i et mørkt rum i Ashburn, Virginia sidder rækker af forskere ved computerskærme, der viser levende 3D-former. Med et museklik drejer de hver form for at undersøge den fra alle sider. Forskerne arbejder inde i en betonbygning på Janelia Research Campus på Hughes Medical Institute. Men deres sind er et andet sted helt-inde i hjernen af en flue.
hver figur på forskernes skærme repræsenterer en del af en frugtflue neuron. Disse forskere og andre på Janelia tackler et mål, der engang syntes uden for rækkevidde: skitserer hver af flyhjernens omkring 100.000 neuroner og peger på de millioner af steder, de forbinder. Et sådant ledningsdiagram, eller connectome, afslører det komplette kredsløb i forskellige hjerneområder, og hvordan de er forbundet. Arbejdet kan hjælpe med at låse op for netværk, der er involveret i hukommelsesdannelse, for eksempel eller neurale veje, der ligger til grund for bevægelser.
Gerry Rubin, vicepræsident for HHMI og Administrerende Direktør for Janelia, har kæmpet for dette projekt i mere end et årti. Det er et nødvendigt skridt i at forstå, hvordan hjernen fungerer, siger han. Da projektet begyndte, vurderede Rubin, at med tilgængelige metoder ville sporing af forbindelserne mellem hver flyneuron i hånden tage 250 mennesker, der arbejder i to årtier – hvad han omtaler som “et 5.000 personårigt problem.”
nu har en strøm af fremskridt inden for billedteknologi og dybindlæringsalgoritmer trukket drømmen om en flueforbindelse ud af skyerne og ind i sandsynlighedsområdet. Højdrevne tilpassede mikroskoper, et team af dedikerede neurale korrekturlæsere og dataanalytikere og et partnerskab med Google har fremskyndet processen med størrelsesordener.
i dag rapporterer et team af Janelia-forskere, at de rammer en kritisk milepæl: de har sporet stien til hver neuron i en del af den kvindelige frugtflyhjerne, de har kaldt “hemibrain.”Kortet omfatter 25.000 neuroner-omtrent en tredjedel af fluehjernen, i volumen-men dens indvirkning er overdimensioneret. Det omfatter regioner af stor interesse for forskere — dem, der styrer funktioner som læring, hukommelse, lugt og navigation. Med mere end 20 millioner neurale forbindelser, der hidtil er udpeget, er det det største og mest detaljerede kort over flyhjernen, der nogensinde er afsluttet.
connectome — projektteamet, kendt som FlyEM, gør dataene — og alle de nødvendige værktøjer til at bruge dem-tilgængelige gratis. De beskriver værket i et papir, der blev sendt til bioreksiv den 21. januar 2020. Og de er i øjeblikket på vej til at fuldføre en forbindelse til hele fly-nervesystemet inden 2022.
“dette var en stor indsats på noget, som folk troede var næsten umuligt at gøre,” siger Viren Jain, forsker hos Google og tidligere laboratoriechef hos Janelia. “Dette vil være første gang, at vi virkelig kan få et nuanceret kig på organisationen af et nervesystem med 100.000 neuroner i synaptisk skala.”
med et detaljeret neuralt kort i hånden vil forskere være i stand til at besvare spørgsmål om, hvordan hjernen fungerer hurtigere end nogensinde før. “Dette vil ændre den måde, folk gør neurovidenskab på,” siger Rubin.
en plan for hjernen
til dato har kun en organisme haft sin komplette forbindelse kortlagt — Caenorhabditis elegans, en lille, gennemsigtig orm med kun 302 neuroner og omkring 7.000 neurale forbindelser. Forskere barberede bånd af væv ved hjælp af en diamantkniv, fangede billeder med et elektronmikroskop og spores derefter stien til hver neuron i ormens nervesystem — for hånd.
arbejdet krævede omhyggelig opmærksomhed på detaljer. Men ormneuroner er ikke nær så mange som fluer, mus eller mennesker – og de har tendens til at skabe færre forbindelser. Det er monumentalt vanskeligere at løsne tendrils, der Snaker gennem hjernen hos større dyr. Connectome-projekter på mere komplekse hjerner har enten tacklet en lille del af hjernen i detaljer, eller de kortlagde neuroner gennem en hel hjerne, men fangede kun en brøkdel af cellerne.
så lille som fluehjernen kan se ud-det handler om størrelsen af et valmuefrø – kortlægning af sine 100.000 neuroner i udsøgte detaljer er en udfordring på et helt nyt niveau. For femten år siden var” mange neurobiologer skeptiske over værdien af at have denne type data om hjernen”, især i betragtning af hvor besværligt det ville være at indsamle, siger Jain.
for det første skal forskere lokke højopløselige hjernebilleder fra kraftige mikroskoper. Derefter skal de kortlægge de neurale snarls, der udfolder sig gennem begge halvkugler, for hver neuron. Ligesom sekventering af det menneskelige genom hvilede arbejdet ikke på et videnskabeligt gennembrud, siger Rubin, men snarere på teknologisk innovation og menneskelig Logistik.
for ham var det en værdifuld udfordring. “Jeg var motiveret af skeptikerne,” siger han. “Vi vidste, at vi var nødt til at gøre processen mere end 100 gange mere effektiv, men det er netop den slags projekt, som Janelia blev etableret for at udføre,” tilføjer Rubin.
den første forhindring: at få et klart, skarpt billede af hver neuron, der bugter sig gennem fluehjernen.
neurale snapshots
bag flere sæt låste døre og hvide gulvlængde gardiner er otte heftige mikroskoper klar til at afbilde hjernen i en flue. I dette hushed-rum forstyrrer intet billedsamling. Harald Hess, C. Shan og deres kolleger har forberedt disse mikroskoper til alt andet end apokalypsen.
” vi kalder det ‘Act of God-Proof Room’, ” siger Hess, senior gruppeleder hos Janelia.
mikroskoper hviler på oppustede luftpuder for at minimere vibrationer. Selv selve rummet blev bygget for at dæmpe støj; det sidder på sin egen betonplade, adskilt fra resten af bygningen.
disse mikroskoper blev oprindeligt designet til at fange data over minutter eller timer. Men for at afbilde hele flyhjernen skal et omfang køre kontinuerligt i måneder eller år. Et enkelt hul i dataene kan smide alt væk, siger Hess. “Det skal virkelig være perfekt.”Så hans team har brugt næsten et årti på at finjustere alle dele af billedindsamlingsprocessen, beskrevet i et bioreksivpapir fra November 2019. Mikroskoperne kan nu churn ud konsekvent skarpe billeder, afslører hjernens labyrint af neuroner i indviklede detaljer. Hvis noget ikke fungerer, sætter scopes automatisk dataindsamling på pause og sender en SOS ud.
Hess og deres kolleger bruger en teknik kaldet fokuseret ionstrålescanningselektronmikroskopi eller FIB-sem. Omfanget bruger en fokuseret ionstråle til at fjerne fine trin af fluehjernevæv, som en meget præcis sandblæser. Det skyder galliumioner på et stykke væv og polerer overfladeatomet for atom. Mikroskopet snaps et billede af vævsoverfladen, polerer af et andet tyndt lag, og klikker på et andet billede – igen og igen, indtil hele prøven er formalet væk. Da den fysiske prøve langsomt forsvinder, gemmes dens digitale tvilling for evigt, stykke for stykke.
derefter justerer computerprogrammer disse billeder og sy dem sammen igen for at skabe en 3D-repræsentation af flyhjernen.
for at afbilde Drosophila hemibrain skar forskere en fluehjerne i plader, afbildede hver med et elektronmikroskop og syede derefter alle billederne sammen. Målet: at skabe et billedvolumen, der lader forskere spore hver neurons vej gennem hjernen.
billederne, der bruges til ledningsdiagrammet – alt fra en enkelt kvindelig flue – er allerede samlet. Men omfanget kører stadig stærkt: de indsamler nu data fra en mandlig flues hjerne. Denne gang er målet at fange hele centralnervesystemet. Hvis alt går uden problemer, vil scopes afslutte denne opgave inden udgangen af 2020.
lagring af billeder fra en enkelt fluehjerne ville tage omkring 100 terabyte på en harddisk. Det er omtrent de tilsvarende 100 millioner fotos på din computer, siger Steve Plads, leder af FlyEM-projektteamet. Det er alt for meget data for mennesker at kæmpe igennem for hånd — strategierne, der arbejdede på C. elegans, kommer til kort. Så forskere har fundet måder at fremskynde processen på, træne computere til at udføre jobbet automatisk.
samarbejde med en tech-gigant
computere kan udføre alle mulige billedrelaterede opgaver, såsom at genkende ansigter eller spotte veje i satellitbilleder. Disse opgaver er delvis afhængige af en proces kaldet billedsegmentering: opdeling af et digitalt billede i dets bestanddele og mærkning af hver enkelt.
i årevis har Google eksperimenteret med måder at forbedre denne proces på. Jain og hans kolleger ønskede at opbygge segmenteringsteknologi og anvende den på et udfordrende problem. Analyse af billeder af neuroner passer til regningen. Men at lære en algoritme, hvordan man pålideligt vælger eller segmenterer neuroner i billeder, kræver masser af træningseksempler. Så, Jain nåede ud til FlyEM-teamet hos Janelia, der kørte data hurtigere ud, end de kunne analysere dem. De to grupper begyndte at dele data og spore, hvor godt Googles algoritmer fulgte neurale fibre gennem lag af billeddata.
“Google leverede en masse intellektuelle hestekræfter og en masse beregningsmæssige hestekræfter,” siger Rubin – de havde den nyeste teknologi og ressourcerne til at afsætte til testalgoritmer på enorme datasæt. “Det var et ideelt samarbejde – teams, der havde forskellig ekspertise, der arbejdede sammen.”
ideelt set siger Jain, at computere bare kunne udvælge neuroner direkte fra mikroskopbillederne. Men det er svært at gøre, fordi mange neuroner splay tendrils over store skår af hjernen, der spænder over mange billeder. Tidligere har algoritmer taget en stykkevis tilgang. For det første identificerer en computeralgoritme cellegrænser, der adskiller neuroner fra alt andet i hjernen. Derefter farver en anden algoritme inden for disse grænser og definerer hvert afsnit som et stykke neuron. Endelig forbinder en tredje algoritme alle neurale stykker sammen og danner en plan for hver neurons sammenfiltrede sti.
Googles algoritmer skrotter alle disse trin og sporer neuroner mere organisk – som et menneske. En algoritme, kaldet et oversvømmelsesfyldningsnetværk, følger direkte neurale tendrils ende-til-ende, når det ruller gennem billeddata, siger Jain. Det træffer beslutninger om, hvordan man udvider en neurons form baseret på billedkontekst og sine egne tidligere forudsigelser. Jain og hans kolleger hos Google beskriver arbejdet 22. januar 2020 i et indlæg på Google AI-bloggen.
for at hjælpe programmet med at lære, har teamet fodret det fuldt sporede, human-validerede neuroner, siger Michal Janusevski, en Google-forsker, der arbejder på projektet. Det giver algoritmen erfaring med at fortolke forskellige former og former for neuroner, fra hele hjernen. “Forhåbentlig lærer det over tid at rette de fejl, der oprindeligt skulle rettes for hånd,” siger han.
efterhånden som algoritmen forbedres, falder den menneskelige arbejdsbyrde. Arbejdet med Google har fået projektet til at gå mere end 10 gange hurtigere, vurderer Rubin.
fuld damp foran
på trods af algoritmens succes får computere ikke det sidste ord. Tilbage på Janelia, snesevis af menneskelige korrekturlæsere pore Over data, på skriveborde overfyldt med storskærm skærme. Disse teknikere søger efter steder, hvor algoritmen forkert har fusioneret neurale grene, der tilhører forskellige neuroner eller fejlagtigt opdeler en gren fra hinanden.
“der kræves stadig en masse manuel indsats,” siger Ruchi Parekh, der leder et team af neuronsporere og korrekturlæsere. I de sidste fire år er hendes team vokset til næsten 50 mennesker for at holde trit med de segmenterede data, som Google sender tilbage til stadig hurtigere priser. Et andet team, ledet af Pat Rivlin, evaluerer og tester løbende nye teknologier for at gøre korrekturlæsningsprocessen mere effektiv og nøjagtig. Men det omhyggelige arbejde kræver stadig enorm tålmodighed. Korrekturlæsere ruller gennem lag af billeddata, kigger på foreslåede forbindelsespunkter fra flere vinkler for at afgøre, om de to neuroner virkelig kommunikerer.
når det kommer til at spore neuroner, er mennesker stadig bedre end algoritmer på mange måder, siger han. Mennesker har den generelle viden og bevidsthed, der lader dem få øje på underlige ting i dataene, forklarer han. “Grundlæggende har mennesker sund fornuft.”
for eksempel er store forbindelsesfejl normalt indlysende for det menneskelige øje. Så korrekturlæsere kan hurtigt scanne store klumper af data, på udkig efter dramatisk misdannede neuroner. Når de ser noget, der synes galt, de kan undersøge i finere detaljer.
holdets ultimative mål er at skabe en ressource, der er nyttig for andre forskere. Det har betydet at tænke igennem, hvordan data gemmes og præsenteres, også. Han og hans kolleger har bygget programmer for at gøre sigtning gennem datasættet mere tilgængeligt. “Vi har et rigtig stort datasæt-det er meget for alle at forstå,” siger han. “At have et værktøj, der giver dig mulighed for at nedbryde disse data til fortolkelige enheder, er nøglen.”Nu kan forskere, der er interesseret i en bestemt neuron, finde ud af, hvordan den ser ud, og hvilke celler den forbinder til – og hvilke andre neuroner har lignende kvaliteter og kan være relaterede.
et stort spørgsmål til forskere nu er ” hvordan analyserer du forbindelsen og derefter giver mening om, hvad du ser?”Parekh siger. “Dataene er der. Hvad gør du med det?”
for Rubin, der træder tilbage som administrerende direktør for Janelia senere i denne måned og vender tilbage på fuld tid til sit Janelia-laboratorium, er denne milepæl kun begyndelsen. “Det er tilfredsstillende at se det lykkes — det er den videnskabelige præstation, som jeg er mest stolt af fra min tid som direktør, dels fordi det krævede supplerende bidrag fra så mange talentfulde mennesker, der arbejdede sammen i over et årti,” siger han. “Men personligt er jeg interesseret i at bruge denne viden til at lære, hvordan hjernen fungerer.”
Citation
C. Shan et al. “En forbindelse til den voksne Drosophila centrale hjerne.”Sendt den bioRxiv.org den 21. januar 2020. doi:10. 1101/2020. 01. 21. 911859
