【中國科學報】“大腦地圖”的數字探秘
人腦樣本的圖像采集 圖片源自論文
■本報見習記者 刁雯蕙
近日，谷歌與哈佛大學的Jeff 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4納米分辨率成像，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。該成果被稱為“最強人類大腦地圖”，展現可視3D神經元“森林”。
據了解，該成果的數據集包括覆蓋大約1立方毫米的皮質組織，帶有數萬個神經元、數億個神經重建元片段、1.3 億個神經突觸、104個校對細胞，以及許多其他亞細胞注釋和結構。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。該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，這項最新成果的預印本發表在bioRxiv上。
針對該項成果，《中國科學報》采訪了中國科學技術大學合肥微尺度物質科學國家研究中心與生命科學學院、中國科學院深圳先進技術研究院腦認知與腦疾病研究所雙聘教授畢國強。
“最強大腦地圖”具有里程碑式意義
畢國強認為，繼線蟲、果蠅、斑馬魚和小鼠皮層的連接組研究之后，Lichtman團隊的這項工作把對神經系統的超微反向工程真正推進到人腦組織。雖然1立方毫米還不到人腦體積的百萬分之一，但對其中幾萬個細胞和上億個突觸連接的解析可以在相當程度上反映人的大腦皮層的基本構成方式。這是人類探索大腦奧妙的一個里程碑。
這項工作對1立方毫米的人腦皮層里的超微結構細節做了精確的測繪，并通過對此PB級數據的自動化計算重建描述了其中數以萬計的不同類型神經元、膠質細胞、血管細胞，以及數以億計的神經突觸連接的形態結構特性和組織方式，為人們了解大腦結構細節提供了關鍵的基準數據集。在此基礎上，人們可以進一步發現神經微環路的工作方式，甚至腦疾病的微觀結構基礎。
這項工作和之前Lichtman團隊以及Allen研究所Clay Reid和Nuno Costa團隊等在鼠腦皮層工作的最重要意義，就是克服了電鏡成像通量的技術瓶頸。本項工作進而實現了超大規模成像數據的自動分析，從而能夠真正有效繪制神經微環路連接組。長遠來看，這些工作有可能對神經生物學及神經計算領域產生深遠影響。
然而，1立方毫米畢竟只是大腦的很小一部分，而且其中神經元接受的大部分輸入都來自外部區域。這項研究乃至基于電鏡成像的微觀連接組學策略的局限是，只能解析微環路內部的局域連接，對更廣泛的長程連接圖譜的繪制則需要光學成像等技術來實現。
事實上，在腦成像相關領域，想要收集整個大腦的連接組數據集，還存在巨大的技術挑戰和數據存儲難題。對此，畢國強表示贊同，1立方毫米的微環路結構解析已經是了不起的成就，需要很多人力和算力花一至兩年的時間采集和分析PB（1PB=1024TB）級的數據。因此，對整個人腦100多萬倍的體積的全面微觀解析至少在可見的未來是不可能的。一個現實的辦法是進行多尺度分級解析，在全腦尺度利用高通量光學成像和稀疏采樣策略解析神經元全局連接特性，在毫米尺度利用電鏡成像解析局域連接組，二者結合來理解腦環路的結構特性和工作原理。兩個尺度分別都是PB到10PB級的圖像數據，也在當前的高性能計算可處理的范圍內。
未來成像技術必將與數字技術緊密結合
我國在微觀成像領域起步較晚，但發展較快，如中國科學院自動化研究所韓華團隊已經建立了完善、高效的電鏡體成像流程，并研發了高速掃描電鏡等技術。其他單位如中國科學技術大學類腦智能國家工程實驗室吳楓團隊在圖像分析人工智能算法方面有很好的成果，近期也引進了類似的多束掃描電鏡。“預期我國科學家在此領域會作出重要貢獻。”畢國強說。
目前，在全腦水平顯微成像領域，我國已經有了一定技術優勢。特別是在高通量光學成像技術方面，駱清銘教授團隊研發的MOST/fMOST技術是國際上鼠腦介觀圖譜繪制應用最廣的技術之一，基于fMOST成像已完成了上萬小鼠全腦單神經元的形態解析和追蹤。
據了解，目前畢國強團隊在腦成像方面主要聚焦于全腦尺度的微米或亞微米分辨率成像，其最新進展是利用團隊自主研發的高通量三維成像VISoR技術，完成了獼猴全腦顯微成像，獲得了PB級的數據，并實現了丘腦到皮層神經投射的單神經纖維追蹤。該技術目前是國際上最快的大尺度樣品三維成像，已經應用于獼猴全腦介觀圖譜研究，并可以擴展到人腦圖譜。這項工作的預印本于去年在bioRxiv上公開并將在近期發表。
針對我國在腦成像相關領域的不足與挑戰，畢國強認為，與國際相比，我國在腦顯微成像技術領域的持續創新驅動力仍有明顯差距，高端制造業基礎較薄弱，精密光學器件、CMOS相機、激光器等核心技術和高性能部件主要來自國外。同時，當前的科研評價通常重視快出成果，項目過程管理細致、繁瑣，這些都不利于周期長、風險高、變化多的原創技術研發。
針對未來腦成像技術的發展趨勢，畢國強認為主要有三個趨勢。首先，成像技術本身存在很多發展空間。特別是在光學、電子器件、傳感器芯片等新技術發展的推動下，成像技術將不斷產生創新方法，在成像分辨率、速度、通量等核心指標方面沖擊技術邊界，突破極限。其次，不同尺度和模態的成像技術，如掃描及透射電鏡、超分辨光學顯微、光片照明成像，以及更大尺度的宏觀影像技術，在分別發展的同時也將不斷交叉融合。“這將是解析大腦多尺度復雜性的必由之路。”畢國強補充道。
最后，隨著成像技術的發展，科研人員將以越來越快的速度獲取前所未有的超大規模腦數據，因此，未來的成像技術必將與數字技術特別是人工智能技術緊密結合，這也是有效利用成像大數據理解大腦的關鍵。
相關論文信息：https : //doi.org/10.1101/2021.05.29.446289
《中國科學報》 (2021-06-24 第3版 信息技術)
