Nature：结合人工智能和连接组的力量来预测脑细胞的活动

　　

有了神经元和人工智能方法之间的联系图，研究人员现在可以做他们从未想过的事情:预测单个神经元的活动，而无需在活体大脑中进行一次测量。

几十年来，神经科学家在实验室里花费了无数时间，煞费苦心地测量活体动物的神经元活动，以梳理出大脑是如何使行为发生的。这些实验对大脑的工作原理产生了开创性的见解，但它们只触及了表面，大脑的许多领域还未被探索。

现在，研究人员正在使用人工智能和连接组来预测神经元在活体大脑中的作用。连接组是由脑组织生成的神经元及其连接的地图。研究人员仅利用从果蝇视觉系统连接组中收集到的有关神经回路连通性的信息，以及对回路应该做什么的猜测，就创建了果蝇视觉系统的人工智能模拟，可以预测回路中每个神经元的活动。

“我们现在有了一种计算方法，可以将连接组的测量结果转化为神经活动和大脑功能的预测，而无需首先从难以获得的每个神经元的神经活动测量开始，”Janelia小组组长Srini Turaga说，他是这项新研究的资深作者。

来自HHMI的Janelia研究校区的科学家团队使用连接组建立了一个详细的深度机制网络模拟苍蝇的视觉系统，其中模型中的每个神经元和突触对应于大脑中的真实神经元和突触。虽然他们不知道每个神经元和突触的动态，但来自连接组的数据允许团队使用深度学习方法来推断这些未知参数。他们将这些信息与有关电路目标的知识结合起来:运动检测。

“在这一点上，一切都到位了，我们最终可以弄清楚这种连接体约束模型是否能给我们一个很好的大脑模型，”领导这项研究的宾根大学博士生Janne Lappalainen说。

这个新模型预测了果蝇视觉系统中64种神经元类型对视觉输入的反应所产生的神经活动，并准确地再现了过去二十年来进行的二十多项实验研究。

通过使研究人员能够仅使用连接组来预测单个神经元的活动，这项新工作有可能改变神经科学家产生和测试关于大脑如何工作的假设的方式。原则上，科学家现在可以使用该模型来模拟任何实验，并生成可以在实验室中进行测试的详细预测。

这项新研究提供了从新模型中收集到的超过450页的预测，包括识别以前不知道参与运动检测的细胞，现在可以在活的苍蝇中进行检查。

根据研究人员的说法，该小组的工作提供了一种策略，可以将Janelia和其他研究机构产生的丰富的连接组数据转化为对活体大脑的高级理解。

“连接体的静态快照与活体大脑中真实计算的动态之间存在很大差距，问题是，我们能否在模型中弥合这一差距?”这篇论文，以果蝇为例，展示了一种弥合这一差距的策略，”Janne Lappalainen,说，他是论文的资深作者，也是宾根大学教授。

这项新研究展示了人工智能加速科学发现的潜力。HHMI最近宣布，将在未来10年投资5亿美元AI@HHMI，以支持生命科学领域的人工智能驱动项目。