撰文 | 李军 (Jun-Lizst Li)
编辑 | 程莉
审核 | 孙文智
在复杂生物系统里，往往研究对象的结构决定着其功能。神经网络系统亦是如此。为了理解动物大脑网络结构的复杂性及其潜在的功能，在目前的大脑计划中，脑图谱的绘制是重要的目标之一。
2019年8月19日，北京脑科学与类脑研究中心邀请到美国Janelia 研究所的赵挺博士为大家带来一场关于”大脑图谱重构与修正”的精彩讲座。
图一： 赵挺博士在讲座中
相对于基于光学成像的稀疏重构（针对感兴趣区域），基于电镜成像的致密重构（重建样本内所有可分辨的神经元）的工作量极大，Janelia FlyEM团队从一开始就认定致密重构的重要性，只有致密重构才能完整地重现神经系统的复杂性。
来自Janelia FlyEM团队的赵挺博士在报告中先是介绍了FlyEM整个团队，FlyEM 项目团队目前是Janelia 最大的项目团队，大约70个成员，包括Imaging scientists, Computational Experts, Biologists, proofreader(图谱矫正工作人员)。FlyEM团队的目标是重构整个果蝇的神经系统。目前是通过电子显微镜获得原始数据的，要从如此致密的电子显微图像中重建出突触级结构脑图谱，可见该任务的工作量及其因其涉及不同学科所产生的挑战非同寻常。
Janelia FlyEM项目团队至今已经持续了10年的研究，从最初一个果蝇小脑的column（包含379个神经元)【1】 到七个column（~1000个神经元)【2】, 再到果蝇的蘑菇体（Mushroom body）脑区（~1000个神经元）的神经元重构【3】，项目完成时间从5年逐步缩短到2年，最后只用了1年便完成了Mushroom body所有神经元的重构。正是有了团队在各项技术的突破创新，才使得FlyEM团队的整体工作效率迅速提高，能够支持更大规模的脑图谱重建工作。近期，FlyEM继续挑战新高，目标是半个果蝇大脑图谱的构建。
整个脑图谱重构的流程是这样的：样本准备→电镜成像→图像处理→图像修正，最后进行形态学与连接组学分析。
图 二：Janelia FlyEM 团队项目-果蝇致密脑图谱重构【4】
目前来看，图像分割是脑图谱重构中的一个重要任务。赵挺博士提到，FlyEM团队在后期的图像分割工作是与Google团队合作的，利用他们的最新算法FFN（Flood-Filling Networks）来自动对果蝇电镜成像数据进行神经元的图像分割与重建，快速建立脑图谱。[5]
赵挺博士是“脑图谱的修正过程”这块内容的主要负责人。到了这步，有意思的问题是，自动处理结果离真正的脑图谱还有多远呢？“望山跑死马”，赵挺博士形容道。可见，距离还真是很远，那么又如何能够快速到达真正的脑图谱呢？此时一款高效的修正软件显得极为重要。赵挺团队的主要工作正是解决整个脑图谱构建过程中的这一大问题，即开发软件，加快对自动处理结果的人工修正，提高脑图谱绘制工作的效率。
修正软件的开发从最早一代的Raveler, 到NeuTu, 再到Neu3，不管是数据大小，连接组复杂度，还是图像分割质量，都经历了质的飞跃。随着软件的不断发展，NeuTu和Neu3加上DVID等构成了一个软件生态系统。NeuTu与Neu3可以直接为修正人员提供可视化界面，让修正人员可以对错误进行快速地定位。DVID是其中一个重要的组成部分，简单说是一个分布式的图像数据库，同时可以上传数据到Google云端。
总的来说，这些软件的重要功能就是可以三维可视化，“让连接组看得见”，就像一个GPS导航系统，可以针对神经元形态多尺度可视化。在二维图像和三维可视化间的快速转换和定位，同时还支持在二维窗口和三维窗口中的标注。
在分割方面还存在两个问题：过度分割与过度合并。过度分割的需要合并，过度合并的需要分离，赵挺老师基于种子点算法设计了一个多尺度交互式分割通用框架。该框架不依赖于具体分割算法，可以方便地替换为基于种子点的分割算法。提示的区域越多，它的结果会越准确。基于超像素的剪切（Cleaving）工具可以修正大部分错误。超像素就是一个像素的组合，每个超像素如果为一个节点，一个network表示他们是连接到一起的。有了整合体素分离和基于超像素的剪切（Cleaving）工具，如此双剑合璧，可以对任意过度合并的错误进行高效的修正。
此外，FlyEM团队还开发了一个Focused proofreading的算法，专门用来修正过度分割，分析，评估，重要性计算，排序，从而进一步提升修正工具的整体工作效率。
讲座最后，赵挺博士向大家分享了一个已修正过的神经元的效果视频，并且展望了其项目组在未来可能会继续挑战更大的模式动物。
参考文献：
【1】Takemura, Shin-ya, et al. "A visual motion detection circuit suggested by Drosophila connectomics." Nature 500.7461 (2013): 175.
【2】Takemura, Shin-ya, et al. "Synaptic circuits and their variations within different columns in the visual system of Drosophila." Proceedings of the National Academy of Sciences 112.44 (2015): 13711-13716.
【3】Takemura, Shin-ya, et al. "The comprehensive connectome of a neural substrate for ‘ON’motion detection in Drosophila." Elife 6 (2017): e24394.
【5】Januszewski, Michał, et al. "High-precision automated reconstruction of neurons with flood-filling networks." Nature methods 15.8 (2018): 605.
Комментарии