotat úponky proplétající se mozkem větších zvířat je monumentálně obtížnější. Konektom projektů na složitější mozek buď řešit malé části mozku, ve velkém detailu, nebo jsou mapovány neuronů v průběhu celého mozku, ale zachytil jen zlomek z buňky.
Jako malé jako moucha mozku se může objevit – to je o velikosti máku – mapování jeho 100,000 neurony do nejmenšího detailu, je výzva na zcela novou úroveň. Před patnácti lety, „mnoho neurobiologové byli skeptičtí o hodnotu má tento typ dat o mozku,“ zejména vzhledem k tomu, jak pracné by bylo, aby sbírat, Jain říká.
nejprve musí vědci přemluvit obrazy mozku s vysokým rozlišením z výkonných mikroskopů. Pak musí zmapovat nervové vrčení, které se rozvíjí oběma hemisférami, pro každý neuron. Jako sekvenování lidského genomu, stále práci neměl usnout na vědecký průlom, Rubin říká, ale spíše na technologické inovace a lidské logistiky.
pro něj to byla hodnotná výzva. „Motivovali mě skeptici,“ říká. „Věděli jsme, že musíme tento proces více než 100krát zefektivnit,ale to je přesně ten typ projektu, který byla založena Janelia, aby provedla,“ dodává Rubin.
první překážka: získání jasného a ostrého pohledu na každý neuron meandrující mozkem mouchy.
Nervové snímky
Za několik sad zamčené dveře a bílá podlaha-délka záclony, osm statný mikroskopy jsou připraveni obraz mozku mouchy. V této tiché místnosti nic nezasahuje do sběru obrázků. Harald Hess, C. Shan Xu a jejich kolegové připravili tyto mikroskopy na všechno kromě apokalypsy.
„Říkáme tomu“ Akt Boží místnosti“, “ říká Hess, vedoucí vedoucí skupiny v Janelii.
mikroskopy spočívají na nafouknutých vzduchových podložkách, aby se minimalizovaly vibrace. Dokonce i samotná místnost byla postavena tak, aby tlumila hluk; sedí na vlastní betonové desce, oddělené od zbytku budovy.
tyto mikroskopy byly původně navrženy tak, aby zachytily data během minut nebo hodin. Ale pro zobrazení celého mozku mouchy musí rozsah běžet nepřetržitě měsíce nebo roky. Jediná mezera v datech může všechno odhodit, říká Hess. „Musí to být perfektní.“Takže jeho tým strávil téměř deset let doladěním každé části procesu sběru obrázků, popsaného v listopadu 2019 biorxiv papír. Mikroskopy nyní mohou chrlit důsledně ostré obrazy, odhalující labyrint mozku neuronů ve složitých detailech. Pokud se něco pokazí, rozsahy automaticky pozastaví sběr dat a odešlou SOS.
Hess, Xu a jejich kolegové používají techniku zvanou elektronová mikroskopie s zaostřeným iontovým paprskem nebo FIB-SEM. Scope používá zaostřený iontový paprsek k odfrézování jemných přírůstků mozkové tkáně mouchy, jako velmi přesný pískovač. Střílí galliové ionty Na kus tkáně, leštění povrchového atomu atomem. Mikroskop zachytává obraz povrchu tkáně, leštidla další tenkou vrstvu, a zaskočí jiný obrázek – znovu a znovu, dokud celý vzorek se mele pryč. Jak fyzický vzorek pomalu mizí, jeho digitální dvojče je uloženo navždy, kousek po kousku.
poté počítačové programy zarovná tyto obrázky a spojí je zpět dohromady, aby vytvořily 3D reprezentaci mozku mouchy.
Na obrázku Drosophila hemibrain, vědci řez létat mozku do desky, zobrazen každý s elektronovým mikroskopem, pak šil všechny obrázky dohromady. Cíl: vytvořit objem obrazu, který umožňuje vědcům sledovat cestu každého neuronu mozkem.
obrázky použité pro schéma zapojení-vše z jediné mušky – již byly shromážděny. Ale rozsahy jsou stále silné: nyní sbírají data z mozku mužské mouchy. Tentokrát je cílem zachytit celý centrální nervový systém. Pokud vše půjde bez problémů, rozsahy dokončí tento úkol do konce roku 2020.
ukládání obrázků z jednoho mozku mouchy by zabralo asi 100 terabajtů na pevném disku. To je zhruba ekvivalent 100 milionů fotografií ve vašem počítači, říká Steve Plaza, vedoucí projektového týmu FlyEM. Je to příliš mnoho dat pro lidi, aby se pročesali ručně-strategie, které pracovaly na C. elegans, zaostávají. Vědci tedy našli způsoby, jak tento proces urychlit, trénovat počítače, aby tuto práci prováděly automaticky.
Spojovat se s tech gigant
Počítače mohou dělat všechny druhy image-související úkoly, jako je rozpoznání obličeje nebo špinění silnice v satelitních snímků. Tyto úkoly se částečně opírají o proces zvaný segmentace obrazu: rozdělení digitálního obrazu na jednotlivé části a označování každého z nich.
společnost Google již řadu let experimentuje se způsoby, jak tento proces zlepšit. Jain a jeho kolegové chtěli vybudovat segmentační technologii a aplikovat ji na náročný problém. Analýza obrazů neuronů odpovídá účtu. Ale učení algoritmus, jak spolehlivě vybrat, nebo segment, neurony v obrazech, vyžaduje spoustu školení příklady. Jain tedy oslovil tým FlyEM v Janelii, kteří chrlili data rychleji, než je mohli analyzovat. Obě skupiny začaly sdílet data a sledovat, jak dobře algoritmy Google sledují neurální vlákna prostřednictvím vrstev zobrazovacích dat.
„Google za předpokladu, hodně intelektuální koní a mnoho výpočetní výkon,“ říká Rubin – mají nejnovější technologie a prostředky věnovat na testování algoritmů na velkých datových souborů. „Byla to ideální spolupráce-týmy, které měly různé odborné znalosti, spolupracovaly.“
v ideálním případě, Jain říká, počítače by mohly jen vybrat neurony přímo z mikroskopických obrazů. Ale to je těžké udělat, protože mnoho neuronů splay úponky přes velké řádky mozku, klenout mnoho obrazů. V minulosti algoritmy zaujaly postupný přístup. Nejprve počítačový algoritmus identifikuje buněčné hranice oddělující neurony od všeho ostatního v mozku. Pak, další algoritmus barvy uvnitř těchto hranic, definování každou sekci jako kus neuronu. Nakonec třetí algoritmus spojuje všechny nervové části dohromady a vytváří plán zamotané cesty každého neuronu.
algoritmy Google všechny tyto kroky zruší a sledují neurony organičtěji-jako člověk. Jeden algoritmus, nazývá se povodňová síť, přímo sleduje neurální úponky end-to-end, když prochází zobrazovacími daty, říká Jain. Rozhoduje o tom, jak rozšířit tvar neuronu na základě kontextu obrazu a jeho vlastních předchozích předpovědí. Jain a jeho kolegové ve společnosti Google popisují práci 22. ledna 2020 v příspěvku na blogu Google AI.
pomoci programu učit se, tým má fed je plně vysledovat, lidské ověřené neuronů, říká Michal Januszewski, Google výzkumník, který pracuje na projektu. To dává algoritmu zkušenost s interpretací různých druhů a tvarů neuronů, z celého mozku. „Doufejme, že se časem naučí opravit chyby, které se původně musely opravit ručně,“ říká.
jak se algoritmus zlepšuje, pracovní zátěž člověka klesá. Díky spolupráci se společností Google byl projekt více než 10krát rychlejší, odhaduje Rubin.
Plná pára vpřed
navzdory úspěchu algoritmu počítače nedostanou konečné slovo. Zpět na Janelii, desítky lidských korektorů pórují přes data, u stolů přeplněných velkoplošnými monitory. Tito technici hledají místa, kde algoritmus nesprávně sloučil nervové větve patřící k různým neuronům nebo omylem rozdělil větev od sebe.
„Tam je ještě mnoho manuální úsilí potřebné,“ říká Ruchi Parekh, který vede tým neuron stopovací látky a korektoři. V posledních čtyřech letech, její tým se rozrostl na téměř 50 lidé, držet krok se segmentovanými daty, která Google odesílá zpět stále rychlejšími sazbami. Další tým, vedený Patem Rivlinem, průběžně vyhodnocuje a testuje nové technologie, aby byl proces korektury efektivnější a přesnější. Ale pečlivá práce stále vyžaduje obrovskou trpělivost. Korektoři procházet vrstvami zobrazování dat, díval se na navrhované spojení bodů z více úhlů, určit, zda dva neurony opravdu komunikovat.
pokud jde o sledování neuronů, lidé jsou v mnoha ohledech stále lepší než algoritmy, říká Plaza. Lidé mají obecné znalosti a povědomí, které jim umožňují rozpoznat zvláštnosti v datech, vysvětluje. „V podstatě lidé mají zdravý rozum.“
například velké chyby připojení jsou pro lidské oko obvykle zřejmé. Korektoři tak mohou rychle skenovat velké kusy dat a hledat dramaticky deformované neurony. Když spatří něco, co se zdá být v nepořádku, mohou vyšetřovat v jemnějších detailech.
konečným cílem týmu je vytvořit zdroj užitečný pro jiné vědce. To znamenalo přemýšlet o tom, jak jsou data uložena a prezentována, také. Plaza a jeho kolegové vytvořili programy, díky nimž je prosévání datovou sadou přístupnější. „Máme opravdu velkou datovou sadu – je to hodně pro každého, kdo to pochopí,“ říká. „Klíčem je mít nástroj, který vám umožní rozložit tato data na interpretovatelné jednotky.“Nyní vědci zájem o konkrétní neuron může zjistit, jak to vypadá a buňky, které se připojí k – a jaké jiné neurony mají podobné vlastnosti a mohou být spojeny.
Plaza a jeho tým budou i nadále zdokonalovat svůj connectome a zveřejňovat aktualizované verze. Vědci se zajímají o tom, jak neurony v těchto již mapované regiony připojit ke zbytku mozku bude muset počkat pár let na plný konektom které mají být dokončeny. Současná data však již odhalují postřehy a otevírají nové otázky.
velkou otázkou pro vědce je nyní “ Jak analyzujete konektom a pak dáváte smysl tomu, co vidíte?“Říká Parekh. „Data jsou tam. Co s tím děláš?“
pro Rubina, který koncem tohoto měsíce odstoupí z funkce výkonného ředitele Janelia a vrátí se na plný úvazek do své laboratoře Janelia, je tento milník jen začátek. „To je uspokojující vidět, že úspěch — to je vědecký úspěch, na který jsem nejvíce pyšný z doby, kdy jsem jako ředitel, v části, protože to vyžaduje doplňující příspěvky z tolika talentovaných lidí, kteří pracují společně za více než deset let,“ říká. „Ale osobně mám zájem o využití těchto znalostí, abych zjistil, jak funguje mozek.“
citace
C. Shan Xu et al. „Konektom dospělého centrálního mozku Drosophily.“Publikováno dne bioRxiv.org 21. ledna 2020. doi: 10.1101 / 2020.01.21.911859
