人工智能帮助科学家绘制果蝇大脑的行为图

人工智能帮助科学家绘制果蝇大脑的行为图

八个果蝇大脑的示例突出显示与(从左上方顺时针方向)行走,停止,增加跳跃,增加女性追逐,增加的翼角,增加的翼修饰,增加的翼延伸和备份显着相关。

克里斯汀布兰森
人工智能帮助科学家绘制果蝇大脑的行为图

你能想象看到2万个视频,每个16分钟,果蝇走路,梳理和追逐伴侣吗? 幸运的是,你不必这样做,因为科学家设计了一个可以更快地完成它的计算机程序。 在人工智能的帮助下,研究人员从400,000只苍蝇中获得了1000亿个行为注释,创建了一系列将苍蝇习惯与其相应大脑区域联系起来的地图。

专家表示,这项工作是了解如何将简单和复杂的行为与大脑中的特定电路联系起来的重要一步。 “这项研究的规模前所未有,”布朗大学计算机视觉专家兼计算神经科学家Thomas Serre说。 “对于社区来说,这将是一个巨大而有价值的工具,”哥伦比亚密苏里大学的飞行神经生物学家Bing Zhang补充道。 “我确信后续研究将证明这是一座金矿。”

仅仅10万个神经元 - 与我们的860亿相比 - 飞行大脑的小尺寸使它成为分离神经生物学内部运作的好地方。 然而,科学家仍远未能理解苍蝇的一举一动。

霍华德休斯医学研究所位于弗吉尼亚州Ashburn的Janelia研究园区的计算机科学家Kristin Branson及其同事进行了新的研究,获得了2204种不同的转基因果蝇Drosophila melanogaster )。 通过简单地升高温度来激活神经元,每个研究人员都可以控制不同但有时重叠的大脑子集。

然后它飞到飞碗,一个浅斜,封闭的竞技场,摄像机直接位于头顶。 该团队每次将10只雄性和10只雌性苍蝇组成一组,每16分钟拍摄30,000帧视频。 然后,计算机程序跟踪盘中每只苍蝇的坐标和机翼运动。 该团队为每个菌株做了大约8次,记录了超过20,000个视频。 “如果你全部观看,那将是连续225天的苍蝇走动,”布兰森说。

接下来,该团队挑选了14种易于识别的行为进行研究,例如向后走,触摸或试图与其他苍蝇交配。 这需要研究人员为每个动作手动标记大约9000帧镜头,用于训练机器学习计算机程序以识别和标记这些行为。 然后,科学家们得出了203个描述收集数据中行为的统计数据,例如苍蝇行走的频率和平均速度。 由于计算机视觉,他们检测到人类眼睛之间难以准确描述的菌株之间的差异,例如当苍蝇的步行速度增加仅5%或更少时。

布兰森说:“当我们开始这项研究时,我们不知道我们多久会看到行为上的差异”。 然而事实证明,几乎所有的应变 - 总共98% - 在至少一个测量的行为统计数据中有显着差异。 还有很多古怪的东西:一些超级蝇的跳跃频率比正常情况高出100倍; 一些雄性追逐其他苍蝇的频率是其他苍蝇的20倍; 一些苍蝇实际上从未停止过移动,而一些沙发土豆几乎没有移动。

然后是映射。 科学家将苍蝇大脑分成了一组7065个小区域,并将它们与他们观察到的行为联系起来。 最终产品,称为的 ,表明一些常见的行为,如行走,与整个大脑的神经回路广泛相关,该团队今天在Cell报道。 另一方面,观察频率较低的行为,例如追逐雄性的雌性苍蝇,可以精确定位到大脑的微小区域,尽管这项研究并未证明任何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上上传无限数量的视频,”Branson说,并指出 。

布兰森希望这种资源能够成为其他神经生物学家的起点,这些神经生物学家试图操纵部分大脑或研究特定的行为。 例如,对果蝇中的雌性攻击知之甚少,而新的地图给出了大脑区域可能驱动这些行为的线索。

由于转基因菌株对苍蝇具有特异性,因此Serre认为结果不会立即适用于其他物种,例如老鼠,但他仍然认为这是一个分水岭时刻,让研究人员对在神经科学中使用计算机视觉感到兴奋。 “我的公开评论通常会更加温和,但在这里我印象非常深刻,”他说。