小鼠皮層2/3錐體神經(jīng)元用7色TETBOW標(biāo)記。圖片來源：今井武/九州大學(xué)
科技日報(bào)記者?張夢然
日本九州大學(xué)研究人員在新一期《自然·通訊》上發(fā)表文章稱，他們開發(fā)了一種新的人工智能（AI）工具——QDyeFinder，其可從小鼠大腦的圖像中自動(dòng)識(shí)別和重建單個(gè)神經(jīng)元。該過程涉及使用超多色標(biāo)記協(xié)議去標(biāo)記神經(jīng)元，然后讓AI通過匹配相似的顏色組合自動(dòng)識(shí)別神經(jīng)元的結(jié)構(gòu)。
識(shí)別神經(jīng)元的一種策略是用特定顏色的熒光蛋白標(biāo)記細(xì)胞，研究人員可追蹤這種顏色并重建神經(jīng)元及其軸突，擴(kuò)大顏色范圍可同時(shí)追蹤更多的神經(jīng)元。2018年，研究人員開發(fā)了Tetbow，這是一種用光的3種原色為神經(jīng)元著色的系統(tǒng)。Tetbow使追蹤神經(jīng)元和找到它們的連接變得更加容易。
研究人員致力于將顏色的數(shù)量從3種增加到7種，但一個(gè)關(guān)鍵問題是人類對(duì)顏色感知有局限性。仔細(xì)觀察任何電視屏幕，都會(huì)發(fā)現(xiàn)像素由3種顏色組成：藍(lán)色、綠色和紅色。人類能感知到的任何顏色都是這3種顏色的組合，因?yàn)槿搜劾镉兴{(lán)色、綠色和紅色的傳感器。
但機(jī)器沒有這樣的限制。鑒于此，研究人員開發(fā)出一種工具，可自動(dòng)區(qū)分這些巨大的顏色組合。這個(gè)工具能自動(dòng)將相同顏色的神經(jīng)元和軸突縫合在一起，并重建它們的結(jié)構(gòu)。QDyeFinder的工作原理就是首先自動(dòng)識(shí)別給定樣品中的軸突和樹突片段，然后識(shí)別每個(gè)片段的顏色信息，接著研究人員利用新開發(fā)的機(jī)器學(xué)習(xí)算法，將顏色信息組合在一起，識(shí)別出同一神經(jīng)元的軸突和樹突。
將QDyeFinder的結(jié)果與手動(dòng)追蹤神經(jīng)元的數(shù)據(jù)進(jìn)行比較時(shí)，它們的準(zhǔn)確性幾乎一致。即使與已經(jīng)充分利用機(jī)器學(xué)習(xí)的現(xiàn)有追蹤軟件相比，QDyeFinder也能以更高的準(zhǔn)確度識(shí)別軸突。
總編輯圈點(diǎn)
神經(jīng)元的突起可分為樹突和軸突。樹突是從胞體發(fā)出的一至多個(gè)突起，呈放射狀。軸突則每個(gè)神經(jīng)元只有一根?？梢园堰@一切想象成大樹，樹上伸展出不同枝丫，枝丫和枝丫之間又有連接，形成密密麻麻的網(wǎng)絡(luò)。此次，科研人員開發(fā)了一種新的人工智能工具，他們用顏色標(biāo)記神經(jīng)元，讓人工智能進(jìn)行追蹤、識(shí)別和分類——這正是機(jī)器擅長的事情。它能夠精準(zhǔn)識(shí)別同一神經(jīng)元的軸突和樹突，分辨出神經(jīng)網(wǎng)絡(luò)的構(gòu)成，讓我們更深入了解大腦的運(yùn)作。
