突觸，是神經網絡的「橋梁」。

我們知道，人類大腦有860億個神經元，因為有了突觸，才可以把神經元上的電信號傳遞到下一個神經元。

長久以來，科學家們一直夢想通過繪制完整的大腦神經網絡的結構，以了解神經系統是如何工作的。

不知你是否看過高分辨自動重建的3D大腦皮層地圖？

近日，谷歌與哈佛大學的Lichtman實驗室合作，發布了最新的「H01」數據集，這是一個1.4 PB 的人類腦組織小樣本渲染圖。

H01 樣本通過連續切片電子顯微鏡以 4nm 分辨率成像，再通過自動計算技術重建和注釋，最后可以看到初步的人類大腦皮層結構。

（警告：密集恐懼者請繞行）

該數據集包括覆蓋大約一立方毫米的皮質組織，帶有數萬個神經元、數個神經重建元片段、1.3 億個帶注釋的突觸、104個校對細胞以及許多其他亞細胞注釋和結構。

△ 左：數據的小子| 右：數據集中 5000 個神經元，以及興奮性（綠色）和抑制性（紅色）連接的子圖

所有的數據都可以通過Neuroglencer進行訪問。

H01是迄今為止所有生物中對大腦皮層進行這種程度的成像和重建的「最大樣本」。

也是「第一個大規模」研究人類大腦皮層的「突觸連接性」的樣本，這種連接性跨越了大腦皮層中所有層面的多種細胞類型。

這個項目的主要目標是為研究人類大腦提供一種新的資源，并改進和擴展連接組學的基礎技術。

目前，這項研究的最新成果「A connectomic study of a petascale fragment of human cerebral cortex」已經發表在bioRxiv上：

△ 論文地址：
https://www.biorxiv.org/content/10.1101/2021.05.29.446289v1

大腦皮層「地圖」：1.3億個突觸，數萬個神經元

首先，你必須先了解下神奇的大腦皮層（cerebral cortex）。

大腦皮層是脊椎動物大腦的薄表層，屬于腦和整個神經系統演化史上最晚出現、功能上最為高階的一部分，在不同的哺乳動物中顯示出「最大的尺寸差異」(尤其是人類)。

大腦皮層的每一部分分為6層，每層有不同種類的神經細胞(例如刺星狀神經細胞)。大腦皮層在大多數「高級認知功能」中起著關鍵作用，如思考、記憶、計劃、感知、語言和注意力。

雖然在理解這種非常復雜的組織的宏觀結構方面已經取得了一些進展，但是它在單個神經細胞水平上的結構及其相互連接的突觸在很大程度上還是未知的。

人腦連接組學: 從外科活檢到3D數據庫

根據單個突觸的分辨率繪制大腦結構圖需要高分辨率的顯微技術，這種技術可以對生物化學穩定(固定) 的組織進行成像。

研究團隊與馬薩諸塞州綜合醫院（Massachusetts General Hospital，MGH）的腦外科醫生合作，他們在進行治療癲癇的手術時，有時會切除正常人類大腦皮層的一部分，以便進入大腦深處癲癇正在發作的位置。

切除的組織通常會被丟棄的，研究團隊得到了病人的匿名捐贈，供Lichtman實驗室的同事做研究。

哈佛大學的研究人員使用自動化磁帶收集超微切片機，將組織切割成大約5300個30納米的切片，將這些切片放置在硅晶片上，然后在一個定制的61束平行掃描電子顯微鏡下以4納米的分辨率對大腦組織成像，快速獲取圖像。

對5300個物理切片進行成像，產生了2.25億張獨立的二維圖像。

然后，研究團隊通過計算將這些數據拼接（stitch）和對齊（align）產生一個單一的3D體積。

雖然數據的質量總體上是很好的，但這些對齊通道必須強健，這樣才能應對一些挑戰，包括成像偽影（imaging artifacts）、缺失部分、顯微鏡參數的變化以及組織的物理拉伸和壓縮。

一旦對齊，一個使用了數以千計的谷歌云TPU、多尺度的flood-filling Network（FNN）管道就會被應用于生成組織中每個單獨細胞的3D分割。

FFN是第一種自動分割技術，能夠產生足夠精確的重建。

其他的機器學習管道被用來識別和描述「1.3億個突觸」，將每個3D片段分成不同的「子區域」(例如軸突、樹突或細胞體) ，并識別其他感興趣的結構，例如髓磷脂和纖毛。

自動重建的結果并不完美，所以還需要人工來「校對」數據中的大約100個細胞。

隨著時間的推移，研究團隊希望通過額外的人工努力和自動化的進一步發展，在這個經過驗證的集合中添加額外的細胞。

Neuroglancer：大腦皮層可視化工具

圖像數據、重建結果和注釋可以通過一個交互式的基于網絡的3D可視化界面進行顯示，這個界面叫做Neuroglancer，最初是為了可視化果蠅的大腦而開發的。

Neuroglancer是一種開源軟件，廣泛應用于連接組學領域。

為了支持 H01數據集的分析，引入了一些新的特性，特別是支持基于數據集的類型或其他屬性搜索特定的神經元。

△ 連接H01和注釋的Neuroglancer接口。用戶可以根據細胞的層次和類型選擇特定的細胞，可以查看輸入和輸出的突觸。

繼最大果蠅大腦地圖和神經元3D模型之后

2019年，谷歌與霍華德 • 休斯醫學研究所以及劍橋大學合作，通過Flood-Filling Network算法和TPU芯片，將果蠅大腦切分成數千個40納米的超薄切片，并且使用透射電子顯微鏡生成每個切片的圖像，產生了40萬億像素以上的果蠅大腦影像，然后將2D圖像排列對齊形成完整果蠅大腦的3D圖像。

首次成功重建了果蠅大腦神經元的3D模型，但并未揭示有關果蠅大腦神經元「連接性」的信息。

△ 40 萬億像素下的果蠅大腦重建

2020年，谷歌發布有史以來最大、最詳盡的果蠅大腦地圖，對果蠅大腦中神經元連接的高度詳細的繪制。

去年年初，谷歌與霍華德 • 休斯醫學研究所（HHMI）的FlyEM團隊等，發布了「半腦」連接組（ 「hemibrain」 connectome），繪制的圖像涵蓋了25000個神經元，按體積計算，大約占果蠅大腦的三分之一。

目前的研究中，谷歌研究人員依然面臨的技術難題。

因為，H01 是一個PB級的數據集，但只有整個人類大腦容量的百萬分之一。

將突觸級別的大腦映射到整個老鼠大腦 (比 H01 大500倍) 仍然存在嚴重的技術挑戰，更不用說整個人類大腦了。

其中一個挑戰就是數據存儲: 老鼠的大腦可以產生價值 1EB 的數據，而存儲這些數據的成本很高。

為了解決這個問題，谷歌研究人員使用基于機器學習的去噪策略來壓縮至少17倍的數據。

未來，數據集的龐大規模要求研究人員開發新的策略來組織和訪問連接數據中固有的豐富信息。

這將是谷歌研究者未來依然努力的方向。