In einem abgedunkelten Raum in Ashburn, Virginia, sitzen Reihen von Wissenschaftlern an Computerbildschirmen, die lebendige 3D-Formen anzeigen. Mit einem Mausklick drehen sie jede Form, um sie von allen Seiten zu untersuchen. Die Wissenschaftler arbeiten in einem Betongebäude auf dem Janelia Research Campus des Howard Hughes Medical Institute, direkt an einer Straße namens Helix Drive. Aber ihre Gedanken sind ganz woanders – im Gehirn einer Fliege.
Jede Form auf den Bildschirmen der Wissenschaftler repräsentiert einen Teil eines Fruchtfliegenneurons. Diese Forscher und andere bei Janelia gehen ein Ziel an, das einst unerreichbar schien: jedes der rund 100.000 Neuronen des Fliegenhirns zu skizzieren und die Millionen von Orten zu lokalisieren, die sie verbinden. Ein solcher Schaltplan oder Connectome, zeigt die komplette Schaltung der verschiedenen Hirnareale und wie sie verbunden sind. Die Arbeit könnte dazu beitragen, Netzwerke freizuschalten, die beispielsweise an der Gedächtnisbildung beteiligt sind, oder Nervenbahnen, die Bewegungen zugrunde liegen.
Gerry Rubin, Vizepräsident von HHMI und Geschäftsführer von Janelia, setzt sich seit mehr als einem Jahrzehnt für dieses Projekt ein. Es ist ein notwendiger Schritt, um zu verstehen, wie das Gehirn funktioniert, sagt er. Als das Projekt begann, schätzte Rubin, dass mit den verfügbaren Methoden, die Verbindungen zwischen jedem Fliegenneuron von Hand zu verfolgen, 250 Menschen zwei Jahrzehnte lang arbeiten würden – was er als „ein 5.000-Personen-Jahr-Problem“ bezeichnet.“
Ein Strom von Fortschritten in der Bildgebungstechnologie und Deep-Learning-Algorithmen hat den Traum eines Fly Connectome aus den Wolken in den Bereich der Wahrscheinlichkeit gerissen. Leistungsstarke, maßgeschneiderte Mikroskope, ein Team engagierter neuronaler Korrektoren und Datenanalysten sowie eine Partnerschaft mit Google haben den Prozess um Größenordnungen beschleunigt.
Heute berichtet ein Team von Janelia-Forschern, dass es einen kritischen Meilenstein erreicht hat: Sie haben den Weg jedes Neurons in einem Teil des weiblichen Fruchtfliegenhirns verfolgt, das sie als „Hemibrain“ bezeichnet haben.“ Die Karte umfasst 25.000 Neuronen – etwa ein Drittel des Fliegenhirns, gemessen am Volumen -, aber ihre Auswirkungen sind übergroß. Es umfasst Regionen von großem Interesse für Wissenschaftler – diejenigen, die Funktionen wie Lernen, Gedächtnis, Geruch und Navigation steuern. Mit mehr als 20 Millionen neuronalen Verbindungen, die bisher lokalisiert wurden, ist es die größte und detaillierteste Karte des Fliegenhirns, die jemals fertiggestellt wurde.
Das connectome-Projektteam, bekannt als FlyEM, stellt die Daten — und alle dafür notwendigen Werkzeuge – kostenlos zur Verfügung. Sie beschreiben die Arbeit in einem Artikel, der am 21.Januar 2020 bei bioRxiv veröffentlicht wurde. Und sie sind derzeit auf dem besten Weg, bis 2022 ein Konnektom des gesamten Fliegennervensystems fertigzustellen.
“ Dies war eine große Wette auf etwas, das die Leute für fast unmöglich hielten „, sagt Viren Jain, ein Wissenschaftler bei Google und ehemaliger Laborleiter bei Janelia. „Dies wird das erste Mal sein, dass wir die Organisation eines Nervensystems mit 100.000 Neuronen auf einer synaptischen Skala wirklich differenziert betrachten können.“
Mit einer detaillierten neuronalen Karte in der Hand können Wissenschaftler Fragen zur Funktionsweise des Gehirns schneller als je zuvor beantworten. „Dies wird die Art und Weise verändern, wie Menschen Neurowissenschaften betreiben“, sagt Rubin.
Eine Blaupause des Gehirns
Bisher wurde nur ein Organismus vollständig mit seinem Connectom kartiert — Caenorhabditis elegans, ein winziger, transparenter Wurm mit nur 302 Neuronen und etwa 7.000 neuronalen Verbindungen. Wissenschaftler rasierten Gewebebänder mit einem Diamantmesser ab, nahmen Bilder mit einem Elektronenmikroskop auf und verfolgten dann den Weg jedes Neurons im Nervensystem des Wurms — von Hand.
Die Arbeit erforderte viel Liebe zum Detail. Aber Wurmneuronen sind nicht annähernd so zahlreich wie die von Fliegen, Mäusen oder Menschen – und sie neigen dazu, weniger Verbindungen herzustellen. Das Entwirren der Ranken, die sich durch die Gehirne größerer Tiere schlängeln, ist monumental schwieriger. Connectome-Projekte an komplexeren Gehirnen haben entweder einen kleinen Teil des Gehirns sehr detailliert untersucht oder Neuronen im gesamten Gehirn abgebildet, aber nur einen Bruchteil der Zellen erfasst.
So winzig das Fliegenhirn auch erscheinen mag – es ist ungefähr so groß wie ein Mohnsamen -, so detailgetreu ist die Kartierung seiner 100.000 Neuronen eine Herausforderung auf einer ganz neuen Ebene. Vor fünfzehn Jahren „standen viele Neurobiologen dem Wert dieser Art von Daten über das Gehirn skeptisch gegenüber“, insbesondere angesichts der mühsamen Erfassung, sagt Jain.
Zunächst müssen Forscher hochauflösende Gehirnbilder aus leistungsstarken Mikroskopen gewinnen. Dann müssen sie die neuronalen Knurren abbilden, die sich für jedes Neuron durch beide Hemisphären entfalten. Wie die Sequenzierung des menschlichen Genoms beruhte die Erledigung der Arbeit nicht auf einem wissenschaftlichen Durchbruch, sagt Rubin, sondern auf technologischer Innovation und menschlicher Logistik.
Für ihn war das eine lohnende Herausforderung. „Ich war von den Skeptikern motiviert“, sagt er. „Wir wussten, dass wir den Prozess mehr als 100-mal effizienter gestalten mussten, aber genau für diese Art von Projekt wurde Janelia gegründet“, fügt Rubin hinzu.
Die erste Hürde: Eine klare, scharfe Sicht auf jedes Neuron, das sich durch das Fliegenhirn schlängelt.
Neuronale Schnappschüsse
Hinter mehreren verschlossenen Türen und weißen bodenlangen Vorhängen stehen acht kräftige Mikroskope bereit, um das Gehirn einer Fliege abzubilden. In diesem gedämpften Raum stört nichts die Bildersammlung. Harald Hess, C. Shan Xu und ihre Kollegen haben diese Mikroskope für alles andere als die Apokalypse vorbereitet.
„Wir nennen es den ‚Act of God-Proof Room'“, sagt Hess, Senior Group Leader bei Janelia.
Mikroskope ruhen auf aufgeblasenen Luftpolstern, um Vibrationen zu minimieren. Sogar der Raum selbst wurde gebaut, um Lärm zu dämpfen; Es sitzt auf einer eigenen Betonplatte, getrennt vom Rest des Gebäudes.
Diese Mikroskope wurden ursprünglich entwickelt, um Daten über Minuten oder Stunden zu erfassen. Aber um das gesamte Fliegenhirn abzubilden, muss ein Zielfernrohr kontinuierlich für Monate oder Jahre laufen. Eine einzige Lücke in den Daten kann alles wegwerfen, sagt Hess. „Es muss wirklich perfekt sein.“ Sein Team hat fast ein Jahrzehnt damit verbracht, jeden Teil des Bilderfassungsprozesses zu optimieren, der in einem bioRxiv-Papier vom November 2019 beschrieben wurde. Die Mikroskope können nun konsistent scharfe Bilder erzeugen und das Labyrinth der Neuronen des Gehirns in komplizierten Details aufdecken. Wenn etwas fehlfunktionen, die bereiche automatisch pause daten sammlung und senden eine SOS.
Hess, Xu und ihre Kollegen verwenden eine Technik, die als fokussierte Ionenstrahl-Rasterelektronenmikroskopie oder FIB-REM bezeichnet wird. Das Zielfernrohr verwendet einen fokussierten Ionenstrahl, um feine Inkremente von Fliegenhirngewebe wie einen sehr präzisen Sandstrahler abzufräsen. Es schießt Galliumionen auf ein Stück Gewebe und poliert die Oberfläche Atom für Atom. Das Mikroskop nimmt ein Bild der Gewebeoberfläche auf, poliert eine weitere dünne Schicht ab und macht ein weiteres Bild – immer wieder, bis die gesamte Probe weggefräst ist. Während das physische Exemplar langsam verschwindet, wird sein digitaler Zwilling Stück für Stück für immer gespeichert.
Dann richten Computerprogramme diese Bilder aus und fügen sie wieder zusammen, um eine 3D-Darstellung des Fliegenhirns zu erstellen.
Um das Drosophila hemibrain abzubilden, schnitten die Forscher ein Fliegenhirn in Platten, die jeweils mit einem Elektronenmikroskop abgebildet wurden, und nähte dann alle Bilder zusammen. Das Ziel: Ein Bildvolumen zu schaffen, mit dem Wissenschaftler den Weg jedes Neurons durch das Gehirn verfolgen können.
Die für den Schaltplan verwendeten Bilder – alle von einer einzigen weiblichen Fliege – wurden bereits gesammelt. Aber die Bereiche laufen immer noch stark: sie sammeln jetzt Daten aus dem Gehirn einer männlichen Fliege. Dieses Mal ist es das Ziel, das gesamte zentrale Nervensystem zu erfassen. Wenn alles reibungslos verläuft, werden die Scopes diese Aufgabe bis Ende 2020 abschließen.
Das Speichern von Bildern eines einzelnen Fliegenhirns würde etwa 100 Terabyte auf einer Festplatte beanspruchen. Das sind ungefähr 100 Millionen Fotos auf Ihrem Computer, sagt Steve Plaza, Leiter des FlyEM-Projektteams. Es sind viel zu viele Daten, die der Mensch von Hand durchkämmen kann — die Strategien, die bei C. elegans funktionierten, greifen zu kurz. So haben Forscher Wege gefunden, den Prozess zu beschleunigen, indem sie Computer so trainieren, dass sie die Arbeit automatisch erledigen.
Zusammenarbeit mit einem Technologieriesen
Computer können alle möglichen bildbezogenen Aufgaben ausführen, z. B. Gesichter erkennen oder Straßen in Satellitenbildern erkennen. Diese Aufgaben beruhen zum Teil auf einem Prozess namens Bildsegmentierung: Aufbrechen eines digitalen Bildes in seine Bestandteile und Beschriften jedes einzelnen.
Seit Jahren experimentiert Google mit Möglichkeiten, diesen Prozess zu verbessern. Jain und seine Kollegen wollten Segmentierungstechnologie entwickeln und auf ein herausforderndes Problem anwenden. Die Analyse von Bildern von Neuronen passt zur Rechnung. Um einem Algorithmus beizubringen, Neuronen in Bildern zuverlässig auszuwählen oder zu segmentieren, sind jedoch viele Trainingsbeispiele erforderlich. Also wandte sich Jain an das FlyEM-Team von Janelia, das Daten schneller auslieferte, als sie analysieren konnten. Die beiden Gruppen begannen, Daten auszutauschen und zu verfolgen, wie gut Googles Algorithmen neuronalen Fasern durch Schichten von Bilddaten folgten.
“ Google stellte eine Menge intellektueller und rechnerischer Leistung zur Verfügung „, sagt Rubin – sie verfügten über die neueste Technologie und die Ressourcen, um Algorithmen auf riesigen Datensätzen zu testen. „Es war eine ideale Zusammenarbeit – Teams mit unterschiedlichen Fachkenntnissen arbeiteten zusammen.“
Idealerweise, sagt Jain, könnten Computer Neuronen direkt aus den Mikroskopbildern auswählen. Aber das ist schwer zu tun, weil viele Neuronen Ranken über große Teile des Gehirns spreizen und viele Bilder überspannen. In der Vergangenheit haben Algorithmen einen stückweisen Ansatz verfolgt. Zunächst identifiziert ein Computeralgorithmus Zellgrenzen, die Neuronen von allem anderen im Gehirn trennen. Dann färbt ein anderer Algorithmus innerhalb dieser Grenzen und definiert jeden Abschnitt als ein Stück Neuron. Schließlich verbindet ein dritter Algorithmus alle neuronalen Teile miteinander und bildet eine Blaupause für den verschlungenen Pfad jedes Neurons.
Googles Algorithmen verschrotten all diese Schritte und verfolgen Neuronen organischer – wie ein Mensch. Ein Algorithmus, der als Flood-Filling-Netzwerk bezeichnet wird, folgt neuronalen Ranken direkt von Ende zu Ende, während er durch Bilddaten scrollt, sagt Jain. Es trifft Entscheidungen darüber, wie die Form eines Neurons basierend auf dem Bildkontext und seinen eigenen vorherigen Vorhersagen erweitert werden kann. Jain und seine Kollegen bei Google beschreiben die Arbeit am 22. Januar 2020 in einem Beitrag im Google AI Blog.
Um das Programm beim Lernen zu unterstützen, hat das Team vollständig nachverfolgte, vom Menschen validierte Neuronen gefüttert, sagt Michal Januszewski, ein Google-Forscher, der an dem Projekt arbeitet. Dadurch kann der Algorithmus verschiedene Arten und Formen von Neuronen aus dem gesamten Gehirn interpretieren. „Hoffentlich lernt es im Laufe der Zeit, die Fehler zu korrigieren, die ursprünglich von Hand korrigiert werden mussten“, sagt er.
Wenn sich der Algorithmus verbessert, nimmt die Arbeitsbelastung des Menschen ab. Die Zusammenarbeit mit Google hat das Projekt mehr als 10-mal schneller gemacht, schätzt Rubin.
Volle Kraft voraus
Trotz des Erfolgs des Algorithmus erhalten Computer nicht das letzte Wort. Zurück bei Janelia durchforsten Dutzende von menschlichen Korrektoren die Daten an Schreibtischen, die mit Großbildmonitoren überfüllt sind. Diese Techniker suchen nach Stellen, an denen der Algorithmus neuronale Zweige, die zu verschiedenen Neuronen gehören, falsch zusammengeführt oder einen Zweig fälschlicherweise getrennt hat.
“ Es ist immer noch viel manueller Aufwand erforderlich „, sagt Ruchi Parekh, der ein Team von Neuronentracern und Korrektoren leitet. In den letzten vier Jahren ist ihr Team auf fast 50 Mitarbeiter angewachsen, um mit den segmentierten Daten Schritt zu halten, die Google immer schneller zurücksendet. Ein weiteres Team unter der Leitung von Pat Rivlin evaluiert und testet kontinuierlich neue Technologien, um den Korrekturprozess effizienter und genauer zu gestalten. Aber die mühsame Arbeit erfordert immer noch enorme Geduld. Korrektoren scrollen durch Schichten von Bilddaten und betrachten vorgeschlagene Verbindungspunkte aus mehreren Winkeln, um festzustellen, ob die beiden Neuronen wirklich kommunizieren.
Wenn es darum geht, Neuronen zu verfolgen, sind Menschen in vielerlei Hinsicht immer noch besser als Algorithmen, sagt Plaza. Menschen haben das allgemeine Wissen und Bewusstsein, mit dem sie Kuriositäten in den Daten erkennen können, erklärt er. „Grundsätzlich haben Menschen gesunden Menschenverstand.“
Zum Beispiel sind große Verbindungsfehler für das menschliche Auge normalerweise offensichtlich. So können Korrektoren schnell große Datenmengen scannen und nach dramatisch unförmigen Neuronen suchen. Wenn sie etwas entdecken, das nicht stimmt, können sie es genauer untersuchen.
Das ultimative Ziel des Teams ist es, eine Ressource zu schaffen, die für andere Wissenschaftler nützlich ist. Das bedeutete auch, darüber nachzudenken, wie Daten gespeichert und präsentiert werden. Plaza und seine Kollegen haben Programme entwickelt, um das Durchsuchen des Datensatzes zugänglicher zu machen. „Wir haben einen wirklich großen Datensatz – es ist viel für jeden zu verstehen“, sagt er. „Ein Tool zu haben, mit dem Sie diese Daten in interpretierbare Einheiten zerlegen können, ist der Schlüssel.“ Jetzt können Wissenschaftler, die sich für ein bestimmtes Neuron interessieren, herausfinden, wie es aussieht und mit welchen Zellen es sich verbindet – und welche anderen Neuronen ähnliche Eigenschaften haben und möglicherweise verwandt sind.
Plaza und sein Team werden ihr Connectome weiter verfeinern und aktualisierte Versionen veröffentlichen. Forscher, die daran interessiert sind, wie Neuronen in diesen bereits kartierten Regionen mit dem Rest des Gehirns verbunden sind, müssen einige Jahre warten, bis das vollständige Connectom fertiggestellt ist. Aber die aktuellen Daten geben bereits Einblicke und eröffnen neue Fragen.
Eine große Frage für Wissenschaftler ist jetzt: „Wie analysierst du das Connectom und machst dann Sinn für das, was du siehst?“ Parekh sagt. „Die Daten sind da. Was machst du damit?“
Für Rubin, der später in diesem Monat als Executive Director von Janelia zurücktreten und vollzeit in sein Janelia-Labor zurückkehren wird, ist dieser Meilenstein erst der Anfang. „Es ist befriedigend zu sehen, dass es erfolgreich ist – es ist die wissenschaftliche Leistung, auf die ich seit meiner Zeit als Direktor am stolzesten bin, zum Teil, weil es ergänzende Beiträge von so vielen talentierten Menschen erforderte, die über ein Jahrzehnt lang zusammengearbeitet haben“, sagt er. „Aber ich persönlich bin daran interessiert, dieses Wissen zu nutzen, um zu lernen, wie das Gehirn funktioniert.“
Zitat
C. Shan Xu et al. „Ein Konnektom des adulten Drosophila-Zentralhirns.“ Veröffentlicht am bioRxiv.org am 21. Januar 2020. doi:10.1101/2020.01.21.911859
