其他

【前沿】 人工智能助力科学家建立果蝇大脑中的行为与区域的映射

2017-07-21 人工智能学家 天大神经工程

作者:Ryan Cross 

译者:独孤芳

原文链接:http://www.sciencemag.org/news/2017/07/artificial-intelligence-helps-scientists-map-behavior-fruit-fly-brain


上图案例为八个果蝇大脑,其中高亮区域(从左上方顺时针方向看)分别与果蝇的动作直接相关:步行动作,停止动作,跳跃动作的增加,求偶行为的增加,增大翅膀夹角的动作,梳理翅膀动作的增加,伸展翅膀动作的增加和倒退动作。--Kristin Branson


果蝇走路、梳理翅膀和追逐伴侣的视频,每个时长16分钟,你能想象要看完2万这样的视频吗?幸运的是,你不必这样做了,因为科学家们已经设计了一个可以更快执行这一任务的计算机程序。在人工智能的助力下,研究人员已经从40万只苍蝇中获得了1000亿条行为注释,以创建将飞行方式与其相应的脑区相对应的地图集合。


专家说,对于了解如何将既简单亦复杂的行为与特定的大脑回路联系起来,这项工作是意义重大的一步。布朗大学的计算机视觉专家和计算神经科学家Thomas Serre说:“这项研究的规模是前所未有的。”哥伦比亚密苏里大学的一名昆虫神经生物学家BingZhang补充说:“对于研究这一群落来说,这项研究将是一个很有价值的工具。“我相信后续研究将会表明这个研究是个金矿。”


与我们的86亿神经元相比,苍蝇虽然只有10万个神经元,大脑的体积小,却是专门研究神经生物学内在运作的好地方。然而科学家们的研究水平距了解苍蝇的一举一动仍然相去甚远。


为了进行这个新研究,弗吉尼亚州阿什本市的霍华德休斯医学研究所计算机科学家克里斯汀·布兰森(Kristin Branson)和同事收购了2204种不同的转基因果蝇(黑腹果蝇)。研究人员能仅仅通过升温处理就能来激活果蝇神经元来控制每只果蝇大脑中不同但有时重叠的组织。


然后,苍蝇们就到了苍蝇碗里。苍蝇碗是一个侧面倾斜的浅口封闭性圆形活动场地,形似碗状,正上方固定了一个照相机。这个实验团队每次放入几组苍蝇,每组里有10只雄性和10只雌蝇,每16分钟对着苍蝇拍摄出3万帧视频。 然后计算机程序跟踪盘中每只苍蝇的坐标和翅膀的运动。这个过程中,团队为每种果蝇进行了八次左右,录制了20,000多个视频。 布兰森说:“如果你看完所有的视频,就会以为,这是苍蝇在盘里走动连续225天的视频。


接下来,团队选择了14个容易识别的行为来学习,比如向后走,触摸,或尝试与其他苍蝇交配。这需要研究人员为每个动作手动标记大约9000帧的镜头,用于训练机器学习程序来自行识别和标记这些行为。然后,科学家从收集的数据中得出了203个描述苍蝇行为统计数据,例如苍蝇行走的频率和平均速度。得益于计算机视觉,他们检测到人眼难以准确描述的种类之间的微弱差异,例如当苍蝇将步行速度提高5%或更少时。


布兰森说:“当我们开始这项研究时,我们不知道我们会多久看到行为差异。 然而,事实证明,几乎所有的种类——全体的98%——至少在一种统计行为中,有显著差异。还有很多奇怪的事情:一些超级跳跃型苍蝇比普通苍蝇,跳得次数多一百倍; 一些雄性苍蝇追赶其他苍蝇比其他苍蝇多20倍; 一些苍蝇几乎从未停止过,而几只沙发土豆型苍蝇几乎没有挪动过。


然后来绘制行为与区域的映射。科学家将苍蝇大脑分成一组新奇的7065个小区域,并将这些区域与他们观察到的行为联系起来。最终得到的结果命名为“行为-解剖可浏览图集”,结果显示出步行等一些常见的行为与大脑中的神经回路广泛相关,团队今天在《细胞》中报告了这一点。另一方面,不是频繁地观察到的行为,例如雌苍蝇追求雄苍蝇,可以将精确定位到大脑的小部分区域,尽管这项研究并没有证明这些区域对于这些行为是绝对必要的。“我们还了解到,您可以在YouTube上传无限量的视频,”布兰森说,因为他注意到20,000个视频的所有剪辑片段都可以在网上找到。


布兰森希望这个资源将成为其他神经生物学家试图操纵部分大脑或研究某一特定行为的起点。例如,对于果蝇中的母蝇攻击性知之甚少,新的地图给出了大脑区域可能驱动这些行为的线索。


因为这些转基因种类是特定于苍蝇的,所以Serre认为结果不会立即适用于小鼠等其他物种,但他仍然认为这是个能让研究人员因计算机视觉在神经科学中的应用而激动的分水岭时刻。他说:“我的公众言论通常更温和,但此刻我想说这个应用令我赞叹不已。”


原作者:Ryan Cross 


长按图片,识别二维码,关注“天津大学神经工程与康复实验室”

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存