谷歌的最新研究非常直观深入地研究果蝇的大脑。

它与霍华德休斯医学研究所（HHMI）Janelia Research Campus和剑桥大学合作，公布了一项研究结果，探讨一个神经元接着一个神经元，自动重建整个果蝇的大脑。

新的论文名为“Automated Reconstruction of a Serial-Section EM Drosophila Brain with Flood-Filling Networks and Local Realignment”。这是Janelia Research Campus研究人员在Cell杂志上发表的论文的后续。

参与该研究的团队给果蝇的脑细胞和突触注入了重金属，以标记每个神经元及其连接的轮廓。为了生成图像，他们用一束电子束击中了大约7062个大脑切片，电子束穿过了除金属负载部分以外的所有物体。

这篇最新论文的共同作者希望他们在连接体方面的工作，即连接体的产生和研究，或生物体神经系统内连接的综合地图，将加速HHMI和剑桥大学对苍蝇大脑中学习、记忆和感知的研究。

本着开源的精神，他们公开了Neuroglancer（一种内部交互式3D界面），提供了完整的搜索结果，可以在线浏览并下载。

重建果蝇大脑

果蝇属中的果蝇不是任意选择的目标。正如一篇论文的共同作者在一篇随附的博客文章中指出的那样，与青蛙的大脑（超过1000万个神经元）、老鼠的大脑（1亿个神经元）、章鱼的大脑（5亿个神经元）或人类的大脑（1000亿个神经元）相比，苍蝇的大脑相对较小，只有10万个神经元。

这使得它们作为一个完整的回路更容易进行研究。

绘制果蝇大脑需要先将其切割成数千个超薄40纳米切片，然后使用透射电子显微镜对其进行成像，并将其对准整个大脑的3D图像体积。

接下来，成千上万的云张量处理单元（TPU）运行了一种名为泛洪填充网络（FFN）的特殊算法，用于复杂形状的分割，随着时间的推移，FFN会自动跟踪果蝇大脑中的每个神经元。

重建并没有顺利进行，当连续部分中的图像内容不稳定或缺少多个连续切片时（由于与切片和成像过程相关的挑战），FFN表现不佳。

为了减少精度和准确度的下降，该团队估计了3D脑图像中切片到切片的一致性，并在内部稳定了内容，同时FFN突出了每个神经元。

此外，他们还使用了一种名为Segmentation-Enhanced CycleGAN（SECGAN）的AI模型，一种生成性对抗网络专门用于分割，以计算方式填充图像体积中的缺失切片。通过这两个新程序，他们发现FFN能够更加稳健地追踪具有多个缺失切片的位置。

40万亿像素的果蝇大脑重建。谷歌AI在2016年和2018年分析的较小的数据集。

改进与展望

在大脑完全成像的情况下，该团队使用前面提到的Neuroglancer解决了可视化问题，它是开源的，目前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、普林斯顿大学和其他地方的合作者使用。

它基于WebGL，并在较新版本的Chrome和Firefox中得到支持，它展示了一个由三个正交横截面视图组成的四窗格视图，以及一个显示所选对象的3D模型的视图（具有独立方向）。

除了能够查看PB级3D卷外，Nueroglancer还支持任意轴横截面重构，基于线段的模型，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功能。

此外，它能够通过HTTP以多种格式摄取数据，包括BOSS，DVID，Render，预计算的块和网格片段，单个NIfTI文件，Python内存卷和N5。

该论文的共同作者指出，大脑图像并不完美，因为它仍然包含一些错误，而且跳过了对突触的识别。但他们预计，分割方法的进步将带来重建方面的进一步改进。

他们正在与Janelia Research Campus FlyEM团队合作，利用聚焦离子束扫描电子显微镜技术获得的图像，创建一个经过高度验证和详尽的苍蝇大脑连接体。

论文：

www.biorxiv.org/content/biorxiv/early/2019/04/11/605634.full.pdf

开源：

bit.ly/2Z0EJd2