使用 AI 优化快速神经成像

连接组学是一个雄心勃勃的研究领域，旨在绘制复杂的动物大脑网络，正在经历突飞猛进的增长。在十年的时间里，它已经从它的萌芽阶段发展成为一门准备（希望）解开认知之谜和神经病理学的物理基础的学科，如阿尔茨海默病。

其最前沿的是使用强大的电子显微镜，麻省理工学院计算机科学与人工智能实验室（CSAIL）和哈佛大学塞缪尔和利希特曼实验室的研究人员赋予了机器学习的分析能力。与传统的电子显微镜不同，集成的人工智能充当“大脑”，在获取图像的同时学习标本，并以纳米级分辨率智能地聚焦于相关像素，类似于动物检查世界的方式。

“SmartEM”帮助连接组学以纳米级精度快速检查和重建大脑复杂的突触和神经元网络。与传统的电子显微镜不同，其集成的人工智能为理解大脑的复杂结构打开了新的大门。

在此过程中，硬件和软件的集成至关重要。该团队将GPU嵌入到连接到显微镜的支持计算机中。这使得在图像上运行机器学习模型成为可能，帮助将显微镜光束引导到人工智能认为感兴趣的区域。“这使得显微镜在难以理解的区域停留更长时间，直到它捕捉到它需要的东西，”麻省理工学院教授和CSAIL首席研究员Nir Shavit说。“这一步有助于反映人眼控制，从而能够快速理解图像。

“当我们看着人脸时，我们的眼睛会迅速导航到焦点，这些焦点为有效沟通和理解提供了重要的线索，”SmartEM的首席架构师Yaron Meirovitch说，他是麻省理工学院CSAIL的访问科学家，也是哈佛大学的前博士后和现任研究助理神经科学家。“当我们沉浸在一本书中时，我们不会扫描所有的空白空间;相反，我们将目光投向与我们的句子期望相符的单词和字符。人类视觉系统中的这种现象为新颖的显微镜概念的诞生铺平了道路。

对于重建约100,000个神经元的人脑片段的任务，使用传统显微镜实现这一目标将需要十年的连续成像和令人望而却步的预算。然而，有了SmartEM，只需以不到100万美元的价格投资四台创新显微镜，就可以在短短三个月内完成这项任务。

诺贝尔奖和小虫子

一个多世纪前，西班牙神经科学家圣地亚哥·拉蒙·卡哈尔（Santiago Ramón y Cajal）被誉为第一个表征神经系统结构的人。他利用当时最基本的光学显微镜，开始引领神经科学的探索，奠定了对神经元的基础理解，并勾勒出这个广阔而未知领域的初步轮廓——这一壮举为他赢得了诺贝尔奖。他指出，在灵感和发现的话题上，“只要我们的大脑是一个谜，宇宙，大脑结构的反映也将是一个谜。

从这些早期阶段开始，该领域取得了巨大的进步，1980 年代的努力证明了这一点，将 相对简单的秀丽隐杆线虫（小蠕虫）连接组映射到今天探索斑马鱼和小鼠等生物体更复杂的大脑的努力。该团队表示，这种演变不仅反映了巨大的进步，也反映了不断升级的复杂性和需求：仅绘制小鼠大脑就意味着要管理惊人的数千 PB数据，这项任务远远超过任何大学的存储能力。

试水

在他们自己的工作中，Meirovitch和研究小组的其他人研究了30纳米厚的章鱼组织切片，这些切片被安装在胶带上，放在晶圆上，最后插入电子显微镜。章鱼大脑的每个部分（包括数十亿个像素）都被成像，让科学家们以纳米分辨率将切片重建为三维立方体。这提供了突触的超详细视图。主要目标是什么？为了给这些图像着色，识别每个神经元，并了解它们的相互关系，从而创建大脑回路的详细地图或“连接组”。

“SmartEM 将此类项目的成像时间从两周缩短到 1.5 天，”Meirovitch 说。“目前无法进行昂贵且长时间的电镜成像的神经科学实验室现在将能够做到这一点，”该方法还应该允许对精神和神经系统疾病患者的样本进行突触水平的电路分析。

未来，该团队设想了一个既负担得起又容易获得连接组学的未来。他们希望借助像SmartEM这样的工具，更广泛的研究机构可以在不依赖大型合作伙伴关系的情况下为神经科学做出贡献，并且该方法将很快成为活体患者活检的标准管道。此外，他们渴望应用该技术来理解病理学，将效用扩展到连接组学之外。“我们现在正努力将其引入医院进行大型活检，利用电子显微镜，旨在提高病理学研究的效率，”Shavit说。

该论文的另外两位作者与麻省理工学院的CSAIL有联系：主要作者Lu Mi MCS ’19，PhD ’22，现在是艾伦脑科学研究所的博士后，以及麻省理工学院实验室的研究生Shashata Sawmya。其他主要作者是Core Francisco Park和Pavel Potocek，而哈佛大学教授Jeff Lichtman和Aravi Samuel是其他资深作者。他们的研究得到了 NIH BRAIN Initiative 的支持，并在 2023 年国际机器学习会议 （ICML） 计算生物学研讨会上发表。这项工作是与赛默飞世尔科技的科学家合作完成的。