人工智能的超级人眼使科学家们更接近于理解我们存在的最复杂和神秘的维度

　　人工智能的超级人眼使科学家们更接近于理解我们存在的最复杂和神秘的维度

　　

九州大学的研究人员介绍了qdyfinder，这是一种人工智能工具，通过使用先进的颜色编码和机器学习来增强大脑中的神经元映射，显示出在生物学上有更广泛应用的潜力。

研究人员开发了QDyeFinder，这是一种人工智能管道，可以解开并重建大脑密集的神经网络。

大脑是有史以来最复杂的器官。它的功能是由数百亿密集排列的神经元组成的网络支持的，其中有数万亿个连接交换信息和执行计算。试图理解大脑的复杂性可能会令人眼花缭乱。然而，如果我们希望了解大脑是如何工作的，我们需要能够绘制神经元并研究它们是如何连接的。

现在，九州大学的研究人员在《自然通讯》上发表了一篇文章，他们开发了一种新的人工智能工具，他们称之为QDyeFinder，可以从老鼠大脑的图像中自动识别和重建单个神经元。这个过程包括用超多色标记协议标记神经元，然后让人工智能通过匹配相似的颜色组合来自动识别神经元的结构。

神经元映射的挑战

“神经科学最大的挑战之一是试图绘制大脑及其连接的地图。然而，由于神经元是如此密集，将神经元与轴突和树突(发送和接收来自其他神经元的信息的延伸)区分开来是非常困难和耗时的，”领导这项研究的医学研究生院的Takeshi Imai教授解释说。“轴突和树突只有大约一微米厚，比一根标准的人类头发细100倍，它们之间的空间更小。”

识别神经元的一种策略是用特定颜色的荧光蛋白标记细胞。然后，研究人员可以追踪这种颜色并重建神经元及其轴突。通过扩大颜色的范围，可以同时追踪更多的神经元。2018年，今井和他的团队开发了Tetbow系统，该系统可以用三种原色的光给神经元涂上鲜艳的颜色。

用7色Tetbow标记小鼠皮质2/3层锥体神经元。7种荧光蛋白(mTagBFP2, mTurquoise2, mAmetrine1.1, mNeonGreen, Ypet, mRuby3, tdKatushka2)的组合用于显示神经元的密集布线。然后用qdyfinder程序分析7通道图像，以揭示单个神经元的连接模式。来源:九州大学/Takeshi Imai

“我喜欢用东京地铁线路地图作为例子。该系统横跨13条线路，286个车站，全长300多公里。在地铁地图上，每条线路都有颜色编码，所以你可以很容易地识别出哪些站是相连的，”马库斯·n·莱维解释说，他是该论文的第一作者之一，也是当时的助理教授。“Tetbow使得追踪神经元和发现它们之间的联系变得更加容易。”

然而，仍然存在两个主要问题。神经元仍然需要用手细致地描摹，仅用三种颜色是不足以描绘出更大的神经元群的。

QDyeFinder技术突破

该团队努力将颜色的数量从三种增加到七种，但更大的问题是人类对颜色感知的限制。仔细观察任何电视屏幕，你会发现像素是由三种颜色组成的:蓝色、绿色和红色。我们能感知到的任何颜色都是这三种颜色的组合，就像我们眼睛里的蓝色、绿色和红色传感器一样。

“另一方面，机器没有这样的限制。因此，我们致力于开发一种工具，可以自动区分这些巨大的颜色组合，”lewe继续说道。“我们还使这个工具能够自动将相同颜色的神经元和轴突缝合在一起，并重建它们的结构。我们称这个系统为QDyeFinder。”

qdyfinder的工作原理是首先自动识别给定样品中的轴突和树突片段。然后识别每个片段的颜色信息。然后，利用该团队开发的一种名为dCrawler的机器学习算法，将颜色信息分组在一起，其中它将识别同一神经元的轴突和树突。

“当我们将qdyfinder的结果与人工追踪神经元的数据进行比较时，它们的准确性大致相同，”Leiwe解释说。“即使与充分利用机器学习的现有追踪软件相比，qdyfinder也能够以更高的精度识别轴突。”

研究小组希望他们的新工具可以推进正在进行的探索，绘制大脑的连接图。他们还想看看他们的新方法是否可以应用于标记和跟踪其他复杂的细胞类型，如癌细胞和免疫细胞。

“也许有一天，我们可以阅读大脑中的连接，并理解它们对那个人的意义或代表。我怀疑这在我的有生之年不会发生，但我们的工作代表着在理解我们存在的最复杂、最神秘的维度方面迈出了切实的一步。”今井总结道。