2019年，谷歌首次成功重建了果蠅大腦神經元的3D模型。2020年，谷歌公佈了果蠅「半腦」連線組。
今天，谷歌釋出H01人腦成像資料集，1。3億個突觸，數萬個神經元，史上最大樣本！
突觸，是神經網路的「橋樑」。 我們知道，人類大腦有860億個神經元，因為有了突觸，才可以把神經元上的電訊號傳遞到下一個神經元。
長久以來，科學家們一直夢想透過繪製完整的大腦神經網路的結構，以瞭解神經系統是如何工作的。
不知你是否看過高分辨自動重建的3D大腦皮層地圖？ 近日，谷歌與哈佛大學的Lichtman實驗室合作，釋出了最新的「H01」資料集，這是一個 1。4 PB 的人類腦組織小樣本渲染圖。
H01 樣本透過連續切片電子顯微鏡以 4nm 解析度成像，再透過自動計算技術重建和註釋，最後可以看到初步的人類大腦皮層結構。
該資料集包括覆蓋大約一立方毫米的皮質組織，帶有數萬個神經元、數個神經重建元片段、1。3 億個帶註釋的突觸、104個校對細胞以及許多其他亞細胞註釋和結構。
所有的資料都可以透過Neuroglencer進行訪問。
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「突觸連線性」的樣本，這種連線性跨越了大腦皮層中所有層面的多種細胞型別。
這個專案的主要目標是為研究人類大腦提供一種新的資源，並改進和擴充套件連線組學的基礎技術。
目前，這項研究的最新成果「A connectomic study of a petascale fragment of human cerebral cortex」已經發表在bioRxiv上：
大腦皮層地圖1.3億個突觸，數萬個神經元
首先，你必須先了解下神奇的大腦皮層（cerebral cortex）。
大腦皮層是脊椎動物大腦的薄表層，屬於腦和整個神經系統演化史上最晚出現、功能上最為高階的一部分，在不同的哺乳動物中顯示出「最大的尺寸差異」（尤其是人類）。
大腦皮層的每一部分分為6層，每層有不同種類的神經細胞（例如刺星狀神經細胞）。
大腦皮層在大多數「高階認知功能」中起著關鍵作用，如思考、記憶、計劃、感知、語言和注意力。
雖然在理解這種非常複雜的組織的宏觀結構方面已經取得了一些進展，但是它在單個神經細胞水平上的結構及其相互連線的突觸在很大程度上還是未知的。
人腦連線組學: 從外科活檢到3D資料庫
根據單個突觸的解析度繪製大腦結構圖需要高解析度的顯微技術，這種技術可以對生物化學穩定（固定） 的組織進行成像。
研究團隊與馬薩諸塞州綜合醫院（Massachusetts General Hospital，MGH）的腦外科醫生合作，他們在進行治療癲癇的手術時，有時會切除正常人類大腦皮層的一部分，以便進入大腦深處癲癇正在發作的位置。
切除的組織通常會被丟棄的，研究團隊得到了病人的匿名捐贈，供Lichtman實驗室的同事做研究。
哈佛大學的研究人員使用自動化磁帶收集超微切片機，將組織切割成大約5300個30奈米的切片，將這些切片放置在矽晶片上，然後在一個定製的61束平行掃描電子顯微鏡下以4奈米的解析度對大腦組織成像，快速獲取影象。
對5300個物理切片進行成像，產生了2。25億張獨立的二維影象。
然後，研究團隊透過計算將這些資料拼接（stitch）和對齊（align）產生一個單一的3D體積。
雖然資料的質量總體上是很好的，但這些對齊通道必須強健，這樣才能應對一些挑戰，包括成像偽影（imaging artifacts）、缺失部分、顯微鏡引數的變化以及組織的物理拉伸和壓縮。
一旦對齊，一個使用了數以千計的谷歌雲TPU、多尺度的flood-filling Network（FNN）管道就會被應用於生成組織中每個單獨細胞的3D分割。
FFN是第一種自動分割技術，能夠產生足夠精確的重建。
其他的機器學習管道被用來識別和描述「1。3億個突觸」，將每個3D片段分成不同的「子區域」（例如軸突、樹突或細胞體） ，並識別其他感興趣的結構，例如髓磷脂和纖毛。
自動重建的結果並不完美，所以還需要人工來「校對」資料中的大約100個細胞。
隨著時間的推移，研究團隊希望透過額外的人工努力和自動化的進一步發展，在這個經過驗證的集合中新增額外的細胞。
Neuroglancer：大腦皮層視覺化工具
影象資料、重建結果和註釋可以透過一個互動式的基於網路的3D視覺化介面進行顯示，這個介面叫做Neuroglancer，最初是為了視覺化果蠅的大腦而開發的。
Neuroglancer是一種開源軟體，廣泛應用於連線組學領域。 為了支援 H01資料集的分析，引入了一些新的特性，特別是支援基於資料集的型別或其他屬性搜尋特定的神經元。
連線H01和註釋的Neuroglancer介面。使用者可以根據細胞的層次和型別選擇特定的細胞，可以檢視輸入和輸出的突觸。
繼最大果蠅大腦地圖和神經元3D模型之後
2019年，谷歌與霍華德 • 休斯醫學研究所以及劍橋大學合作，透過Flood-Filling Network演算法和TPU晶片，將果蠅大腦切分成數千個40奈米的超薄切片，並且使用透射電子顯微鏡生成每個切片的影象，產生了40萬億畫素以上的果蠅大腦影像，然後將2D影象排列對齊形成完整果蠅大腦的3D影象。
首次成功重建了果蠅大腦神經元的3D模型，但並未揭示有關果蠅大腦神經元「連線性」的資訊。
2020年，谷歌釋出有史以來最大、最詳盡的果蠅大腦地圖，對果蠅大腦中神經元連線的高度詳細的繪製。
去年年初，谷歌與霍華德 • 休斯醫學研究所（HHMI）的FlyEM團隊等，釋出了「半腦」連線組（ 「hemibrain」 connectome），繪製的影象涵蓋了25000個神經元，按體積計算，大約佔果蠅大腦的三分之一。
目前的研究中，谷歌研究人員依然面臨的技術難題。 因為，H01 是一個PB級的資料集，但只有整個人類大腦容量的百萬分之一。
將突觸級別的大腦對映到整個老鼠大腦 （比 H01 大500倍） 仍然存在嚴重的技術挑戰，更不用說整個人類大腦了。
其中一個挑戰就是資料儲存： 老鼠的大腦可以產生價值 1EB 的資料，而儲存這些資料的成本很高。
為了解決這個問題，谷歌研究人員使用基於機器學習的去噪策略來壓縮至少17倍的資料。
未來，資料集的龐大規模要求研究人員開發新的策略來組織和訪問連線資料中固有的豐富資訊。
講在最後
這將是谷歌研究者未來依然努力的方向
