泽南、小舟编辑

​如今,人类可以实时扫描100万神经元:大脑细胞活动成像技术新突破

几年前,计算机同时记录一万个神经元活动就会成为新闻。转眼间,现在已经有人做到一百万了。
在科幻小说《三体》中,面壁者希恩斯冬眠八年后,人类研究出了比他冬眠前计算能力高一万倍的计算机,这样人类就可以对人脑进行全景解析了。

虽然还没有什么面壁者计划,但现实世界里,扫描大脑的技术一直在发展的过程中,其速度也要比摩尔定律来得更快:过去的十年间,人类同时记录细胞的数量增加了近一万倍。而最近来自美国洛克菲勒大学 Vaziri 实验室的一项研究,再次大幅度增加了计算机实时检测细胞的数量,达到了 100 万个神经元

按照这样的速度,到 2030 年我们或许就可以实现 1 亿个细胞的解析,而人脑中的神经元数量约为 1000 亿个。

Vaziri 实验室展示的大脑钙成像结果中,单个神经元依次闪烁。

在提交到 Biorxiv 的论文《High-Speed, Cortex-Wide Volumetric Recording of Neuroactivity at Cellular Resolution using Light Beads Microscopy》中,研究人员实现了以 2Hz 的速度扫描一百万个活动神经元的记录,这是让计算机获知你在想什么的第一步,也是重要一步。

在几十年后,我们或许就可以实现「思想映射」,以接近实时的速度实现心理诊断,让疾病的治疗变得更加具有针对性。

双光子显微镜和可遗传编码的钙指示剂已经成为散射脑组织中神经活动高分辨率成像的标准工具。然而,它的各种实现没有以原则上的方式克服速度和时空采样之间固有的权衡问题。这对于在细胞分辨率和解析钙(resolving calcium)瞬间兼容的速度下实现神经活动的中度尺寸体积记录是必不可少的。

在该论文中,研究者提出了 Light Beads Microscopy(LBM),这是一种可扩展且时空上最佳的采集方法,仅受荧光寿命的限制,其中一组轴向分离且时间上不同的焦点几乎同时记录了整个轴向的成像范围,从而实现体积测量以每秒 1.41 × 10^8 体素的速度录制。使用 LBM,该研究展示了小鼠皮层中多个尺度的介观和体积成像。包括大约 3×5×0.5 mm^3 体积内的细胞分辨率记录。其中包含在大约 5Hz 处 > 200,000 个神经元,在约 2Hz 处约 5.4×6×0.5mm^3 范围内的约 100 万个神经元的种群,以及以更高速度(9.6 Hz)的亚细胞分辨率的体积记录。

LBM 提供的视野是前所未有的,借助它可以发现哺乳动物大脑皮质全层编码和信息处理基础的神经计算。

论文链接:https://www.biorxiv.org/content/10.1101/2021.02.21.432164v2

研究者在论文中演示了 LBM:一种同时用于介观和体积 2pM 的高速光学采集技术。在 LBM 中,显微镜扫描一组轴向分离且时间上不同的焦点(即「beads」),而不是单个焦点(图 1a)。beads 在单个像素的停留时间内记录了样品整个深度范围(约 500 µm)中的信息,因此 LBM 在扫描单个平面所需时间内捕获了整个体积。此外,通过采样优化的空间采样,LBM 可以将体积 FOV 扩展到介观尺度,同时保留与 GCaMP 兼容的体积率(volume rate)。这里的 light beads 是通过一种基于腔的多路复用方法形成的,该方法称为多轴轴向多路复用模块(Many-fold Axial Multiplexing Module,MAxiMuM)。

MAxiMuM 的独特之处在于,它可以将 N 缩放到 GCaMP 的荧光寿命和激光器的重复频率所造成的极限,并且可以控制每个光束的相对功率和位置。其提供了 30 倍的轴向多路复用,141 MHz 的体素(voxel)采集速率以及 16 µm 的平面 - 平面轴向间隔,这些条件针对以荧光寿命限制的信息率对密集标记的组织体积的采样进行优化和兼容,使用每体素一个脉冲的 SNR 最大化的激励,同时利用整个脉冲间时间间隔。

研究人员通过在清醒并表现出转基因表达 GCaMP6s 的小鼠体内的新皮质中进行体内成像来验证 LBM。在使用优化空间采样策略后,可以在大约 3×5×0.5mm^3 的体积内保持约 5Hz 帧率的扫描,解决 GCaMP 瞬态问题。作者重新定位了 FOV,使其在单个皮层半球内尽可能多的包含不同区域,包括 SSp、PTLp、RSP 和 VISp(图 2a)。为了刺激 FOV 中更多功能区域的神经活动,研究人员还找到了一些视觉等感官刺激的方法。

这种方式典型的记录时间范围大约在 9-30 分钟之间,覆盖 159-46 万个神经元。如果在 5.4×6×0.5mm^3 体积内以 2Hz 频率扫描,覆盖的神经元范围则可以扩展到 100 万个。如果想要把扫描的速度提升,最高可以达到 9.6Hz。

理论生命科学神经元
相关数据
映射技术

映射指的是具有某种特殊结构的函数,或泛指类函数思想的范畴论中的态射。 逻辑和图论中也有一些不太常规的用法。其数学定义为:两个非空集合A与B间存在着对应关系f,而且对于A中的每一个元素x,B中总有有唯一的一个元素y与它对应,就这种对应为从A到B的映射,记作f:A→B。其中,y称为元素x在映射f下的象,记作:y=f(x)。x称为y关于映射f的原象*。*集合A中所有元素的象的集合称为映射f的值域,记作f(A)。同样的,在机器学习中,映射就是输入与输出之间的对应关系。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

摩尔定律技术

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为:积体电路上可容纳的电晶体数目,约每隔两年便会增加一倍;经常被引用的“18个月”,是由英特尔首席执行官大卫·豪斯所说:预计18个月会将芯片的性能提高一倍。

推荐文章
暂无评论
暂无评论~