i ett mörkt rum i Ashburn, Virginia, sitter rader av forskare vid datorskärmar som visar levande 3D-former. Med ett musklick snurrar de varje form för att undersöka den från alla sidor. Forskarna arbetar i en betongbyggnad på Howard Hughes Medical Institute Janelia Research Campus, strax utanför en gata som heter Helix Drive. Men deras sinnen är någon annanstans helt-inuti hjärnan av en fluga.
varje form på forskarnas skärmar representerar en del av en fruktfluga neuron. Dessa forskare och andra på Janelia tar itu med ett mål som en gång verkade utom räckhåll: beskriver var och en av flyghjärnans ungefär 100 000 neuroner och identifierar de miljoner platser de ansluter till. Ett sådant kopplingsschema, eller connectome, avslöjar hela kretsen av olika hjärnområden och hur de är kopplade. Arbetet kan hjälpa till att låsa upp nätverk som är involverade i minnesbildning, till exempel, eller neurala vägar som ligger till grund för rörelser.
Gerry Rubin, vice president för HHMI och verkställande direktör för Janelia, har kämpat för detta projekt i mer än ett decennium. Det är ett nödvändigt steg för att förstå hur hjärnan fungerar, säger han. När projektet började uppskattade Rubin att med tillgängliga metoder skulle spårning av kopplingarna mellan varje flygneuron för hand ta 250 personer som arbetade i två decennier-vad han hänvisar till som ”ett 5000 personårsproblem.”
nu har en ström av framsteg inom bildteknik och djupinlärningsalgoritmer dragit drömmen om en flugaanslutning ut ur molnen och in i sannolikhetsområdet. Högdrivna anpassade mikroskop, ett team av dedikerade neurala korrekturläsare och dataanalytiker och ett partnerskap med Google har påskyndat processen med storleksordningar.
idag rapporterar ett team av Janelia-forskare att de slår en kritisk milstolpe: de har spårat vägen för varje neuron i en del av den kvinnliga fruktflugahjärnan som de har kallat ”hemibrain.”Kartan omfattar 25 000 neuroner – ungefär en tredjedel av flyghjärnan, i volym – men dess inverkan är outsized. Det inkluderar regioner av stort intresse för forskare — de som styr funktioner som lärande, minne, lukt och navigering. Med mer än 20 miljoner neurala anslutningar hittills är det den största och mest detaljerade kartan över flyghjärnan som någonsin slutförts.
connectome-projektgruppen, känd som FlyEM, gör data — och alla verktyg som behövs för att använda den — tillgängliga gratis. De beskriver arbetet i ett papper som publicerades till bioRxiv den 21 januari 2020. Och de är för närvarande på väg att slutföra en anslutning av hela flugnervsystemet år 2022.
”det här var en stor satsning på något som folk trodde var nästan omöjligt att göra”, säger Viren Jain, forskare vid Google och tidigare laboratoriechef på Janelia. ”Det här är första gången vi verkligen kan få en nyanserad titt på organisationen av ett nervsystem med 100 000 neuroner i synaptisk skala.”
med en detaljerad neuralkarta i handen kommer forskare att kunna svara på frågor om hur hjärnan fungerar snabbare än någonsin tidigare. ”Detta kommer att förändra hur människor gör neurovetenskap”, säger Rubin.
en ritning av hjärnan
hittills har endast en organism haft sin fullständiga connectome mappad — Caenorhabditis elegans, en liten, transparent Mask med bara 302 neuroner och ungefär 7000 neurala anslutningar. Forskare rakade av band av vävnad med en diamantkniv, fångade bilder med ett elektronmikroskop och spårade sedan vägen för varje neuron i maskens nervsystem — för hand.
arbetet krävde noggrann uppmärksamhet på detaljer. Men maskneuroner är inte alls lika många som flugor, möss eller människor – och de tenderar att göra färre anslutningar. Untangling tendrils snaking genom hjärnan hos större djur är monumentalt svårare. Connectome-projekt på mer komplexa hjärnor har antingen tacklat en liten del av hjärnan i detalj, eller de kartlade neuroner i hela hjärnan men fångade bara en bråkdel av cellerna.
så liten som flyghjärnan kan se ut-det handlar om storleken på ett vallmofrö – kartläggning av dess 100 000 neuroner i utsökt detalj är en utmaning på en helt ny nivå. För femton år sedan var” många neurobiologer skeptiska till värdet av att ha denna typ av data om hjärnan”, särskilt med tanke på hur mödosamt det skulle vara att samla in, säger Jain.
först måste forskare koaxa högupplösta hjärnbilder från kraftfulla mikroskop. Då måste de kartlägga neurala morrar som vecklar ut genom båda halvkloten, för varje neuron. Som att sekvensera det mänskliga genomet, att få jobbet gjort vilade INTE på ett vetenskapligt genombrott, säger Rubin, utan snarare på teknisk innovation och mänsklig Logistik.
för honom var det en värdefull utmaning. ”Jag var motiverad av skeptikerna”, säger han. ”Vi visste att vi var tvungna att göra processen mer än 100 gånger effektivare, men det är precis den typ av projekt som Janelia grundades för att genomföra,” tillägger Rubin.
det första hindret: att få en tydlig, skarp bild av varje neuron som slingrar sig genom flyghjärnan.
neurala ögonblicksbilder
bakom flera uppsättningar låsta dörrar och vita golvlängdsgardiner är åtta kraftiga mikroskop redo att avbilda hjärnan i en fluga. I detta tysta rum stör ingenting med bildsamlingen. Harald Hess, C. Shan Xu och deras kollegor har förberett dessa mikroskop för allt utom apokalypsen.
”vi kallar det” Act of God-Proof Room”, säger Hess, en senior gruppledare på Janelia.
Mikroskop vilar på uppblåsta luftkuddar för att minimera vibrationer. Även själva rummet byggdes för att dämpa buller; det sitter på sin egen betongplatta, separat från resten av byggnaden.
dessa mikroskop var ursprungligen utformade för att fånga data över minuter eller timmar. Men för att avbilda hela flyghjärnan måste en räckvidd köras kontinuerligt i månader eller år. Ett enda gap i data kan kasta bort allt, säger Hess. ”Det måste verkligen vara perfekt.”Så hans team har spenderat nästan ett decennium med att finjustera varje del av bildsamlingsprocessen, som beskrivs i ett biorxiv-papper i November 2019. Mikroskopen kan nu churn ut konsekvent skarpa bilder, avslöjar hjärnans labyrint av neuroner i invecklad detalj. Om något inte fungerar pausar omfattningarna automatiskt datainsamlingen och skickar ut en SOS.
Hess, Xu och deras kollegor använder en teknik som kallas fokuserad jonstråle scanningelektronmikroskopi eller FIB-SEM. Räckvidden använder en fokuserad jonstråle för att mala bort fina steg av flyghjärnvävnad, som en mycket exakt sandblaster. Det skjuter galliumjoner i en bit vävnad, polerar ytan atom för atom. Mikroskopet knäpper en bild av vävnadsytan, polerar av ett annat tunt lager och knäpper en annan bild – om och om igen tills hela provet fräses bort. När det fysiska provet långsamt försvinner lagras dess digitala tvilling för alltid, bit för bit.
därefter justerar datorprogrammen dessa bilder och syr ihop dem igen för att skapa en 3D-representation av flyghjärnan.
för att avbilda Drosophila hemibrain klippte forskare en flughjärna i plattor, avbildade var och en med ett elektronmikroskop och sydde sedan alla bilder tillsammans. Målet: att skapa en bildvolym som låter forskare spåra varje neurons väg genom hjärnan.
bilderna som används för kopplingsschemat – allt från en enda kvinnlig fluga – har redan samlats in. Men omfattningarna kör fortfarande starkt: de samlar nu in data från en manlig fluga hjärna. Den här gången är målet att fånga hela centrala nervsystemet. Om allt går utan problem kommer omfattningarna att slutföra den uppgiften i slutet av 2020.
att lagra bilder från en enda flyghjärna skulle ta upp cirka 100 terabyte på en hårddisk. Det är ungefär motsvarande 100 miljoner foton på din dator, säger Steve Plaza, ledare för FlyEM-projektgruppen. Det är alldeles för mycket data för människor att kamma igenom för hand — de strategier som fungerade på C. elegans faller kort. Så forskare har hittat sätt att påskynda processen, träna datorer för att göra jobbet automatiskt.
samarbeta med en teknisk jätte
datorer kan göra alla typer av bildrelaterade uppgifter, som att känna igen ansikten eller upptäcka vägar i satellitbilder. Dessa uppgifter är delvis beroende av en process som kallas bildsegmentering: att bryta upp en digital bild i dess beståndsdelar och märka var och en.
i flera år har Google experimenterat med sätt att förbättra denna process. Jain och hans kollegor ville bygga segmenteringsteknik och tillämpa den på ett utmanande problem. Analysera bilder av neuroner passar räkningen. Men att lära en algoritm hur man på ett tillförlitligt sätt väljer ut eller segmenterar neuroner i bilder kräver massor av träningsexempel. Så, Jain nådde ut till FlyEM-teamet på Janelia, som slog ut data snabbare än de kunde analysera det. De två grupperna började dela data och spåra hur väl Googles algoritmer följde neurala fibrer genom lager av bilddata.
”Google gav mycket intellektuell hästkrafter och mycket beräkningshästkraft”, säger Rubin – de hade den senaste tekniken och resurserna att ägna sig åt att testa algoritmer på stora datamängder. ”Det var ett idealiskt samarbete – team som hade olika expertis som arbetade tillsammans.”
idealiskt, säger Jain, datorer kan bara välja ut neuroner direkt från mikroskopbilderna. Men det är svårt att göra, eftersom många neuroner splay tendrils över stora strängar i hjärnan, som spänner över många bilder. Tidigare har algoritmer tagit en bitvis strategi. Först identifierar en datoralgoritm cellgränser som skiljer neuroner från allt annat i hjärnan. Sedan färgar en annan algoritm inom dessa gränser och definierar varje sektion som en bit neuron. Slutligen länkar en tredje algoritm samman alla neurala bitar och bildar en ritning av varje neurons trassliga väg.
Googles algoritmer skrotar alla dessa steg och spårar neuroner mer organiskt-som en människa. En algoritm, kallad ett översvämningsfyllningsnätverk, följer direkt neurala tendrils end-to-end när det rullar genom bilddata, säger Jain. Det fattar beslut om hur man förlänger en neurons form baserat på bildkontext och egna tidigare förutsägelser. Jain och hans kollegor på Google beskriver arbetet 22 januari 2020 i ett inlägg på Google AI-bloggen.
för att hjälpa programmet att lära sig har laget matat det helt spårade, mänskliga validerade neuroner, säger Michal Januszewski, en Google-forskare som arbetar med projektet. Det ger algoritmen erfarenhet tolka olika typer och former av neuroner, från hela hjärnan. ”Förhoppningsvis lär det sig över tiden att korrigera de misstag som ursprungligen måste korrigeras för hand”, säger han.
när algoritmen förbättras minskar den mänskliga arbetsbelastningen. Att arbeta med Google har gjort att projektet går mer än 10 gånger snabbare, uppskattar Rubin.
full ånga framåt
trots algoritmens framgång får datorer inte det sista ordet. Tillbaka på Janelia, dussintals mänskliga korrekturläsare pore över data, vid skrivbord trångt med storbildsskärmar. Dessa tekniker söker efter platser där algoritmen felaktigt har sammanfogat neurala grenar som tillhör olika neuroner eller felaktigt delat en gren från varandra.
”det krävs fortfarande mycket manuell ansträngning”, säger Ruchi Parekh, som leder ett team av neuronspårare och korrekturläsare. Under de senaste fyra åren har hennes team vuxit till nästan 50 personer för att hålla jämna steg med de segmenterade data som Google skickar tillbaka till allt snabbare priser. Ett annat team, ledt av Pat Rivlin, utvärderar och testar kontinuerligt ny teknik för att göra korrekturläsningsprocessen mer effektiv och korrekt. Men det noggranna arbetet kräver fortfarande enormt tålamod. Korrekturläsare bläddrar igenom lager av bilddata och tittar på föreslagna Anslutningspunkter från flera vinklar för att avgöra om de två neuronerna verkligen kommunicerar.
när det gäller att spåra neuroner är människor fortfarande bättre än algoritmer på många sätt, säger Plaza. Människor har den allmänna kunskapen och medvetenheten som låter dem upptäcka konstigheter i uppgifterna, förklarar han. ”I grund och botten har människor sunt förnuft.”
till exempel är stora anslutningsfel vanligtvis uppenbara för det mänskliga ögat. Så korrekturläsare kan snabbt skanna stora bitar av data och leta efter dramatiskt missformade neuroner. När de upptäcker något som verkar fel, de kan undersöka i finare detalj.
lagets yttersta mål är att skapa en resurs som är användbar för andra forskare. Det har inneburit att tänka igenom hur data lagras och presenteras också. Plaza och hans kollegor har byggt program för att göra siktning genom datauppsättningen mer tillgänglig. ”Vi har en riktigt stor dataset-det är mycket för alla att förstå,” säger han. ”Att ha ett verktyg som låter dig sönderdela data i tolkningsbara enheter är nyckeln.”Nu kan forskare som är intresserade av en specifik neuron ta reda på hur det ser ut och vilka celler det ansluter till – och vilka andra neuroner som har liknande egenskaper och kan vara relaterade.
Plaza och hans team kommer att fortsätta att förfina sin connectome och publicera uppdaterade versioner. Forskare som är intresserade av hur neuroner i dessa redan kartlagda regioner ansluter till resten av hjärnan måste vänta ett par år för att hela anslutningen ska slutföras. Men nuvarande data avslöjar redan insikter och öppnar nya frågor.
en stor Fråga för forskare nu är ” hur analyserar du anslutningen och förstår sedan vad du ser?”Säger Parekh. ”Uppgifterna finns där. Vad gör du med den?”
för Rubin, som kommer att avgå som verkställande direktör för Janelia senare denna månad och återvända heltid till sitt Janelia lab, är denna milstolpe bara början. ”Det är tillfredsställande att se det lyckas — det är den vetenskapliga prestationen som jag är mest stolt över från min tid som regissör, delvis för att det krävde kompletterande bidrag från så många begåvade människor som arbetade tillsammans i över ett decennium”, säger han. ”Men personligen är jag intresserad av att använda denna kunskap för att lära mig hur hjärnan fungerar.”
citat
C. Shan Xu et al. ”En anslutning till den vuxna Drosophila centrala hjärnan.”Postat den bioRxiv.org den 21 januari 2020. doi:10.1101/2020.01.21.911859
