Google Research تلاش هایی را برای نقشه برداری از مغز موش آغاز می کند – Google Research Blog

ارسال شده توسط Michał Januszewski، محقق، پژوهشگر گوگل

مغز انسان شاید پیچیده ترین ماشین موجود از نظر محاسباتی باشد که از شبکه های میلیاردها سلول تشکیل شده است. محققان در حال حاضر تصویر کاملی از چگونگی نقش ایرادات در ماشین‌های شبکه‌شان به بیماری‌های روانی و سایر بیماری‌ها، مانند زوال عقل، درک نمی‌کنند. با این حال، حوزه ارتباطی نوظهور، که هدف آن ترسیم دقیق ارتباطات بین هر سلول در مغز است، می تواند به حل این مشکل کمک کند. در حالی که نقشه‌ها فقط برای موجودات ساده‌تر ایجاد شده‌اند، پیشرفت‌های تکنولوژیکی برای نقشه‌برداری از مغزهای بزرگ‌تر می‌توانند ما را قادر به درک نحوه عملکرد مغز انسان و نحوه درمان بیماری‌های مغزی کنیم.

امروز، ما مشتاقیم اعلام کنیم که تیم Connectomics در Google Research و همکاران ما در حال راه اندازی یک پروژه 33 میلیون دلاری برای گسترش مرزهای کانکتومیکس در پنج سال آینده هستند. با حمایت ابتکار تحقیقات مغز از طریق پیشرفت فناوری‌های عصبی نوآورانه (BRAIN) در مؤسسه ملی بهداشت (NIH) و به رهبری محققان دانشگاه هاروارد، ما در کنار یک تیم چند رشته‌ای از کارشناسان از موسسه آلن، MIT، دانشگاه کمبریج کار خواهیم کرد. ، دانشگاه پرینستون و دانشگاه جان هاپکینز، با مشاوران پردیس تحقیقاتی Janelia HHMI. هدف پروژه ما مقابله با یک چالش بزرگ در علوم اعصاب است: نقشه برداری از بخش کوچکی (2-3٪) از مغز موش. ما به طور خاص منطقه هیپوکامپ را که مسئول رمزگذاری خاطرات، توجه و ناوبری فضایی است، هدف قرار خواهیم داد. این پروژه یکی از 11 پروژه ای است که توسط برنامه 150 میلیون دلاری BRAIN Initiative Connectivity Across Scales (BRAIN CONNECTS) NIH تأمین مالی شده است. Google Research منابع محاسباتی و تحلیلی را به این تلاش کمک می کند و هیچ بودجه ای از NIH دریافت نخواهد کرد. پروژه ما یک سوال حیاتی می‌پرسد: آیا می‌توانیم فناوری‌های خود را به اندازه کافی مقیاس‌بندی و سرعت دهیم تا کل کانکتوم مغز موش را ترسیم کنیم؟

عصر مدرن کانکتومیکس

این تلاش برای ترسیم کانکتوم بخش کوچکی از مغز موش بر اساس یک دهه نوآوری در این زمینه، از جمله پیشرفت‌های بسیاری که توسط تیم Connectomics در Google Research آغاز شده است، است. ما امیدواریم که بتوانیم چیزی شبیه به روزهای اولیه پروژه ژنوم انسان انجام دهیم، زمانی که دانشمندان سال‌ها برای تعیین توالی بخش کوچکی از ژنوم انسان در حین اصلاح فناوری‌هایی که آنها را قادر می‌سازد تا بقیه ژنوم را تکمیل کنند، کار کردند.

در سال 2021، ما و همکاران در هاروارد با موفقیت یک میلی‌متر مکعب از مغز انسان را ترسیم کردیم که به عنوان مجموعه داده H01 منتشر کردیم، منبعی برای مطالعه مغز انسان و مقیاس‌بندی فناوری‌های کانکتومیک. اما نقشه برداری از کل اتصال مغز انسان به جمع آوری و تجزیه و تحلیل به اندازه یک زتابایت داده (یک میلیارد ترابایت) نیاز دارد که فراتر از توانایی های فعلی فناوری های موجود است.

تجزیه و تحلیل اتصال ماوس بهترین چیز بعدی است. به اندازه کافی کوچک است که از نظر فنی امکان پذیر باشد و به طور بالقوه می تواند بینش های مرتبط با ذهن ما را ارائه دهد. دانشمندان علوم اعصاب در حال حاضر از موش ها برای مطالعه عملکرد و اختلال عملکرد مغز انسان استفاده می کنند. با همکاری یکدیگر برای نقشه برداری 10 تا 15 میلی متر مکعب از مغز موش، امیدواریم رویکردهای جدیدی ایجاد کنیم که به ما امکان می دهد کل باقی مانده مغز موش و پس از آن مغز انسان را نقشه برداری کنیم.

دانشمندان علوم اعصاب ده ها سال است که برای ترسیم اتصالات بزرگتر و پیچیده تر کار می کنند.

یکی از بزرگترین مجموعه داده های زیست شناسی

در این پروژه کانکتومیک، کانکتوم تشکیل هیپوکامپ مغز موش را ترسیم می کنیم که خاطرات کوتاه مدت را به خاطرات بلند مدت تبدیل می کند و به حرکت موش در فضا کمک می کند. تشکیل هیپوکامپ موش بزرگترین ناحیه مغز است که ما سعی کرده ایم به این روش بفهمیم. از طریق نقشه برداری از این ناحیه از مغز موش، یکی از بزرگترین مجموعه داده ها در زیست شناسی را ایجاد خواهیم کرد که حدود 25000 ترابایت یا 25 پتابایت داده مغز را ترکیب می کند. برای مرجع، حدود 250 میلیارد ستاره در کهکشان راه شیری ما وجود دارد. اگر هر یک از آن ستارگان یک بایت بود، 100000 کهکشان راه شیری برای مطابقت با 25 پتابایت داده ای که پروژه هنگام نقشه برداری از یک منطقه کوچک از مغز موش جمع آوری می کند، لازم است.

برای نشان دادن مقیاس پروژه هیپوکامپ، تعداد تلفن‌های پیکسل (که به صورت پشته‌های پیکسل در زیر نشان داده شده‌اند) مورد نیاز برای ذخیره داده‌های تصویر از پروژه‌های اتصال تکمیل‌شده که مغز کرم‌های گرد و مگس میوه را نقشه‌برداری می‌کردند، و همچنین برای ناحیه هیپوکامپ موش محاسبه کردیم. و کل پروژه های مغز موش، که تازه شروع شده اند.

سپس، ارتفاع هر پشته پیکسل را با اشیاء و نشانه‌های آشنا مقایسه کردیم. برای ذخیره داده های تصویری برای مغز مگس میوه، که بزرگترین پروژه تکمیل شده تاکنون است، به یک پشته از 100 پیکسل، به قد یک دختر چهار ساله نیاز است. در مقابل، تلاش کانکتوم هیپوکامپ ماوس به فضای ذخیره سازی معادل بیش از 48800 پیکسل نیاز دارد که به ارتفاع ساختمان امپایر استیت می رسد. انیمیشن زیر نشان می دهد که چگونه پروژه هیپوکامپ موش از مقیاس پروژه های اتصال قبلی پیشی می گیرد.

ما با چندین همکار برای ایجاد یک کانکتوم (نقشه ای از اتصالات بین سلول های مغز) برای ناحیه هیپوکامپ مغز موش همکاری می کنیم. این پروژه بزرگترین مجموعه داده اتصالی را ایجاد می کند که از مقیاس پروژه های قبلی که مغز کرم های گرد کوچکتر و مگس میوه را نقشه برداری می کردند، پیشی می گیرد. ما امیدواریم این تلاش منجر به توسعه رویکردهای جدیدی شود که به ما امکان می دهد بعداً کل مغز موش را نقشه برداری کنیم. این انیمیشن نشان می‌دهد که چگونه حوزه کانکتومیک با محاسبه تعداد تلفن‌های پیکسل مورد نیاز برای ذخیره داده‌های پروژه‌های مختلف بزرگ‌تر می‌شود. فقط دو پیکسل، به ارتفاع یک زیتون، برای ذخیره داده‌های کانکتوم کرم گرد نیاز دارد، در حالی که برای ذخیره داده‌های کل کانکتوم ماوس به پشته‌ای از پیکسل‌ها به اندازه کوه اورست نیاز است.

درک کانکتوم تشکیل هیپوکامپ موش می تواند به روشن کردن نحوه عملکرد مغز ما کمک کند. برای مثال، ممکن است ویژگی‌های مشترکی بین این مدار در مغز موش و مغز انسان پیدا کنیم که توضیح می‌دهد چگونه می‌دانیم کجا هستیم، چگونه مغز ما خاطرات را با مکان‌های خاص مرتبط می‌کند، و چه چیزی در افرادی که نمی‌توانند به درستی فضای جدید را شکل دهند، اشتباه است. خاطرات.

باز کردن خط لوله پتابایت

در طول دهه گذشته، تیم ما برای توسعه ابزارهایی برای مدیریت مجموعه داده های ارتباطی عظیم و استخراج ارزش علمی از آنها کار کرده است. اما یک مغز موش 1000 برابر بیشتر از مغز موش نورون دارد مگس سرکه مگس میوه، ارگانیسمی که ما به ساخت کانکتوم برای بخش بزرگی از مغز کمک کردیم. راه‌اندازی اتصال مغز ماوس ما را به چالش می‌کشد تا فناوری‌های موجود را بهبود بخشیم تا بتوانیم داده‌های بیشتری را سریع‌تر از قبل نقشه‌برداری کنیم.

ما به اصلاح شبکه‌های پرکننده سیل خود ادامه می‌دهیم که از یادگیری عمیق برای ردیابی یا «بخش‌بندی» مسیر هر نورون از طریق حجم‌های مغز سه‌بعدی ساخته‌شده از داده‌های میکروسکوپ الکترونی استفاده می‌کنند. ما همچنین قابلیت‌های فناوری یادگیری خود نظارتی خود، SegCLR را گسترش خواهیم داد، که به ما امکان می‌دهد به طور خودکار اطلاعات کلیدی را از حجم‌های تقسیم‌بندی شده استخراج کنیم، مانند شناسایی نوع سلول (به عنوان مثال، نورون هرمی، نورون سبد، و غیره) و بخش‌هایی از هر کدام. نورون (به عنوان مثال، آکسون، دندریت، و غیره).

یک شبکه پر کننده سیل یک نورون را از طریق فضای سه بعدی مغز ردیابی می کند.

ما همچنین به افزایش مقیاس‌پذیری و عملکرد زیرساخت‌های کانکتومیک اصلی خود، مانند TensorStore برای ذخیره‌سازی و Neuroglancer برای تجسم، ادامه خواهیم داد تا بتوانیم تمام خطوط لوله محاسباتی و جریان‌های کاری تجزیه و تحلیل انسانی خود را در این مقیاس‌های جدید داده‌ها کار کنند. ما مشتاقیم که دست به کار شویم تا بفهمیم که نگاه کردن به ذهن موش در مورد ذهن خودمان چه چیزی می تواند به ما بگوید.

سپاسگزاریها

پروژه کانکتومیک ماوس که در این پست وبلاگ توضیح داده شده است تا حدی توسط NIH BRAIN Initiative تحت شماره جایزه 1UM1NS132250 پشتیبانی می شود. Google Research منابع محاسباتی و تحلیلی را به پروژه اتصال ماوس کمک می کند و بودجه ای از NIH دریافت نخواهد کرد. افراد زیادی در توسعه فناوری هایی که این پروژه را امکان پذیر می کند، مشارکت داشتند. ما از همکاران بلندمدت دانشگاهی خود در آزمایشگاه لیختمن (دانشگاه هاروارد)، HHMI Janelia و Denk Lab (موسسه ماکس پلانک برای هوش بیولوژیکی) تشکر می‌کنیم و از کمک‌های اصلی تیم Connectomics در Google قدردانی می‌کنیم. همچنین از جان گیلارد برای ساخت انیمیشن گویا در این پست و الیز کلیمن و اریکا چک هایدن برای حمایتشان تشکر می کنیم. با تشکر از لیزی دورفمن، مایکل برنر، جی یاگنیک و جف دین برای حمایت، هماهنگی و رهبری آنها.