小鼠皮層2/3錐體神經元用7色Tetbow標記。圖片來源：今井武/九州大學
日本九州大學研究人員在新一期《自然·通訊》上發(fā)表文章稱，他們開發(fā)了一種新的人工智能（AI）工具——QDyeFinder，其可從小鼠大腦的圖像中自動識別和重建單個神經元。該過程涉及使用超多色標記協(xié)議去標記神經元，然后讓AI通過匹配相似的顏色組合自動識別神經元的結構。
識別神經元的一種策略是用特定顏色的熒光蛋白標記細胞，研究人員可追蹤這種顏色并重建神經元及其軸突，擴大顏色范圍可同時追蹤更多的神經元。2018年，研究人員開發(fā)了Tetbow，這是一種用光的3種原色為神經元著色的系統(tǒng)。Tetbow使追蹤神經元和找到它們的連接變得更加容易。
研究人員致力于將顏色的數量從3種增加到7種，但一個關鍵問題是人類對顏色感知有局限性。仔細觀察任何電視屏幕，都會發(fā)現像素由3種顏色組成：藍色、綠色和紅色。人類能感知到的任何顏色都是這3種顏色的組合，因為人眼里有藍色、綠色和紅色的傳感器。
但機器沒有這樣的限制。鑒于此，研究人員開發(fā)出一種工具，可自動區(qū)分這些巨大的顏色組合。這個工具能自動將相同顏色的神經元和軸突縫合在一起，并重建它們的結構。QDyeFinder的工作原理就是首先自動識別給定樣品中的軸突和樹突片段，然后識別每個片段的顏色信息，接著研究人員利用新開發(fā)的機器學習算法，將顏色信息組合在一起，識別出同一神經元的軸突和樹突。
將QDyeFinder的結果與手動追蹤神經元的數據進行比較時，它們的準確性幾乎一致。即使與已經充分利用機器學習的現有追蹤軟件相比，QDyeFinder也能以更高的準確度識別軸突。（記者張夢然）
【總編輯圈點】
神經元的突起可分為樹突和軸突。樹突是從胞體發(fā)出的一至多個突起，呈放射狀。軸突則每個神經元只有一根?？梢园堰@一切想象成大樹，樹上伸展出不同枝丫，枝丫和枝丫之間又有連接，形成密密麻麻的網絡。此次，科研人員開發(fā)了一種新的人工智能工具，他們用顏色標記神經元，讓人工智能進行追蹤、識別和分類——這正是機器擅長的事情。它能夠精準識別同一神經元的軸突和樹突，分辨出神經網絡的構成，讓我們更深入了解大腦的運作。
（責任編輯：梁艷）
晉公網安備 14090202000008號 
