连接组学研究 的目标是绘制大脑的“接线图”,以了解神经系统的工作原理。近期研究的主要目标是果蝇( Drosophila melanogaster)的大脑,果蝇是生物学中公认的研究动物。果蝇研究已获得八项诺贝尔奖,这些研究推动了分子生物学、遗传学和神经科学的发展。果蝇的一个重要优势是它们的大小:与例如小鼠大脑(一亿个神经元)或人类大脑(一千亿个神经元)相比,果蝇大脑相对较小(十万个神经元)。这使得将果蝇大脑作为一个完整的回路进行研究更容易。
今天,我们与霍华德·休斯医学研究所 (HHMI)珍妮莉亚研究园区和剑桥大学合作,很高兴发表一篇新的研究论文《使用洪水填充网络和局部重新调整自动重建连续切片 EM 果蝇大脑》,该论文介绍了整个果蝇大脑的自动重建。我们还将提供完整的结果,供任何人下载或 使用我们开发的名为 Neuroglancer 的交互式 3D 界面在线浏览。
40 万亿像素的苍蝇大脑重建图,任何人都可以进行交互式查看。右下角:谷歌人工智能在2016 年和2018 年的出版物中分析的较小数据集。
自动重建 40 万亿像素
我们在 HHMI 的合作者将苍蝇大脑切成数千个超薄的 40 纳米切片,使用透射电子显微镜对每个切片进行成像(产生超过 40 万亿像素的大脑图像),然后将 2D 图像对齐为整个苍蝇大脑的连贯 3D 图像体积。然后,我们使用数千个Cloud TPU应用洪水填充网络(FFN),它可以自动追踪苍蝇大脑中的每个神经元
。 虽然该算法通常表现良好,但我们发现,当对齐不完美(连续切片中的图像内容不稳定)或偶尔由于切片和成像过程相关的困难而缺少多个连续切片时,性能会下降。为了弥补这些问题,我们将 FFN 与两个新程序相结合。首先,我们估计 3D 图像中各处切片之间的一致性,然后在 FFN 追踪每个神经元时局部稳定图像内容。其次,我们使用“分割增强型 CycleGAN ”(SECGAN)通过计算“幻化”图像体积中缺失的切片。SECGAN 是一种专门用于图像分割的生成对抗网络。我们发现,当使用 SECGAN 幻化图像数据时,FFN 能够更稳健地追踪具有多个缺失切片的位置。
使用 Neuroglancer 对苍蝇大脑进行交互式可视化
在处理包含数万亿像素的 3D 图像和具有复杂形状的物体时,可视化既重要又困难。受 Google 开发新可视化技术历史的启发,我们设计了一款可扩展且功能强大的新工具,但任何拥有支持 WebGL 的 Web 浏览器的人都可以使用。结果就是 Neuroglancer,一个开源项目(github),可以查看 PB 级 3D 体积,并支持许多高级功能,如任意轴横截面重新切片、多分辨率网格,以及通过与 Python 集成开发自定义分析工作流的强大能力。该工具已被艾伦脑科学研究所、哈佛大学、HHMI、马克斯普朗克研究所、麻省理工学院、普林斯顿大学等机构的合作者广泛使用。
下一步
我们在 HHMI 和剑桥大学的合作者已经开始使用这种重建来加速他们对苍蝇大脑的学习、记忆和感知的研究。 然而,上面描述的结果还不是真正的连接组,因为建立连接组需要识别突触。我们正与 Janelia 研究中心的FlyEM 团队密切合作,使用“ FIB-SEM ”技术获取的图像创建经过高度验证的、详尽的苍蝇大脑连接组。致谢我们要感谢 Tim Blakely、Viren Jain、Michal Januszewski、Laramie Leavitt、Larry Lindsey、Mike Tyka(谷歌),以及 Alex Bates、Davi Bock、Greg Jefferis、Feng Li、Mathew Nichols、Eric Perlman、Istvan Taisz 和 Zhihao Zheng(剑桥大学、HHMI Janelia、约翰霍普金斯大学和佛蒙特大学)的核心贡献。
评论