“Gapr 作为新一代的大规模协作型单神经元重构系统的开发，为神经科学领域研究提供了重要的工具，让人们能够更深入、全面地探究神经元奥秘，有助于勾勒出规模更加庞大且复杂的神经连接网络。”中国科学院脑科学与智能技术卓越创新中心（神经所）严军研究员表示。
日前，他和团队打造出一款名为 Gapr 的神经元协作重构平台。
其能高效地处理 TB/PB 级别的数据，并能重构出大量的神经元，这让 Gapr 在大规模重构哺乳动物大脑的单神经元投射图谱和连接组方面具有重要的应用前景。
作为一款先进的单神经元重构系统，Gapr 在绘制全脑介观神经联结图谱上展现出巨大潜力，为绘制灵长类、尤其是人类大脑的单神经元投射图谱提供了重要的基础。
同时，由于许多脑部疾病都与神经联结的改变有关，因此 Gapr 也适用于研究疾病模型动物的大脑连接组变化。
（来源：Nature Methods）
如火如荼的脑科学研究，亟需一款神经元协作重构平台
据了解，人脑中存在大约一千亿个的神经元，这些神经元形态各异。其中，神经元轴突结构在信息传输中发挥着关键作用。
单神经元投射谱，指的是单个神经元轴突在整个大脑范围内的完整形态。要想揭示大脑结构的组织规律，就需要重构大量的单神经元投射谱，而这必须依赖于亚微米分辨率的全脑成像数据。
小鼠全脑成像数据的体积达到 TB 量级，而猕猴的则接近 PB（1000TB）量级。因此，采用传统手工重构神经元的方法不仅工作量大，而且过程十分复杂和耗时。
因此，如何在庞大的数据中，高效、准确地重构大量单神经元投射谱，成为全脑介观神经联结图谱研究面临的主要挑战。
同时，当前全球脑科学计划正在迅速推进，由此产生了大量全脑图像数据，因此迫切需要进行神经元的标注工作。在这种背景之下，神经元协作重构平台的开发迫在眉睫。
（来源：Nature Methods）
神经元全脑重构从“FNT 时代”跃入“Gapr 时代”2015 年，该课题组开始着手开发大规模的单神经元重构系统。
那时，严军还在中国科学院马普计算生物所任职，主要从事基因调控方面的研究。苟凌峰，则是当时严军团队的一名博士生。
后来，严军离开马普计算生物所加入神经所。来到新单位之后，他希望开展新的研究方向，并开始思考如何利用计算手段研究神经科学问题。
当时，严军了解到全脑光学成像技术已经能在亚微米级别针对单个神经元实现精确成像。
但是，使用这种技术时会产生海量数据。以小鼠全脑的亚微米光学成像为例，其所产生的数据达到 TB 级别。
当将这些庞大的数据汇成一个数据集，就能用于重构单个神经元的完整形态，从而构建介观尺度的全脑连接图谱。
因此，严军认为利用这些数据来揭示大脑的神经连接图谱，是计算科学在神经科学中的关键应用之一。
他和苟凌峰交流了这一研究方向，后者非常感兴趣并投入大量时间，成功开发出第一代神经元重构软件 Fast Neurite Tracer（FNT）。
严军表示：“FNT 的设计界面比较友好，操作也很流畅，能够快速处理 TB 级别的光学成像数据并进行单神经元重构。”
在 FNT 的帮助之下，他们从 161 组小鼠 fMOST 数据中重构出 6357 个小鼠前额叶神经元。
相关论文于 2022 年登上 Nature Neuroscience 并成为当期封面论文，并被中国神经科学学会评为 2023 年中国神经科学重大进展之一。
目前，FNT 已被广泛用于小鼠大脑各个脑区的单神经元投射图谱研究，并已能生成包含全球最多小鼠单神经元投射图谱的数据集。
尽管 FNT 取得了显著成果，但它仍然是一个半自动化神经元重构工具。
因此，严军和苟凌峰打算设计一个更先进的全自动神经元重构系统，以便能够处理任何规模的全脑光学成像数据。
与此同时，随着全脑光学成像技术的迅猛发展，人们已经实现了恒河猴的全脑成像，数据量甚至达到 PB（1000TB）级。
而对于包含 FNT 在内的已有方法来说，要想在如此大规模的数据中进行神经元重构，不仅需要大量的人力，而且过程极其复杂和耗时。
因此，如何从这些庞大的光学成像数据中，高效、准确地重构大量单个神经元的投射组，成为全脑中尺度连接组学研究的一大挑战。
正是在这种背景之下，苟凌峰设计出了 Gapr 软件。作为其导师的严军表示：“苟凌峰本科毕业于浙江大学生物信息学专业，在我的课题组获得了计算生物学专业的博士学位。”
后来，苟凌峰留下来继续在严军团队，历任博士后研究员、助理研究员、副研究员等职务。
“在神经所这么多年来，他甘坐冷板凳，做着不为大多数人理解却又极其重要的工作。”严军表示。
事实上，Gapr 的设计灵感最初来自于电脑游戏。如果把 FNT 比作是单机版神经元追踪游戏，Gapr 就相当于网络版的在线游戏。
Gapr 允许多位用户在同一空间中参与神经元重构，用户之间能实时看到彼此的状态、协同完成神经元重构，避免出现重复追踪，从而能够提高重构的效率和准确性。
其工作流程是：使用 AI 算法针对成像数据信号进行全面自动重构，在数据转换过程中识别神经元的轴突结构与连接关系。
这样一来，不仅能够显著节省人力操作，并且允许用户手动校正自动重构中的错误。
对于 Gapr 的校对模块来说，它能支持数百名用户同时在线协作，在提高校对工作通量的同时，还能保证追踪结果的一致性和正确性。
此外，课题组还为 Gapr 开发出一个能进行实时数据处理的模块，支持用户有选择性地处理有用的信号部分。
同时，Gapr 还能提供多种重构模式所需的功能，可以更好地满足对不同类型的重构需求。
而且，Gapr 的按需转换功能打破了以往人工算法的限制，能够满足对于 PB 级灵长类大脑图像数据处理的需求。
针对不同用户，Gapr 还能提供定制化的校对模式。用户能够通过标记和评估追踪错误，减少重构工作对高度专业人员的需求。
通过大量用户在校对模式下的检查与处理，增加了人工校对的通量。
如前所述，通过 FNT 该团队在 161 组小鼠 fMOST 数据上，重构得到 6357 个小鼠前额叶皮层神经元。
而通过 Gapr 该团队在只有 15 组小鼠 fMOST 数据上，就重构得到了 4278 个神经元。
这说明 Gapr 能从单个样本中重构出更多的神经元，显著减少动物使用和样本准备成本，从而提高了整体重构效率。
同时，Gapr 能够避免之前的 FNT 等系统中人为的选择性追踪导致的偏差。
通过与其他神经元重构系统的全面对比，Gapr 的独特性和重要性得到了验证。
FNT 和 Gapr 的诞生是一个从无到有的创新过程。期间对于系统流程的摸索和优化，曾让该团队倍感艰辛。
初期，Gapr 系统调试需要有大量的志愿者参与，为了招募到这些志愿者，他们在暑期学校的学生中招收实习生、挨个高校里去设立微信群。
“为了招募志愿者我们可谓是不遗余力，这些年间的参与者中包括从小学生到退休阿姨等各个社会群体。所以，FNT 以及 Gapr 系统的完善离不开这些参与的志愿者，在此向他们表示衷心的感谢。”严军说。
日前，相关论文也已经上线，并以《用于大规模协作单神经元重建的 Gapr》（Gapr for large-scale collaborative single-neuron reconstruction）为题发在 Nature Methods（IF 36.1）。
图 | 相关论文（来源：Nature Methods）
苟凌峰是第一作者，严军担任通讯作者 [1]。
图 | 本次论文主要作者（来源：资料图）严军表示：“我们探索大脑奥秘的终极目标是绘制人脑的联结图谱并揭示其中的规律。”
Gapr 创新性地整合了基于深度学习的全自动重构、多用户同时参与协同校对、高效响应用户需求的图像数据处理等多种功能，从而能够大幅提升神经元重构的效率。
原则上，Gapr 能处理任意大的光学成像数据。因此，接下来该团队主要有两个重点研究方向：
其一，大规模、深入地使用 Gapr 来绘制灵长类动物（包括人类）的大脑中单个神经元的连接图谱。
通过这一努力，他们希望在对灵长类大脑的理解上取得重大突破，为神经科学领域的研究提供更丰富、更准确的数据支持。
其二，将从全脑介观尺度的连接组中提取得到的神经连接结构规律，与生物学相关的功能紧密结合起来，从多个维度系统地、精细地解析大脑的工作原理。
预计这将为人类揭示大脑的神秘运作方式提供重要的理论依据和实践指导。
“如今，神经元全脑重构从 FNT 时代跃入了 Gapr 时代，相信 Gapr 在全脑介观神经联结图谱的研究中必将大放异彩。”严军最后表示。
参考资料：1.Gou, L., Wang, Y., Gao, L.et al. Gapr for large-scale collaborative single-neuron reconstruction. Nat Methods (2024). https://doi.org/10.1038/s41592-024-02345-z
运营/排版：何晨龙
