Research@ NYC: Картографирование мозга

Научное понимание мозга было сложной задачей на протяжении десятилетий. Нейробиология добилась определенного прогресса в определенных областях, но фундаментальные вопросы о хранении памяти, распознавании лиц, необходимости сна и сбоях в работе мозга остаются без ответа.

Сложность мозга и отсутствие исчерпывающих данных препятствуют нашему пониманию таких заболеваний, как болезнь Альцгеймера и шизофрения. 160 миллиардов клеток образуют сеть соединений, известную как коннектом, которая обеспечивает такие способности человека, как обработка информации, память, планирование и эмоции.

Картографирование коннектома - грандиозная научная задача, и Google Research обладает уникальными возможностями для ее решения. Используя достижения в области компьютерных наук и программного обеспечения, мы создаем карту мозга в открытом доступе в сотрудничестве с другими учреждениями.

Плодовая мушка - крошечный, но важный организм для биологических исследований, за исследования, проведенные на плодовой мушке, было присуждено шесть Нобелевских премий. Изображения срезов мозга мух, полученные с помощью электронной микроскопии, были собраны и реконструированы в 3D для создания карты мозга мух, известной как "коннектом мух". Это оказало огромное влияние на исследования в области неврологии: сотни работ использовали этот коннектом для достижения прогресса в понимании того, как мухи видят и ориентируются в окружающей среде, и формируют примитивные формы памяти.

Достижения в области коннектомики значительно изменили область нейронауки, что привело к переходу от BC (до connectum) к AC (после connectum). Нейробиолог Ларри Эбботт обсуждает эту трансформацию и ее влияние на историю нейронауки.

На этом видео показаны необработанные данные образца человеческого мозга, начиная с одного соединения и уменьшая масштаб, чтобы показать поле зрения, охватывающее миллиметры. Несмотря на небольшой размер (около 1 миллионной части всего мозга), он сгенерировал более 2000 терабайт данных визуализации.

Исследователи обнаружили новые структуры при анализе тканей, в том числе ранее невиданные образования, похожие на проволоку, которые образуют гигантские узлы. Назначение этих структур неизвестно и представляет красоту непредвзятого научного исследования.

Исследователи могут находить и изучать что-либо самостоятельно, поскольку все данные являются общедоступными и в них легко ориентироваться. Проект предполагает составление карты мозга мыши при участии сотрудников и финансировании со стороны Национального института здравоохранения США. Это начинание параллельно геномике на ее ранних стадиях, но имеет потенциал для значительных достижений в медицине.

Автоматизированное отслеживание нейронов на основе автоагрессивной трехмерной сверточной сети, называемой flood filling networks. Этот метод позволяет в 1000 раз сократить человеческие усилия.

Для анализа данных коннектомики используется недавняя инновация в технике самоконтролируемого обучения, называемая сегментацией с управляемым контрастом. Этот метод изучает представления данных для идентификации различных частей и типов нейронов, основываясь исключительно на шаблонах в самих данных, с минимальными требованиями к маркировке человеком.

Машинное обучение специализировано для коннектомики, чтобы объединить несколько методов обработки данных, таких как коннектомы и записи запуска нейронов в реальном времени у рыбок-зебр. Целью этого исследования является понимание того, как подключение мозга влияет на функции и поведение, ставя амбициозные вопросы о роли машинного обучения в этом контексте.

Использование передовых технологий позволяет прогнозировать активность нейронов или нейронных цепей. Tensor Store, программное обеспечение с открытым исходным кодом, управляет многомерными наборами данных петабайтного масштаба с тысяч компьютеров одновременно. Он широко используется для обучения большим языковым моделям в Google и помогает исследователям по всему миру в решении задач, специфичных для предметной области.