2020년 1월 22일(수) 구글 AI 리서치 블로그
복잡한 시스템을 설명하는 기본 방법은 개별 부품이 서로 연결하고 통신하는 방식인 "네트워크"를 측정하는 것입니다. 예를 들어, 생물 학자들은 유전자 네트워크를 연구하고, 사회 과학자들은 소셜 네트워크를 연구하며 심지어 검색 엔진까지도 웹 페이지가 서로 연결되어 웹 페이지가 네트워크를 형성하는 방식을 분석하는 데 의존합니다.
신경과학에서 오랜 가설은 뇌 세포 간의 연결이 뇌의 기능에 중요한 역할을 한다는 것입니다. 기술적인 어려움은 역사적으로 뇌 네트워크를 자세히 연구하려는 신경과학자들에게는 장벽이 되었지만, 이것은 변화하기 시작했습니다. 작년에 우리는 세포의 개별 모양에 초점을 맞춘 전체 과일 파리들의 뇌의 최초의 나노미터 해상도 자동 재구성을 소개했습니다. 그러나 이 성과는 파리 뇌의 연결성에 대한 정보를 공개하지 않았습니다.
현재 HHMI Janelia Research Campus의 FlyEM팀 및 여러 다른 연구 파트너들과 협력하여 시각화 및 분석을 위한 도구 세트와 함께 플라이 브레인의 매우 상세한 신경 연결 지도인 "hemibrain" 코넥톰(connectome)을 출시했습니다. hemibrain은 파리들 뇌의 약 절반의 3D 이미지에서 파생되며 2천만 개 이상의 연결을 형성하는 ~25,000 개의 뉴런 사이의 확인된 연결성을 포함합니다. 현재까지 이것은 어느 종에서나 생성된 뇌 연결성의 가장 큰 시냅스-해상도 맵입니다. 이 프로젝트의 목표는 20년 전에 발표되어 생물학의 기본 도구가 된 파리 게놈과 유사하게 모든 과학자들이 자신의 연구를 진행하는 데 사용할 수 있는 공공 자원을 생산하는 것이었습니다.
Hemibrain Connectome의 이미징, 재구성 및 교정
Hemibrain Connectome 생산에 있어 어려움을 극복하기 위해 수많은 연구 파트너들의 10여 년에 걸친 연구 개발이 필요했습니다. 자넬리아에서 파리 뇌를 염색하고 조직을 20마이크론 두께의 슬라브(slab)로 나누는 새로운 방법들이 개발되었습니다. 그러고 나서 각각의 슬래브를 수개월 동안 연속 작동하도록 맞춤화된 이온 빔 스캐닝 전자 현미경(ion beam scanning electron microscopes)을 사용하여 8x8x8 nm3 복셀-해상도(voxel-resolution)로 이미지화하였습니다. 계산 메서드들(Computational methods)은 원시 데이터를 일관된 26조 픽셀 3D 볼륨으로 스티칭(stitch)하고 정렬하기 위해 개발되었습니다.
그러나, 하나의 파리 뇌에서 뉴런의 정확한 3D 재구성 없이는 이러한 유형의 영상 데이터로부터 connectome을 생성하는 것은 불가능합니다. 2014년 자넬리아와의 협업을 통해 Google은 그 파리의 뇌 데이터 작업을 시작했으며 3D 재구성을 자동화하여 connectome 생산을 공동으로 진행했습니다. 여러 차례의 기술 개발을 반복한 후 플러드-필링 네트워크(FFNs, flood-filing networks)라고 하는 방법을 고안하여 전체 Hemibrain 데이터셋을 재구성하는 데 적용했습니다. 현재 프로젝트에서 우리는 단지 뉴런의 모양을 보여주는 것이 아니라 connectome(즉, 교정 및 시냅스 감지 파이프라인에 내장된)을 생성하는 데 더 유용하도록 재구성 결과를 최적화하기 위해 협력자와 긴밀히 협력했습니다.
FFN은 전체 Hemibrain 프로젝트를 진행할 수 있을 정도로 충분히 정확한 재구성을 제공하는 최초의 자동화된 세분화 기술이었습니다. 자동화된 재구성의 오류는 전문가의 "교정자들(proofreaders)"에 의한 수정이 필요하기 때문이고, 이전의 접근 방식은 수천만 시간의 인간 노력들이 필요하다고 추정되었기 때문입니다. FFN을 사용하여 수십만 시간의 인간 시간을 사용하여 Hemibrain를 교정했습니다.(크기가 2배 향상). 이러한 실질적인 교정 노력은 자넬리아에서 이 목적을 위해 개척한 도구와 워크 플로우를 사용하여 고도로 숙련되고 헌신적인 어노테이터(annotator) 팀에 의해 2년 동안 수행되었습니다. 예를 들어, 어노테이터는 VR 헤드셋과 사용자 정의 3D 객체 편집 도구를 사용하여 뉴런 모양을 검사하고 자동화된 재구성에서 오류를 수정했습니다. 그런 다음 이 개정판을 사용하여 FFN 모델을 재훈련(retrain)시켜 보다 정확한 머신 출력을 얻었습니다.
마지막으로, 교정 후, Hemibrain connectome을 생성하기 위해 재구성을 자동화된 시냅스 감지(Automated synaptic detection)와 결합시켰습니다. 자넬리아 과학자들은 수동으로 개별 시냅스에 라벨을 붙인 다음 작업을 자동화하기 위해 신경망 분류기(classifiers)들을 훈련했습니다. 여러 단계의 라벨링을 통해 일반화가 개선되었으며 두 개의 서로 다른 네트워크 아키텍처의 결과가 Hemibrain 걸쳐 강력한 분류를 생성하여 병합했습니다.
Hemibrain 생산에 대한 자세한 내용은 HHMI의 보도자료를 참조하십시오.
무엇이 출시될 예정인가?
오늘 발표의 초점은 관심 있는 사람이 파리의 connectome을 시각적으로, 프로그래밍 방식으로 연구할 수 있게 하는 일련의 상호 관련 데이터셋 및 도구입니다. 특히 다음과 같은 리소스를 사용할 수 있습니다:
테라바이트의 원시 데이터, 교정된 3D 재구성 및 시냅스 어노테이션을 대화식으로 시각화하거나 대량으로 다운로드할 수 있습니다.
어떠한 지정된 뉴런들의 형태 및 연결, 파트너들, 연결성의 힘을 질의하는 데 사용할 수 있는 웹 기반 도구인 neuPrint
connectome의 다운로드 가능한 컴팩트한 표현으로, 파생된 원시 데이터보다 바이트 단위로 약 백만 배 더 작습니다.
이러한 리소스의 사용법을 설명하는 설명서 및 비디오 자습서.
Hemibrain Connectome의 생산 및 분석과 관련된 자세한 내용이 포함된 사전 인쇄.
다음 단계
연구자들은 Drosophila 신경계에 대한 더 강력한 이해를 개발하기 위해 Hemibrain Connectome을 사용하기 시작했습니다. 예를 들어, 주요 뇌 회로는 감각 정보를 통합하고 내비게이션, 모터 제어 및 수면과 관련된 "중심 복합물"입니다.
[비디오 2] 상세 설명 - Hemibrain 재구성 및 Connectome을 사용하여 연구될 수 있는 많은 신경 회로 중 하나인 파리 뇌의 중심 복합체에서 "ring neurons"의 상세 보기. 대화식 버전 : 링 뉴런(ring neurons) 및 타원체(ellipsoid body).
강렬하게 연구되고 있는 또 다른 회로는 세부적인 구조가 hemibrain connectome(interactive visualization) 내에 포함되어있는 초파리 뇌의 학습 및 기억의 주요 사이트인 "버섯 몸체"입니다.
감사의 말
우리는 Tim Blakely, Laramie Leavitt, Peter Li, Larry Lindsey, Jeremy Maitin-Shepard (Google), Stuart Berg, Gary Huang, Bill Katz, Chris Ordish, Stephen Plaza, Pat Rivlin, Patyavlin, Shin-ya Takemura(Google 팀과 긴밀히 협력한 Janelia 공동 작업자) 및 Janelia 및 hemibrain 프로젝트에 관여한 다른 곳의 놀라운 공동 작업자들의 핵심 기여에 대해 감사의 뜻을 표하고 싶습니다.
게시자 : Michal Januszewski, 소프트웨어 엔지니어 및 Viren Jain, Google의 Connectomics 연구 과학자 및 기술 책임자
이 블로그는 2020년 1월 22일(수), Google AI Research Blog 기사를 영어에서 우리나라 말로 번역한 것입니다. 또한 이 번역 글은 정보 공유 목적으로만 작성했으므로 어떠한 상업용으로 사용할 수 없으며, 원본 저작물 모두 구글에게 저작권이 있음을 알려 드립니다. (First Draft Version)
원본 제목: Drosophila Hemibrain Connectome 출시 — 뇌 연결성의 가장 큰 시냅스-해상도 맵
원본 링크: https://ai.googleblog.com/2020/01/releasing-drosophila-hemibrain.html