【Science重磅】以纳米级分辨率重建的人类大脑皮层颗粒片段

翻查五月的Science发现一个有意思的项目《A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution》由美国哈佛大学Jeff W. Lichtman 和美国谷歌研究中心 Viren Jain 共同合作

据介绍,充分了解人类大脑是如何工作的机理,需要高分辨率的大脑结构知识储备。

研究人员对一立方毫米的人类颞叶皮层的超微结构进行了计算密集型重建,该皮层通过手术切除,以进入潜在的癫痫灶。它包含约57000个细胞、约230毫米的血管和约1.5亿个突触,包括1.4 pb。这一分析表明,神经胶质细胞的数量是神经元的2倍多,少突胶质细胞是最常见的细胞,深层兴奋性神经元可以根据树突方向进行分类,在每个神经元的数千个弱连接中,存在罕见的高达50个突触的强大轴突输入。

总之,利用这一资源进行的进一步研究可能会为人类大脑的奥秘带来有价值的见解。

在这里插入图片描述

理论依据

获取人类神经回路的一个关键障碍是获取高质量的人类脑组织。器官活检可为许多人体器官系统提供有价值的信息,但除了检查或切除肿瘤性肿块外,很少在大脑中进行活检,因此大多数活检对于研究正常人的大脑结构都是有问题的。一种尝试是使用由人体细胞制成的脑器质性组织,但目前它们并不接近脑组织结构(例如,不存在皮质层)。一种直接的方法是从神经外科手术治疗神经系统疾病时获得的人体标本中绘制细胞和电路图,在这些标本中,大脑皮层的碎片因阻碍病理部位的进入而被丢弃。我们认为,作为神经外科手术副产品的人类脑组织可以用来研究正常的–最终是失调的–人类神经回路。

在这里插入图片描述

重建的大脑样本

在本研究中,作者分析了来自左前中颞回切除的样本,用于识别潜在的癫痫病灶。样本被切割出5019个厚33.9纳米的连续切片,形成170微米厚的组织块。使用EM以4×4纳米的分辨率成像(图1A)并进行了图像对齐(图1B)。经过处理,得到一个1.4千兆字节,1.05毫米^3的三维数据集。作者对该数据集中几乎所有神经单元和结构进行了三维重建。重建结果显示了包含轴突和树突的神经细胞体。

在这里插入图片描述

细胞和突触组织

H01资源被细致分类,按体积计算后,发现大脑由多种成分组成。此外,研究识别了所有有核细胞(图3),其中包括49,080个神经元和胶质细胞及8100个血管相关细胞(图3B)。这些神经元主要分为spiny(65.5%),nonspiny和nonpyramidal。神经元密度大约为16,000/mm³。

皮层的层次结构可通过细胞体体积和密度划分为六层。不同层次中,胶质细胞表现出明显差异(图3E到G),特别是protoplasmic astrocytes主要分布在第2至6层。少突胶质细胞在各层密度均匀,但表现出对血管的亲和性。此外,他们还发现了大量的骨髓轴突以及血管内衬有内皮细胞和周细胞(图3B)。

在这里插入图片描述
在突触方面,确定了约1.5亿个突触,并将其分为兴奋性和抑制性两类。兴奋性突触在1层和3层密度最高,而抑制性突触在1层达到峰值(图4A和4B)。此外,锥体神经元和中间神经元接收的兴奋性与抑制性输入比例在各层稍有不同(图4F),从中可见神经网络的复杂调控机制。

在这里插入图片描述
而以上的模型都是由谷歌团队利用AI人工智能工具,对这些切片进行着色,绘制这些细胞突触和连接的数据库达到了1.4PB的大小,这估计是目前绘制的人类大脑最高分辨率的图片了。

总结

作者的研究致力于利用纳米级分辨率探索人脑六层皮层结构,他们在细胞至亚细胞级别揭示脑组织的细节,研究神经元、突触、神经胶质和血管之间的复杂关系。此外,作者提供了几种软件工具,如基于浏览器的Neuroglancer,及其派生工具CREST和CAVE,以及VAST,这些工具有助于数据的可视化和注释。此外,考虑到人脑经验和遗传变异性的差异,比较不同人类大脑的神经回路是一项挑战。尽管这一领域仍处于初级阶段,但作者的研究已为理解神经回路连接提供了重要的数据和工具。

相关文章

  • 论文链接

  • Google Blog

感谢大家花时间阅读我的文章,你们的支持是我不断前进的动力。期望未来能为大家带来更多有价值的内容,请多多关注我的动态!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/38146.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[Redis]主从模式

启动主从复制 由于我们只有一台机器,所以我们只能在机器上开多个redis程序来演示不同的机器 因为一个端口号只能被一个进程绑定,所以我们需要修改配置,绑定不同的端口号,并且还要修改工作目录(数据持久化的位置&#…

七天速通javaSE:第六天 对象:类与对象

文章目录 前言一、认识对象1. 编程思想1.1 面向过程1.2 面向对象 2. 面向对象编程(oop) 二、再识方法1. 修饰符2. 参数的传递与赋值2.1 值传递2.2 引用传递 总结: 三、创建与初始化对象1. 类与对象的关系2. 创建与初始化对象 四、构造函数1. …

Debugging using Visual Studio Code

One of the key features of Visual Studio Code is its great debugging support. VS Code’s built-in debugger helps accelerate your edit, compile, and debug loop. Debugger extensions VS Code 内置了对 Node.js 运行时的调试支持,可以调试 JavaScript、TypeScript…

DarkGPT:基于GPT-4-200k设计的人工智能OSINT助手

关于DarkGPT DarkGPT是一款功能强大的人工智能安全助手,该工具基于GPT-4-200k设计并实现其功能,可以帮助广大研究人员针对泄露数据库进行安全分析和数据查询相关的OSINT操作。 工具要求 openai1.13.3 requests python-dotenv pydantic1.10.12 工具安装 …

Echarts地图实现:杭州市困难人数分布【动画滚动播放】

Echarts地图实现:杭州市困难人数分布 实现功能 杭州市地区以及散点图分布结合的形式数据展示动画轮播可进去杭州市下级地区可返回杭州市地图展示 效果预览 实现思路 使用ECharts的地图和散点图功能结合实现地区分布通过动画轮播展示数据变化实现下级地区数据的展…

【Python】已解决ModuleNotFoundError: No module named ‘tensorflow‘

文章目录 一、分析问题背景二、可能出错的原因三、错误代码示例四、正确代码示例五、注意事项 已解决ModuleNotFoundError: No module named ‘tensorflow‘ 一、分析问题背景 ModuleNotFoundError: No module named ‘tensorflow’ 是一个常见的错误,通常在Pytho…

汽车电子工程师入门系列——汽车操作系统架构学习研究-AUTOSAR

我是穿拖鞋的汉子,魔都中坚持长期主义的汽车电子工程师。 老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 屏蔽力是信息过载时代一个人的特殊竞争力,任何消耗你的人和事,多看一眼都是你的不对。非必要不费力证明自己,无利益不试图说服别人,是精神上的节…

chrome.storage.local.set 未生效

之前chrome.storage.local.set 和 get 一直不起作用 使用以下代码运行成功。 chrome.storage.local.set({ pageState: "main" }).then(() > {console.log("Value is set");});chrome.storage.local.get(["pageState"]).then((result) > …

有了文章生成器,轻易满足你对文章的需求

写文章对于大多数人来说并不轻松,往往一篇文章写作完成是需要消耗一个人的大量时间与精力的,如果想要写的文章特别好,那么还要再花一点时间去进入后期的修改。就没有什么方法让大家轻易的去完成文章写作吗?答案是有的,…

将 Cohere 与 Elasticsearch 结合使用

本教程中的说明向你展示了如何使用推理 API 使用 Cohere 计算嵌入并将其存储起来,以便在 Elasticsearch 中进行高效的向量或混合搜索。本教程将使用 Python Elasticsearch 客户端执行操作。 你将学习如何: 使用 Cohere 服务为文本嵌入创建推理端点&…

【python刷题】【深基5.例5】旗鼓相当的对手

题目描述 算法思路 用二维数组data存放成绩数据。双重循环遍历所有的组合,因为自己不能和自己比,所以要注意内层遍历的起始位置。新建一个数组用来得出各个科目的分差,便于代码的书写。由于分差计算出来会出现负数,所以比较的时候…

python办公自动化之pandas

用到的库:pandas 实现效果:创建一张空白的表同时往里面插入准备好的数据 代码: import pandas # 准备好要写入的数据,字典格式 data{日期:[7.2,7.3],产品型号:[ca,ce],成交量:[500,600]} dfpandas.DataFrame(data) # 把数据写入…

学习C语言第一步:300行代码实现输出“Hello World“

学习所有语言的第一步几乎都是在控制台输出"Hello World",C语言也是如此,C语言支持结构化编程、词汇范围和递归等特性,C语言编写的代码在稍作修改或无需修改的情况下可以在多种不同的操作系统和平台上编译和运行,同时运行速度极快。…

[HBM] HBM TSV (Through Silicon Via) 结构与工艺

依公知及经验整理,原创保护,禁止转载。 专栏 《深入理解DDR》 全文 3300 字。 1 概念 1.1 什么是HBM TSV 使用 TSV 堆叠多个DDR DRAM成为一块HBM, 成倍提高了存储器位宽, 一条位宽相当于高速公路的一条车道, 车道越多&#xff…

期末考试后班主任如何发布学生成绩?

期末考试成绩一出,家长们便急切地想要了解孩子的学习情况。以往,老师们需要一个个私信家长,将成绩单发送出去,这项工作既繁琐又耗时。期末之际,老师们的工作本就繁重,如何有效减轻他们的负担,让…

Prompting已死?DSPy:自动优化LLM流水线

在 LLM 应用中,如何优化一个 pipeline 的流程一直是一个比较头疼的问题。提示词作为一个预定义字符串,往往也没有很好地优化方向。本文中的 DSPy 框架或许能在实际应用中对效果优化起到一定帮助。 当前,在 LLM 的应用中,大家都在探…

Hugging Face Accelerate 两个后端的故事:FSDP 与 DeepSpeed

社区中有两个流行的零冗余优化器 (Zero Redundancy Optimizer,ZeRO)算法实现,一个来自DeepSpeed,另一个来自PyTorch。Hugging FaceAccelerate对这两者都进行了集成并通过接口暴露出来,以供最终用户在训练/微调模型时自主选择其中之…

EI CCIE学习笔记-SDAccess之一:SDAccess解决方案

Chapter 1 SD-Access Solution Proposal 1.1 概念引入 SDN三要素:集中控制、转控分离、可编程 DNA DNA:Digital Network Architecture数字网络架构 思科提出的跨园区,分支机构,WAN和扩展企业的企业网络架构它提供了一种开放,可扩…

C++操作系列(二):VSCode安装和配置C++开发环境

1. VSCode下载 进入VSCode的官网网页:Download Visual Studio Code - Mac, Linux, Windows 下载相应的版本: 2. 安装VSCode 安装到指定位置: 一路下一步,直至安装完成: 3. 安装C插件 3.1. 安装C/C 点击扩展图标&…

从头开始构建一个小规模的文生视频模型

OpenAI 的 Sora、Stability AI 的 Stable Video Diffusion 以及许多其他已经发布或未来将出现的文本生成视频模型,是继大语言模型 (LLM) 之后 2024 年最流行的 AI 趋势之一。 在这篇博客中,作者将展示如何将从头开始构建一个小规模的文本生成视频模型&a…