Is het mogelijk om de hersenen te begrijpen? De wetenschap is nog ver verwijderd van het beantwoorden van deze vraag. Echter, sinds onderzoekers kunstmatige intelligentie zijn gaan trainen op neurobiologische analyses, het lijkt in ieder geval mogelijk om de celstructuur van een brein te reconstrueren. Nieuwe kunstmatige neurale netwerken ontwikkeld door het Max Planck Institute of Neurobiology en Google AI kunnen nu zelfs zenuwcellen onafhankelijk herkennen en classificeren op basis van hun uiterlijk.

Het menselijk brein bestaat uit ongeveer 86 miljard zenuwcellen en ongeveer evenveel gliacellen. In aanvulling, er zijn ongeveer 100 biljoen verbindingen tussen de zenuwcellen alleen. Hoewel het in kaart brengen van alle verbindingen van een menselijk brein buiten bereik blijft, wetenschappers zijn begonnen het probleem op kleinere schaal aan te pakken. Door de ontwikkeling van seriële block-face scanning elektronenmicroscopie, alle cellen en verbindingen van een bepaald hersengebied kunnen nu automatisch worden bekeken en weergegeven in een driedimensionaal beeld.

"Het kan enkele maanden duren om een ​​0,3 mm ³ stukje hersenen onder een elektronenmicroscoop, " zegt Philip Schubert, doctoraatsstudent in de afdeling van Winfried Denk aan het Max Planck Institute of Neurobiology. "Afhankelijk van de grootte van de hersenen, dit lijkt veel tijd voor een klein stukje. Maar zelfs deze bevat duizenden cellen." Zo'n dataset zou ook bijna 100 terabyte aan opslagruimte vergen. het is niet het verzamelen en opslaan, maar eerder de data-analyse die het moeilijke deel is.

Gelukkig, naast de microscopietechnieken zijn de analysemethoden verbeterd. Voor een lange tijd, alleen het menselijk brein leek in staat te zijn om de delen en verbindingen van zenuwcellen in elektronenmicroscoopbeelden betrouwbaar te herkennen en te volgen. Bijvoorbeeld, mensen moesten nog uren achter een computerscherm werken om celcomponenten in de beeldstapels te volgen en computeranalyses te corrigeren. Als resultaat, de reconstructie van zelfs de kleinste datasets duurde vele jaren. Een paar jaar geleden, echter, de onderzoekers riepen de hulp in van kunstmatige intelligentie.

De neurobiologen van Martinsried trainden convolutionele neurale netwerken om zenuwcelcomponenten in de beeldgegevens te herkennen en te onderscheiden. Door verbeterde beeldanalyse met behulp van overstromingsvulnetwerken, volledige zenuwcellen met al hun componenten en verbindingen werden in 2018 automatisch uit een beeldstapel gehaald - vrijwel zonder fouten. "En nu, met de cellulaire morfologie neurale netwerken, we gaan nog een stap verder in de analyse, " zegt Schubert. "Net als mensen, CMN's herkennen een cel aan zijn vorm en context en niet aan het vergelijken van individuele pixels."

De CMN's kunnen nu de zenuwcellen die uit een beeldstapel zijn gehaald, toewijzen aan een zenuwceltype of een gliacel, afhankelijk van hun uiterlijk. De CMN's herkennen ook of een celgebied bij het cellichaam hoort, het axon, een dendriet, of zijn processus spinosus. "Deze informatie is belangrijk om de functie van de cellen te kunnen begrijpen of, bijvoorbeeld, de richting van de informatiestroom op de synaptische contactpunten, zegt Schubert, die al uitkijkt naar de volgende taak:"Nu kunnen we eindelijk de grotere datasets analyseren!"