為動(dòng)物大腦繪制完整“接線圖”

　　新研究欲摸清“大腦中每條路、每棟房和每扇門”

　　【今日視點(diǎn)】

　　◎本報(bào)記者 張夢然

　　在過去的幾年里，人們越來越清楚地看到，大腦的大多數(shù)計(jì)算實(shí)際上不是發(fā)生在孤立的區(qū)域，而是在整個(gè)大腦的分布式網(wǎng)絡(luò)中。因此，如果我們真的要了解大腦計(jì)算是如何產(chǎn)生的，就需要了解整個(gè)網(wǎng)絡(luò)，也就是說，要看到整個(gè)大腦的連接。

　　現(xiàn)在，哺乳動(dòng)物大腦中所有連接的完整圖譜可能就在眼前。

　　美國艾倫腦科學(xué)研究所(以下簡稱“艾倫腦研所”)剛剛啟動(dòng)了3個(gè)新項(xiàng)目，以構(gòu)建小鼠和獼猴大腦部分神經(jīng)元連接的大型詳細(xì)圖譜，并著眼于將來創(chuàng)建這些動(dòng)物大腦的完整“接線圖”。這些項(xiàng)目均由美國國立衛(wèi)生研究院(NIH)的“推進(jìn)創(chuàng)新神經(jīng)技術(shù)腦研究計(jì)劃”(BRAIN)計(jì)劃資助。

　　大腦中每條道路的“導(dǎo)航地圖”

　　第一項(xiàng)研究，先從透射電子顯微鏡開始。

　　這是一種發(fā)射電子束穿過組織樣本以創(chuàng)建極其詳細(xì)的圖像的技術(shù)。現(xiàn)在，科學(xué)家要擴(kuò)展和優(yōu)化透射電子顯微鏡管道，然后使用該管道，以120納米分辨率，對小鼠大腦的整個(gè)半球和皮質(zhì)基底神經(jīng)節(jié)丘腦環(huán)進(jìn)行非常精細(xì)的細(xì)節(jié)成像，以更好地了解小鼠大腦的功能。

　　接著，研究人員就可以嘗試這項(xiàng)技術(shù)是否能進(jìn)一步對整個(gè)小鼠大腦成像——這是一項(xiàng)重大成就，能為全球神經(jīng)科學(xué)提供非常有價(jià)值的路線圖。

　　艾倫腦研所副研究員努諾·達(dá)·科斯塔博士指出，這對更廣泛的領(lǐng)域都將產(chǎn)生巨大影響，因?yàn)檫@就像“大腦中每條道路、每棟房屋和每扇門的導(dǎo)航地圖”，如果做得好，將是一項(xiàng)影響深遠(yuǎn)的貢獻(xiàn)。

　　在幾年內(nèi)而不是百年內(nèi)完成

　　在第二個(gè)項(xiàng)目中，科學(xué)家將通過追蹤軸突和樹突伸出并連接其他腦細(xì)胞時(shí)形成的“蜿蜒路徑”，去繪制全腦連接圖。

　　人們可以將它們想象成腦細(xì)胞的長臂和手指，從細(xì)胞體輻射出來，延伸到整個(gè)大腦的其他細(xì)胞以創(chuàng)建網(wǎng)絡(luò)。而研究人員將使用一種名為BARseq的創(chuàng)新技術(shù)，追蹤這些復(fù)雜的路徑，BARseq代表通過測序解析的條形碼解剖結(jié)構(gòu)。

　　它的工作原理是用獨(dú)特的RNA條形碼標(biāo)記每個(gè)細(xì)胞，使其在細(xì)胞群中脫穎而出。通過“連接每個(gè)條形碼之間的點(diǎn)”，科學(xué)家可以追蹤腦細(xì)胞(即軸突和樹突)延伸的位置和距離。

　　這比當(dāng)前其他技術(shù)更快、更高效，并且可以輕松與其他數(shù)據(jù)結(jié)合。“實(shí)際上，我們可以在幾年而不是100年的時(shí)間內(nèi)繪制出整個(gè)獼猴大腦的圖譜。”艾倫腦研所助理研究員陳筱寅表示。

　　連接數(shù)據(jù) 共享成果

　　最后，將細(xì)胞類型與全腦圖譜聯(lián)系起來，這是了解大腦功能的至關(guān)重要的一環(huán)。因此，在第三個(gè)項(xiàng)目中，研究人員就將致力于通過擴(kuò)展和共享技術(shù)來連接遺傳數(shù)據(jù)集，這些技術(shù)能測量小鼠整個(gè)大腦中某兩個(gè)數(shù)據(jù)集共有的特征。

　　艾倫腦研所使用的名為Patch-seq的方法，可生成多維數(shù)據(jù)，而新項(xiàng)目旨在增強(qiáng)這一能力，并通過自動(dòng)化、機(jī)器視覺建模和先進(jìn)的計(jì)算技術(shù)，從全腦圖像中捕獲神經(jīng)元的完整結(jié)構(gòu)。

　　該項(xiàng)目還有一個(gè)目標(biāo)，就是更廣泛地與研究人員分享成果，這樣，該領(lǐng)域的專家們都能夠?yàn)楸碚髡麄€(gè)小鼠大腦的細(xì)胞類型作出貢獻(xiàn)。

　　艾倫腦研所神經(jīng)解剖學(xué)副主任斯塔奇·索倫森表示，通過基于機(jī)器學(xué)習(xí)的方法，人們可以創(chuàng)建這些深度神經(jīng)網(wǎng)絡(luò)，使形態(tài)描述與轉(zhuǎn)錄組學(xué)、連接組數(shù)據(jù)和遠(yuǎn)程投影數(shù)據(jù)保持一致，而“到目前為止，我們對所獲得的結(jié)果感到非常興奮。我認(rèn)為其在細(xì)胞亞類水平上尤其有效”。(科技日報(bào))