人腦是由數(shù)十億個神經細胞構成的錯綜復雜的網絡，不斷處理著各種信號，使人們能夠認知、思考、回憶或進行身體活動。要理解這個復雜的網絡，就需要精確觀察這些神經細胞是如何排列和連接的。奧地利科學技術研究所（ISTA）和谷歌研究院團隊開發(fā)的一種新型顯微鏡技術“LICONN”（基于光學顯微鏡的連接組學），為揭開大腦奧秘提供了助力。相關論文5月7日發(fā)表于《自然》雜志。

谷歌研究的深度學習技術可以預測神經元結構及其在腦組織內的位置。圖片來源：英國《自然》網站

LICONN能夠重現(xiàn)腦組織以及神經元之間的所有突觸連接。它利用標準光學顯微鏡進行圖像采集，并將復雜的分子機制與神經元結構可視化。它就像一個“拼圖高手”，將每個突觸連接正確地與其對應的神經元相連，組裝出復雜的大腦網絡。

團隊稱，到目前為止，還沒有其他光學顯微鏡技術能做到這一點。

要獲得高清晰細節(jié)，分辨率必須極高，在幾十納米左右。為此，團隊利用了水凝膠的化學和物理特性。水凝膠能吸水膨脹，但膨脹過程受到嚴格控制。他們將大腦組織嵌入水凝膠中。細胞成分與水凝膠相連，使細胞的精細超微結構被印在水凝膠上，保留下來以供顯微鏡觀察。

傳統(tǒng)光學顯微鏡的分辨率通常為250—300納米，新技術將有效分辨率提高了16倍，達到了20納米以下。

與此同時，谷歌的人工智能技術能在更大范圍內自動識別神經元及其復雜結構，使重建所有細胞成分這一艱巨任務變得切實可行。

通過遵循這一全面的流程，團隊創(chuàng)建了大腦網絡的3D渲染圖，不僅精確地重現(xiàn)大腦組織，還可視化了神經元連接和網絡。他們表示，LICONN使科學家離拼裝出哺乳動物大腦圖更近了一步，也有助于更好地理解大腦在健康和疾病狀態(tài)下的功能。