突触被视为神经网络中的连接桥梁。
人类大脑中拥有约860亿个神经元，突触的存在使得电信号能够在神经元之间传递。
科学家们长久以来一直渴望绘制出完整的大脑神经网络结构，以深入理解神经系统的工作机制。
你是否见过高分辨率自动重建的3D大脑皮层地图？
最近，谷歌与哈佛大学LichtMan实验室合作，推出了最新的「H01」数据集，包含1.4 PB的人类脑组织小样本渲染图。
H01样本通过连续切片电子显微镜以4纳米的分辨率成像，随后利用自动计算技术进行重建和注释，最终呈现出初步的人类大脑皮层结构。
该数据集覆盖约一立方毫米的皮质组织，包含数万个神经元、多个神经重建元片段、1.3亿个带注释的突触、104个校对细胞，以及其他多个亚细胞注释和结构。
所有数据都可以通过NeuRoglenceR进行访问。
H01是迄今为止生物学中对大脑皮层进行这种程度成像和重建的最大样本。
此外，它还是第一个大规模研究人类大脑皮层突触连接性的样本，覆盖了大脑皮层中多种细胞类型的各个层面。
这个项目的主要目标是为人类大脑研究提供新的资源，并推动连接组学的基础技术的改进与扩展。
最新研究成果「A connectoMic study of a petascale fRagMent of huMan ceRebRal coRtex」已在BIoRxiv上发表：
大脑皮层「地图」：1.3亿个突触，数万个神经元
首先，我们需要了解神奇的大脑皮层（ceRebRal coRtex）。
大脑皮层是脊椎动物大脑的薄表层，是脑及整个神经系统演化中最后出现、功能最高级的部分，在不同哺乳动物中展示了「最大尺寸差异」(尤其是人类)。
大脑皮层分为六层，每层包含不同类型的神经细胞（如刺星状神经细胞），在「高级认知功能」如思考、记忆、计划、感知、语言和注意力中发挥着关键作用。
尽管在宏观结构的理解上已有所进展，但在单个神经细胞的结构及其突触连接方面仍有许多未知之处。
人脑连接组学：从外科活检到3D数据库
要绘制大脑结构图，需要对单个突触进行高分辨率成像，这要求对生物化学稳定（固定）的组织进行成像。
研究团队与马萨诸塞州综合医院（MGH）的脑外科医生合作，在治疗癫痫的手术中，有时会切除正常人类大脑皮层的一部分，以便进入癫痫发作的深层位置。
切除的组织通常会被丢弃，研究团队得到了病人的匿名捐赠，用于LichtMan实验室的研究。
哈佛大学的研究人员使用自动化磁带收集超微切片机，将组织切割成大约5300个30纳米的切片，随后将这些切片放置在硅晶片上，并通过定制的61束平行扫描电子显微镜以4纳米分辨率对大脑组织进行成像，快速获取图像。
对5300个物理切片的成像产生了2.25亿张独立的二维图像。
研究团队通过计算将这些数据拼接（stITch）和对齐（align），形成一个单一的3D体积。
尽管数据质量总体良好，对齐通道仍需强健，以应对成像伪影（iMaging aRtiFActs）、缺失部分、显微镜参数变化以及组织的物理拉伸和压缩等挑战。
一旦对齐，研究团队将应用使用数以千计的谷歌云TPU和多尺度的flood-filling NetwoRk（FNN）管道，生成每个细胞的3D分割。
FFN是第一种能够自动分割并产生足够精确重建的技术。
其他机器学习管道则用于识别和描述「1.3亿个突触」，将每个3D片段划分为不同的「子区域」（如轴突、树突或细胞体），并识别其他感兴趣结构，如髓磷脂和纤毛。
由于自动重建的结果并不完美，仍需人工校对数据中的约100个细胞。
随着时间的推移，研究团队希望通过进一步的人工努力和自动化发展，在这个经过验证的集合中添加更多细胞。
NeuRoglanceR：大脑皮层可视化工具
图像数据、重建结果和注释可以通过一个基于网络的交互式3D可视化界面展示，该界面名为NeuRoglanceR，最初是为可视化果蝇大脑而开发的。
NeuRoglanceR是一种开源软件，广泛应用于连接组学领域。
为支持H01数据集的分析，增加了一些新特性，特别是支持按数据集类型或其他属性搜索特定神经元。
继最大果蝇大脑地图和神经元3D模型之后
在2019年，谷歌与霍华德·休斯医学研究所及剑桥大学合作，通过Flood-Filling NetwoRk算法和TPU芯片，将果蝇大脑切分为数千个40纳米的超薄切片，并使用透射电子显微镜生成每个切片的图像，产生超过40万亿像素的果蝇大脑影像，最终将2D图像排列对齐形成完整的果蝇大脑3D图像。
这次成功首次重建了果蝇大脑神经元的3D模型，但未能揭示果蝇大脑神经元的连接性信息。
2020年，谷歌发布了有史以来最大和最详尽的果蝇大脑地图，详细绘制了果蝇大脑中神经元的连接。
去年年初，谷歌与霍华德·休斯医学研究所的FlyEM团队共同发布了「半脑」连接组（「heMibRAIn」 connectoMe），覆盖了25000个神经元，按体积计算大约占果蝇大脑的三分之一。
在当前研究中，谷歌研究人员仍面临技术挑战。
H01是一个PB级的数据集，但仅占整个人类大脑容量的百万分之一。
将突触级别的大脑映射扩展到整个老鼠大脑（比H01大500倍）仍存在重大技术挑战，更不用说整个的人类大脑了。
其中一个挑战是数据存储：老鼠的大脑可产生价值1EB的数据，而存储这些数据的成本极高。
为了解决这个问题，谷歌研究人员采用基于机器学习的去噪策略，压缩数据至少17倍。
未来，数据集的庞大规模将促使研究人员开发新的策略，以组织和访问连接数据中蕴含的丰富信息。
这将是谷歌研究者未来努力的方向。
