深入大脑：揭开大脑皮层的密集网络[视频]

来自小鼠大脑皮层的致密连接体，迄今为止最大的连接体。从3D电子显微镜数据密集重建的皮层神经元。

哺乳动物的大脑具有无与伦比的神经细胞数量和它们之间的交流密度，是已知最复杂的网络。虽然稀疏地分析神经元网络的方法已经使用了数十年，但每千分之一的神经细胞中只有大约一个可以访问，但是通过成像给定的脑组织中的每个突触和所有神经元线来对神经元回路进行密集映射已经成为一种方法。重大挑战。在2019年10月24日发表于《科学》杂志上的一篇文章中，德国法兰克福马克斯·普朗克脑科学研究所的研究人员报告说，他们成功地从小鼠大脑皮层进行了约半百万立方微米的脑组织的密集结缔组织作图。使用3维电子显微镜和基于AI的图像分析。

与任何其他器官不同，我们的大脑包含膜状电缆的极为密集的网络，供我们约860亿个神经细胞用于彼此之间的通信。由于哺乳动物大脑主要部分的每个神经细胞，即所谓的大脑皮层，通过沿着这些电缆长距离放置的突触与大约1,000个其他神经细胞进行通讯，因此，预计总共会有500万公里的电线被塞入我们的大脑中。头骨–在我们每个人的大脑中，其长度都比地球上所有高速公路长10倍以上。我们（和其他哺乳动物）大脑中发现的电缆直径细到50至100纳米，大约是头发直径的1000倍。产生的电缆回旋具有如此高的密度和大小，以至于100多年来，研究人员仅能绘制给定大脑中神经元的微小部分之间的连通性。

只有更快的电子显微镜技术（“ 3D EM”）和更有效的图像分析程序的发展才使得神经元网络的密集映射成为可能。“连接组学”的新领域一直在追求在几个物种和大脑区域中越来越大的电路的密集映射。

在《科学》杂志今天发表的工作中，由马克斯·普朗克（Max Planck）总监莫里兹·赫尔姆斯特德特（Moritz Helmstaedter）组成的团队对来自四周龄小鼠大脑皮层的一块组织进行了成像和分析，该组织是通过从体感皮层活检获得的，该皮层的一部分被触摸的表示和处理。在这里，研究人员应用了优化的基于AI的图像处理和有效的人机交互，以分析该体积中约40万个突触和约2.7米的神经元电缆。有了这个，他们产生了一个约7,000个轴突和约3,700个突触后神经突之间的连接体，产生的连接体比六十年前从小鼠视网膜获得的连接体大26倍。重要的是，这种重建同时要比应用于视网膜的重建大，效率要高约33倍，为哺乳动物脑中密集的结缔组织重建树立了新的标杆。

在连接组学的这一方法学突破的推动下，研究人员分析了连接组的当前电路模式。特别是，他们询问电路的哪一部分显示出与突触增长一致的特性，已知机制有助于电路的形成和“学习”。该研究的第一作者亚历山德罗·莫塔（Alessandro Motta）是一位电气工程师，他是一名电气工程师，受过培训，他使用突触对的特定配置来研究它们与活动相关学习过程（“ LTP”）的一致程度。“由于一些突触可塑性模型在学习例如识别树或猫时对突触权重的增加做出了具体的预测，因此即使从电路的静态快照中，我们也能够提取出此类潜在过程的烙印，”莫塔解释说。由于老鼠的正常实验室生活直到4周龄的脑活检之前，科学家认为，可以使用他们的方法来绘制通过学习“正常”感觉状态而形成的回路的程度。

Helmstaedter说：“即使在一块相对较小的皮质中也能发现如此多的信息和精度，我们感到很惊讶，并补充说，特别是对可能学到的电路分数的提取令我们大开眼界。”

报告的方法可能会对将有关生物智能的见解转移到今天所谓的“人工智能”产生重大影响。Helmstaedter说：“在大脑皮层中映射神经元网络的目标是一次重大的科学冒险，也是因为我们希望能够提取关于大脑如何成为如此高效的计算机的信息，这与当今的AI不同。”并描述了一个主要领域的研究领域，其中包括Google和美国情报机构（IARPA）的研究计划：“从生物神经元网络中学习人工神经元网络的未来的雄心是全球范围内的重大举措所共有的。我们为获得第一个里程碑而感到自豪，这是使用最大的普朗克学会（Max Planck Society）独家资助的致密的局部皮质连接组。”

经过近十年的工作，研究人员对他们的成就充满了热情。Helmstaedter说：“能够获取一块皮层，进行艰苦的处理，然后从那个美丽的网络中获取整个通信图，这是我们过去十年来一直在努力的工作。”研究人员得出以
下结论：“我们认为，我们的方法应用于来自不同大脑区域，皮质层，发育时间点和物种的大范围皮质组织，将告诉我们进化如何设计了这些网络，以及对形成其细粒度有何影响经验结构体。”

“此外，连接体筛查可以描述精神病和相关疾病的回路表型，并告诉我们某些重要的脑部疾病实际上在多大程度上是结节病，回路病。”

###

参考：“体感皮质第4层中的密集结缔组织重建”，作者：Alessandro Motta，Manuel Berning，Kevin M. Boergens，Benedikt Staffler，Marcel Beining，Sahil Loomba，Philipp Hennig，Heiko Wissler和Moritz Helmstaedter，2019年10月24日，科学。DOI：
10.1126 / science.aay3134