這個半腦數據集包含了藍色突出顯示的蒼蠅大腦的一部分。該區域包括參與學習、導航、嗅覺、視覺和許多其他功能的神經元。圖片：FlyEM / Janelia Research Campus
對他來說，這是一個值得挑戰。他說：“我受到懷疑者的激勵。” 魯賓補充說：“我們知道我們必須使該過程的效率提高100倍以上，但這正是珍妮亞建立的那種項目。”
第一個障礙：清晰了解每個蜿蜒穿過蒼蠅大腦的神經元。
神經快照
在幾套鎖著的門和白色的落地窗簾的背後，有八只笨重的顯微鏡准備成像蒼蠅的大腦。在這個安靜的房間中，沒有任何東西會幹擾圖像收集。
哈拉德·赫斯（Harald Hess），徐（C. Shan Xu）和他們的同事已經准備好了這些顯微鏡。
簡妮亞高級小組負責人赫斯說：“我們稱其爲’上帝保護室行動’。”
顯微鏡放在充氣氣墊上，以最大程度地減少振動。甚至房間本身就是爲了抑制噪音而建造的。它坐落在獨立的混凝土板上，與建築物的其余部分分開。
這些顯微鏡最初計劃在幾分鍾或幾小時內捕獲數據。但是要使整個蒼蠅大腦成像，顯微鏡需要連續運行數月或數年。赫斯說，數據中的單個缺陷可能會使所有內容丟掉。“它確實必須是完美的。” 因此，他的團隊花了將近十年的時間來微調圖像收集過程的每個部分，這在2019年11月的bioRxiv論文中進行了描述。顯微鏡現在可以産生始終如一的清晰圖像，從而揭示大腦中神經元迷宮的複雜細節。如果發生任何故障，顯微鏡將自動暫停數據收集並發送警報信號。
赫斯，徐及其同事使用一種稱爲聚焦離子束掃描電子顯微鏡（focused-ion beam scanning electron microscopy，FIB-SEM）的技術。瞄准鏡使用聚焦的離子束來研磨飛蠅腦組織的細小增量，就像非常精密的噴砂機一樣。它在一塊組織上發射镓離子，一個原子一個原子地抛光表面。顯微鏡拍攝組織表面的圖像，抛光掉另一個薄層，然後拍攝另一個圖片，一遍又一遍，直到整個樣品都被研磨掉。隨著物理樣本逐漸消失，其數字孿生體將被永久性地存儲。
然後，計算機程序將這些圖像對齊並將其縫合在一起，以創建蒼蠅大腦的3D表示。
用于接線圖的圖像（全部來自單個雌蠅）已被收集。但是範圍仍然很大：它們現在正在從雄蠅的大腦中收集數據。這次，目標是捕獲整個中樞神經系統。如果一切順利，顯微鏡將在2020年底之前完成該任務。
從單個大腦中存儲圖像將在硬盤上占用約100 TB的數據。FlyEM項目團隊負責人史蒂夫·普拉紮（Steve Plaza,）說，這大約相當于計算機上的1億張照片。對于人類來說，手工整理的數據實在太多了。因此，研究人員找到了加快處理過程的方法，訓練計算機自動完成這項工作。
與科技巨頭合作
計算機可以執行各種與圖像相關的任務，例如識別衛星圖像中的人臉或發現道路。這些任務部分地依賴于一個稱爲圖像分割的過程：將數字圖像分解成各個組成部分並標記每個部分。
多年來，Google一直在嘗試改善這一過程的方法。賈恩和他的同事們希望建立細分技術並將其應用于具有挑戰性的問題。分析神經元圖像非常合適。但是，教一個算法如何可靠地挑選出或分割圖像中的神經元，需要大量的訓練實例。因此，賈恩接觸了珍妮亞的FlyEM團隊，他們生成數據的速度遠超處理數據的速度。兩組開始共享數據，並利用Google的算法通過成像數據層跟蹤神經纖維的情況。
合成的果蠅大腦圖像
爲了對果蠅半腦成像，研究人員將果蠅大腦切成薄片，用電子顯微鏡成像，然後將所有圖像縫合在一起。目標：創建一個立體圖像，使科學家能夠追蹤每個神經元穿過大腦的路徑。圖片：FlyEM / Janelia Research Campus
魯賓說：“谷歌提供了很多智力和計算能力。”他們擁有最新的技術，並擁有致力于在龐大數據集上測試算法的資源。“這是一次理想的合作-具有不同專業知識的團隊一起工作。”
賈恩說，理想情況下，計算機可以直接從顯微鏡圖像中挑選出神經元。但這很難做到，因爲許多神經元在大片區域卷曲延伸，跨越許多圖像。過去，算法采用的是零碎的方法。首先，一種計算機算法確定了將神經元與大腦其他所有部位分開的細胞邊界。然後，另一種算法在這些邊界內著色，將每個部分定義爲一塊神經元。最後，第三種算法將所有神經元鏈接在一起，形成每個神經元連接路徑的藍圖。
Google的算法取消了所有這些步驟，從而像人類一樣更有機地追蹤神經元。賈恩說，一種算法稱爲洪水填充網絡，它在滾動顯示數據時直接端對端跟隨延伸的神經。它根據圖像上下文及其自身的先前預測來決定如何擴展神經元的形狀。賈恩和他在Google的同事在2020年1月22日的Google AI博客中描述了這項工作。