在科学的浩瀚宇宙中，每一个突破性的发现往往都起源于一个看似“疯狂”的点子。科学的伟大发现往往源于最不经意的瞬间。
2019年，柏林植物园中的一次漫步，为HHMI Janelia Research Campus的团队带来了灵感的火花。团队负责人Jan Funke和他的同事们，正在讨论一个老生常谈的话题：如何从昆虫的连接组中获取更多信息。
3D电子显微镜体积显示释放神经递质的突触部位。
连接组的奥秘
连接组，即大脑中细胞及其连接方式的详细图谱，为研究人员提供了前所未有的信息。然而，这些图谱并未透露一个神经元的信号如何影响其网络中的其他神经元。团队开始思考，是否能够利用先前实验中识别出的某些神经元释放的神经递质信息，来预测连接组中其他神经元释放的神经递质。
尽管人眼无法区分不同神经递质释放的突触，但计算机模型或许可以做到。Funke和他的同事们对此持怀疑态度，但认为值得一试。Funke回忆说：“我们有数据，我想我们可以试试。”尽管他们并不特别乐观。
测试数据集中神经递质预测示例的可视化。
实习生Michelle Du的突破
回到研究园区，Funke决定把这个项目交给Michelle Du，这是一个正在他的实验室开始暑期实习的高中生。这个项目可以让Du学习如何训练一个神经网络来识别图像，即使这个项目没有得到结果，对一个年纪轻轻的计算机科学家来说也是一项有用的技能。
实习刚开始没几天，Du出现在Funke的办公室里，她用已发表的数据训练了模型，并根据测试数据评估了模型的性能。尽管 Funke 对它的作用不抱什么希望，但该模型在预测某些神经递质方面的准确率超过90%。
“我简直不敢相信，这些数字太好了！”
这一结果让Funke难以置信，在检查了数据和模型后，团队确信这些数字不是错误。但团队仍然谨慎，因为他们还不清楚网络是如何做出这些预测的。
Cell文章截图
解开预测之谜
团队排除了可能影响结果的干扰因素，并开发了一种方法来理解网络是如何看到并做出预测的。他们首先用网络成功预测了已知图像中的神经递质，然后让另一个网络对已知图像进行微小的改变，以创建出代表不同神经递质释放的图像。这帮助他们识别了模型预测不同神经递质所需改变的最小特征。
神经科学领域的认可
通过这些信息，团队理解了原始网络用于做出预测的不同特征，这为他们提供了足够的信心，将这种方法推广到更广泛的神经科学社区。之后，他们将这一方法发布以研究论文的形式发表在Cell杂志，为神经科学领域带来了新的工具。
Cell文章截图
如今，Du已成为杜克大学的本科生，而她参与开发的方法已被用于预测果蝇大脑不同区域的神经递质。这些信息帮助科学家们理解了神经回路中神经元之间的相互作用，为实验室中的假设测试提供了理论基础。
这个故事再次证明，即使是最不被看好的想法，也有可能成为改变世界的科学突破。而将这样的挑战交给下一代，可能会带来意想不到的惊喜。正如Funke所说：“我们非常幸运，Michelle非常有才华。”
参考文献：Nils Eckstein et al, "Neurotransmitter classification from electron microscopy images at synaptic sites in Drosophila melanogaster," Cell (2024). DOI: 10.1016/j.cell.2024.03.016
主编微信
赵编微信（加群小助手）
注：添加微信请备注昵称+单位+研究
生命科学综合交流QQ群:681341860
热门跟贴