资讯
2019-11-29 14:11:46 来源:艾崴安检
[摘要]哺乳动物的大脑,从神经细胞数量和它们之间连接的密度来看,是已知的最复杂的网络。通过成像大脑组织中的每一个突触和所有神经丝,对神经元回路进行密集的映射一直是一个重大挑战
哺乳动物的大脑,从神经细胞数量和它们之间连接的密度来看,是已知的最复杂的网络。通过成像大脑组织中的每一个突触和所有神经丝,对神经元回路进行密集的映射一直是一个重大挑战。
近日,德国马克斯·普朗克大脑研究所的研究人员对小鼠的大脑皮层进行了成像和分析。通过使用先进的自动化成像和分析工具,以高空间分辨率重建了89个神经元的形态特征及其在小鼠桶状皮质(barrel cortex)中的连接。这项成果登上了本期Science封面。
研究人员应用了优化的基于AI的图像处理和有效的人机交互,以分析约40万个突触和约2.7米的神经元电缆。他们在大约7,000个轴突和大约3,700个突触后神经突之间建立了一个连接体,产生的连接体比六十年前从小鼠视网膜获得的连接体大26倍。重要的是,这种重建同时要比应用于视网膜的重建大,效率要高出33倍。这种方法揭示了有关皮层皮质和兴奋性丘脑皮质连接的抑制性和兴奋性突触的连通性的信息。
研究人员从小鼠桶状皮质的第4层重建了约500000立方微米的体积,比以前从哺乳动物的大脑皮层进行的密集重建约大300倍。连接组数据能够提取几何信息无法预测的抑制性和兴奋性神经元亚型。研究人员量化了连接组的印迹,其产生了与饱和长期增强作用一致的回路部分的上界。这些数据建立了哺乳动物皮质局部致密神经元回路的连接组表型分析方法。
这项研究的第一作者Alessandro Motta表示:“一些突触可塑性模型对学习例如识别树或猫时的突触重量增加做出了具体的预测,我们感到惊讶的是,即使在一块相对较小的皮质中也能找到这样的信息和精度。”
接下来我们为大家解读这项研究:
人机数据分析的效率决定了连接组学的进展,研究提出3点提高分析效率
通过使用基于人工智能的方法,图像分析已经取得了关键进展,但是,致密神经组织的重建仍然很容易出错,以至于未展现其科学意义。为了解决这个问题,人类数据分析已经集成到连接组的生成中,而现在,这种人机数据分析的效率决定了连接组学的进展。
因此,研究人员重点关注如何提高分析效率,这主要有以下几点:
提高自动分割质量;
分析自动分割中可能存在错误的位置,并将人工工作仅引导到这些位置上;
通过帮助注释者来优化人员数据交互,以便立即了解要解决的问题,从而实现浏览器内部并行数据的快速传输,并最大程度地减少注释程序查询之间的延迟。
先进显微镜+人工智能:3981小时完整重建一小块小鼠大脑的每个细胞
研究人员使用连续扫描电子显微镜(SBEM)从一只28天龄的小鼠的初级体感皮层的第4层(图1, A至D)获得了一个3D EM数据集。
对于密集重建(图1,E到H),研究人员对图像进行3D对齐,并应用了一系列自动分析技术[SegEM, SynEM, ConnectEM和TypeEM],然后,有重点地进行人工注释(FocusEM)。研究人员在数据集中重建了89个神经元(图1、E和F),这些神经元仅占总连接长度的2.6%。
图1:小鼠初级体感皮层第4层的密集神经元连接组重建。
为了重建构成密集回路中大部分布线的轴突,研究人员采用了一种可扩展的分布式注释策略,该策略可识别自动重建中不确定的位置,然后通过有针对性的手工注释来解决。
为了减少所需的手工注释时间,获得具有低错误率的自动化重构、使用高效的算法来识别用于集中人工检查(查询)的位置、以及最大程度地减少每次查询所花费的时间至关重要。为此,如图2A所示,研究人员开发了基于人工智能的算法来评估EM图像数据和经卷积神经网络(CNN)过滤后的图像数据(图2B)。
图2:高效密集连接组重建的方法。
使用这种灵活的注释结构,获得了2.69m的密集神经元突起的重建(图1,G和H),人工工作投入的时间仅为3981个小时。这比2017年K. Eichler等人重建果蝇幼虫大脑的工作快了10倍,比2013年科学家完整重构哺乳动物小块视网膜的工作快了20倍。
价格:¥0.00
价格:¥0.00