突觸，是神經(jīng)網(wǎng)絡(luò)的「橋梁」。

我們知道，人類大腦有860億個神經(jīng)元，因為有了突觸，才可以把神經(jīng)元上的電信號傳遞到下一個神經(jīng)元。

長久以來，科學家們一直夢想通過繪制完整的大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，以了解神經(jīng)系統(tǒng)是如何工作的。

不知你是否看過高分辨自動重建的3D大腦皮層地圖？

近日，谷歌與哈佛大學的Lichtman實驗室合作，發(fā)布了最新的「H01」數(shù)據(jù)集，這是一個1.4 PB 的人類腦組織小樣本渲染圖。

H01 樣本通過連續(xù)切片電子顯微鏡以 4nm 分辨率成像，再通過自動計算技術(shù)重建和注釋，最后可以看到初步的人類大腦皮層結(jié)構(gòu)。

（警告：密集恐懼者請繞行）

該數(shù)據(jù)集包括覆蓋大約一立方毫米的皮質(zhì)組織，帶有數(shù)萬個神經(jīng)元、數(shù)個神經(jīng)重建元片段、1.3 億個帶注釋的突觸、104個校對細胞以及許多其他亞細胞注釋和結(jié)構(gòu)。

△ 左：數(shù)據(jù)的小子| 右：數(shù)據(jù)集中 5000 個神經(jīng)元，以及興奮性（綠色）和抑制性（紅色）連接的子圖

所有的數(shù)據(jù)都可以通過Neuroglencer進行訪問。

H01是迄今為止所有生物中對大腦皮層進行這種程度的成像和重建的「最大樣本」。

也是「第一個大規(guī)模」研究人類大腦皮層的「突觸連接性」的樣本，這種連接性跨越了大腦皮層中所有層面的多種細胞類型。

這個項目的主要目標是為研究人類大腦提供一種新的資源，并改進和擴展連接組學的基礎(chǔ)技術(shù)。

目前，這項研究的最新成果「A connectomic study of a petascale fragment of human cerebral cortex」已經(jīng)發(fā)表在bioRxiv上：

△ 論文地址：
https://www.biorxiv.org/content/10.1101/2021.05.29.446289v1

大腦皮層「地圖」：1.3億個突觸，數(shù)萬個神經(jīng)元

首先，你必須先了解下神奇的大腦皮層（cerebral cortex）。

大腦皮層是脊椎動物大腦的薄表層，屬于腦和整個神經(jīng)系統(tǒng)演化史上最晚出現(xiàn)、功能上最為高階的一部分，在不同的哺乳動物中顯示出「最大的尺寸差異」(尤其是人類)。

大腦皮層的每一部分分為6層，每層有不同種類的神經(jīng)細胞(例如刺星狀神經(jīng)細胞)。大腦皮層在大多數(shù)「高級認知功能」中起著關(guān)鍵作用，如思考、記憶、計劃、感知、語言和注意力。

雖然在理解這種非常復(fù)雜的組織的宏觀結(jié)構(gòu)方面已經(jīng)取得了一些進展，但是它在單個神經(jīng)細胞水平上的結(jié)構(gòu)及其相互連接的突觸在很大程度上還是未知的。

人腦連接組學: 從外科活檢到3D數(shù)據(jù)庫

根據(jù)單個突觸的分辨率繪制大腦結(jié)構(gòu)圖需要高分辨率的顯微技術(shù)，這種技術(shù)可以對生物化學穩(wěn)定(固定) 的組織進行成像。

研究團隊與馬薩諸塞州綜合醫(yī)院（Massachusetts General Hospital，MGH）的腦外科醫(yī)生合作，他們在進行治療癲癇的手術(shù)時，有時會切除正常人類大腦皮層的一部分，以便進入大腦深處癲癇正在發(fā)作的位置。

切除的組織通常會被丟棄的，研究團隊得到了病人的匿名捐贈，供Lichtman實驗室的同事做研究。

哈佛大學的研究人員使用自動化磁帶收集超微切片機，將組織切割成大約5300個30納米的切片，將這些切片放置在硅晶片上，然后在一個定制的61束平行掃描電子顯微鏡下以4納米的分辨率對大腦組織成像，快速獲取圖像。

對5300個物理切片進行成像，產(chǎn)生了2.25億張獨立的二維圖像。

然后，研究團隊通過計算將這些數(shù)據(jù)拼接（stitch）和對齊（align）產(chǎn)生一個單一的3D體積。

雖然數(shù)據(jù)的質(zhì)量總體上是很好的，但這些對齊通道必須強健，這樣才能應(yīng)對一些挑戰(zhàn)，包括成像偽影（imaging artifacts）、缺失部分、顯微鏡參數(shù)的變化以及組織的物理拉伸和壓縮。

一旦對齊，一個使用了數(shù)以千計的谷歌云TPU、多尺度的flood-filling Network（FNN）管道就會被應(yīng)用于生成組織中每個單獨細胞的3D分割。

FFN是第一種自動分割技術(shù)，能夠產(chǎn)生足夠精確的重建。

其他的機器學習管道被用來識別和描述「1.3億個突觸」，將每個3D片段分成不同的「子區(qū)域」(例如軸突、樹突或細胞體) ，并識別其他感興趣的結(jié)構(gòu)，例如髓磷脂和纖毛。

自動重建的結(jié)果并不完美，所以還需要人工來「校對」數(shù)據(jù)中的大約100個細胞。

隨著時間的推移，研究團隊希望通過額外的人工努力和自動化的進一步發(fā)展，在這個經(jīng)過驗證的集合中添加額外的細胞。

Neuroglancer：大腦皮層可視化工具

圖像數(shù)據(jù)、重建結(jié)果和注釋可以通過一個交互式的基于網(wǎng)絡(luò)的3D可視化界面進行顯示，這個界面叫做Neuroglancer，最初是為了可視化果蠅的大腦而開發(fā)的。

Neuroglancer是一種開源軟件，廣泛應(yīng)用于連接組學領(lǐng)域。

為了支持 H01數(shù)據(jù)集的分析，引入了一些新的特性，特別是支持基于數(shù)據(jù)集的類型或其他屬性搜索特定的神經(jīng)元。

△ 連接H01和注釋的Neuroglancer接口。用戶可以根據(jù)細胞的層次和類型選擇特定的細胞，可以查看輸入和輸出的突觸。

繼最大果蠅大腦地圖和神經(jīng)元3D模型之后

2019年，谷歌與霍華德 • 休斯醫(yī)學研究所以及劍橋大學合作，通過Flood-Filling Network算法和TPU芯片，將果蠅大腦切分成數(shù)千個40納米的超薄切片，并且使用透射電子顯微鏡生成每個切片的圖像，產(chǎn)生了40萬億像素以上的果蠅大腦影像，然后將2D圖像排列對齊形成完整果蠅大腦的3D圖像。

首次成功重建了果蠅大腦神經(jīng)元的3D模型，但并未揭示有關(guān)果蠅大腦神經(jīng)元「連接性」的信息。

△ 40 萬億像素下的果蠅大腦重建

2020年，谷歌發(fā)布有史以來最大、最詳盡的果蠅大腦地圖，對果蠅大腦中神經(jīng)元連接的高度詳細的繪制。

去年年初，谷歌與霍華德 • 休斯醫(yī)學研究所（HHMI）的FlyEM團隊等，發(fā)布了「半腦」連接組（ 「hemibrain」 connectome），繪制的圖像涵蓋了25000個神經(jīng)元，按體積計算，大約占果蠅大腦的三分之一。

目前的研究中，谷歌研究人員依然面臨的技術(shù)難題。

因為，H01 是一個PB級的數(shù)據(jù)集，但只有整個人類大腦容量的百萬分之一。

將突觸級別的大腦映射到整個老鼠大腦 (比 H01 大500倍) 仍然存在嚴重的技術(shù)挑戰(zhàn)，更不用說整個人類大腦了。

其中一個挑戰(zhàn)就是數(shù)據(jù)存儲: 老鼠的大腦可以產(chǎn)生價值 1EB 的數(shù)據(jù)，而存儲這些數(shù)據(jù)的成本很高。

為了解決這個問題，谷歌研究人員使用基于機器學習的去噪策略來壓縮至少17倍的數(shù)據(jù)。

未來，數(shù)據(jù)集的龐大規(guī)模要求研究人員開發(fā)新的策略來組織和訪問連接數(shù)據(jù)中固有的豐富信息。

這將是谷歌研究者未來依然努力的方向。