Cell：一名高中生将“疯狂的想法”转化为了创新的研究工具

一个“疯狂的想法”是由HHMI Janelia研究校园小组的负责人和同事们在树林里散步时想出的，最初由一名高中生进行了测试，现在这个创新的研究工具被世界各地的科学家用来预测果蝇连接体中的神经递质。

　　

就像科学界的许多好点子一样，这一切都源于一次林间漫步。 

2019年，在柏林植物园漫步时，HHMI 珍妮莉亚研究园区组长Jan Funke和他的一些科学同事开始聊起一个熟悉的话题：如何从昆虫连接组学中获取更多信息。

这些线路图为研究人员提供了有关脑细胞以及它们如何相互连接的前所未有的信息，但它们并没有告诉科学家一个神经元的信号如何影响其网络中的其他神经元，这还是个谜题。

研究小组想知道，他们是否能够利用先前实验中的信息，识别出某些神经元释放的神经递质，从而预测连接组中其他神经元释放的神经递质。神经元之间使用神经递质相互交流，不同的化学物质负责不同的信号。

人眼无法分辨神经元上释放不同神经递质的突触之间的区别，但计算机模型或许可以。Funke和他的同事对此持保留态度，但他们认为值得一试。

Funke说:“这基本上是我们的出发点：我们有数据，我想我们可以尝试。但我们并不是特别乐观。”

回到研究园区，Funke决定把这个项目交给Michelle Du，这是一个正在他的实验室开始暑期实习的高中生。这个项目可以让Du学习如何训练一个神经网络来识别图像，即使这个项目没有得到结果，对一个年纪轻轻的计算机科学家来说也是一项有用的技能。

实习刚开始没几天，Du出现在Funke的办公室里，她用已发表的数据训练了模型，并根据测试数据评估了模型的性能。尽管 Funke 对它的作用不抱什么希望，但该模型在预测某些神经递质方面的准确率超过90%。

“我简直不敢相信，”Funke说，“这些数据太好了。”

在检查了数据和模型后，Funke、Du和他们的同事确信这些数字没有错：模型可以预测神经递质。但研究小组仍然很谨慎，他们还并没有很好地掌握神经网络是如何做出预测的。

“我本应该非常高兴，但我却很担心，因为我们不明白发生了什么，”Funke说。

在排除了可能影响结果的混杂因素后，该团队开发了一种方法来了解网络所看到的内容，从而使其能够做出预测。

首先，他们用他们的网络从已知的图像中预测神经递质，并取得了成功。然后，他们要求另一个网络将已知图像稍作改变，以创建一个与不同神经递质释放相对应的图像——本质上是确定模型预测一种神经递质所需的最小变化特征。最后，研究小组开发了一种单独的方法来识别这些不同的特征。

从这些信息中，研究小组了解了他们最初的网络用来做出预测的不同特征。这让他们有信心在2020年向更广泛的神经科学界发布他们的方法。

Funke说:“大多数神经科学界从这项工作中看到的都是预测。他们很乐意使用它，但对我们来说，确保它真正起作用是非常重要的。”

五年后，Du成为了杜克大学的一名本科生，她帮助开发的方法已被用于预测由Janelia研究人员和合作者创建的果蝇半脑、腹侧神经索和视叶连接组中的神经递质，以及由FlyWire创建的成年果蝇大脑连接组。

这些信息帮助科学家了解回路中的神经元是如何相互影响的，从而形成关于大脑回路功能的假设，并在实验室中进行测试。

“这一切都始于一个疯狂的想法，一个没有人真正看好的想法。你会怎么处理这个疯狂的想法？你可以把它交给一个高中生，把它作为一种学习经验，"Funke 说，"我们很幸运，Michelle非常有才华。“