Пара алгоритмов обнаруживает границы ячеек на двухмерном изображении (слева) и кодирует каждый нейрон цветом на «витражном» дисплее (справа). Используя преимущество непрерывности нейрона в пространстве, алгоритм устраняет неоднозначности, сравнивая соседние изображения из одного и того же трехмерного стека. Например, граница нейрона, которая отображается только на одном изображении, скорее всего, всего лишь артефакт. Изображение любезно предоставлено доктором наук Амелио Васкес-Рейна.D. студент группы Pfister в SEAS.
Мозг мыши имеет объем всего 1 кубический сантиметр. Но когда нейробиологи из Гарвардского центра исследований мозга тонко разрезают его и делают микрофотографии каждого из них с высоким разрешением, этот крошечный мозг превращается в экзабайт данных изображения. Это 1018 байт, что эквивалентно более чем миллиарду компакт-дисков.
Что вы можете сделать с таким огромным, громоздким набором данных?? Это последняя проблема для Ханспетера Пфистера, профессора Гордона Маккея по практике информатики Гарвардской школы инженерии и прикладных наук (SEAS).
Пфистер, эксперт в области высокопроизводительных вычислений и визуализации, является частью междисциплинарной команды, участвующей в проекте Connectome в Центре исследований мозга. Амбициозный проект Connectome направлен на создание схемы соединений всех нейронов в головном мозге, и нейробиологи разработали инновационные методы для автоматической визуализации срезов мозга мыши, что на данный момент дает терабайты данных.
Система Pfister для отображения и обработки этих изображений была бы знакома любому, кто использовал сервис Google MapsTM. Поскольку на экране может отображаться только часть очень большого изображения, загружается только эта часть, доступная для просмотра. Перетащите изображение, увеличивайте или уменьшайте масштаб, и большая часть изображения отображается на лету. (Посмотрите видео-демонстрацию ниже.)
Это «распределенное вычисление, управляемое потребностями». является центральной идеей работы Пфистера, которая недавно принесла ему награду Google Faculty Research Award.
С новыми технологиями, производящими все более крупные наборы данных в науке, проблема вряд ли уникальна для проекта Connectome. Пфистер уверен, что инструменты, которые разрабатывает его исследовательская группа, могут быть использованы учеными, работающими с большими наборами данных изображений в любой области – например, астрономами, обрабатывающими изображения радиотелескопов, или учеными-геологами, анализирующими атмосферные данные.
Даже для Connectome идеальным инструментом будет гораздо больше, чем Google Maps для мозга.?? По словам Пфистера, в проекте есть две важные новые функции. Во-первых, мозг мыши необходимо реконструировать в трех измерениях, чтобы можно было быстро пролистывать стопку изображений в дополнение к масштабированию и панорамированию по ней. Изображения, каждое из которых представляет собой срез мозга толщиной 30 нанометров, также можно сложить вместе и рассматривать сбоку, вдоль той же оси, по которой они были разрезаны.
Кроме того, система, разработанная исследовательской группой Pfister, расширяет принцип спроса на анализ и обработку изображений. Если нейробиолог хочет автоматически выровнять изображения, отрегулировать яркость изображения или запустить автоматический детектор границ ячейки, например, для части изображений, эти операции также вычисляются на лету, поэтому нет необходимости ждать вся стопка изображений должна быть обработана до того, как соответствующий подраздел станет доступен для просмотра. Пфистер сравнивает его с очень специализированной версией программного обеспечения Adobe® Photoshop®.??
Действительно, существующие инструменты позволяют выполнять гораздо более совершенную обработку изображений. С момента начала сотрудничества в 2007 году компьютерные ученые из группы Пфистера создали алгоритмы для автоматического определения границ ячеек, процесса, известного как сегментация, и для соединения связанных ячеек в трех измерениях, процесса, известного как реконструкция. Раньше нейробиологи делали это вручную.
«С тысячами нейронов даже в кубическом миллиметре ткани мозга было бы невозможно масштабировать проект без автоматической сегментации», – говорит Джефф Лихтман, специалист Jeremy R. Ноулз профессор молекулярной и клеточной биологии в Гарварде и руководитель проекта Connectome.
Автоматическая сегментация выполняется с помощью алгоритма машинного обучения, который нейробиолог обучает, отмечая границы клеток всего на пяти изображениях. Затем алгоритм изучает особенности – края, углы, текстуры и т. Д.?? связаны с границами ячеек. Случайные ошибки можно исправить на ходу, и алгоритм учится на этих ошибках. Когда все границы ячеек в стопке изображений идентифицированы, второй метод машинного обучения объединяет информацию из изображений для восстановления формы нейрона в трехмерном пространстве.
Исследователи из группы Пфистера в настоящее время работают над способами автоматического обнаружения синапсов, участков, где соединены два нейрона.
«Мы потратили четыре года на разработку алгоритмов для поиска границ ячеек и синапсов, а также на создание инфраструктуры для просмотра и отображения больших наборов данных изображений,» говорит Пфистер. Отдельные инструменты на месте, но теперь мы собираем две части вместе, он добавляет, ожидая следующих нескольких лет исследований.
Проект Connectome, безусловно, амбициозен. Огромное количество срезов электронной микроскопии, которые необходимо получить и проанализировать, является сложной, но необходимой проблемой, говорит Лихтман: «Мы не достигли прогресса в простых вопросах, например, сколько нейронов сходятся на одном нейроне. Многие функции мозга находятся на этом уровне.??
Лихтман считает, что Connectome сможет ответить как на простые, так и на сложные вопросы. Паттерны, которые возникают о том, как разные типы нейронов соединяются друг с другом, могут дать физические ключи к разгадке того, как закодированы воспоминания и личностные черты. Это все далеко, но это, безусловно, было бы невозможно без инструментов анализа, разработанных компьютерными учеными.
Проект Connectome также объединяет сотрудников в области нейробиологии, молекулярной и клеточной биологии, медицины, химии и химической биологии.
?? Это отличный пример междисциплинарного проекта, ?? добавляет Пфистер: «В SEAS мы являемся мостом между разными школами, что облегчает мне работу с моими сотрудниками. Очень приятно видеть, что наши инструменты используются в реальных приложениях.??