神经元活动的大规模成像对于理解大脑功能至关重要。然而，实时分析大规模成像数据是一项挑战，这阻碍了对神经回路的闭环研究。
2024年3月8日，中国科学院脑科学与智能技术卓越中心杜久林研究组、穆宇研究组和自动化研究所蒿杰研究组合作在Nature Neuroscience在线发表题为“Real-time analysis of large-scale neuronal imaging enables closed-loop investigation of neural dynamics”的研究论文，该研究开发了一个实时分析系统，具有现场可编程门阵列-图形处理单元设计，用于高达每秒500兆字节的图像流。该系统适用于清醒的幼体斑马鱼的全脑成像，可及时提取多达10万个神经元的活动，并实现神经动力学的闭环扰动。
对脑功能的理解依赖于对神经动力学的完全测量和闭环扰动。先进的光学成像技术实现了对大量神经元群神经动力学的测量，甚至可以在斑马鱼等小型脊椎动物的全脑尺度上进行测量。对于闭环摄动，实时分析是捕获目标神经动力学出现的时刻的先决条件。虽然在相对小规模的光学成像中已经实现了实时分析，但由于数据流速率呈指数级增长，在大规模成像中仍然不可行。因此，现有技术不足以实现对大规模神经动力学因果调查至关重要的闭环实验范式。
稳定的实时分析大规模神经元活动的光学成像（图源自Nature Neuroscience）
该研究开发了一个实时分析大规模成像数据的系统，并将其应用于清醒的斑马鱼幼虫的全脑成像。通过定制的现场可编程门阵列图形处理单元(FPGA-GPU)系统，可以在采集过程中分析全脑神经动力学，并在目标神经动力学发生时提供光遗传和感觉刺激。
该系统具有高通量分析持续神经动力学的能力，可以作为大规模内部动力学和外部扰动之间的良好接口。除了光遗传和感觉刺激的闭环控制外，该系统还可以通过针对神经动力学的特定阶段的功能集合来实现其他闭环扰动(如光转换)。通过实时循环和迭代分析-扰动-再分析过程，可以在实验中生成、测试和改进模型。
中国科学院脑智卓越中心杜久林研究员、自动化所蒿杰研究员、脑智卓越中心穆宇研究员为共同通讯作者；暨南大学/深圳市神经科学研究院尚春峰研究员（原杜久林研究组副研究员）、脑智卓越中心汪玙璠博士、自动化所赵美婷助理研究员为共同第一作者；自动化所范秋香助理研究员、脑智卓越中心赵姗博士生、钱禹工程师和徐圣进研究员做出了重要贡献。该工作得到科技部、基金委、中国科学院、上海市和深圳市的资助。
https://www.nature.com/articles/s41593-024-01595-6
热门跟贴