egy elsötétített szobában Ashburn, Virginia, sorok a tudósok ülnek a számítógép képernyőjén megjelenítő élénk 3-D formák. Egy egérkattintással minden alakot megpörgetnek, hogy minden oldalról megvizsgálják. A tudósok egy konkrét épületben dolgoznak a Howard Hughes Orvosi Intézet Janelia kutatási campusán, közvetlenül a Helix Drive nevű utca mellett. De az elméjük valahol máshol van-egy légy agyában.
a tudósok képernyőinek minden alakja egy gyümölcslégy neuron részét képezi. Ezek a kutatók és mások a Janelia-nál egy olyan célt tűztek ki maguk elé, amely egykor elérhetetlennek tűnt: felvázolják a légy agyának nagyjából 100 000 neuronját, és meghatározzák az összekapcsolt helyek millióit. Egy ilyen kapcsolási rajz vagy konnektom feltárja a különböző agyterületek teljes áramkörét, és hogyan kapcsolódnak egymáshoz. A munka segíthet például a memóriaképződésben részt vevő hálózatok vagy a mozgások alapjául szolgáló idegpályák feloldásában.
Gerry Rubin, a HHMI alelnöke és a Janelia ügyvezető igazgatója több mint egy évtizede támogatja ezt a projektet. Ez egy szükséges lépés az agy működésének megértéséhez, mondja. Amikor a projekt elkezdődött, Rubin becslése szerint a rendelkezésre álló módszerekkel az egyes légyneuronok közötti kapcsolatok kézzel történő nyomon követése 250 embert igényel két évtizeden keresztül – amit “5000 ember éves problémának” nevez.”
a képalkotó technológia és a mélytanulási algoritmusok fejlődésének folyama kirántotta a felhők közül a légy konnektom álmát a valószínűség birodalmába. A nagy teljesítményű, testreszabott mikroszkópok, a dedikált neurális korrektorok és adatelemzők csapata, valamint a Google-lal való partnerség nagyságrendekkel felgyorsította a folyamatot.
ma a Janelia kutatók egy csoportja kritikus mérföldkőnek számít: nyomon követték az összes neuron útját a női gyümölcslégy agy egy részében, amelyet “hemibrainnek” neveztek.”A térkép 25 000 neuront foglal magában-a légy agyának nagyjából egyharmadát, térfogat szerint -, de hatása túlméretezett. Ez magában foglalja a tudósok számára érdekes régiókat — azokat, amelyek olyan funkciókat irányítanak, mint a tanulás, a memória, a szaglás és a navigáció. Eddig több mint 20 millió idegi kapcsolattal ez a legnagyobb és legrészletesebb térkép a légy agyáról, amelyet valaha készítettek.
a FlyEM néven ismert connectome projektcsapat ingyenesen elérhetővé teszi az adatokat — és a használatukhoz szükséges összes eszközt. Leírják a munkát egy, a bioRxiv-hez 21.január 2020-én közzétett cikkben. És jelenleg jó úton haladnak, hogy 2022-re elkészüljenek a teljes légy idegrendszer konnektomjával.
“ez nagy tét volt valamire, amiről az emberek azt hitték, hogy szinte lehetetlen megtenni” – mondja Viren Jain, a Google kutatója és a Janelia korábbi laboratóriumi vezetője. “Ez lesz az első alkalom, hogy valóban árnyalt képet kaphatunk egy 100 000 neuronnal rendelkező idegrendszer szerveződéséről szinaptikus skálán.”
részletes idegi térképpel a tudósok képesek lesznek megválaszolni az agy gyorsabb működésével kapcsolatos kérdéseket, mint valaha. “Ez meg fogja változtatni az emberek idegtudományának módját” – mondja Rubin.
a blueprint of the brain
a mai napig csak egy organizmus teljes konnektomját térképezték fel — a Caenorhabditis elegans-t, egy apró, átlátszó férget, amely mindössze 302 neuronnal és nagyjából 7000 idegi kapcsolattal rendelkezik. A tudósok gyémántkéssel leborotválták a szövetszalagokat, elektronmikroszkóppal rögzítették a képeket, majd kézzel nyomon követték a féreg idegrendszerének minden idegsejtjének útját.
a munka gondos figyelmet igényelt a részletekre. De a féregneuronok száma közel sem akkora, mint a legyeké, egereké vagy embereké – és általában kevesebb kapcsolatot létesítenek. A nagyobb állatok agyán kígyózó indák kibontása monumentálisan nehezebb. A bonyolultabb agyakon végzett konnektomprojektek vagy nagyon részletesen foglalkoztak az agy egy kis részével, vagy az egész agyban feltérképezték a neuronokat, de a sejteknek csak egy töredékét fogták el.
bármilyen aprónak is tűnik a légy agya – körülbelül akkora, mint egy mákmag – a 100 000 neuronjának tökéletes részletességgel történő feltérképezése egy teljesen új szintű kihívás. Tizenöt évvel ezelőtt” sok neurobiológus szkeptikus volt az ilyen típusú adatok értékével kapcsolatban az agyról”, különös tekintettel arra, hogy milyen nehéz lenne összegyűjteni, mondja Jain.
először a kutatóknak nagy felbontású agyi képeket kell koaxiálniuk erős mikroszkópokból. Ezután meg kell térképezniük az idegi vicsorgásokat, amelyek mindkét féltekén kibontakoznak, minden neuron számára. Az emberi genom szekvenálásához hasonlóan a munka elvégzése nem a tudományos áttörésen alapult, mondja Rubin, hanem inkább a technológiai innováción és az emberi logisztikán.
számára ez értékes kihívás volt. “A szkeptikusok motiváltak” – mondja. “Tudtuk, hogy több mint 100-szor hatékonyabbá kell tennünk a folyamatot, de pontosan ez az a fajta projekt, amelyet Janelia hozott létre” – tette hozzá Rubin.
az első akadály: tiszta, éles képet kap minden egyes neuronról, amely a légy agyán kanyarog.
neurális pillanatképek
számos zárt ajtó és fehér, földig érő függöny mögött nyolc izmos mikroszkóp áll készen arra, hogy képet készítsen egy légy agyáról. Ebben a csendes szobában semmi sem zavarja a képgyűjtést. Harald Hess, C. Shan Xu és kollégáik mindenre elkészítették ezeket a mikroszkópokat, kivéve az apokalipszist.
“úgy hívjuk, hogy ‘Istenbiztos szoba cselekedete'”-mondja Hess, a Janelia egyik vezető csoportvezetője.
a mikroszkópok felfújt légpárnákon nyugszanak a rezgés minimalizálása érdekében. Még maga a szoba is a zaj csillapítására épült; a saját betonlapján ül, elkülönítve az épület többi részétől.
ezeket a mikroszkópokat eredetileg arra tervezték, hogy perceken vagy órákon keresztül rögzítsék az adatokat. De ahhoz, hogy képet kapjunk az egész légy agyáról, egy hatókörnek hónapokig vagy évekig folyamatosan működnie kell. Az adatok egyetlen hiánya mindent eldobhat, mondja Hess. “Valóban tökéletesnek kell lennie.”Csapata tehát közel egy évtizedet töltött azzal, hogy finomítsa a képgyűjtési folyamat minden részét, amelyet egy 2019.novemberi bioRxiv tanulmány ír le. A mikroszkópok most következetesen éles képeket tudnak készíteni, bonyolult részletességgel feltárva az agy neuronjainak labirintusát. Ha valami meghibásodik, a hatókörök automatikusan szüneteltetik az adatgyűjtést, és SOS-t küldenek.
Hess, Xu és kollégáik a fókuszált ionnyaláb pásztázó elektronmikroszkópiának (Fib-sem) nevezett technikát használják. A hatókör fókuszált ionnyalábot használ a légy agyszövetének finom lépéseinek malomására, mint egy nagyon pontos homokfúvó. Galliumionokat lő egy darab szövetre,atomról atomra polírozva a felületet. A mikroszkóp lekapcsol egy képet a szövet felületéről, egy másik vékony réteget políroz, majd egy másik képet készít – újra és újra, amíg a teljes mintát el nem őrlik. Ahogy a fizikai minta lassan eltűnik, digitális ikerét darabonként örökre tárolják.
ezután a számítógépes programok összehangolják ezeket a képeket, és összevarrják őket, hogy létrehozzák a légy agyának 3D-s ábrázolását.
a Drosophila hemibrain ábrázolásához a kutatók egy légyagyat vágtak lemezekre, mindegyiket elektronmikroszkóppal ábrázolták, majd az összes képet összevarrták. A cél: olyan képmennyiség létrehozása, amely lehetővé teszi a tudósok számára, hogy nyomon kövessék az egyes neuronok útját az agyon keresztül.
a kapcsolási rajzhoz használt képeket – mindezt egyetlen női légyből-már összegyűjtötték. De a hatókörök még mindig erősen futnak: most egy hím légy agyából gyűjtenek adatokat. Ezúttal a cél az egész központi idegrendszer megragadása. Ha minden gond nélkül megy, a hatókörök 2020 végére befejezik ezt a feladatot.
egyetlen légyagyból származó képek tárolása körülbelül 100 terabájtot igényelne egy merevlemezen. Ez nagyjából 100 millió fényképnek felel meg a számítógépén-mondja Steve Plaza, a FlyEM projekt csapatának vezetője. Túl sok adat ahhoz, hogy az emberek kézzel fésüljék át — a C. elegans-on működő stratégiák elmaradnak. Tehát a kutatók megtalálták a folyamat felgyorsításának módjait, a számítógépek képzését, hogy automatikusan elvégezzék a munkát.
összefogás egy technológiai óriással
a számítógépek mindenféle képpel kapcsolatos feladatot képesek elvégezni, mint például az arcok felismerése vagy az utak észlelése a műholdas képeken. Ezek a feladatok részben a képszegmentálásnak nevezett folyamaton alapulnak: a digitális képet alkotó darabokra bontják, és mindegyiket felcímkézik.
a Google évek óta kísérletezik a folyamat javításának módjaival. Jain és kollégái szegmentációs technológiát akartak építeni és alkalmazni egy kihívást jelentő problémára. A neuronok képeinek elemzése megfelel a számlának. De egy algoritmus megtanítása arra, hogyan lehet megbízhatóan kiválasztani, vagy szegmens, neuronok a képeken, sok képzési példát igényel. Így, Jain elérte a FlyEM csapat Janelia, akik kavargó ki adatokat gyorsabb, mint tudták elemezni. A két csoport elkezdte megosztani az adatokat és nyomon követni, hogy a Google algoritmusai mennyire követik az idegszálakat a képalkotó adatok rétegein keresztül.
“a Google rengeteg szellemi és számítási teljesítményt nyújtott” – mondja Rubin – a legújabb technológiával és az erőforrásokkal rendelkeztek, hogy hatalmas adatkészleteken teszteljék az algoritmusokat. “Ideális együttműködés volt – különböző szakértelemmel rendelkező csapatok dolgoztak együtt.”
ideális esetben, mondja Jain, a számítógépek egyszerűen kiválaszthatják az idegsejteket közvetlenül a mikroszkóp képeiből. De ezt nehéz megtenni, mert sok neuron az agy nagy rétegein teríti az indákat, sok képet átívelve. A múltban az algoritmusok darabonkénti megközelítést alkalmaztak. Először egy számítógépes algoritmus azonosítja a sejthatárokat, amelyek elválasztják az idegsejteket az agy minden másától. Ezután egy másik algoritmus színezi ezeket a határokat, meghatározva az egyes szakaszokat neuron darabként. Végül egy harmadik algoritmus összekapcsolja az összes neurális darabot, és egy tervet alkot az egyes neuronok kusza útjáról.
a Google algoritmusai megsemmisítik ezeket a lépéseket, és organikusabban követik az idegsejteket – mint egy ember. Egy algoritmus, úgynevezett árvíztöltő hálózat, közvetlenül követi a neurális indákat végponttól végpontig, miközben a képalkotó adatokat görgeti, mondja Jain. Döntéseket hoz arról, hogyan lehet kiterjeszteni egy neuron alakját a kép kontextusa és a saját előzetes előrejelzései alapján. Jain és kollégái a Google-nál leírják a munkát január 22, 2020, egy bejegyzésben a Google AI blog.
a Program tanulásának elősegítése érdekében a csapat teljes mértékben nyomon követhető, ember által validált neuronokat táplált, mondja Michal Januszewski, a Google kutatója, aki a projekten dolgozik. Ez ad az algoritmus tapasztalat értelmezése különböző típusú és formájú neuronok, szerte az agyban. “Remélhetőleg idővel megtanulja kijavítani azokat a hibákat, amelyeket eredetileg kézzel kellett kijavítani” – mondja.
az algoritmus javulásával az emberi munkaterhelés csökken. A Google-lal való együttműködés több mint 10-szer gyorsabbá tette a projektet-becsüli Rubin.
teljes gőzzel előre
az algoritmus sikere ellenére a számítógépek nem kapják meg a végső szót. Vissza Janeliába, több tucat emberi lektor pórusozza az adatokat, a nagy képernyős monitorokkal zsúfolt íróasztaloknál. Ezek a technikusok olyan helyeket keresnek, ahol az algoritmus helytelenül egyesítette a különböző neuronokhoz tartozó idegi ágakat, vagy tévesen osztott szét egy ágat.
“még mindig sok kézi erőfeszítésre van szükség” – mondja Ruchi Parekh, aki egy neuron nyomjelzőkből és korrektorokból álló csapatot vezet. Az elmúlt négy évben csapata közel 50 főre nőtt, hogy lépést tartson a szegmentált adatokkal, amelyeket a Google egyre gyorsabb ütemben küld vissza. Egy másik csapat, Pat Rivlin vezetésével, folyamatosan értékeli és teszteli az új technológiákat, hogy hatékonyabbá és pontosabbá tegye a lektorálási folyamatot. De a gondos munka még mindig óriási türelmet igényel. A korrektorok a képalkotó adatok rétegeit görgetik, több szögből nézve a javasolt csatlakozási pontokat annak megállapítására, hogy a két neuron valóban kommunikál-e.
amikor a neuronok nyomon követéséről van szó, az emberek sok szempontból még mindig jobbak, mint az algoritmusok, mondja Plaza. Az emberek rendelkeznek azzal az általános tudással és tudatossággal, amely lehetővé teszi számukra, hogy észrevegyék a furcsaságokat az adatokban-magyarázza. “Alapvetően az embereknek józan eszük van.”
például a nagy csatlakozási hibák általában nyilvánvalóak az emberi szem számára. Így a korrektorok gyorsan beolvashatnak nagy adatdarabokat, drámai módon torz idegsejteket keresve. Amikor észrevesznek valamit, ami rossznak tűnik, finomabb részletességgel vizsgálhatják meg.
a csapat végső célja egy olyan erőforrás létrehozása, amely hasznos más tudósok számára. Ez azt is jelenti, hogy végig kell gondolni, hogyan tárolják és mutatják be az adatokat. Plaza és munkatársai olyan programokat építettek, amelyek megközelíthetőbbé teszik az adathalmaz szitálását. “Van egy igazán nagy adatkészletünk – ez sokat jelent bárki számára, hogy megértse” – mondja. “Kulcsfontosságú egy olyan eszköz megléte, amely lehetővé teszi az adatok értelmezhető egységekre bontását.”Most a tudósok, akik érdeklődnek egy adott neuron iránt, megtudhatják, hogy néz ki, és mely sejtekhez kapcsolódik – és mely más neuronok hasonló tulajdonságokkal rendelkeznek, és kapcsolatban állhatnak egymással.
a Plaza és csapata tovább finomítja a konnektomot, és frissített verziókat tesz közzé. Azoknak a kutatóknak, akiket érdekel, hogy ezekben a már leképezett régiókban az idegsejtek hogyan kapcsolódnak az agy többi részéhez, pár évet kell várniuk a teljes konnektom befejezésére. De a jelenlegi adatok már feltárják a betekintést és új kérdéseket nyitnak meg.
a tudósok számára most nagy kérdés: “hogyan elemezzük a konnektomot, majd értelmezzük azt, amit látunk?”Parekh mondja. “Az adatok ott vannak. Mit csinálsz vele?”
Rubin számára, aki még ebben a hónapban lemond a Janelia ügyvezető igazgatói posztjáról, és teljes munkaidőben visszatér a Janelia laborjába, ez a mérföldkő csak a kezdet. “Örömmel látom, hogy sikerrel jár — ez a tudományos eredmény, amelyre a legbüszkébb vagyok igazgatói korom óta, részben azért, mert olyan sok tehetséges ember kiegészítő hozzájárulását igényelte, akik több mint egy évtizede dolgoznak együtt” – mondja. “De személy szerint érdekel, hogy ezt a tudást felhasználjam az agy működésének megtanulására.”
idézet
C. Shan Xu et al. “A felnőtt Drosophila központi agy Konnektomja.”Feladva bioRxiv.org január 21, 2020. doi: 10.1101/2020.01.21.911859
