玩这个游戏也是在为科学做奉献欢迎来到突触的国际

原文作者：Sarah DeWeerdt

从突触下手制作大脑的作业日渐增多。但跟着数据不断累积，研讨人员有必要找到使它们变得有用的办法。

2019年4月，西雅图艾伦脑科学研讨所。房间里有五台透射电子显微镜，三只闪亮的派对气球四处飘扬，气球是为了庆祝研讨所最新获得的具有里程碑含义的研讨成果——科研人员制作了1立方毫米（约一粒沙子的巨细）小鼠大脑安排内的10万个神经元及其之间的约10亿个衔接，或许叫做“突触”。

在神经元制作游戏Eyewire中，小鼠视网膜两个神经元之间的突触（蓝色的为视网膜神经节细胞；黄色的为无长突细胞）。

来历：Alex Norton/Eyewire

除此之外，还有多个类似“小鼠大脑立方毫米方案”的大脑纳米标准衔接组制作项目正在进行中。所谓衔接组，便是神经元与神经元之间的突触衔接。神经科学家以为衔接组图谱将能够协助他们以史无前例的办法了解神经回路怎么编码信息并指挥举动——简而言之，便是大脑是怎么运转的。

间隔该范畴的终极方针——在纳米标准上描绘完好的人类大脑衔接组还有很长的路要走。人类大脑有10^15个衔接，包括约1000亿个神经元，这个数字简直与银河系中恒星的数目适当。假如运用当时的成像技能，需求数十个显微镜接连作业几千年才干搜集完一切的数据。

可是，显微镜技能的前进及图画剖析专用核算机和算法的展开已大大推动了衔接组学范畴的发展，即便是身处其间的研讨人员也对如此之高的展开速度大为惊奇。“立方毫米方案假如放在五年前，咱们都会觉得太不切实际了。”Reid说。而现在许多研讨人员信任对整个小鼠大脑——体积约为500立方毫米——进行制作彻底有或许在未来十年内完结。假如这一方案墨守成规地完结了，那么制作体积更大的人类大脑不过是一个合理的长时刻方针。“今日，在突触水平上制作人类大脑或许看起来难以想象。但假如核算才干和科学技能持续稳步展开，规划再扩展1000倍也不是彻底不或许。”

从小着手

现在共有两个物种的衔接组图谱已完结：第一个是一种线虫——秀丽隐杆线虫（Caenorhabditis elegans），完结于1986年【1】；第二个是一种海洋生物的幼虫——玻璃海鞘（Ciona intestinalis），完结于2016年【2】。这两个神经图谱均是十分超卓的挑选东西。“秀丽隐杆线虫衔接组图谱现已否定了许多之前提出的或许假定。”美国阿贡国家实验室的神经科学家Bobby Kasthuri说。假如某些关于线虫神经系统或行为的发现能够用衔接组图谱垂手可得地解说，那就没有进一步研讨的必要；研讨人员能够尽早调整方向，探究潜在产出更高的范畴。但假如衔接组学无法为调查成果供给现成的解说，那意味着这是一个值得探究的主题。

但也有部分研讨人员对现在纳米标准衔接组学所获的重视持怀疑情绪。专心研讨视觉系统的纽约大学神经科学家Anthony Movshon表明，这些衔接组项目耗费了很多时刻、精力和金钱，产出和投入或许不成正比。当触及杂乱大脑，比如小鼠或人类的大脑时，“我不需求知道每个细胞、每个突触的具体衔接细节，”Movshon说，“我需求知道的是将整个系统衔接起来的准则。”他以为这些数据彻底能够在相对较大略的分辨率上搜集。尽管如此，纳米标准衔接组仍是许多科学家寻求的方针。他们以为衔接组图谱能够协助破解精神疾病的来历，然后拟定更有用的医治方案，一同图谱还能够运用于其他许多范畴，如人工智能、节能核算等。

漫山遍野般出现的衔接组项目

20世纪80年代，为制作秀丽隐杆线虫的纳米标准衔接组，英国剑桥大学的生物学家 Sydney Brenner带领研讨团队将几毫米长的线虫切成十分薄的切片，随后运用安装在电子显微镜上的胶片相机对每张切片进行了细心的拍照。终究研讨人员依据所得的图画，竭尽全力地手动追溯神经元通路以及其间触及的衔接。

但秀丽隐杆线虫只要302个神经元和大约7,600个突触。制作其衔接组一切的手动办法明显无法用于更杂乱的神经系统。因而科研人员并未仔细考虑展开规划更大的项目， 直到2004年，两位来自德国海德堡马克斯·普朗克医学研讨所的科学家——物理学家Winfried Denk和神经解剖学家Heinz Horstmann主张运用自动式显微镜对大脑安排进行切片和成像，并经过特定软件对图画进行堆叠和重建【3】。

即将宣布的规划最大的完好纳米标准衔接组图谱之一描绘的是巨细约100立方微米的小鼠视网膜，包括约1,000个神经元和250,000个突触。德国马克斯·普朗克神经生物学研讨所现任主任Denk和他的协作者——马克斯·普朗克脑研讨所副主任Moritz Helmstaedter在2013年宣布了其研讨成果【4】。可是“小鼠大脑立方毫米方案”面对的是10万个神经元，其他类似的项目也在进行中。

“1立方毫米的体积已满足了解大部分部分衔接，特别关于坐落中心部分的神经元来说。” 艾伦研讨所的神经科学家Nuno da Costa说。因而，依据小鼠大脑方案获得的图谱，科学家将能够探究完好的部分神经回路，而非单个神经元和周围稀少的衔接网络。艾伦研讨所进行的研讨是和美国贝勒医学院、普林斯顿大学和哈佛大学协作展开的，由美国政府资助，项目名为“皮层网络机器智能”。

依据“小鼠大脑立方毫米方案”现在的发展，有的研讨人员猜测完好的小鼠大脑的纳米标准衔接组图谱将在未来十年内发生，终究数据巨细或许约1EB（10亿GB）。“这个方针或许需求许多实验室协作才干完结。”哈佛大学神经科学家Jeff Lichtman说。“但至少这个方针是或许完结的，”他说，“这一点十分让人振奋。”

其他人则持续坚持慎重的情绪。美国霍华德·休斯医学研讨所的核算机专家Stephen Plaza说，规划如此巨大的项目“将面对许多后勤方面的应战”。他以为在进入鼠脑这类杂乱神经系统之前，衔接组学范畴应该先从一些中等规划的项目下手。“在衔接组学范畴，咱们现在仍处于学步状况。”他说。

Plaza现在就担任着一个这样的项目——FlyEM，该项目旨在制作黑腹果蝇（Drosophila melanogaster）的中枢神经系统衔接组图谱。其团队估计将在2020年头发布约三分之一黑腹果蝇大脑的数据。Plaza期望在接下来的几年中能够进一步制作整个中枢神经系统的衔接组——包括果蝇大脑中的约100,000个神经元和1亿个衔接，以及腹侧神经索（大致适当于脊椎动物的脊髓）中类似数量的神经元和突触。

与此一同，Lichtman正在研讨斑马鱼（Danio rerio）衔接组，并尝试着对一小块人类大脑安排进行剖析——这块安排是从由于癫痫而承受脑外科手术的患者那里获得的内侧颞内获得的样本。该安排样本的体积大约也为1立方毫米，但考虑到人类大脑皮层的厚度，样本形状更类似平板，而不是立方体。

Denk和他的搭档正在制作斑胸草雀（Taeniopygia guttata）的衔接组，从这种小鸟学习歌唱的进程中，能够旁边面了解人类的言语学习进程。Kasthuri也有许多项目正在进行中。“现在咱们现已有很多关于小鼠大脑神经回路的数据，我以为最好的研讨办法是进行横向（跨物种）或纵向（发育进程）的比较，”他说， “最重要的信息往往来自彼此比较。”

为此，Kasthuri方案制作非人灵长类动物以及章鱼（Octopus bimaculoides）大脑中的视觉中枢部分。“章鱼和人类差异十分大，但又极具才智。”他说， “因而我十分等待将章鱼和小鼠的大脑衔接组放在一同进行比较。”

一同，Kasthuri还致力于制作年少小鼠和章鱼的完好衔接组图谱——将这些没有老练的衔接组与成年动物的衔接组进行比较，有助于深化了解大脑怎么从经历中学习。考虑到章鱼大脑相对较小，Kasthuri期望能在一年内完结年少章鱼衔接组图谱的制作。

轮到AI大显神通了

现在艾伦研讨所的研讨人员已完结了对立方毫米小鼠大脑的图画搜集，并将这些数据发送给了普林斯顿大学的神经科学家和核算机科学家Sebastian Seung。Seung的实验室将依据图画进行三维重建，对突触进行标示，并对标本内总长约4千米的神经纤维进行分段描绘。

分段一向是衔接组学研讨中的限速进程。假如选用传统手艺办法，经过很多显微镜相片追溯单个神经元的纤维途径或许就需求花费数周时刻。但现在，咱们有了人工智能。Seung的团队开发的机器学习算法能够逐像素地对图画进行评价，确认神经元的具体方位。

相比人眼，核算机的分段速度更快，能够将追寻神经元所需的时刻缩短到几小时乃至几分钟。但这种分段并没有那么准确：核算机算法或许会遗失一些神经元或将两个神经元误以为一个。因而核算机得出的重建图谱仍需求人工复核。Seung的团队提出经过众包的办法完结复核，他们特别推出了一款名为Eyewire的在线游戏，游戏玩家需求找到衔接组图画草稿中的过错并进行纠正。Eyewire的履行董事Amy Robinson Sterling表明，自2012年推出以来，Eyewire已具有290,000名注册用户，这些玩家的奉献等同于32名全职作业人员接连作业7年。

“发育大脑衔接组项目”（Developing Human Connectome Project）首要针对新生儿大脑中的神经纤维进行成像。

来历：Max Pietsch/DHCP

到现在为止，玩家们一向在在追寻小鼠视网膜中的细胞，他们共协助发现了六种神经元，并挑选以古希腊神的姓名对其命名。Sterling和她的团队正在预备一个名为“Neo”的新版游戏，游戏将运用小鼠视觉皮层数据集。

Neo的游戏界面将依据谷歌开发的Neuroglancer程序，该程序能够将平面的是非电子显微相片转化为五颜六色的神经元3D网络。许多纳米标准衔接组制作项目都运用该程序来对数据进行可视化处理。

谷歌还开发了一款神经元分段算法——泛洪算法网络，由加利福尼亚州Google AI的Viren Jain带领团队规划出来。该算法从图画中的某个点开端逐步构建结构，而非企图一会儿明晰一切神经元的鸿沟。“这就有点像人们在填色书里涂色。”Jain说。他的团队正在将该技能运用于FlyEM数据，并已依据珍利亚研讨园区另一个团队供给的显微相片，构建了完好果蝇大脑的大略衔接组图谱。别的，他们还在用算法处理Denk和Lichtman实验室的数据。

“他们构建的衔接组看起来真的很漂亮，”Lichtman说到算法处理成果时说道，并指出该算法追寻神经元的速度远比他团队搜集显微相片的速度快。“咱们无法赶上他们的速度。”他弥补道， “那是一个很棒的当地。”

Jain十分慎重地提示说，跟着项目规划逐步扩展，分段算法有必要愈加准确，确保所需的人工复核作业量在可行的范围内。

进步图画搜集精度及速度

与此一同，科学家也在不断改进显微镜技能，期望能以更快的速度生成更明晰、更详尽的图画，为制作哺乳动物大脑的纳米标准衔接组做预备。

衔接组学研讨中运用的传统显微镜叫做接连切片电子显微镜。研讨人员将神经安排嵌入塑猜中，并切成厚度和人类头发差不多的切片。接着，他们将切片放置在专用胶带条上，就和卷在卷筒上的胶片类似，然后将胶带条放入显微镜中进行拍照。

这种办法的长处是样品能够长时刻保存，如有需求，能够重复成像。但不管做得多么准确，切开样品都不可避免地会形成误差，终究影响图画重建。

现在比较新的一种办法叫做聚集离子束扫描电子显微镜（FIB-SEM）：运用带电离子束刮掉一层薄薄的安排样本，显微镜拍照新露出的外表，然后不断重复这个进程。FlyEM项目是该办法第一次在如此大的规划上得到运用。

尽管FIB-SEM速度并不快，但它有一个十分明显的长处，那便是所发生的图画在三个维度上的分辨率是相同的，而传统办法生成的图片笔直方向上会相对粗糙。可是，安排样品在该进程中会汽化，因而无法重复成像。别的，FIB-SEM的视界十分小，因而无法用于更大的样本。（即使是罂粟种子巨细的果蝇大脑也有必要进一步切成小块。）珍利亚研讨园区的神经科学家Kenneth Hayworth开发的气体团簇离子束扫描电子显微镜（GCIB-SEM）作业办法类似，但视界较大，因而更适合于体积更大的脑安排成像。

GCIB-SEM或许与多光束电子显微镜的兼容性更好，研讨人员期望多束电子束一同扫描样品能够能加速图画搜集速度。Lichtman实验室运用的是由Carl Zeiss制作的有61道光束的显微镜，Denk实验室则有91束，包括数百个光束、终究有望每秒搜集一千万像素图画数据的电子显微镜也正在研制中。

发掘数据背面的含义

但速度也会带来问题。现在纳米标准衔接组项目正在敏捷发生很多数据，随之而来的应战便是怎么解读这些数据。“咱们手边有这么多现现已过处理的数据，” Reid说， “很多的科学家能够常常性地在这个数据集上有新的发现。而咱们现在远没有那么多科研人员。”

另一个问题是怎么将纳米标准衔接组数据与其他更大规划的神经科学项目（如人类衔接组项目）联络起来。人类衔接组项目对大约1200个研讨目标的大脑进行了磁共振扫描，依据所得图画从毫米标准了解衔接大脑不同区域的神经纤维，终究制作了名为微观衔接组的图谱。

“神经科学中最大的问题便是标准。”伦敦国王学院的新生儿学家David Edwards说。他是发育大脑衔接组项意图参与者之一，该项目首要对数百个宫内胎儿、足月儿及早产儿的大脑进行扫描。“在微观层面、微观层面、人口学层面都有十分精彩的研讨正在进行中，”David Edwards说，“但咱们没办法将不同层面的研讨联络在一同。”

在某些方面，乃至比纳米标准衔接组更具体的新数据也在不断出现。比如，经过衔接组数据，咱们只能了解突触的方位，而无法知晓其分子组成。“我以为这是咱们需求添补的一项空白，”英国爱丁堡大学的分子神经科学家Seth Grant说， “不然就无法找到将其与基因组学之间的联络。”Grant以为基因组学信息关于研讨演化和遗传学对大脑功用发生了怎样的影响至关重要。

欢迎来到突触的国际。在2018年宣布的一篇论文中，Grant和他的团队对小鼠整个大脑中约10亿个突触进行了分类【5】。他们依据蛋白含量、巨细和形状，共将突触分为37个亚型，并确认了不同大脑区域中突触亚型的散布。Grant团队也开端着手将突触亚型与其构成的衔接联络起来。“将突触组和衔接组联络起来，”Grant说，“将是未来的一大研讨前沿。”

参考文献：

1. White, J. G., Southgate, E., Thomson, J. N. & Brenner, S. Philos.Trans. R. Soc. Lond. B314, 1–340 (1986).

2. Ryan, K., Lu, Z. & Meinertzhagen, I. A.eLife5, e16962 (2016).

3. Denk. W. & Horstmann, H.PLoS Biol.2, e329 (2004).

4. Helmstaedter, M.et al. Nature500, 168–174 (2013).

5. Zhu, F.et al. Neuron99, 781–799 (2018).

作者Sarah DeWeerdt是一名常驻美国西雅图的科学作家

原文以How to map the brain为标题

发布在2019年7月24日出书的《天然》增刊“天然展望-大脑”上。

咱们在此衷心感谢上海脑科学与类脑研讨中心（Shanghai Research Center for Brain Science and Brain-Inspired Intelligence）、上海联影医疗科技有限公司（United Imaging Healthcare Technology Group Co. Ltd）、陈天桥雒芊芊研讨院临床转化中心（Tianqiao and Chrissy Chen Institute Clinical Translational Research Center）、上海绿谷制药有限公司（Shanghai Green Valley Pharmaceutical Co. Ltd）以及寒武纪科技（Cambricon Technologies Corporation）等资助方对本增刊出书的支撑。《天然》对一切社论内容全权担任。

版权声明：

2019 Springer Nature Limited. All Rights Reserved

喜爱今日的内容吗？喜爱就点个“在看”吧