十年磨一「圖」，谷歌震撼發(fā)布納米級人腦圖譜！AI加持人類大腦研究

　　就在今天，人們被這張1立方毫米的納米級人腦皮層圖震撼到了。谷歌的十年神經(jīng)科學(xué)成果——人腦圖譜，也登上了Science。其中，科學(xué)家們發(fā)現(xiàn)了此前從未發(fā)現(xiàn)的細(xì)胞，和全新的連接模式。

　　人類大腦皮層，可以以納米級分辨率建模了!

　　谷歌研究的連接組學(xué)團(tuán)隊，已經(jīng)成立十年了。作為紀(jì)念，就在今天，團(tuán)隊放出了這張1.4PB的人腦連接組圖。

　　就是在這張圖中，谷歌的科學(xué)家發(fā)現(xiàn)了此前從未發(fā)現(xiàn)的特征細(xì)胞。

　　圖中包含57k個細(xì)胞，和150M個突觸。

　　1立方毫米的大腦，以驚人的細(xì)節(jié)被繪制出來。這張圖帶給人的沖擊力，實在太震撼了。

　　這張3D圖，覆蓋了大約一立方毫米的體積，是整個大腦的百萬分之一，包含大約57，000個細(xì)胞和1.5億個突觸，是1.4PB的龐大數(shù)據(jù)

　　10年間，Google Research連接組學(xué)團(tuán)隊一直致力于實現(xiàn)用高通量的方法研究大腦中的神經(jīng)網(wǎng)絡(luò)架構(gòu)，增進(jìn)我們對大腦結(jié)構(gòu)和功能的理解。

　　而這篇紀(jì)念文章可以說是近十年研究成果的集大成者。

　　目前文章已在Science發(fā)表，并得到了Nature的報道。

　　對人類大腦重建的研究，有何意義?

　　谷歌的科學(xué)家認(rèn)為，如果繼續(xù)研究大腦的連接，或許有朝一日我們就會了解我們的記憶是如何形成的，甚至找到神經(jīng)系統(tǒng)疾病、自閉癥、阿爾茨海默病的成因。

　　網(wǎng)友們紛紛表示:「這些圖像太令人震驚了，簡直就像在外太空觀察復(fù)雜的結(jié)構(gòu)一樣�？赡茉谟郎�之年，我們都無法理解自己大腦里的一切�！�

　　也有人有感而發(fā):「人腦有1000億個神經(jīng)元和3000萬億個突觸，而GPT-4只有2萬億的參數(shù)，所以，我們還有很大空間�！�

　　六張大腦神經(jīng)圖，效果驚人

　　接下來展示的這六張大腦圖譜，都在谷歌AI的幫助下繪制出來的。由此，我們終于揭開了大腦錯綜復(fù)雜的面紗。

　　透過六層大腦皮層可視化

　　首先，哈佛研究人員從捐贈的大腦樣本中，收集了數(shù)千張極薄的橫斷面圖像。

　　這小塊健康的腦組織，是在為一名癲癇患者進(jìn)行手術(shù)時切除的，目的是讓醫(yī)生能夠到達(dá)需要手術(shù)的部位。

　　隨后，谷歌借助開發(fā)先進(jìn)AI工具，對這塊腦組織，構(gòu)建出了交互式的3D模型。

　　如下圖所示，這個3D模型凸顯了人腦的高度復(fù)雜性。

　　僅這一小片樣本(長約3毫米，占人腦容量百萬分之一)，就需要超100萬GB的數(shù)據(jù)，即1.4PB。

　　這是有史以來分辨率最高、數(shù)據(jù)量最大的關(guān)于人腦結(jié)構(gòu)的數(shù)據(jù)集。

　　樣本來自大腦皮層(灰質(zhì))的一部分，稱為前顳葉(見圖)。大腦皮層有六層，根據(jù)神經(jīng)元的大小和類型給神經(jīng)元著色。在放大后的所有神經(jīng)元視圖中，各層神經(jīng)元清晰可見。大腦表面在圖像的頂部邊緣

　　密密麻麻的「地圖」

　　一立方毫米的組織樣本，包含大約5萬個細(xì)胞，和大約1.5億個突觸。

　　一些神經(jīng)元對具有驚人的特性，它們之間的聯(lián)系非常緊密，多達(dá)50個突觸相互連接。

　　下圖展示了興奮性神經(jīng)元的特寫圖，按大小著色，紅色最大，藍(lán)色最小。這些細(xì)胞的核心直徑約為15-30微米。

　　鏡像之舞

　　在重建的過程中，研究人員還發(fā)現(xiàn)了一個奇特的現(xiàn)象，細(xì)胞群往往是以「鏡像對稱」的方式出現(xiàn)。

　　就如開篇的這張圖一樣，這對細(xì)胞，像是在跳舞一樣。

　　這一層包含所謂的「三角形神經(jīng)元」，這些神經(jīng)元的一個基底樹突遠(yuǎn)大于其他樹突。77%的三角神經(jīng)元可以分為兩大類:一類的大基底樹突傾斜向樣本的一側(cè)，另一類以鏡像對稱的角度傾斜向另一側(cè)。

　　統(tǒng)計分析表明，具有相同傾斜類型的神經(jīng)元更傾向于相鄰在一起。這種統(tǒng)計上的關(guān)聯(lián)性暗示著可能有某種未知的潛在功能在發(fā)揮作用。

　　在突觸中游泳

　　大腦中的神經(jīng)元，緊密相連。

　　如下，這個神經(jīng)元(白色)有5000多條來自其他神經(jīng)元的軸突(藍(lán)色)，傳遞過來信號。

　　而且至少有同等數(shù)量的突觸，信號從軸突傳遞到接收神經(jīng)元的地方。

　　圖中的突觸以綠色顯示。

　　一個奇怪的發(fā)現(xiàn):軸突螺旋

　　這項研究的一個奇特的發(fā)現(xiàn)，就是一個「軸突螺旋」，也即下圖中藍(lán)色的部分。

　　軸突(藍(lán)色)是神經(jīng)細(xì)胞的絲狀部分，負(fù)責(zé)將信號從細(xì)胞中傳遞出去。

　　這些環(huán)狀軸突堆在樣本中非常少見，在某些情況下，它們會位于另一個細(xì)胞(黃色)的表面上。

　　至于這種藍(lán)色的「軸突螺旋」起著什么功能，目前還是未知的。

　　認(rèn)真的網(wǎng)絡(luò)

　　下圖中白色的部分，是單個神經(jīng)元。

　　它會接收信號，確定神經(jīng)元是否放電。

　　而這張圖顯示了所有可以告訴它發(fā)射的軸突(綠色)和所有可以告訴它不發(fā)射的軸突(藍(lán)色)。

　　想象一下，在整個大腦中有多少這樣的神經(jīng)元，這可是海量的信息!

　　建立細(xì)胞層面的「大腦地圖」

　　盡管人體大多數(shù)重要器官的功能與其他動物并沒有太大差異，但人腦的特殊性讓我們有別于地球上的其他生物。

　　人腦由數(shù)十億個細(xì)胞相互連接形成的神經(jīng)網(wǎng)絡(luò)組成，可能是現(xiàn)存計算最復(fù)雜的機(jī)器，它的能力超過很多耗電量驚人的人工計算系統(tǒng)，但它的功耗僅有12W左右，和一個白熾燈泡差不多。

　　目前，我們對人腦的了解止步于哪一個區(qū)域負(fù)責(zé)什么功能。想要進(jìn)一步探究其工作方式，比如記憶如何形成、神經(jīng)系統(tǒng)疾病的機(jī)制等，就需要深入到細(xì)胞層面。

　　這就是新興的「連接組學(xué)」領(lǐng)域的研究內(nèi)容，旨在了解并精確重現(xiàn)大腦細(xì)胞之間的連接，建立一個大腦中的「神經(jīng)元地圖」。

　　這篇研究的連接組學(xué)成像方法使用納米級分辨率，重建了大腦皮層中千萬億體素級別的片段，包括1600個神經(jīng)元、32000個神經(jīng)膠質(zhì)細(xì)胞、8000個血管細(xì)胞、1.5億個突觸，但實際涉及的大腦組織只有一立方毫米，相當(dāng)于半粒米大小。

　　要進(jìn)行重建工作，首先需要采集真實樣本的圖像數(shù)據(jù)，也即上文提到的癲癇患者的腦組織樣本。

　　利用這份樣本，哈佛大學(xué)分子與細(xì)胞生物學(xué)系的Lichtman教授團(tuán)隊制作了5000多份厚度約為30納米的切片，并使用一種名為「多波束掃描電子顯微鏡」的設(shè)備收集高分辨率圖像，僅圖像采集的工作就花費了326天時間。

　　研究所使用的腦組織樣本來自以為位于左前顳葉

　　在此基礎(chǔ)上，團(tuán)隊將圖像數(shù)據(jù)進(jìn)行對齊、縫合，重建了每個細(xì)胞的三維結(jié)構(gòu)，包括軸突和樹突，識別細(xì)胞間的突觸連接并對細(xì)胞進(jìn)行分類。

　　使用一小塊人腦組織，研究人員構(gòu)建了一張幾乎包含了所有神經(jīng)元及其連接的三維圖像。上圖為興奮性神經(jīng)元，下圖為抑制性神經(jīng)元。所用組織樣本約為3毫米寬，其中神經(jīng)元細(xì)胞體直徑范圍為15-30微米

　　神經(jīng)科學(xué)新發(fā)現(xiàn)

　　這些人腦重建的工作揭示了一些前所未見的結(jié)構(gòu)，可能會改變我們對大腦工作方式的理解。

　　例如，研究發(fā)現(xiàn)了一種罕見但非常強(qiáng)大的突觸連接，其中有一對神經(jīng)元之間可能存在超過50個單獨的突觸連接。

　　96.5%的軸突與目標(biāo)細(xì)胞之間的連接僅包含一個突觸，但有0.092%的連接含有四個甚至更多的突觸。研究發(fā)現(xiàn)了這些連接的形態(tài)，結(jié)合統(tǒng)計分析結(jié)果，可以表明這些強(qiáng)大的連接并非偶然。

　　進(jìn)一步研究這些連接可能會揭示它們在大腦中的承擔(dān)的功能，比如作為某種快速神經(jīng)反應(yīng)的機(jī)制或者編碼重要記憶的方式，

　　在極為罕見的情況下，單個軸突(藍(lán)色)與目標(biāo)神經(jīng)元(綠色)會形成多次突觸連接(黃色)，這些緊密連接的目的尚未可知

　　而鑒于腦組織樣本來自癲癇患者，雖然研究人員在光學(xué)顯微鏡下并沒有觀察到明顯的病理跡象，但不能排除這些特殊的結(jié)構(gòu)與患者的疾病或者服用的藥物有關(guān)，也許對更多樣本進(jìn)行分析才能厘清其中的原因。

　　以上這些發(fā)現(xiàn)也許只是冰山一角，研究團(tuán)隊表示，這份數(shù)據(jù)集非常龐大且復(fù)雜，相信未來還有更多全新的大腦結(jié)構(gòu)和特征有待發(fā)現(xiàn)。

　　AI賦能腦科學(xué)

　　由于AI的興起和各種軟件工具的發(fā)展，連接組學(xué)也隨之變得越來越強(qiáng)大。

　　在AI工具出現(xiàn)前，第一個連接組發(fā)表于1986年，僅包含秀麗隱桿線蟲的302個神經(jīng)元，而且耗費了研究人員16年的時間，因為他們需要在所有線蟲橫截面的顯微鏡照片上對細(xì)胞進(jìn)行進(jìn)行手動著色。

　　十年前，谷歌連接組學(xué)團(tuán)隊成立之時，它們的愿景之一就是使用AI的前沿成果處理生物學(xué)領(lǐng)域龐大的數(shù)據(jù)集，才能從302個神經(jīng)元的線蟲，發(fā)展至百億數(shù)量級細(xì)胞的復(fù)雜生物組織。

　　連接組學(xué)自20世紀(jì)70年代以來的發(fā)展歷程

　　有了AI加持，研究人員就不需要對1.4PB的電鏡數(shù)據(jù)進(jìn)行手動著色了，他們開發(fā)了一種名為「flood-filling」的RNN模型，可以自動分割電鏡圖片并重建神經(jīng)細(xì)胞，而且有較高的準(zhǔn)確率，不需要大量的人工校對工作。

　　這篇文章在2018年就發(fā)表于Nature Methods。

　　在此基礎(chǔ)上，團(tuán)隊還開發(fā)了自動識別算法SegCLR，用于在腦神經(jīng)網(wǎng)絡(luò)中識別并分類不同部分的細(xì)胞。

　　為了存儲并管理海量的多維數(shù)據(jù)集，Google團(tuán)隊還推出了基于C++和Python的開源軟件庫TensorStore，得到了廣泛使用，項目在GitHub上獲得1.3k星。