아직 비행 뇌의 가장 크고 가장 상세한지도를 공개

버지니아 주 애쉬번의 어두운 방에서,과학자들의 행은 생생한 3 차원 모양을 표시하는 컴퓨터 화면에 앉아있다. 마우스 클릭으로,그들은 모든면에서 그것을 검사하기 위해 각 모양을 회전. 과학자들은 하워드 휴즈 의학 연구소의 자 넬리아 연구 캠퍼스에서 콘크리트 건물 내부 작업,단지 헬릭스 드라이브라는 거리 떨어져. 그러나 그들의 마음은 완전히 다른 곳에 있습니다–파리의 뇌 안에 있습니다.

과학자 스크린의 각 모양은 초파리 뉴런의 일부를 나타냅니다. 파리 뇌의 약 100,000 뉴런의 각을 요약하고 그들이 연결하는 장소의 수백만을 정확히 파악:자넬리아에서 이러한 연구자와 다른 사람은 한 번 손이 닿지 않는 듯 목표를 태클하고 있습니다. 이러한 배선도 또는 코넥텀은 서로 다른 뇌 영역의 완전한 회로와 그들이 어떻게 연결되어 있는지를 보여줍니다. 이 작품은 예를 들어,메모리 형성에 관여하는 네트워크,또는 운동의 기초 신경 경로의 잠금을 해제 도움이 될 수 있습니다.

게리 루빈의 부사장,HHMI 감 Janelia,는 옹호가 이 프로젝트 위해 십년간 보다는 더 많은 것. 그것은 뇌가 어떻게 작동하는지 이해하는 데 필요한 단계라고 그는 말합니다. 프로젝트가 시작되었을 때 루빈은 가능한 방법으로 모든 플라이 뉴런 사이의 연결을 손으로 추적하면 20 년 동안 일하는 250 명이 걸릴 것이라고 추정했습니다.”

이제 이미징 기술과 딥러닝 알고리즘의 진보의 흐름은 구름에서 확률의 영역으로 파리 코넥텀의 꿈을 잡아 당겼다. 고성능 맞춤형 현미경,전용 신경 교정자 및 데이터 분석가 팀,구글과의 파트너십은 규모의 주문에 의해 프로세스를 가속화했다.

오늘,자네 리아 연구원의 팀은 중요한 이정표를 치는 보고서:그들은 그들이 불리는 한 여성 초파리 뇌의 일부에서 모든 뉴런의 경로를 추적했습니다”반뇌.”지도는 25,000 개의 뉴런(대략 비행 뇌의 1/3,부피 기준)을 포함하지만 그 영향은 엄청납니다. 여기에는 학습,기억,냄새 및 탐색과 같은 기능을 제어하는 과학자—관심있는 영역이 포함됩니다. 지금까지 정확히 2000 만 개 이상의 신경 연결,그것은 지금까지 완료 비행 뇌의 가장 크고 가장 상세한지도입니다.

플라이엠으로 알려진 코넥톰 프로젝트 팀은 데이터 및 이를 사용하는 데 필요한 모든 도구를 무료로 제공하고 있다. 그들은 2020 년 1 월 21 일 바이오크시브에 게시된 논문에서 이 작업을 설명한다. 그리고 그들은 현재 2022 년까지 전체 비행 신경계의 코넥텀을 완성하기 위해 궤도에 있습니다.

“이것은 사람들이 할 거의 불가능하다고 생각 뭔가에 큰 내기였다”비렌 자이나교,구글과 자네 리아에서 전 실험실 머리에서 연구 과학자는 말한다. “이것은 우리가 시냅스 규모로 100,000 개의 뉴런을 가진 신경계의 조직을 미묘한 차이로 볼 수있는 것은 이번이 처음이 될 것입니다.”

손에 상세한 신경지도와 함께,과학자들은 뇌가 그 어느 때보 다 빠르게 작동하는 방법에 대한 질문에 대답 할 수있을 것입니다. “이것은 사람들이 신경 과학을하는 방식을 바꿀 것”이라고 루빈은 말한다.

뇌의 청사진

지금까지 단 하나의 유기체 만이 완전한 코넥텀을 매핑했습니다. 과학자들은 다이아몬드 나이프를 사용하여 조직의 리본을 깎아 내고 전자 현미경으로 이미지를 캡처 한 다음 웜의 신경계에있는 모든 뉴런의 경로를 손으로 추적했습니다.

이 작업은 세부 사항에 근면 한주의가 필요했습니다. 그러나 웜 뉴런은 파리,생쥐 또는 사람들의 뉴런과 거의 다르지 않으며 연결을 줄이는 경향이 있습니다. 더 큰 동물의 두뇌를 통해 구불 구불 한 덩굴손을 푸는 것은 기념비적으로 더 어렵습니다. 더 복잡한 두뇌에 대한 코넥톰 프로젝트는 뇌의 작은 부분을 아주 자세하게 다루거나 뇌 전체에 뉴런을 매핑했지만 세포의 일부만을 포착했습니다.

파리 뇌가 나타날 수있는만큼 작은-그것은 양귀비 씨의 크기에 관하여-절묘한 세부 사항의 100,000 뉴런을 매핑하는 것은 완전히 새로운 수준에 도전이다. 15 년 전,”많은 신경 생물 학자들은 뇌에 대한 이러한 유형의 데이터를 갖는 가치에 대해 회의적이었습니다.”특히 수집하는 것이 얼마나 힘든지를 감안할 때 자이나교는 말합니다.

첫째,연구자들은 강력한 현미경으로 고해상도 뇌 이미지를 동축 케이블해야합니다. 그런 다음 각 뉴런에 대해 두 반구를 통해 펼쳐지는 신경 혼란을 매핑해야합니다. 인간 게놈을 시퀀싱처럼,일을 얻는 것은 과학적 돌파구에 휴식하지 않았다,루빈은 말한다,오히려 기술 혁신과 인간의 물류에.

그에게 그것은 가치있는 도전이었습니다. “나는 회의론자들에 의해 동기를 부여 받았다”고 그는 말한다. “우리는 프로세스를 100 배 이상 더 효율적으로 만들어야 한다는 것을 알고 있었지만,이것이 바로 제닐리아가 수행하기 위해 설립된 프로젝트입니다.”라고 루빈은 덧붙입니다.

첫 번째 장애물:파리 뇌를 통해 구불 구불 한 각 뉴런의 명확하고 선명한 전망을 얻습니다.

신경 스냅 샷

여러 세트의 잠긴 문과 흰색 바닥 길이의 커튼 뒤에 8 개의 무거운 현미경이 파리의 뇌를 이미지화 할 준비가되었습니다. 이 조용한 방에서는 이미지 수집을 방해하는 것이 없습니다. 해럴드 헤스,기음. 산 쑤,그리고 그들의 동료는 세상의 종말을 제외한 모든 것을 위해 이러한 현미경을 준비했습니다.

“우리는’하나님 증거 룸의 행위’를 호출,”헤스,제닐리아에서 수석 그룹 리더는 말한다.

현미경은 진동을 최소화하기 위해 팽창 된 에어 패드에 있습니다. 심지어 방 자체는 소음을 저해하기 위해 지어졌다;그것은 건물의 나머지 부분에서 별도의 자체 콘크리트 슬래브에 앉아있다.

이 현미경은 원래 몇 분 또는 몇 시간에 걸쳐 데이터를 캡처하도록 설계되었습니다. 그러나 전체 비행 뇌를 이미지화하려면 범위가 몇 달 또는 몇 년 동안 계속 실행되어야합니다. 데이터의 단일 격차는 모든 것을 던질 수,헤스는 말한다. “정말 완벽해야 한다.”그래서 그의 팀은 2019 년 11 월 바이오 시브 논문에 설명 된 이미지 수집 프로세스의 모든 부분을 미세 조정하는 데 거의 10 년을 보냈습니다. 현미경은 이제 복잡한 세부 뉴런의 뇌의 미로를 공개,지속적으로 선명한 이미지를 휘젓다 수 있습니다. 아무것도 오작동하는 경우,범위는 자동으로 데이터 수집을 일시 중지하고 조난 신호를 보낼 수 있습니다.

헤스,쑤,그리고 그들의 동료들은 초점 이온 빔 주사 전자 현미경,또는 거짓말-셈이라는 기술을 사용합니다. 이 스코프는 집중된 이온 빔을 사용하여 매우 정밀한 샌드 블라스터와 같은 파리 뇌 조직의 미세한 증분을 분쇄합니다. 그것은 원자에 의해 표면 원자를 연마,조직의 덩어리에 갈륨 이온을 촬영합니다. 현미경은 조직 표면의 이미지를 스냅 다른 얇은 층을 연마하고,전체 샘플 멀리 가공 될 때까지 또 다른 사진을 통해 또 다시 스냅합니다. 물리적 표본이 서서히 사라지면 디지털 트윈은 영원히 저장됩니다.

그런 다음,컴퓨터 프로그램은 이러한 이미지를 정렬하고 다시 함께 꿰매어 파리 뇌의 3 차원 표현을 만듭니다.

배선 다이어그램에 사용 된 이미지(모두 단일 여성 플라이)는 이미 수집되었습니다. 그러나 범위는 여전히 강한 실행: 그들은 이제 남성 파리의 뇌에서 데이터를 수집하고 있습니다. 이 시간,목표는 전체 중추 신경계를 캡처하는 것입니다. 모든 것이 차질없이 진행된다면 스코프는 2020 년 말까지 해당 작업을 완료 할 것입니다.

단일 플라이 브레인에서 이미지를 저장하는 것은 하드 드라이브에 약 100 테라 바이트를 차지합니다. 즉,컴퓨터에 대략 동등한 100,000,000 사진,스티브 플라자,플라이엠 프로젝트 팀의 리더는 말한다. 그것은 인간이 손으로 빗질하기에 너무 많은 데이터입니다. 그래서 연구자들은 자동으로 작업을 수행하는 컴퓨터를 훈련,프로세스 속도를 높일 수있는 방법을 발견했다.

기술 거인과 팀 구성

컴퓨터는 위성 이미지에서 얼굴을 인식하거나 도로를 발견하는 등 모든 종류의 이미지 관련 작업을 수행 할 수 있습니다. 이러한 작업은 부분적으로 이미지 세분화라는 프로세스에 의존합니다:디지털 이미지를 구성 요소로 분해하고 각 이미지에 레이블을 지정합니다.

수년간 구글은 이 과정을 개선할 방법을 실험해 왔다. 자이나교와 그의 동료들은 세분화 기술을 구축하고 어려운 문제에 적용하기를 원했습니다. 뉴런의 이미지를 분석하는 것은 법안에 맞게. 그러나 알고리즘에 이미지에서 뉴런을 안정적으로 선택하거나 세그먼트화하는 방법을 가르치려면 많은 훈련 예가 필요합니다. 그래서 자이나교는 제닐리아에 있는 플라이엠 팀에게 연락했고,그들은 데이터를 분석할 수 있는 것보다 더 빨리 데이터를 추출하고 있었다. 두 그룹은 데이터를 공유하고 구글의 알고리즘은 이미징 데이터의 레이어를 통해 신경 섬유를 다음과 얼마나 잘 추적하기 시작했다.

“구글은 지적 마력과 계산 마력을 많이 많이 제공,”루빈은 말한다-그들은 최신 기술을 가지고 있었고,자원은 거대한 데이터 세트에 알고리즘을 테스트에 전념 할 수 있습니다. “서로 다른 전문 지식을 가진 팀이 함께 일하는 이상적인 협업이었습니다.”

이상적으로,자이나교는 말한다,컴퓨터는 현미경 이미지에서 직접 뉴런을 선택할 수 있습니다. 많은 신경 세포가 많은 이미지에 걸쳐,뇌의 큰 한번 벤 면적을 통해 덩굴손을 펼쳐 있기 때문에 그러나 그것은 할 어렵다. 과거에는 알고리즘이 단편적인 접근 방식을 취했습니다. 첫째,컴퓨터 알고리즘은 뇌의 다른 모든 것들과 뉴런을 분리하는 세포 경계를 식별합니다. 그런 다음 다른 알고리즘이 경계 내부에 색상을 지정하여 각 섹션을 뉴런 조각으로 정의합니다. 마지막으로 세 번째 알고리즘은 모든 신경 조각을 연결하여 각 뉴런의 얽힌 경로의 청사진을 형성합니다.

구글의 알고리즘은 인간처럼 더 유기적으로 뉴런을 추적,모든 단계를 스크랩합니다. 이 이미징 데이터를 스크롤 홍수 충전 네트워크라는 하나의 알고리즘은,직접 엔드-투-엔드 신경 덩굴손을 다음과,자이나교는 말한다. 이미지 컨텍스트와 자체 사전 예측을 기반으로 뉴런의 모양을 확장하는 방법에 대한 결정을 내립니다. 자이나교와 그의 구글 동료들은 2020 년 1 월 22 일 구글 인공지능 블로그에 게시된 글에 대해 설명했다.

프로그램이 배울 수 있도록하기 위해,팀은 완벽하게 추적,인간의 검증 뉴런을 공급하고있다,마이클 야누스 제프 스키,프로젝트에서 작동하는 구글 연구원은 말한다. 즉 뇌에서,뉴런의 다양한 종류와 모양을 해석 알고리즘 경험을 제공합니다. “바라건대,그것은 원래 손으로 수정해야했던 실수를 수정하는 시간이 지남에 배운다,”그는 말한다.

알고리즘이 향상됨에 따라 인간의 작업량이 감소합니다. 구글 작업 프로젝트가 10 배 이상 빠르게 이동했다,루빈은 추정하고있다.

전체 증기 앞서

알고리즘의 성공에도 불구하고,컴퓨터는 최종 단어를 얻을하지 않습니다. 돌아 가기 자넬리아에서,인간의 교정자 수십 대형 스크린 모니터로 붐비는 책상에서,데이터를 통해 기공. 이 기술자는 알고리즘이 다른 뉴런에 속하는 신경 가지를 잘못 병합하거나 실수로 분기를 분리 한 장소를 검색합니다.

“여전히 많은 수동 노력이 필요합니다.”라고 뉴런 추적자와 교정자 팀을 이끌고 있는 루치 파레크는 말합니다. 지난 4 년 동안,그녀의 팀은 구글이 그 어느 때보 다 빠른 속도로 다시 전송되는 세그먼트 데이터에 보조를 맞추기 위해,거의 50 명으로 성장했다. 팻 리블린이 이끄는 또 다른 팀은 새로운 기술을 지속적으로 평가하고 테스트하여 교정 프로세스를 더욱 효율적이고 정확하게 만듭니다. 그러나 근면 한 일에는 여전히 엄청난 인내가 필요합니다. 교정자는 이미징 데이터 레이어를 스크롤하여 여러 각도에서 제안 된 연결 지점을 들여다 보며 두 뉴런이 실제로 통신하는지 여부를 결정합니다.

뉴런을 추적 할 때 인간은 여전히 여러면에서 알고리즘보다 낫다고 플라자는 말한다. 인간은 데이터에서 이상한 점을 발견 할 수있는 일반적인 지식과 인식을 가지고 있다고 그는 설명합니다. “기본적으로 인간은 상식을 가지고 있습니다.”

예를 들어,큰 연결 오류는 일반적으로 사람의 눈에 분명합니다. 그래서 교정자는 신속하게 극적으로 기형 뉴런을 찾고,데이터의 큰 덩어리를 스캔 할 수 있습니다. 그들이 나쁘게 보이는 것을 발견 할 때,그들은 더 세밀하게 조사 할 수 있습니다.

이 팀의 궁극적 인 목표는 다른 과학자들에게 유용한 자원을 만드는 것입니다. 즉,너무,데이터를 저장하고 제시하는 방법을 통해 생각을 의미했다. 플라자와 그의 동료들은 더 가까이 데이터 세트를 통해 선별 할 수있는 프로그램을 구축했다. “우리는 정말 큰 데이터 세트를 가지고 있으며,누구나 이해할 수 있습니다.”라고 그는 말합니다. “그 데이터를 해석 가능한 단위로 분해 할 수있는 도구를 갖는 것이 중요합니다.”이제 특정 뉴런에 관심이있는 과학자들은 그것이 어떻게 생겼는지,어떤 세포가 연결되어 있는지,그리고 어떤 다른 뉴런이 비슷한 특성을 가지고 있고 관련이있을 수 있는지 알 수 있습니다.

플라자와 그의 팀은 코넥텀을 수정하고 업데이트 된 버전을 게시 할 것입니다. 이 이미 매핑 된 영역의 뉴런이 뇌의 나머지 부분과 어떻게 연결되는지에 관심이있는 연구자들은 전체 코넥텀이 완료되기까지 몇 년을 기다려야 할 것입니다. 그러나 현재의 데이터는 이미 통찰력을 공개하고 새로운 질문을 열고있다.

이제 과학자들에게 큰 질문은”코넥텀을 어떻게 분석하고 당신이보고있는 것을 이해합니까?”파렉은 말한다. “데이터는 거기에 있습니다. 당신은 그것으로 무엇을해야합니까?”

이번 달 자넬리아의 전무 이사로 물러나 자네 리아 연구소로 풀 타임으로 돌아갈 루빈에게,이 이정표는 시작에 불과합니다. “성공하는 것을 보는 것은 만족스럽습니다—제가 감독으로서 가장 자랑스러워하는 것은 과학적 성취이며,부분적으로는 10 년 넘게 함께 일하는 많은 재능있는 사람들의 보완적인 기여가 필요했기 때문입니다.”라고 그는 말합니다. “그러나 개인적으로,나는이 지식을 사용하여 뇌가 어떻게 작동하는지 배우는 데 관심이 있습니다.”

인용

다.산 쑤 등. “성인 초파리 중뇌의 코넥톰.”에 게시 됨 bioRxiv.org 2020 년 1 월 21 일. 도이:10.1101/2020.01.21.911859