Är det möjligt att förstå hjärnan? Vetenskapen är fortfarande långt ifrån att besvara denna fråga. Dock, eftersom forskare har börjat träna artificiell intelligens i neurobiologiska analyser, det verkar åtminstone möjligt att rekonstruera hjärnans cellstruktur. Nya artificiella neurala nätverk utvecklade av Max Planck Institute of Neurobiology och Google AI kan nu till och med känna igen och klassificera nervceller oberoende baserat på deras utseende.

Den mänskliga hjärnan består av cirka 86 miljarder nervceller och ungefär lika många glialceller. Dessutom, det finns cirka 100 biljoner kopplingar mellan nervcellerna ensamma. Medan kartläggningen av alla kopplingar till en mänsklig hjärna förblir utom räckhåll, forskare har börjat ta itu med problemet i mindre skala. Genom utvecklingen av seriell block-face scanning elektronmikroskopi, alla celler och anslutningar i ett visst hjärnområde kan nu automatiskt undersökas och visas i en tredimensionell bild.

"Det kan ta flera månader att mäta 0,3 mm ³ hjärnbit under ett elektronmikroskop, "säger Philipp Schubert, doktorand vid Winfried Denks institution vid Max Planck Institute of Neurobiology. "Beroende på hjärnans storlek, det verkar vara mycket tid för en liten bit. Men även detta innehåller tusentals celler. "En sådan datauppsättning skulle också kräva nästan 100 terabyte lagringsutrymme. Men det är inte insamling och lagring utan snarare dataanalysen som är den svåra delen.

Lyckligtvis, analysmetoderna har förbättrats vid sidan av mikroskopiteknikerna. Under en lång tid, bara den mänskliga hjärnan verkade kunna tillförlitligt känna igen och spåra nervcellernas delar och anslutningar i elektronmikroskopbilder. Till exempel, människor fick fortfarande arbeta i timmar framför en datorskärm för att spåra cellkomponenter i bildstaplarna och korrigera datoranalyser. Som ett resultat, rekonstruktionen av även de minsta datamängderna tog många år. Några år sedan, dock, forskarna tog hjälp av artificiell intelligens.

Neurobiologerna från Martinsried utbildade konvolutionsneurala nätverk för att känna igen och skilja nervcellkomponenter i bilddata. Med hjälp av förbättrad bildanalys med hjälp av översvämningsfyllnadsnät, hela nervceller med alla deras komponenter och anslutningar extraherades automatiskt från en bildbunt 2018 - praktiskt taget utan fel. "Och nu, med neurala nätverk för cellulär morfologi, vi går ett steg längre i analysen, "säger Schubert." Som människor, CMN känner igen en cell efter dess form och sammanhang och inte genom att jämföra enskilda pixlar. "

CMN:erna kan nu tilldela nervcellerna som extraherats från en bildstapel till en nervcelltyp eller en glialcell beroende på deras utseende. CMN:n känner också igen om ett cellområde tillhör cellkroppen, axonen, en dendrit, eller dess spinösa processer. "Denna information är viktig för att kunna förstå cellernas funktion eller, till exempel, informationsflödets riktning vid de synaptiska kontaktpunkterna, säger Schubert, som redan ser fram emot nästa uppgift:"Nu kan vi äntligen analysera de större datamängderna!"