En una habitación oscura en Ashburn, Virginia, filas de científicos se sientan en pantallas de computadora que muestran formas vívidas en 3D. Con un clic de ratón, giran cada forma para examinarla desde todos los lados. Los científicos están trabajando dentro de un edificio de concreto en el Campus de Investigación Janelia del Instituto Médico Howard Hughes, justo al lado de una calle llamada Helix Drive. Pero sus mentes están en otra parte, dentro del cerebro de una mosca.
Cada forma en las pantallas de los científicos representa parte de una neurona de mosca de la fruta. Estos investigadores y otros en Janelia están abordando un objetivo que una vez parecía fuera de su alcance: delinear cada una de las aproximadamente 100,000 neuronas del cerebro de mosca y señalar los millones de lugares que conectan. Tal diagrama de cableado, o conectoma, revela los circuitos completos de diferentes áreas cerebrales y cómo están conectados. El trabajo podría ayudar a desbloquear redes involucradas en la formación de memoria, por ejemplo, o vías neuronales que subyacen a los movimientos.
Gerry Rubin, vicepresidente de HHMI y director ejecutivo de Janelia, ha defendido este proyecto durante más de una década. Es un paso necesario para entender cómo funciona el cerebro, dice. Cuando comenzó el proyecto, Rubin estimó que, con los métodos disponibles, rastrear las conexiones entre cada neurona de mosca a mano llevaría a 250 personas trabajando durante dos décadas, lo que él denomina «un problema de 5.000 personas por año».»
Ahora, una corriente de avances en tecnología de imágenes y algoritmos de aprendizaje profundo han arrancado el sueño de un conectoma de mosca de las nubes hacia el reino de la probabilidad. Microscopios personalizados de alta potencia, un equipo de revisores neuronales y analistas de datos dedicados y una asociación con Google han acelerado el proceso en órdenes de magnitud.
Hoy, un equipo de investigadores de Janelia reporta haber alcanzado un hito crítico: han trazado el camino de cada neurona en una porción del cerebro de la mosca de la fruta hembra que han denominado «hemibro».»El mapa abarca 25.000 neuronas, aproximadamente un tercio del cerebro de la mosca, por volumen, pero su impacto es desmesurado. Incluye regiones de gran interés para los científicos, aquellas que controlan funciones como el aprendizaje, la memoria, el olfato y la navegación. Con más de 20 millones de conexiones neuronales localizadas hasta el momento, es el mapa más grande y detallado del cerebro de mosca jamás completado.
El equipo del proyecto connectome, conocido como FlyEM, está haciendo que los datos, y todas las herramientas necesarias para usarlos, estén disponibles de forma gratuita. Describen el trabajo en un artículo publicado en bioRxiv el 21 de enero de 2020. Y actualmente están en camino de completar un conectoma de todo el sistema nervioso de la mosca para 2022.
«Esta fue una gran apuesta por algo que la gente pensaba que era casi imposible de hacer», dice Viren Jain, científico investigador de Google y ex jefe de laboratorio de Janelia. «Esta será la primera vez que realmente podemos tener una mirada matizada a la organización de un sistema nervioso con 100,000 neuronas en una escala sináptica.»
Con un mapa neuronal detallado en la mano, los científicos podrán responder preguntas sobre cómo funciona el cerebro más rápido que nunca. «Esto va a cambiar la forma en que la gente hace la neurociencia», dice Rubin.
Un plano del cerebro
Hasta la fecha, solo un organismo ha tenido su conectoma completo mapeado: Caenorhabditis elegans, un gusano diminuto y transparente con solo 302 neuronas y aproximadamente 7.000 conexiones neuronales. Los científicos rasuraron cintas de tejido con un cuchillo de diamante, capturaron imágenes con un microscopio electrónico, y luego rastrearon el camino de cada neurona en el sistema nervioso del gusano, a mano.
El trabajo requería una cuidadosa atención al detalle. Pero las neuronas de gusano no son tan numerosas como las de moscas, ratones o personas, y tienden a hacer menos conexiones. Desenredar los zarcillos que serpentean a través de los cerebros de animales más grandes es monumentalmente más difícil. Los proyectos de conectoma en cerebros más complejos han abordado una pequeña parte del cerebro con gran detalle, o han mapeado neuronas en todo un cerebro pero capturaron solo una fracción de las células.
Por diminuto que parezca el cerebro de la mosca, aproximadamente del tamaño de una semilla de amapola, mapear sus 100.000 neuronas con exquisito detalle es un desafío a un nivel completamente nuevo. Hace quince años,» muchos neurobiólogos eran escépticos sobre el valor de tener este tipo de datos sobre el cerebro», especialmente dado lo laborioso que sería recopilar, dice Jain.
En primer lugar, los investigadores tienen que obtener imágenes cerebrales de alta resolución a partir de potentes microscopios. Luego deben mapear los gruñidos neuronales que se despliegan a través de ambos hemisferios, para cada neurona. Al igual que la secuenciación del genoma humano, hacer el trabajo no dependía de un avance científico, dice Rubin, sino de la innovación tecnológica y la logística humana.
Para él, ese fue un desafío que valió la pena. «Los escépticos me motivaron», dice. «Sabíamos que teníamos que hacer el proceso más de 100 veces más eficiente, pero ese es exactamente el tipo de proyecto para el que Janelia se estableció», agrega Rubin.
El primer obstáculo: obtener una vista clara y nítida de cada neurona que serpentea a través del cerebro de la mosca.
Instantáneas neuronales
Detrás de varios juegos de puertas cerradas y cortinas blancas hasta el suelo, ocho microscopios robustos están listos para tomar imágenes del cerebro de una mosca. En esta habitación silenciosa, nada interfiere con la colección de imágenes. Harald Hess, C. Shan Xu y sus colegas han preparado estos microscopios para todo menos el apocalipsis.
» Lo llamamos la ‘Sala a Prueba de Dios'», dice Hess, líder de grupo senior en Janelia.
Los microscopios descansan sobre almohadillas de aire infladas para minimizar la vibración. Incluso la habitación en sí fue construida para amortiguar el ruido; se asienta sobre su propia losa de hormigón, separada del resto del edificio.
Estos microscopios fueron diseñados originalmente para capturar datos en minutos u horas. Pero para obtener una imagen de todo el cerebro de la mosca, un visor debe funcionar continuamente durante meses o años. Una sola brecha en los datos puede despistarlo todo, dice Hess. «Realmente tiene que ser perfecto.»Por lo tanto, su equipo ha pasado casi una década afinando cada parte del proceso de recopilación de imágenes, descrito en un artículo de bioRxiv de noviembre de 2019. Los microscopios ahora pueden producir imágenes consistentemente nítidas, revelando el laberinto de neuronas del cerebro en intrincados detalles. Si algo falla, los telescopios pausan automáticamente la recopilación de datos y envían un SOS.
Hess, Xu y sus colegas utilizan una técnica llamada microscopía electrónica de barrido de haz de iones focalizados, o FIB-SEM. El visor utiliza un haz de iones enfocado para eliminar finos incrementos de tejido cerebral de mosca, como un chorro de arena muy preciso. Dispara iones de galio a un trozo de tejido, puliendo la superficie átomo por átomo. El microscopio toma una imagen de la superficie del tejido, pule otra capa delgada y toma otra imagen, una y otra vez hasta que se elimina toda la muestra. A medida que el espécimen físico desaparece lentamente, su gemelo digital se almacena para siempre, pieza por pieza.
Luego, los programas de computadora alinean estas imágenes y las unen de nuevo para crear una representación en 3D del cerebro de mosca.
Para obtener imágenes del hemibro de Drosophila, los investigadores cortaron un cerebro de mosca en placas, tomaron imágenes de cada una con un microscopio electrónico y luego unieron todas las imágenes. El objetivo: Crear un volumen de imagen que permita a los científicos rastrear el camino de cada neurona a través del cerebro.
Las imágenes utilizadas para el diagrama de cableado, todas de una sola mosca hembra, ya se han recopilado. Pero los alcances siguen funcionando con fuerza: ahora están recopilando datos del cerebro de una mosca macho. Esta vez, el objetivo es capturar todo el sistema nervioso central. Si todo va sin problemas, los scopes terminarán esa tarea a finales de 2020.
Almacenar imágenes de un solo cerebro de mosca tomaría unos 100 terabytes en un disco duro. Eso es aproximadamente el equivalente a 100 millones de fotos en su computadora, dice Steve Plaza, líder del equipo del proyecto FlyEM. Son demasiados datos para que los humanos los revisen a mano, las estrategias que funcionaron en C. elegans se quedan cortas. Por lo tanto, los investigadores han encontrado formas de acelerar el proceso, entrenando a las computadoras para que hagan el trabajo automáticamente.
Asociarse con un gigante tecnológico
Las computadoras pueden realizar todo tipo de tareas relacionadas con la imagen, como reconocer caras o detectar carreteras en imágenes de satélite. Estas tareas se basan, en parte, en un proceso llamado segmentación de imágenes: dividir una imagen digital en sus partes constituyentes y etiquetar cada una.
Durante años, Google ha estado experimentando con formas de mejorar este proceso. Jain y sus colegas querían construir tecnología de segmentación y aplicarla a un problema desafiante. El análisis de imágenes de neuronas se ajusta a la ley. Pero enseñar a un algoritmo cómo seleccionar o segmentar neuronas de manera confiable en imágenes requiere muchos ejemplos de entrenamiento. Entonces, Jain contactó con el equipo de FlyEM en Janelia, que estaban produciendo datos más rápido de lo que podían analizarlos. Los dos grupos comenzaron a compartir datos y a rastrear qué tan bien los algoritmos de Google seguían las fibras neuronales a través de capas de datos de imágenes.
«Google proporcionó una gran cantidad de caballos de fuerza intelectuales y una gran cantidad de caballos de fuerza computacionales», dice Rubin, tenían la última tecnología y los recursos para dedicar a probar algoritmos en grandes conjuntos de datos. «Fue una colaboración ideal, equipos que tenían diferentes conocimientos trabajando juntos.»
Idealmente, dice Jain, las computadoras podrían simplemente seleccionar neuronas directamente de las imágenes del microscopio. Pero eso es difícil de hacer, porque muchas neuronas extienden zarcillos sobre grandes franjas del cerebro, abarcando muchas imágenes. En el pasado, los algoritmos han adoptado un enfoque fragmentario. Primero, un algoritmo informático identifica los límites celulares que separan a las neuronas de todo lo demás en el cerebro. Luego, otro algoritmo colorea dentro de esos límites, definiendo cada sección como una pieza de neurona. Finalmente, un tercer algoritmo une todas las piezas neuronales, formando un plano de la trayectoria enredada de cada neurona.
Los algoritmos de Google descartan todos esos pasos, rastreando las neuronas de manera más orgánica, como un ser humano. Un algoritmo, llamado red de llenado de inundación, sigue directamente los zarcillos neuronales de extremo a extremo a medida que se desplaza a través de los datos de imágenes, dice Jain. Toma decisiones sobre cómo extender la forma de una neurona en función del contexto de la imagen y sus propias predicciones previas. Jain y sus colegas de Google describen el trabajo el 22 de enero de 2020 en una publicación en el blog de inteligencia Artificial de Google.
Para ayudar al programa a aprender, el equipo lo ha alimentado con neuronas completamente rastreadas y validadas por humanos, dice Michal Januszewski, un investigador de Google que trabaja en el proyecto. Eso le da al algoritmo la experiencia de interpretar diversos tipos y formas de neuronas, de todo el cerebro. «Con suerte, aprende con el tiempo a corregir los errores que originalmente tenían que corregirse a mano», dice.
A medida que el algoritmo mejora, la carga de trabajo humana disminuye. Trabajar con Google ha hecho que el proyecto sea más de 10 veces más rápido, estima Rubin.
A toda máquina
A pesar del éxito del algoritmo, las computadoras no tienen la última palabra. De vuelta en Janelia, docenas de correctores humanos examinan detenidamente los datos, en escritorios llenos de monitores de pantalla grande. Estos técnicos buscan lugares donde el algoritmo ha fusionado incorrectamente ramas neuronales pertenecientes a diferentes neuronas o ha dividido erróneamente una rama.
«Todavía se requiere un gran esfuerzo manual», dice Ruchi Parekh, que dirige un equipo de rastreadores de neuronas y correctores de pruebas. En los últimos cuatro años, su equipo ha crecido a casi 50 personas, para mantenerse al día con los datos segmentados que Google está enviando a un ritmo cada vez más rápido. Otro equipo, dirigido por Pat Rivlin, evalúa y prueba continuamente nuevas tecnologías para hacer que el proceso de revisión sea más eficiente y preciso. Pero el trabajo minucioso aún requiere una enorme paciencia. Los correctores de pruebas se desplazan a través de capas de datos de imágenes, observando los puntos de conexión propuestos desde múltiples ángulos para determinar si las dos neuronas realmente se comunican.
Cuando se trata de rastrear neuronas, los humanos siguen siendo mejores que los algoritmos en muchos aspectos, dice Plaza. Los seres humanos tienen el conocimiento general y la conciencia que les permite detectar rarezas en los datos, explica. «Básicamente, los humanos tienen sentido común.»
Por ejemplo, los grandes errores de conexión suelen ser obvios para el ojo humano. Por lo tanto, los correctores de pruebas pueden escanear rápidamente grandes trozos de datos, en busca de neuronas dramáticamente deformes. Cuando ven algo que parece estar mal, pueden investigar con más detalle.
El objetivo final del equipo es crear un recurso útil para otros científicos. Eso también ha significado pensar en cómo se almacenan y presentan los datos. Plaza y sus colegas han creado programas para hacer que el tamizado del conjunto de datos sea más accesible. «Tenemos un conjunto de datos realmente grande – es mucho para que cualquiera lo entienda», dice. «Tener una herramienta que le permita descomponer esos datos en unidades interpretables es clave.»Ahora los científicos interesados en una neurona específica pueden averiguar cómo se ve y a qué células se conecta, y qué otras neuronas tienen cualidades similares y podrían estar relacionadas.
Plaza y su equipo continuarán refinando su conectoma y publicando versiones actualizadas. Los investigadores interesados en cómo las neuronas de estas regiones ya mapeadas se conectan con el resto del cerebro tendrán que esperar un par de años para que se complete el conectoma completo. Pero los datos actuales ya están revelando ideas y abriendo nuevas preguntas.
Una gran pregunta para los científicos ahora es «¿Cómo analizas el conectoma y luego le das sentido a lo que estás viendo?»Dice Parekh. «Los datos están ahí. ¿Qué haces con él?»
Para Rubin, que dejará de ser director ejecutivo de Janelia a finales de este mes y regresará a tiempo completo a su laboratorio de Janelia, este hito es solo el comienzo. «Es satisfactorio ver que tiene éxito, es el logro científico del que estoy más orgulloso desde mi tiempo como director, en parte porque requirió contribuciones complementarias de tantas personas talentosas que trabajaron juntas durante más de una década», dice. «Pero personalmente, estoy interesado en usar este conocimiento para aprender cómo funciona el cerebro.»
Citation
C. Shan Xu et al. «Un Conectoma del Cerebro Central de Drosophila Adulta.»Publicado en bioRxiv.org el 21 de enero de 2020. doi: 10.1101 / 2020.01.21.911859
