谷歌助力神經(jīng)科學(xué)飛躍,破解斑馬魚全腦活動(dòng)密碼
谷歌、哈佛大學(xué)、HHMI Janelia研究所和拉德堡德大學(xué)的科學(xué)家們聯(lián)合發(fā)布了,一項(xiàng)開創(chuàng)性的研究成果ZAPBench。
這是一個(gè)專門用于預(yù)測(cè)斑馬魚全腦活動(dòng)的基準(zhǔn)測(cè)試平臺(tái),并在2025年國(guó)際學(xué)習(xí)表征會(huì)議上發(fā)表,為神經(jīng)科學(xué)和機(jī)器學(xué)習(xí)的交叉領(lǐng)域帶來(lái)了新的突破。
在自然科學(xué)中,通過(guò)過(guò)去的觀測(cè)來(lái)預(yù)測(cè)系統(tǒng)未來(lái)行為的能力是理解該系統(tǒng)的關(guān)鍵標(biāo)準(zhǔn)。從天體力學(xué)到氣象學(xué),預(yù)測(cè)能力一直是推動(dòng)科學(xué)進(jìn)步的重要力量。然而,對(duì)于復(fù)雜的生物系統(tǒng)——尤其是脊椎動(dòng)物的大腦,預(yù)測(cè)其活動(dòng)一直是極具挑戰(zhàn)性的任務(wù)。
大腦由數(shù)十億個(gè)神經(jīng)元組成,這些神經(jīng)元通過(guò)復(fù)雜的網(wǎng)絡(luò)相互連接并傳遞信息。如何從海量的神經(jīng)元活動(dòng)中提取規(guī)律,并準(zhǔn)確預(yù)測(cè)未來(lái)的活動(dòng)狀態(tài),是神經(jīng)科學(xué)和人工智能領(lǐng)域共同關(guān)注的焦點(diǎn)。
斑馬魚作為一種模式生物,因其透明的胚胎和幼體,以及相對(duì)簡(jiǎn)單的神經(jīng)系統(tǒng),成為了研究神經(jīng)活動(dòng)的理想模型。斑馬魚的幼體在發(fā)育過(guò)程中表現(xiàn)出多種行為模式,這些行為模式與神經(jīng)活動(dòng)密切相關(guān)。通過(guò)觀察和分析斑馬魚的神經(jīng)活動(dòng),科學(xué)家們希望能夠揭示大腦活動(dòng)的基本規(guī)律,并為人類大腦的研究提供參考。
ZAPBench的核心是一個(gè)數(shù)據(jù)集,包含了斑馬魚幼體大腦中超過(guò)70,000個(gè)神經(jīng)元的4D光片顯微鏡記錄。這些記錄不僅捕捉了神經(jīng)元的活動(dòng),還通過(guò)先進(jìn)的后處理技術(shù),包括運(yùn)動(dòng)穩(wěn)定化和體素級(jí)細(xì)胞分割,為開發(fā)各種預(yù)測(cè)方法提供了便利。
ZAPBench的數(shù)據(jù)采集始于對(duì)斑馬魚幼體大腦的精細(xì)觀察。實(shí)驗(yàn)中,一條6天大的斑馬魚被放置在一個(gè)虛擬現(xiàn)實(shí)環(huán)境中,經(jīng)歷了九種不同的視覺刺激條件。這些條件包括增益適應(yīng)、隨機(jī)點(diǎn)運(yùn)動(dòng)、閃光刺激、趨光性、轉(zhuǎn)向行為、位置保持、開環(huán)運(yùn)動(dòng)、旋轉(zhuǎn)刺激和黑暗條件,旨在誘發(fā)斑馬魚表現(xiàn)出不同的行為模式,從而記錄其大腦中神經(jīng)元的活動(dòng)。
這些刺激條件的設(shè)計(jì),不僅涵蓋了斑馬魚在自然環(huán)境中可能遇到的各種視覺場(chǎng)景,還特別針對(duì)其神經(jīng)系統(tǒng)的響應(yīng)特性進(jìn)行了優(yōu)化,以確保能夠全面捕捉神經(jīng)活動(dòng)的變化。
數(shù)據(jù)采集采用了光片熒光顯微鏡(LSFM)技術(shù),這是一種能夠以細(xì)胞級(jí)分辨率記錄大腦活動(dòng)的強(qiáng)大工具。通過(guò)快速移動(dòng)的激光光片照亮大腦的薄平面,當(dāng)神經(jīng)元活動(dòng)時(shí),鈣流入細(xì)胞會(huì)觸發(fā)GCaMP蛋白發(fā)出熒光,從而間接測(cè)量大腦活動(dòng)。然而,由于在記錄過(guò)程中,斑馬魚的大腦會(huì)發(fā)生彈性變形,導(dǎo)致神經(jīng)元的空間位置發(fā)生變化,研究人員開發(fā)了一種自定義的對(duì)齊流程。
他們估計(jì)了每一步的密集光流場(chǎng),并使用彈性彈簧網(wǎng)格對(duì)這些光流場(chǎng)進(jìn)行正則化,以校正每一幀的圖像。此外,為了準(zhǔn)確預(yù)測(cè)每個(gè)神經(jīng)元的活動(dòng)軌跡,研究人員使用深度學(xué)習(xí)方法對(duì)神經(jīng)元細(xì)胞體進(jìn)行了分割,并從對(duì)齊后的體積中提取了每個(gè)神經(jīng)元的活動(dòng)軌跡。這一過(guò)程不僅需要高度精確的圖像處理技術(shù),還需要對(duì)神經(jīng)元的生理特性有深入的理解,以確保分割的準(zhǔn)確性。
ZAPBench的基準(zhǔn)測(cè)試任務(wù)是根據(jù)過(guò)去的神經(jīng)元活動(dòng)來(lái)預(yù)測(cè)未來(lái)的大腦活動(dòng)。一種是基于較短時(shí)間(幾秒)的上下文窗口進(jìn)行預(yù)測(cè);另一種是基于較長(zhǎng)時(shí)間(幾分鐘)的上下文窗口進(jìn)行預(yù)測(cè)。
預(yù)測(cè)的目標(biāo)是在未來(lái)大約30秒內(nèi),預(yù)測(cè)出神經(jīng)元的活動(dòng)狀態(tài)。為了評(píng)估預(yù)測(cè)模型的性能,研究人員采用了平均絕對(duì)誤差(MAE)作為評(píng)價(jià)指標(biāo)。MAE是一個(gè)常用的預(yù)測(cè)性能指標(biāo),它通過(guò)計(jì)算預(yù)測(cè)值與真實(shí)值之間的平均差異來(lái)衡量模型的準(zhǔn)確性。
此外,研究人員還定義了兩種簡(jiǎn)單的基線模型:一種是基于過(guò)去活動(dòng)平均值的預(yù)測(cè)模型;另一種是基于刺激條件的預(yù)測(cè)模型。這些基線模型為評(píng)估其他預(yù)測(cè)模型的性能提供了參考。