九州大學的研究人員推出了一種人工智慧工具QDyeFinder，該工具利用先進的顏色編碼和機器學習技術增強了大腦神經元圖譜的繪製，顯示出在生物學領域更廣泛應用的潛力。

大腦是有史以來最複雜的器官。它的功能由數百億個密集的神經元組成的網路支持，數萬億個神經元連接在一起交換資訊和進行計算。試圖理解大腦的複雜性可能會令人眼花撩亂。然而，如果我們希望了解大腦是如何運作的，我們必須能夠繪製神經元圖譜並研究它們是如何連線的。

現在，九州大學的研究人員在《自然-通訊》（Nature Communications）上發表文章，他們開發了一種新的人工智慧工具，稱為QDyeFinder，可以從小鼠大腦圖像中自動識別和重建單個神經元。這個過程包括用超級多色標記協議標記神經元，然後讓人工智慧透過匹配類似的顏色組合自動識別神經元的結構。

圖片來源：九州大學/今井武志

“神經科學面臨的最大挑戰之一是繪製大腦及其連接圖。然而，由於神經元非常密集，要將神經元及其軸突和樹突–從其他神經元發送和接收訊息的延伸部分- -彼此區分開來非常困難，也非常耗時，”領導這項研究的醫學科學研究生院教授今井武志解釋。 “軸突和樹突只有大約一微米厚，比人類的標準頭髮絲還要細100倍，它們之間的空間也更小。”

識別神經元的一種策略是用特定顏色的螢光蛋白標記細胞。然後，研究人員可以追蹤這種顏色，重建神經元及其軸突。透過擴大顏色範圍，可以同時追蹤更多的神經元。 2018 年，今井和他的團隊開發出了Tetbow 系統，​​該系統可以用光的三原色為神經元塗上鮮豔的顏色。

以七色Tetbow 標記小鼠皮層2/3 錐體神經元。以7 種螢光蛋白（mTagBFP2、mTurquoise2、mAmetrine1.1、mNeonGreen、Ypet、mRuby3 和tdKatushka2）的組合來觀察神經元的密集佈線。然後透過QDyeFinder 程式對7 通道影像進行分析，以揭示單一神經元的佈線模式。資料來源：九州大學/今井武

“我喜歡使用的一個例子是東京地鐵線路圖。該系統有13 條線路、286 個車站，橫跨300 多公里。在地鐵地圖上，每條線路都用顏色編碼，因此你可以很容易地識別哪些車站是相連的，”論文的第一作者之一、當時的助理教授Marcus N. Leiwe 解釋。 “Tetbow讓追蹤神經元和找到它們之間的連結變得更加容易”。

然而，兩個主要問題依然存在。神經元仍然需要手工細緻地描記，而且只使用三種顏色不足以辨別更大的神經元群。

研究小組努力將顏色的數量從三種增加到七種，但當時更大的問題是人類對顏色感知的極限。仔細觀察電視螢幕，你會發現像素是由三種顏色組成的：藍、綠、紅。我們能感知到的任何顏色都是這三種顏色的組合，因為我們的眼睛裡有藍色、綠色和紅色感測器。

“而機器則沒有這樣的限制。因此，我們致力於開發一種能夠自動分辨這些不同顏色組合的工具，”Leiwe 說。 “我們也讓這項工具能夠自動將相同顏色的神經元和軸突拼接在一起，並重建它們的結構。我們將這個系統命名為QDyeFinder。”

QDyeFinder 的工作原理是首先自動識別給定樣本中的軸突和樹突片段。然後識別每個片段的顏色資訊。然後，利用團隊開發的名為dCrawler 的機器學習演算法，將顏色資訊分組，從而識別出相同神經元的軸突和樹突。

Leiwe 解釋說：”當我們將QDyeFinder 的結果與人工追蹤神經元的數據進行比較時，它們的準確率基本相同。即使與充分利用機器學習的現有描記軟體相比，QDyeFinder 也能以更高的準確率識別軸突”。 “

研究團隊希望他們的新工具能推動目前繪製大腦連結圖的工作。他們也想了解新方法能否應用於其他複雜細胞類型（如癌細胞和免疫細胞）的標記和追蹤。

「也許有一天，我們能讀懂大腦中的連接，並理解它們對這個人意味著什麼或代表什麼。我懷疑這是否會在我有生之年發生，但我們的工作代表著在理解我們存在的也許是最複雜和最神秘的層面方面向前邁出了實實在在的一步，”今井總結道。

編譯自/ ScitechDaily