Nature Communications:实时记录神经系统,解开大脑秘密

640?wx_fmt=jpeg来源:神经科技

 

人的大脑中大概有一千亿个神经元,每一个神经元都连接到数以百计的神经元邻居。分析大脑中的神经活动和致此活动的原因,一直是科学家们研究的目标。


现在,一组科学家设计出整个神经系统高速映射神经元放电的成像技术,也许有一天我们因此就彻底解开动物行为之谜。这篇文章在线发表在最近的Nature Communications。


科学发展到现在,已经揭开了许多关于神经系统的知识。我们对中央神经系统的如何工作也有了显微镜水平和分子水平上的综合印象。下一步是按比例扩大对神经元在整个神经系统的如何工作的理解。第一张神经结构连接图是关于线虫C. Elegans,一种仅含有302个神经元的微小的蠕虫病毒,于1986年出版。但今天的神经科学家们已经迈向更远,结合神经结构和功能联系,了解它们是如何运作。这个研究领域被称为神经连接组学(connectomics)。


神经连接组学吸引从工程、物理、化学和计算机科学的科学家们转入神经学领域,使用各种先进的设备生成图像(称为多,多模成像技术, multimodal imaging)。神经连接组学旨在揭开当有机体执行复杂的任务时需要的精神上和物理上的过程,并最终揭示了我们认知行为的神经基础。图像的生成是通过使用不同的成像技术组合来探测组织,如MRI扫描和脑电图。因为每个方法靶向脑不同的方面,多模成像技术是产生一张整个系统运作图片的最理想方法。


通过使用这些技术,一组神经学家已经史实观察到了果蝇幼虫整个中枢神经系统的神经元的活动网络。工程师设计出高速同步多视图(HS-SiMView)显微镜,能够收集微观尺度的解剖图像,并通过每秒五次的频率采像,记录神经元的放电。高采样频率是通过将光源和检测台移到一起完成,以创建3D图像数据。在这种条件下,他们捕捉到当中央神经系统在人为兴奋的条件下,超过一万个神经元的放电情形。


这个研究的目的是了解大脑中的高级控制中心如何协调肢体基本动作。研究绘出了果蝇神经网络的功能图,突出其神经元是如何连接,其放电模式又如何与行为相联系。未来的研究将会继续观察其他的动作或环境对神经元的影响,并建设一个更全面的果蝇神经图谱。


DOI:10.1038/ncomms8924


Whole-central nervous system functional imaging in larval Drosophila


William C. Lemon, Stefan R. Pulver, Burkhard Hckendorf,Katie McDole, Kristin Branson, Jeremy Freeman & Philipp J. Keller


Abstract


Understanding how the brain works in tight concert with the rest of the central nervous system (CNS) hinges upon knowledge of coordinated activity patterns across thewhole CNS. We present a method for measuring activity in an entire, non-transparent CNS with high spatiotemporal resolution. We combine a light-sheet microscope capable of simultaneous multi-view imaging at volumetric speeds 25-fold faster than the state-of-the-art, a whole-CNS imaging assay for the isolated Drosophila larval CNS and a computational framework for analysing multiview, whole-CNS calcium imaging data. We image both brain and ventral nerve cord, covering the entire CNS at 2 or 5 Hz with two- or one-photon excitation, respectively. By mapping network activity during fictive behaviours and quantitatively comparing high-resolution whole-CNS activity maps across individuals, we predict functional connections between CNS regions and reveal neurons in the brain that identify type and temporal state of motor programs executed in the ventral nerve cord.


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

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/news/492177.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

图像变换(Image transformations)

1 图像变换和图像滤波(image filtering)的区别 1.1 图像滤波 图像滤波改变像素点的灰度值,不改变像素点的坐标,如下图所示。 用函数可表示为: 其中f(x)表示原图,h(x)表示滤波器 1.2 图像变换 图像变换改…

图像对齐(image alignment)

1、图像对齐的步骤 已知图像A和B,图像对齐的步骤: 提取图像A和B的特征匹配图像A和B中的特征求解图像A和B的对齐矩阵2 使用最小二乘求解对齐矩阵的问题 使用最小二乘求解对齐矩阵容易受到outliers的影响, 误差会很大。 3 RANSAC(random sa…

巴黎不哭!十亿点数据“重建”巴黎圣母院

来源:大数据文摘摘要:目前,尽管现实中的大教堂已经无法恢复,但被数字化的“巴黎圣母院”仍然精确地留存在人类世界。而通过这一数据留存,重建巴黎圣母院成为可能,后人也仍然可以一览它曾经的雄伟。即使这一…

照相机的成像变换

1 变换过程 照相机的成像变换过程可以分为3步:世界坐标系——>相机坐标系——>图像坐标系——>像素坐标系 2 世界坐标系——>相机坐标系 景物从世界坐标系转换到相机坐标系需要使用到刚体变换(物体不发生变形,对一个几何物体做…

我国芯片各细分领域龙头名单

来源:机械前沿芯片的分类:日常生活中,我们可以发现芯片的种类比如有通信芯片、人工智能芯片、LED芯片、电脑芯片等等。芯片的产业链是这样的:根据产业链划分,芯片从设计到出厂的核心环节主要包括 6 个部分:…

求解相机参数Camera Calibration

1 主要思想 使用黑白棋盘格,记录世界坐标系中关键点的坐标,然后使用手机拍照,记录相应点像素点的坐标。 这样就得到了许多3D-2D的配对点 2 详细过程 由 上一篇博客 内容可知, 其中 P‘ 为像素坐标, Pw为世界坐标系的…

超壮观!10只波士顿动力机器狗,拖动大卡车,步伐整齐划一如同仪仗队

来源:量子位整整10只SpotMini机器狗,可以做什么?波士顿动力的答案是:拉卡车。对,不是狗拉雪橇,是狗拉体积大得多、质量重得多的大卡车。画面中,出现了并排走的一对机器狗。后面还有另一对机器狗…

立体视觉(Stereo Vision)-本征矩阵(essential matrix)和基本矩阵(fundamental matrix)

1 物体深度 问题描述:从不同的位置拍摄相同物体的两张图片,恢复其深度 这里假设摄像机的镜头平行 由相似三角形: 由上面第一、二等式可得: 深度与视差成反比 2 如何配对左右图片的点 问题描述:已知两张图像&#xff…

重磅:苹果高通和解!英特尔退出5G基带市场,高通股价暴涨超20%,华为依然淡定...

来源:新浪、量子位等,物联网智库整理摘要:没有永恒的朋友,只有永恒的利益。前一阵子还是“牛夫人”,今天就变成“小甜甜”了。没有永恒的朋友,只有永恒的利益。前一阵子还是“牛夫人”,今天就变…

计算图像的景深

在 上一篇 博客中,景深与视差成反比,其公式为: 为焦距, 为左右相机的距离,分别为两张图像的点距离各自中心点的距离。 对于左图像的每一个像素点 ,求图像景深可以分为以下几步, 在右图中&…

地球是否健康,最新“诊断报告”来了

中国南极中山站附近的冰盖、冰川与冰山。新华社发来源:光明日报4月13日,河北安平,游客在畅游油菜花海。新华社发对地球气候变化的科学诊断,要依赖一些数据指标:全球平均温度、海平面高度、南极冰川厚度等。4月初&#…

Structure from motion 问题

1 问题描述 已知一个图像库,里面有很多从不同角度不同具体拍摄同一物体的照片,求 构建该物体的3D模型找出这些图像的拍照位置 如下图所示: 2 用数学语言描述问题 输入:一批图像,隐含着许多对应点 输出:…

Nature新研究:猪脑死亡4小时后,科学家成功恢复脑细胞功能

来源:DeepTech深科技4 月 18 日 Nature 发表了耶鲁大学研究人员的一篇最新成果,科学家们成功在猪脑死亡 4 小时后恢复其脑循环和部分细胞功能。这一发现挑战了长期以来关于死后某些脑功能停止的时间和不可逆转性质的假设。哺乳动物大脑对于供氧水平下降极…

集成方法Ensemble Method(bagging, AdaBoost)

1 主要思想 将原始数据分成几个组训练一组分类器,里面有很多种弱分类器每个分类器的标签看作一次投票,投票最多的标签为最终标签 其架构如下所示: 2 为什么集成方法可行 假设这里有25个训练的弱分类器,且这些分类器独立工作&…

深度解析“中国制造2025”VS德国“工业4.0”,一场没有硝烟战争

来源:世界科技创新论坛摘要:“中国制造2025”与德国“工业4.0”都是在新一轮科技革命和产业变革背景下针对制造业发展提出的一个重要战略举措。比较两个战略可以看出各有特点,除了技术基础和产业基础不同之外,他们还存在战略思想等…

Imbalanced class problem(ROC, Confusion Matrix)

1 何为 Imbalanced class problem 在分类问题中,有时候一种类别的数据会远远的多于另外一种类别, 但正是这些少量的类别的数据,往往又是极其重要的。 比如信用卡欺诈事件,该事件远远地小于信用卡未被欺诈的事件。 要从信用卡操…

浅谈 EHT 黑洞照片拍摄原理

来源:东晓科学网博客前几天,EHT (Event Horizon Telescope)(事件水平线望远镜)研究团队发布重大新闻,公布了人类首次拍到的黑洞“照片“”,同时公布了7篇由200多名科学家署名的相关论文。所谓黑…

积分图像(Integral image)

1 问题起源 给定一幅灰度图像,其灰度值如下图所示, 要计算图中深色区域的所有像素点的灰度值之和。 最直接,简单的方法就是将这9个像素值直接相加。 如果深色区域扩大,里面包含成千上万个像素,这种算法的时间复杂度…

vue3(七)-基础入门之事件总线与动态组件

一、事件总线 事件总线使用场景&#xff1a; 两个兄弟组件之间的传参&#xff0c;或者两个没有关联的组件之间的传参 html &#xff1a;引入 publicmsg 与 acceptmsg 自定义组件 (自定义组件名称必须小写) <body><div id"app"><publicmsg></…

机器学习竞争其实是一场数据上的竞争

来源&#xff1a;网络大数据摘要&#xff1a;人工智能的三大发展要素已经是老生常谈了。算法、算力和数据对机器学习的重要性和声望不亚于“谦哥”的喝酒、烫头和抽烟。那些热衷竞争实施机器学习的公司现在惊讶地发现&#xff0c;其实&#xff0c;实施一些算法使机器变得对某一…