重建神經元會讓我們深入了解大腦工作模式，有助于人類理解神經性疾病機理，但這是一項異常艱巨的工作：每個神經元各不相同，又相互交織，同時，它們還會從其他數千個神經元那里接收信息，并與數千個神經元共同輸出信息。想要重建神經元，我們不僅需要弄清楚每個神經元的特質，更要弄清楚它與其他數千個神經元，在如不同化學藥品、不同行為反饋等情境下信息交換的模式。

雖然，借助計算機進行神經元的自動重建是減輕人類科研工作的最好選擇，但在目前的科技水平下，算法精度嚴重不足，因此，神經元的重構工作只能交由科學家通過人工稀疏標記的方式實現。但人工標記又極易出錯。倘若借助計算機進行神經元標記不可行，那有沒有可能讓其至少幫助科學家在后期勘誤的時候，減輕工作量呢？日前，這個問題得到了肯定的答案。

10月7日，國際頂級學術刊物《Nature》發布了題為《Morphological diversity of single neurons in molecularly defined cell types》的小鼠大腦神經元重構的文章。該研究由西雅圖艾倫腦科學研究所和東南大學腦科學與智能技術研究院/東南大學-艾倫聯合研究中心聯合牽頭，彭漢川教授、曾紅葵教授領導的國內外研究團隊共同參與，實現了1741個小鼠神經元的重建，這也是目前全球學術范圍內最大規模的神經元重建。

騰訊天衍實驗室作為論文共同完成單位和東南大學合作開發了AI糾錯技術，協助頂級神經科學家團隊在“數據海洋”中，更高效地完成了在小鼠皮層、屏狀核（黃皮區）、丘腦、紋狀體和其他腦區神經元重建研究的規模突破，讓人類在攀登神經科學研究的“終極疆域”有了新的“助手”。

為繪制神經網絡圖譜提供金標準信息

神經元作為構成神經系統結構和功能的基本單位，不僅是人類探索大腦奧秘，揭開人類行為模式、思考模式的突破口，也對治愈人類神經疾病有重要意義。

近年的科技發展讓人類對神經元的類型和運行機制探索有了進一步飛躍。單細胞RNA測序(scRNAseq)技術憑借多維度地反映細胞功能以及對物種和腦區間的定量比較，近來被廣泛用于分子神經科學。同時，科學家們也能使用順行追蹤法和逆行追蹤法，對投射神經元集群進行圖譜繪制，但神經元集群在單細胞水平和神經元基本單元上的投射模式仍是未解之謎。因為，神經元的運行模式異常復雜，科學家常常把神經元之間的映射關系比作高速公路，它會根據大腦發出的“指令”實時呈現不同的“神經元”間的交通狀況，比高速公路還更復雜。

在完整神經元形態重建中，科學家將神經元細胞類型準確分類和神經元多樣性考慮進實驗，同時還將不同但相關的細胞特性進行了整合，以獲取更加精確的神經元分類和圖譜繪制。

最終，這支多家單位聯合的腦科學家團隊，合作表征出了單神經元軸突投射模型，驗證了在細胞類型分類中對完整單細胞解剖結構的定量描述至關重要，揭示了單個神經元的大量的形態和投射多樣性，驗證了這些多樣性受區域特征和細胞類型特異性表現出來的規則支配。

這項研究成果不僅為細胞分類研究提供了完美的科研素材，也為繪制全局網絡和局部回路圖譜提供了基礎真實信息。

值得注意的是，由于本次研究的神經元規模較大，科學家們期望能通過引入AI來提高工作效率，天衍實驗室在醫療AI方面的技術能力，引起了科學家們的關注，雙方一拍即合，促成了AI在工程浩大的小鼠神經元重構領域的完美“首秀”。

神經元標注領域首次啟用AI糾錯

據了解，在該研究中，科學家不僅對1741個小鼠神經元進行了重構，同時還定義出11種具有不同形態特征和基因表達的主要投射神經元類型，完成這項人類史上最大規模的小鼠大腦神經元重構并不輕松。

科學家們需要詳細分析小鼠全腦三維數據集，其包含上萬個XY平面的冠狀圖像，使用TeraVR虛擬現實標記系統對3D圖像進行人工標記，來重建每個神經元的完整形態。

對于2D圖像的標注，我們只需關注平面上的點位，相對較為容易。但這項研究是通過VR設備在3D圖像上做標記，相當于科學家們不僅需要了解該標記在基于平面視角上的精確位置，還需要從立體視角精確標記該點位的深度。這就如同一個人在3D游戲中想抓住一只飛行在極大空間里的小蟲，用戶雖然可以迅速定位這只小蟲的平面位置，但真正捕捉它的時候卻發現它在定位空間之外的垂直高空中。這也是人工標注容易出現錯誤的原因。因此所有神經元數據還需要再讓獨立的科學家進行檢查和勘誤，全部數據需要經過三輪校驗甚至修正才能得到最終標注結果，而每個數據完成一輪勘誤需要花費至少1小時人工，時間成本可想而知。

鑒于此，科學家們亟須一種能夠幫助迅速檢查錯誤的算法，幫助減少人工成本，同時還能提升標注效率和精度。

在華人頂級醫療AI科學家鄭冶楓博士的帶領下，天衍實驗室針對性地開發出一種自動的錯誤節點檢測算法，用AI對人工標注進行自動糾錯。

據介紹，該算法能對包括循環、間隙和不正確的節點類型重建錯誤進行自動檢測和基本糾正，并將糾正結果發回進行人工核實。據測算，該算法對單個節點重建錯誤檢測AUC達到了94.9%，準確率更達到86.6%，大大降低了手工核驗工作的繁瑣度，也讓標注精度得到保障，獲得了參與研究的科學家們的肯定。日前，實驗室也已和東南大學腦科學與智能技術研究院簽訂了二期合作協議。

雖然，目前人工稀疏標記法在神經元研究領域應用仍非常普遍，對標注的人工勘誤也已成為科學家們的“傳統手藝”。但隨著科技的發展，今天，在“摩爾定律”的“操控下”，越來越多的科技被用到了學術研究領域，從巨型天文望遠鏡、能透視大型集裝箱貨車的自動化檢測裝置，到能對DNA分子實施切割技術的掃描探針顯微鏡，再到如今幫助科學家重構神經元的AI糾錯技術，技術的發展一直在夯實科學家探索世界奧秘的能力。

而在腦科學領域，對于擁有860億神經元的人腦研究來說，雖然我們還有很長的路要走，但能成功將AI引入工程巨大的神經科學研究的海洋，對我們來說或許是開啟更復雜世界探索之旅的一個開始。