AI"超人眼"让科学家更进一步了解我们生存环境中最复杂、最神秘的层面

九州大学的研究团队引领科技创新，推出人工智能工具QDyeFinder，重塑神经科学研究领域。该工具利用尖端的颜色编码和机器学习技术，显著增强了大脑神经元图谱的绘制，显示出在生物学领域的广阔应用前景。

大脑，这一复杂器官的神秘面纱逐渐揭晓，得益于数百亿神经元网络的支撑。这些神经元以惊人的数量交换信息、进行计算。为了揭开这一复杂性的神秘面纱，我们需要绘制神经元图谱，研究它们的连接方式。

九州大学的研究人员在权威学术期刊《自然-通讯》上发表了他们的最新成果。他们开发了一种名为QDyeFinder的人工智能工具，能够从小鼠大脑的图像中自动识别和重建单个神经元。这一过程包括使用超级多色标记协议来标记神经元，然后让人工智能通过匹配类似的颜色组合来识别神经元的结构。

面临神经科学的一大挑战是绘制大脑及其连接图。由于神经元的密集性，区分神经元及其延伸部分——轴突和树突，是一项艰巨且耗时的任务。领导这项研究的医学科学研究生院教授今井武志解释道，轴突和树突的细度只有一微米，比人类的头发丝还要细100倍。

为了解决这个问题，研究人员采用了一种策略，用特定颜色的荧光蛋白标记细胞。QDyeFinder程序能够分析这些颜色信息，揭示单个神经元的布线模式。通过与Tetbow系统的结合使用——一种能够用七种颜色标记神经元的系统，QDyeFinder的功能得到了进一步提升。这使得同时追踪更多的神经元成为可能。

仍有两大挑战需要解决：神经元的精细描记仍然需要人工操作，而人类对于颜色的感知仍存在极限。研究团队通过增加颜色的数量来解决这些问题，从三种扩展到七种颜色组合来追踪不同的神经元和连接。这一成果的实现得益于机器学习算法的运用，使得自动识别和拼接相同颜色的神经元和轴突成为可能。这一系统被命名为QDyeFinder。它的工作原理是首先自动识别样本中的轴突和树突片段，然后利用机器学习算法将这些片段按照颜色信息分组，从而识别出同一神经元的轴突和树突。实验结果显示，QDyeFinder的准确率与人工追踪神经元的数据相比相当甚至更高。该工具的推出有望推动大脑连接图的绘制工作取得突破。此外研究团队还计划将这一新方法应用于其他复杂细胞类型的标记和追踪，如癌细胞和免疫细胞等。我们相信随着时间的推移我们将逐渐理解大脑连接的奥秘以及它们对人类的意义。尽管我们能否在有生之年完全理解这一复杂器官仍然是个未知数但我们的工作无疑是在揭开这一神秘面纱方面迈出了坚实的一步今井教授总结道。