上周五，研究人员宣布完成了一只雄性果蝇大脑中每个神经元的图谱绘制工作。这一"连接组"为神经生物学研究提供了一个可以加速进展的工具。但由于雌性果蝇的连接组在今年早些时候已经完成，这项工作本身也提供了开展科学研究的机会。这项工作还让研究团队有机会完善相关工具，这些工具未来有望应用于更复杂的神经系统，包括脊椎动物的神经系统。
这项新研究是霍华德·休斯医学研究所珍妮莉亚研究园区的生物学家与谷歌的计算机科学家合作完成的——双方都承认，若没有对方的参与，这个项目都无法独立完成。以必要的分辨率对整个大脑进行成像准备工作，需要一套独特的技能，解读这些图像所显示的内容同样需要专门技能。但要构建像果蝇这样微小大脑中数亿个突触的完整图景，靠人力在合理时间内是无法完成的任务。
这项工作的参与者认为，从长远来看，这些努力是值得的，因为连接组能为神经生物学家提供理解大脑工作原理的宝贵工具。
建立连接组
我们与世界的互动始于感官输入——即负责识别声音、光线、触觉等的神经元。此后，大脑的大部分活动都涉及神经元之间的相互通讯。这种通讯将输入信号转化为大脑其他部分能够解读的信号，将信息传递到相关处理中心，并往往会产生某种输出，从形成记忆到肌肉运动皆有可能。
所有这些处理过程都取决于神经元之间的连接方式。例如，视觉系统会先自行完成一些基础识别，然后将结果传递给大脑的视觉处理中心。如果这些中心检测到类似文字的内容，它们可以利用与语言中心的连接来进行解读，依此类推。
因此，要理解大脑的工作原理，我们需要一份大脑中所有连接的目录，因为这些连接决定了信息如何在各个系统中流动。这份目录就是连接组。
从实际角度来说，连接组是大脑中每个神经元的清单，包括其在三维空间中的位置，以及它与其他神经元形成的连接（称为突触）。这比听起来要复杂得多。每个神经元可以形成多个分支状的突起，称为轴突，使其能够与其他神经元形成数百个连接。因此，尽管果蝇的神经系统仅由大约15万个神经元组成，大脑中所含的神经元只是其中一部分，但这项新研究发现果蝇大脑中存在超过3亿个突触连接。
那么该如何绘制这样的图谱呢？珍妮莉亚研究园区的高级团队负责人、这篇新论文的资深作者之一杰里·鲁宾描述了随着系统复杂程度的变化，情况发生了怎样的改变。"我曾是[英国分子生物学实验室]的研究生……我1971年到那里的时候，他们已经买了一台巨型计算机，并有了利用机器视觉和计算机来构建线虫连接组的想法，"鲁宾说。
线虫是一种小型透明蠕虫，仅有300多个神经元，看起来应该是一个可以处理的系统。"他们花了大约两年时间才意识到，那时的计算机远远不够强大，"鲁宾说，"于是他们改用照片打印和彩色记号笔，圈出神经元并手工描摹。"
这种精细程度的方法根本无法应用于像果蝇这样复杂的对象，而且果蝇也完全不透明，这使得对其神经进行成像十分困难。幸运的是，计算机已经取得了长足进步，我们能够运行的算法也是如此。
在这项新研究中，生物学家们将解剖出的果蝇大脑（连同部分腹神经索）切割成大量间距均匀的薄片。通过精确掌握切片的顺序，研究人员能够在将大脑转化为一系列近似二维物体的同时，保持大脑的三维结构完整，这些二维图像可以使用电子显微镜进行成像，从而获得识别微小细胞结构所需的分辨率。此后，计算机在图像处理过程中变得至关重要。
让AI发挥作用
谷歌研究院的员工科学家米哈尔·雅努谢夫斯基向Ars Technica表示，第一步是使用一种生成式AI来确保每个切片处的区域能够正确连接起来。无论切割多么谨慎，切割时总会产生一些扭曲，并损失一点材料。
"当你把这些区块拿来，用计算方法重新拼接在一起时，它们之间会有一点小缝隙，因此组织无法完全平滑衔接，"雅努谢夫斯基说。"我们使用[一种生成式]模型让组织看起来像是没有接缝一样，这使得后续所有处理都变得更容易，因为你基本上可以在很大程度上忽略这个问题。"
另一个独立的模型负责填补由细胞膜界定的空间，使系统能够在三维空间中追踪单个细胞。"这在很多方面都与人们通常谈论AI时所想到的不同，"雅努谢夫斯基向Ars Technica表示。"其一是，它实际上是一个循环过程，因此它在描绘神经元轮廓的过程中确实是在空间中移动的，而且它是一个视觉模型，能将显微镜图像中的体素[转换]为神经元的三维呈现。"
此外，还有其他模型用于识别突触，并在发现突触后对其类型进行分类。这些模型可以通过不同的敏感度或"贪婪程度"进行微调——基本上就是调整它们将某物判定为突触的概率。而在这方面，人工校对员的反馈起着重要作用。
"这需要校对员和米哈尔之间反复沟通调整，比如说，'给我们一个不那么贪婪的版本，因为拆解比组合更难，'"鲁宾说。"所以这是人类提供反馈和算法进行调整之间的一个迭代过程。"
从完整的果蝇大脑到完整的连接组，整个过程大约耗费了四年时间。但鲁宾表示，团队在此过程中开发的技术，以及软件日益提升的复杂程度，有望在连接组学研究向更高复杂程度迈进时发挥关键作用。
"我们的看法是，我们用50人的团队完成了果蝇的研究，"鲁宾说。"我们希望，到有人开始研究小鼠大脑时，他们同样只需要50人的团队，即便小鼠大脑中的神经元数量是果蝇的一千倍。人力投入不会消失，但人力投入不需要随神经元数量按比例增加，否则在经济上就行不通了。"
管理这种复杂性也是谷歌被这一挑战吸引的原因。"我认为谷歌和我们对此感兴趣的原因是，这是那种无法用其他任何方式完成的重大挑战，"雅努谢夫斯基说。"我们知道这需要AI才能完成。这不是靠增加更多人力或其他任何技术就能解决的问题。而且这项工作意义重大。"
大脑中的性别差异
由于长期以来对果蝇的广泛研究，我们已经对果蝇的神经系统了解颇多，包括果蝇大脑的功能区域，以及通过功能和/或基因活动组合识别出的一系列独立神经元。但这最多只是一幅局部图景，我们现在可以借助连接组来更详细地填补这幅图景。结合今年早些时候由大学研究人员完成的雌性果蝇连接组，我们能够更深入地理解性别决定如何影响特定的大脑差异。
正如生物学中许多事情一样，基础数字看似简单，但细节却相当复杂。研究人员识别出289个雄性特有的神经元，71个雌性特有的神经元，以及138个在两性中都存在但形态和连接方式不同的神经元。它们与前述基因的关系并不总是直接的。90%的雄性特有神经元表达dsx和fru基因，但仍有10%并不表达。鲁宾认为，这些神经元可能是通过与表达这些基因的神经元相互作用而获得了性别特异性身份的。
对于那些在两性中都存在但形态和连接不同的神经元，情况可能也是如此。这些神经元中近40%并没有活跃的dsx或fru基因。而在两性中形态相同的神经元中，约有7%却表达dsx和fru，这表明它们可能在神经活动上存在其他差异，尽管形态和连接方式相似。
还有一些奇特的现象。例如，两种控制雌性对交配的生理反应的神经元类型，在雄性中也同样出现，并且具有相同的基本形态，尽管它们间接控制的组织在雄性体内根本不存在。这些神经元的区别在于它们在雄性和雌性中形成的连接方式不同。
研究团队还确定了这些性别特异性神经元在神经通路中发挥作用的一般模式：它们往往远离直接的感官处理或运动控制环节，而是与参与更高层次神经处理的神经元协同作用。也有少数例外情况，例如识别性别特异性性激素存在的感觉神经元。但在大多数情况下，这些神经元似乎是在基础感官处理完成之后才发挥作用，可能是在处理过程与相关行为之间架起了桥梁。
与此相符的是，性别特异性神经元往往聚集在一起，这表明它们可能协同作用以增强所传递信号的强度。正如论文所述，性别特异性神经元的位置和连接方式"表明存在一种层级结构，其中性别差异主要修饰整合与决策区域，而感官检测和高度精细调控的运动接口则保持相对恒定"。
下一步是什么？
从某些方面来说，雄性和雌性果蝇连接组的完成，有点像果蝇基因组的完成：它将加速许多本已在进行中的研究工作。如果一项研究发现了某个有趣的神经元，研究人员只需打开浏览器，就能确定它与哪些其他神经元和大脑结构相连。以难以量化的方式，这应该会带来更明智的研究假设，同时为研究人员节省理解神经连接所需的工作量。
鲁宾还表示，这对理论神经科学产生了重大影响。"在此之前，大多数神经理论学者都会想，'大脑可能是如何工作的？'"他说。"而他们没有任何约束条件。有了连接组之后，他们就可以说，'大脑能做到这一点，这就是它的连接图谱。这个连接图谱如何能实现这种功能？'所以这是一个重大转变。我认为这是拥有连接组之后带来的最大变化。"
其他相关工作的进展将取决于连接组绘制工作是否会遵循基因组学领域的发展轨迹——随着技术的完善和进一步自动化，成本大幅下降。这项工作最引人关注的发现之一是，在雌性连接组中观察到的某个特定神经元，在雄性果蝇的两个大脑半球中的一个半球里却缺失了，据推测这是由于发育过程中出现了差错。目前仅完成了两个连接组，我们无法很好地了解这种变异性的普遍程度如何。同样的问题也适用于单个神经元路径和连接方式上更细微的差异。
要以统计学上可信的方式对这种变异性做出有意义的说明，我们需要数十个样本案例。这意味着我们还需要大幅提升绘制连接组的速度，而不是像目前这样，从解剖果蝇大脑到最终完成连接组耗费四年时间。
Q&A
Q1：果蝇连接组是什么？
A：连接组是大脑中每个神经元的清单，包括其在三维空间中的位置，以及它与其他神经元形成的突触连接。这项新研究发现果蝇大脑中存在超过3亿个突触连接。
Q2：谷歌在这项研究中承担了什么角色？
A：谷歌的计算机科学家与霍华德·休斯医学研究所的生物学家合作，利用生成式AI模型拼接脑组织切片图像、追踪细胞轮廓、识别并分类突触，解决了人力无法完成的大规模数据处理难题。
Q3：雄性和雌性果蝇大脑有什么不同？
A：研究人员发现了289个雄性特有神经元、71个雌性特有神经元，以及138个在两性中形态和连接不同的共有神经元。这些性别特异性神经元主要作用于高层次决策区域，而感官检测和运动控制部分则保持相对稳定。
热门跟贴