In een donkere kamer in Ashburn, Virginia, zitten rijen wetenschappers achter computerschermen met levendige 3D-vormen. Met een muisklik draaien ze elke vorm om het van alle kanten te onderzoeken. De wetenschappers werken in een betonnen gebouw op de Janelia Research Campus van het Howard Hughes Medical Institute, vlakbij een straat genaamd Helix Drive. Maar hun geest zit ergens anders in het brein van een vlieg.
elke vorm op de schermen van de wetenschappers vertegenwoordigt een deel van een fruitvlieg neuron. Deze onderzoekers en anderen bij Janelia pakken een doel aan dat ooit buiten bereik leek: het schetsen van elk van de ongeveer 100.000 neuronen van het vliegbrein en het aanwijzen van de miljoenen plaatsen die ze verbinden. Zo ‘ n schakelschema, of connectoom, onthult het complete circuit van verschillende hersengebieden en hoe ze met elkaar verbonden zijn. Het werk kan helpen netwerken te ontsluiten die betrokken zijn bij de vorming van het geheugen, bijvoorbeeld, of neurale paden die ten grondslag liggen aan bewegingen.Gerry Rubin, vice president van HHMI en uitvoerend directeur van Janelia, is al meer dan tien jaar voorstander van dit project. Het is een noodzakelijke stap om te begrijpen hoe de hersenen werken, zegt hij. Toen het project begon, schatte Rubin dat met beschikbare methoden, het traceren van de verbindingen tussen elke vliegneuron met de hand 250 mensen zou nemen die twee decennia lang werken – wat hij noemt “een 5.000-persoons-jaar probleem.”
nu heeft een stroom van vooruitgang in beeldvormingstechnologie en deep-learning algoritmen de droom van een vliegconnectoom uit de wolken getrokken en naar het rijk van waarschijnlijkheid getrokken. Krachtige op maat gemaakte microscopen, een team van toegewijde neurale proeflezers en data-analisten, en een partnerschap met Google hebben het proces versneld door ordes van grootte.
vandaag meldt een team van Janelia-onderzoekers dat ze een kritieke mijlpaal hebben bereikt: ze hebben het pad van elk neuron in een deel van het vrouwelijke fruitvlieg-brein getraceerd dat ze de “hemibrain” hebben genoemd.”De kaart omvat 25.000 neuronen-ruwweg een derde van het vliegenbrein, per volume-maar de impact is te groot. Het omvat regio ‘ s van groot belang voor wetenschappers — degenen die functies zoals leren, geheugen, geur, en navigatie controleren. Met meer dan 20 miljoen neurale verbindingen tot nu toe, is het de grootste en meest gedetailleerde kaart van het vliegenbrein ooit voltooid.
het connectome projectteam, bekend als FlyEM, maakt de data — en alle tools die nodig zijn om het te gebruiken — gratis beschikbaar. Ze beschrijven het werk in een paper gepost op bioRxiv op 21 januari 2020. En ze zijn momenteel op weg om een connectoom van het hele vlieg zenuwstelsel te voltooien tegen 2022.
“dit was een grote inzet op iets wat mensen dachten dat bijna onmogelijk was om te doen,” zegt Viren Jain, een onderzoeker bij Google en voormalig laboratoriumhoofd bij Janelia. “Dit zal de eerste keer zijn dat we echt een genuanceerde kijk kunnen hebben op de organisatie van een zenuwstelsel met 100.000 neuronen op synaptische schaal.”
met een gedetailleerde neurale kaart in de hand, zullen wetenschappers in staat zijn om vragen te beantwoorden over hoe de hersenen sneller dan ooit tevoren werken. “Dit gaat de manier waarop mensen neurowetenschappen doen veranderen,” zegt Rubin.
een blauwdruk van de hersenen
tot op heden heeft slechts één organisme zijn volledige connectoom in kaart gebracht — Caenorhabditis elegans, een kleine, transparante worm met slechts 302 neuronen en ongeveer 7.000 neurale verbindingen. Wetenschappers geschoren linten van weefsel met behulp van een diamantmes, opgenomen beelden met een elektronenmicroscoop, en vervolgens traceerde het pad van elk neuron in het zenuwstelsel van de worm — met de hand.
het werk vereiste nauwgezette aandacht voor detail. Maar wormneuronen zijn lang niet zo talrijk als die van vliegen, muizen of mensen – en ze hebben de neiging om minder verbindingen te maken. Het ontwarren van de ranken die door de hersenen van grotere dieren slingeren is monumentaal moeilijker. Connectoomprojecten op complexere hersenen hebben ofwel een klein deel van de hersenen tot in detail aangepakt, of ze hebben neuronen in een hele hersenen in kaart gebracht, maar slechts een fractie van de cellen gevangen.
hoe klein het vliegbrein ook mag lijken-het is ongeveer de grootte van een maanzaad – het in kaart brengen van zijn 100.000 neuronen in verfijnde details is een uitdaging op een geheel nieuw niveau. Vijftien jaar geleden,” veel neurobiologen waren sceptisch over de waarde van het hebben van dit soort gegevens over de hersenen, ” vooral gezien hoe moeizaam het zou zijn om te verzamelen, Jain zegt.
eerst moeten onderzoekers hersenbeelden met hoge resolutie coaxen van krachtige microscopen. Dan moeten ze de neurale grommen in kaart brengen die zich ontvouwen door beide hemisferen, voor elk neuron. Zoals het sequencen van het menselijk genoom, lag de klus niet op een wetenschappelijke doorbraak, zegt Rubin, maar op technologische innovatie en menselijke logistiek.
voor hem was dat een waardevolle uitdaging. “Ik werd gemotiveerd door de sceptici,” zegt hij. “We wisten dat we het proces meer dan 100 keer efficiënter moesten maken, maar dat is precies het soort project waarvoor Janelia is opgericht”, voegt Rubin toe.
de eerste hindernis: het krijgen van een duidelijk, helder beeld van elk neuron meanderend door het vliegenhersenen.
neurale snapshots
achter verschillende sets gesloten deuren en witte vloergordijnen staan acht forse microscopen klaar om de hersenen van een vlieg in beeld te brengen. In deze ingetogen kamer stoort niets aan de beeldverzameling. Harald Hess, C. Shan Xu en hun collega ‘ s hebben deze microscopen voorbereid op alles behalve de Apocalyps.
“We noemen het de’ daad van God-Proof Room’, ” zegt Hess, een senior groepsleider bij Janelia.
microscopen rusten op opgeblazen luchtkussens om trillingen te minimaliseren. Zelfs de kamer zelf is gebouwd om lawaai te dempen; het zit op een eigen betonplaat, gescheiden van de rest van het gebouw.
deze microscopen zijn oorspronkelijk ontworpen om gegevens over minuten of uren vast te leggen. Maar om het hele vliegenbrein in beeld te brengen, moet een scope maanden of jaren continu draaien. Een enkele leemte in de gegevens kan alles in de war brengen, zegt Hess. “Het moet echt perfect zijn.”Zijn team heeft dus bijna tien jaar besteed aan het verfijnen van elk onderdeel van het beeldverzamelingsproces, beschreven in een bioRxiv-paper van november 2019. De microscopen kunnen nu constant scherpe beelden produceren, waardoor het labyrint van neuronen in de hersenen tot in detail wordt onthuld. Als er iets defect is, pauzeren de scopes automatisch het verzamelen van gegevens en sturen ze een SOS.
Hess, Xu en hun collega ‘ s gebruiken een techniek genaamd gefocust-ion beam scanning elektronenmicroscopie, of FIB-SEM. De scope gebruikt een geconcentreerde ionenbundel om fijne incrementen van vliegenhersenweefsel te verwijderen, zoals een zeer nauwkeurige zandstraal. Het schiet galliumionen op een stuk weefsel, polijst het oppervlak atoom voor atoom. De microscoop knipt een beeld van het weefseloppervlak, poetst een andere dunne laag af, en knipt een ander beeld – over en weer tot het gehele monster weg wordt gemalen. Als het fysieke exemplaar langzaam verdwijnt, wordt zijn digitale tweeling voor altijd opgeslagen, stukje voor stukje.
vervolgens zetten computerprogramma ‘ s deze beelden uit en steken ze weer aan elkaar om een 3D-weergave van de vliegenhersenen te maken.
aan beeld de Drosophila hemibrain, de onderzoekers sneden een vlieghersenen in platen, imaged elk met een elektronenmicroscoop, toen stikte alle beelden samen. Het doel: een beeldvolume creëren waarmee wetenschappers het pad van elk neuron door de hersenen kunnen traceren.
de beelden die gebruikt zijn voor het bedradingsschema – allemaal van één vrouwelijke vlieg – zijn al verzameld. Maar de scopes lopen nog steeds sterk: ze verzamelen nu gegevens uit de hersenen van een mannelijke vlieg. Deze keer is het doel om het hele centrale zenuwstelsel vast te leggen. Als alles zonder problemen verloopt, zullen de scopes die taak tegen het einde van 2020 voltooien.
het opslaan van beelden van één enkel vliegenbrein zou ongeveer 100 terabyte op een harde schijf in beslag nemen. Dat is ongeveer het equivalent van 100 miljoen foto ‘ s op uw computer, zegt Steve Plaza, leider van het FlyEM projectteam. Het is veel te veel gegevens voor mensen om door te kammen met de hand — de strategieën die werkten op C. elegans schieten tekort. Dus onderzoekers hebben manieren gevonden om het proces te versnellen, het trainen van computers om het werk automatisch te doen.
samenwerken met een technologiegigant
Computers kunnen allerlei beeldgerelateerde taken uitvoeren, zoals het herkennen van gezichten of het spotten van wegen in satellietbeelden. Deze taken zijn deels afhankelijk van een proces dat beeldsegmentatie wordt genoemd: het opsplitsen van een digitaal beeld in de samenstellende delen en het etiketteren van elk beeld.
al jaren experimenteert Google met manieren om dit proces te verbeteren. Jain en zijn collega ‘ s wilden segmentatietechnologie bouwen en toepassen op een uitdagend probleem. Het analyseren van beelden van neuronen past bij de wet. Maar om een algoritme te leren hoe je op betrouwbare wijze neuronen kunt kiezen of segmenteren in beelden, zijn veel trainingsvoorbeelden nodig. Jain nam contact op met het FlyEM-team van Janelia, die gegevens sneller uitwerkten dan ze konden analyseren. De twee groepen begonnen met het delen van gegevens en het bijhouden van hoe goed Google ‘ s algoritmen werden na neurale vezels door lagen van imaging data.
“Google leverde veel intellectuele pk’ s en veel computationele pk ‘ s,” zegt Rubin – ze hadden de nieuwste technologie en de middelen om te besteden aan het testen van algoritmen op enorme datasets. “Het was een ideale samenwerking-teams met verschillende expertise die samenwerkten.”
idealiter, zegt Jain, zouden computers gewoon neuronen direct uit de microscoop beelden kunnen halen. Maar dat is moeilijk te doen, want veel neuronen spreiden ranken over grote delen van de hersenen, verspreid over vele beelden. In het verleden hebben algoritmes een fragmentarische aanpak gevolgd. Ten eerste identificeert een computeralgoritme celgrenzen die neuronen scheiden van al het andere in de hersenen. Dan kleurt een ander algoritme binnen die grenzen en definieert elke sectie als een stukje neuron. Tenslotte verbindt een derde algoritme alle neurale stukken met elkaar, en vormt een blauwdruk van het verwarde pad van elk neuron.
Google ‘ s algoritmen schrapen al die stappen, het traceren van neuronen meer organisch – als een mens. Een algoritme, genaamd een overstromingsvullend netwerk, volgt direct neurale ranken end-to-end als het scrollt door beeldgegevens, Jain zegt. Het maakt beslissingen over het uitbreiden van de vorm van een neuron op basis van beeldcontext en zijn eigen eerdere voorspellingen. Jain en zijn collega ‘ s bij Google beschrijven het werk januari 22, 2020, in een post op de Google AI blog.
om het programma te helpen leren, heeft het team het volledig getraceerde, door mensen gevalideerde neuronen gegeven, zegt Michal Januszewski, een Google-onderzoeker die aan het project werkt. Dat geeft het algoritme ervaring met het interpreteren van verschillende soorten en vormen van neuronen, vanuit de hele hersenen. “Hopelijk leert het na verloop van tijd om de fouten te corrigeren die oorspronkelijk met de hand moesten worden gecorrigeerd,” zegt hij.
naarmate het algoritme verbetert, neemt de menselijke werklast af. Werken met Google heeft het project meer dan 10 keer sneller laten gaan, schat Rubin.
Full steam ahead
ondanks het succes van het algoritme krijgen computers het laatste woord niet. Terug bij Janelia, dozijnen menselijke correctoren porren over de gegevens, op bureaus vol met grote-scherm monitoren. Deze technici zoeken naar plaatsen waar het algoritme ten onrechte neurale takken die behoren tot verschillende neuronen heeft samengevoegd of ten onrechte splitste een tak uit elkaar.
“er is nog veel handmatige inspanning nodig,” zegt Ruchi Parekh, die een team van neuron tracers en proeflezers leidt. In de afgelopen vier jaar is haar team uitgegroeid tot bijna 50 mensen, om gelijke tred te houden met de gesegmenteerde gegevens die Google terugstuurt tegen steeds snellere tarieven. Een ander team, onder leiding van Pat Rivlin, evalueert en test voortdurend nieuwe technologieën om het proeflezen efficiënter en nauwkeuriger te maken. Maar het zorgvuldige werk vereist nog steeds enorm geduld. Proeflezers scrollen door lagen van beeldvormende gegevens, kijkend naar voorgestelde verbindingspunten vanuit meerdere hoeken om te bepalen of de twee neuronen echt communiceren.
als het gaat om het traceren van neuronen, zijn mensen nog steeds beter dan algoritmen in vele opzichten, zegt Plaza. Mensen hebben de algemene kennis en het bewustzijn waarmee ze eigenaardigheden in de gegevens kunnen herkennen, legt hij uit. “Mensen hebben gezond verstand.”
bijvoorbeeld, grote verbindingsfouten zijn meestal duidelijk voor het menselijk oog. Dus proeflezers kunnen snel grote stukken data scannen, op zoek naar dramatisch misvormde neuronen. Als ze iets vinden dat mis lijkt, kunnen ze het in fijner detail onderzoeken.
het uiteindelijke doel van het team is om een bron te creëren die nuttig is voor andere wetenschappers. Dat betekent ook nadenken over hoe gegevens worden opgeslagen en gepresenteerd. Plaza en zijn collega ’s hebben programma’ s gebouwd om het doorzoeken van de dataset toegankelijker te maken. “We hebben een hele grote dataset – het is veel voor iedereen om te begrijpen,” zegt hij. “Het hebben van een tool die u toelaat om die gegevens te ontbinden in interpreteerbare eenheden is de sleutel.”Nu kunnen wetenschappers die geïnteresseerd zijn in een specifiek neuron ontdekken hoe het eruit ziet en met welke cellen het verbonden is – en welke andere neuronen vergelijkbare kwaliteiten hebben en gerelateerd kunnen zijn.
Plaza en zijn team zullen hun connectoom verder verfijnen en bijgewerkte versies publiceren. Onderzoekers die geïnteresseerd zijn in hoe neuronen in deze reeds in kaart gebrachte gebieden verbinding maken met de rest van de hersenen zullen een paar jaar moeten wachten voordat het volledige connectoom voltooid is. Maar de huidige gegevens onthullen al inzichten en openen nieuwe vragen.
een grote vraag voor wetenschappers is nu ” hoe analyseer je het connectoom en maak je dan zin van wat je ziet?”Zegt Parekh. “De gegevens zijn er. Wat doe je ermee?”
voor Rubin, die later deze maand zal aftreden als uitvoerend directeur van Janelia en fulltime zal terugkeren naar zijn Janelia lab, is deze mijlpaal nog maar het begin. “Het is bevredigend om het te zien slagen — het is de wetenschappelijke prestatie waar ik het meest trots op ben sinds mijn tijd als directeur, deels omdat het aanvullende bijdragen vereiste van zoveel getalenteerde mensen die meer dan tien jaar samenwerken,” zegt hij. “Maar persoonlijk ben ik geïnteresseerd in het gebruik van deze kennis om te leren hoe de hersenen werken.”
Citation
C. Shan Xu et al. “A Connectome of the Adult Drosophila Central Brain.”Posted on bioRxiv.org op 21 januari 2020. doi: 10.1101 / 2020.01.21.911859
