バージニア州アッシュバーンの暗い部屋で、科学者の列が鮮やかな3-D形状を表示するコンピュータ画面に座っています。 マウスをクリックするだけで、彼らはすべての側面からそれを調べるために各形状を回転させます。 科学者たちはハワード-ヒューズ医療研究所のジャネリア研究キャンパスのコンクリートの建物の中で働いていますヘリックス-ドライブと呼ばれる通りのすぐそばにあります しかし、彼らの心は完全にどこか別の場所にあります–ハエの脳の中にあります。
科学者の画面上の各形状は、ショウジョウバエのニューロンの一部を表しています。 Janeliaのこれらの研究者や他の人たちは、かつては手の届かないように見えた目標に取り組んでいます：フライ脳の約100,000ニューロンのそれぞれを概説し、彼らが接続する何百万もの場所を特定します。 このような配線図、またはコネクトームは、異なる脳領域の完全な回路とそれらがどのようにリンクされているかを明らかにする。 この研究は、記憶形成に関与するネットワーク、例えば動きの根底にある神経経路のロックを解除するのに役立つ可能性があります。
Hhmiの副社長でJaneliaのエグゼクティブディレクターであるGerry Rubinは、このプロジェクトを十年以上にわたって支持してきました。 それは脳がどのように機能するかを理解する上で必要なステップです、と彼は言います。 プロジェクトが始まったとき、ルービンは、利用可能な方法で、すべてのフライニューロン間の接続を手で追跡するには、250人が20年間働く必要があると推定した–彼は”5,000人年の問題”と呼んでいる。”
今、イメージング技術とディープラーニングアルゴリズムの進歩の流れは、雲の外に、確率の領域にフライコネクトームの夢をヤンクしています。 高性能のカスタマイズされた顕微鏡、専用の神経校正者とデータアナリストのチーム、およびGoogleとのパートナーシップは、桁違いにプロセスをスピードアップし
今日、Janeliaの研究者チームは、重要なマイルストーンを打つ報告：彼らは彼らが”hemibrain”と名付けた女性のショウジョウバエの脳の一部のすべてのニューロンの経路を”マップには25,000個のニューロンが含まれていますが、その影響は大きすぎます。 学習、記憶、匂い、ナビゲーションなどの機能を制御する科学者にとって強い関心のある領域が含まれています。 これまでに2,000万以上の神経接続が特定されており、これまでに完成したフライ脳の最大かつ最も詳細な地図です。
connectomeプロジェクトチームはFlyEMとして知られ、データとそれを使用するために必要なすべてのツールを無料で利用できるようにしています。 彼らは、2020年1月21日にbioRxivに投稿された論文でこの作業を説明しています。 そして、彼らは2022年までにフライ神経系全体のコネクトームを完成させるために現在軌道に乗っています。
“これは、人々がほとんど不可能だと思っていたことに大きな賭けでした”と、Googleの研究科学者であり、Janeliaの元研究室長であるViren Jain氏は述べています。 “これは、私たちが本当にシナプス規模で100,000ニューロンと神経系の組織を微妙に見ることができるのは初めてになります。”
詳細な神経マップを手にすることで、科学者は脳がこれまで以上に速くどのように機能するかについての質問に答えることができます。 「これは、人々が神経科学を行う方法を変えるでしょう」とRubinは言います。
脳の青写真
これまでに、唯一の生物が完全なコネクトームをマッピングしていました—Caenorhabditis elegans、わずか302個のニューロンと約7,000個の神経接続を持つ小さ 科学者たちは、ダイヤモンドナイフを使用して組織のリボンを削り、電子顕微鏡で画像を撮影し、ワームの神経系内のすべてのニューロンの経路を手で
作業には細部への骨の折れる注意が必要でした。 しかし、ワームニューロンは、ハエ、マウス、または人々のものほど多くはなく、接続が少なくなる傾向があります。 より大きな動物の脳を蛇行している腱を解くことは、非常に困難です。 より複雑な脳上のコネクトームプロジェクトは、脳の小さな部分に非常に詳細に取り組んでいるか、脳全体にニューロンをマッピングしたが、細胞の一部
ハエの脳が表示されることがありますように小さな–それはケシの種の大きさについてです–絶妙な詳細にその100,000ニューロンをマッピングすることは、 15年前、「多くの神経生物学者は、脳に関するこの種のデータを持つことの価値について懐疑的でした」と、特に収集するのがどれほど面倒であるかを考えると、Jain氏は述べています。
まず、研究者は強力な顕微鏡からの高解像度の脳画像を同軸にする必要があります。 その後、彼らは各ニューロンのために、両方の半球を介して展開神経うなり声をマッピングする必要があります。 ヒトゲノムの配列決定のように、仕事を終わらせることは科学的な画期的なことではなく、むしろ技術革新と人間の物流にかかっていたとRubinは言
彼にとって、それは価値のある挑戦だった。 “私は懐疑論者によって動機づけられました”と彼は言います。 「プロセスを100倍以上効率的にする必要があることはわかっていましたが、それはまさにJaneliaが実行するために設立されたプロジェクトです」とRubin氏は付
最初のハードル：ハエの脳を蛇行する各ニューロンの明確で鮮明な視界を得る。
神経スナップショット
数組の鍵のかかったドアと白い床の長さのカーテンの後ろに、八つの多額の顕微鏡がハエの脳をイメージする準備ができてい この静かな部屋では、何も画像の収集に干渉しません。 ハラルド-ヘス、C. Shan Xuとその同僚は、黙示録以外のすべてのためにこれらの顕微鏡を準備しました。
「私たちはそれを「神の行為証明の部屋」と呼んでいます」と、Janeliaの上級グループリーダーであるHess氏は言います。
顕微鏡は振動を最小にするために膨脹させた空気パッドで休む。 それは建物の残りの部分とは別に、独自のコンクリートスラブの上に座っています。
これらの顕微鏡は、もともと数分または数時間にわたってデータを収集するように設計されました。 しかし、ハエの脳全体をイメージするためには、スコープは数ヶ月または数年連続して実行する必要があります。 データ内の単一のギャップは、すべてをオフに投げることができ、ヘス氏は述べています。 “それは本当に完璧でなければなりません。「そのため、彼のチームは、2019年11月のbioRxivの論文で説明されている画像収集プロセスのすべての部分を10年近く微調整してきました。 顕微鏡は現在、複雑な詳細にニューロンの脳の迷路を明らかにし、一貫してシャープな画像を解約することができます。 何かが誤動作した場合、スコープは自動的にデータ収集を一時停止し、SOSを送信します。
Hess、Xu、およびその同僚は、集束イオンビーム走査電子顕微鏡、またはFIB-SEMと呼ばれる技術を使用しています。 範囲は非常に精密なサンドブラスターのようなはえの頭脳のティッシュの良い増分を、製粉するのに集中されたイオンビームを使用する。 ガリウムイオンを組織の塊で撃ち、表面の原子を原子ごとに研磨する。 顕微鏡は、組織表面の画像をスナップし、別の薄い層を研磨し、サンプル全体が粉砕されるまで別の画像を何度も何度もスナップします。 物理的な標本がゆっくり消えると同時に、デジタル双生児は永久に、部分的に貯えられる。
その後、コンピュータプログラムはこれらの画像を整列させ、それらを一緒にステッチしてハエの脳の3次元表現を作成します。
ショウジョウバエのhemibrainをイメージするためには、研究者は平板にはえの頭脳を切り、電子顕微鏡とのそれぞれをイメージし、そしてすべてのイメージを一緒 目標：科学者が脳を通る各ニューロンの経路を追跡できるようにする画像ボリュームを作成する。
配線図に使用された画像–すべて単一の女性のフライから–すでに収集されています。 しかし、スコープはまだ強い実行されています: 彼らは今、オスのハエの脳からデータを収集しています。 今回の目標は、中枢神経系全体を捉えることです。 すべてが滞りなく進むと、スコープは2020年末までにそのタスクを終了します。
単一のフライ脳から画像を保存すると、ハードドライブに約100テラバイトかかります。 それはあなたのコンピュータ上のほぼ同等の100万枚の写真です、とFlyEMプロジェクトチームのリーダーであるSteve Plaza氏は言います。 人間が手で梳くのはあまりにも多くのデータです—c.elegansで働いた戦略は不足しています。 だから、研究者は、自動的に仕事をするためにコンピュータを訓練し、プロセスをスピードアップする方法を発見しました。
ハイテク大手
と提携すると、コンピュータは衛星画像で顔を認識したり、道路をスポッティングしたりするなど、あらゆる種類の画像関連の作業を行うことができる。 これらのタスクは、部分的には、画像セグメンテーションと呼ばれるプロセスに依存しています。
何年もの間、Googleはこのプロセスを改善する方法を実験してきました。 Jainと彼の同僚は、セグメンテーション技術を構築し、それを困難な問題に適用したいと考えていました。 神経細胞の画像を分析することは、法案に適合します。 しかし、画像内のニューロンを確実に選択またはセグメント化する方法をアルゴリズムに教えるには、多くの訓練例が必要です。 そこで、JainはJaneliaのFlyEMチームに連絡を取り、分析よりも速くデータをかき集めていました。 両グループは、データを共有し、Googleのアルゴリズムは、イメージングデータの層を介して神経線維に従っていたどれだけ追跡し始めました。
“Googleは多くの知的馬力と多くの計算馬力を提供しました”とRubinは言います–彼らは最新の技術と巨大なデータセットのアルゴリズムのテストに専念す “それは理想的なコラボレーションでした–異なる専門知識を持っていたチームが一緒に働いていました。”
理想的には、ジャイナ教は、コンピュータは顕微鏡画像から直接ニューロンを選ぶことができると言います。 しかし、多くのニューロンが多くの画像にまたがる脳の大きな帯の上に腱を飛び散らせるので、それは難しいです。 過去には、アルゴリズムは断片的なアプローチを取ってきました。 まず、コンピュータアルゴリズムは、脳内の他のすべてからニューロンを分離する細胞の境界を識別します。 次に、別のアルゴリズムは、それらの境界の内側に色を付け、各セクションをニューロンの一部として定義します。 最後に、第三のアルゴリズムは、各ニューロンのもつれたパスの青写真を形成し、一緒にすべての神経片をリンクします。
Googleのアルゴリズムは、これらすべてのステップを破棄し、ニューロンをより有機的に追跡する–人間のように。 洪水充填ネットワークと呼ばれる1つのアルゴリズムは、画像データをスクロールするときに神経腱をエンドツーエンドに直接追従します、とJainは言います。 これは、画像のコンテキストとそれ自身の事前予測に基づいてニューロンの形状を拡張する方法について決定します。 GoogleのJainと彼の同僚は、Google AIブログの投稿で、2020年1月22日の仕事について説明しています。
プログラムの学習を支援するために、チームは完全に追跡された人間で検証されたニューロンを供給したと、プロジェクトに取り組んでいるGoogleの研究者、Michal Januszewski氏は述べている。 それは、脳全体から、ニューロンの様々な種類や形状を解釈するアルゴリズムの経験を与えます。 “うまくいけば、それはもともと手で修正しなければならなかった間違いを修正するために時間をかけて学習し、”彼は言います。
アルゴリズムが改善するにつれて、人間の作業負荷が減少します。 Googleと協力することで、プロジェクトは10倍以上速くなりました、とRubinは推定しています。
フルスチームアヘッド
アルゴリズムの成功にもかかわらず、コンピュータは最終的な単語を取得しません。 Janeliaに戻って、何十人もの人間の校正者がデータを掘り起こし、大画面のモニターで混雑した机で。 これらの技術者は、アルゴリズムが異なるニューロンに属する神経枝を誤ってマージしたり、誤って枝を分割したりした場所を検索します。
“まだ多くの手作業が必要です”と、ニューロントレーサーと校正者のチームを率いるRuchi Parekh氏は言います。 この4年間で、彼女のチームは50人近くに成長し、Googleがこれまで以上に速い速度で送り返しているセグメント化されたデータのペースを維持しています。 Pat Rivlinが率いる別のチームは、校正プロセスをより効率的かつ正確にするために、新しい技術を継続的に評価し、テストします。 しかし、骨の折れる作業には依然として多大な忍耐が必要です。 校正者は画像データの層をスクロールし、提案された接続点を複数の角度からピアリングして、二つのニューロンが実際に通信するかどうかを判断します。
ニューロンを追跡することになると、人間は多くの点でアルゴリズムよりも優れている、とPlaza氏は言います。 人間は一般的な知識と意識を持っており、データの奇妙さを発見することができます、と彼は説明します。 「基本的に、人間は常識を持っています。”
例えば、大きな接続エラーは通常、人間の目には明らかです。 だから校正者はすぐに劇的に不格好なニューロンを探して、データの大きな塊をスキャンすることができます。 彼らは間違っているように見える何かを発見すると、彼らはより詳細に調査することができます。
チームの究極の目標は、他の科学者にとって有用な資源を作ることである。 それは、データがどのように保存され、提示されるかを考えることを意味しています。 Plazaと彼の同僚は、データセットをより親しみやすくふるい分けるためのプログラムを構築しました。 “私たちは本当に大きなデータセットを持っています–誰もが理解することはたくさんあります”と彼は言います。 “そのデータを解釈可能な単位に分解できるツールを持つことが重要です。「今、特定のニューロンに興味を持っている科学者は、それがどのように見えるか、それがどの細胞に接続しているか、そしてどの他のニューロンが類似した質を持ち、関連している可能性があるかを知ることができます。
Plazaと彼のチームは、コネクトームを改良し、更新されたバージョンを公開し続けます。 これらの既にマッピングされた領域のニューロンが脳の残りの部分にどのように接続するかに興味を持っている研究者は、完全なコネクトームが完 しかし、現在のデータはすでに洞察を明らかにし、新しい質問を開いています。
科学者にとって今の大きな疑問は、”どのようにコネクトームを分析し、あなたが見ているものを理解するのですか？「パレクは言う。 「データはそこにあります。 あなたはそれで何をしますか？”
今月後半にJaneliaのエグゼクティブディレクターを辞任し、Janeliaラボにフルタイムで戻るRubinにとって、このマイルストーンはほんの始まりに過ぎません。 “それが成功するのを見ることは満足です—それは私がディレクターとしての私の時間から最も誇りに思っている科学的成果です,それは十年以上のために一緒に働いて非常に多くの才能のある人々からの補完的な貢献を必要としたため、部分的には,”彼は言います. “しかし、個人的には、私は脳がどのように機能するかを学ぶためにこの知識を使用することに興味があります。”
引用
C.Shan Xu et al. “大人のショウジョウバエの中央脳のコネクトーム。”に掲載されましたbioRxiv.org 2020年1月21日に発表された。 ドイ：10.1101/2020.01.21.911859
