图片来源：Siwanowicz, I. & Loesche, F. / 霍华德休斯医学研究所珍妮莉亚研究园区，Lappalainen, JK / 图宾根大学

这张图片描绘了果蝇的视觉处理过程。光线进入果蝇的复眼，导致六边形排列的光感受器通过复杂的神经网络发送电信号，使果蝇能够检测运动。来自霍华德休斯医学研究所珍妮莉亚研究园区和图宾根大学的研究人员团队利用果蝇视叶连接组构建了果蝇视觉系统的详细深度机械网络模拟。

9月11日，自然杂志公布了一项新进展，霍华德休斯医学研究所利用神经元连接图和人工智能方法，研究人员现在可以做到他们从未想过的事情：无需对活体大脑进行任何测量即可预测单个神经元的活动。

几十年来，神经科学家在实验室里花费了无数的时间，精心测量活体动物的神经元活动，以弄清大脑如何产生行为。这些实验对大脑的工作原理产生了突破性的见解，但它们只触及了表面，大脑的大部分区域尚未被探索。

现在，研究人员正在利用人工智能和连接组（由脑组织创建的神经元及其连接图）来预测神经元在活体大脑中的作用。研究人员仅使用从果蝇视觉系统连接组中收集的神经回路连接信息以及对该回路应该做什么的猜测，就创建了果蝇视觉系统的人工智能模拟，可以预测回路中每个神经元的活动。

“我们现在有一种计算方法，可以将连接组的测量结果转化为神经活动和大脑功能的预测，而无需首先从难以获取的每个神经元的神经活动测量开始，”Janelia 小组负责人Srini Turaga说道，他是这项新研究的资深作者。

来自霍华德休斯医学研究所珍莉亚研究园区和图宾根大学的科学家团队利用连接组构建了苍蝇视觉系统的详细深度机械网络模拟，其中模型中的每个神经元和突触都与大脑中的真实神经元和突触相对应。尽管他们不知道每个神经元和突触的动态，但来自连接组的数据使团队能够使用深度学习方法推断这些未知参数。他们将这些信息与有关电路目标的知识相结合：运动检测。

“此时，一切都已准备就绪，我们终于可以弄清楚这种受连接组约束的模型是否能为我们提供一个良好的大脑模型，”领导这项研究的图宾根大学博士生Janne Lappalainen说。

新模型预测了果蝇视觉系统中 64 种神经元在响应视觉输入时产生的神经活动，并准确地再现了过去 20 年进行的二十多项实验研究。

图片来源：Lappalainen 等人。

科学家利用连接组构建了果蝇视觉系统的详细深度机械网络模拟，可以预测活体大脑中的神经活动。

通过让研究人员仅使用连接组就能预测单个神经元的活动，这项新研究有可能改变神经科学家提出和测试大脑工作原理假设的方式。原则上，科学家现在可以使用该模型模拟任何实验并生成可在实验室中测试的详细预测。

这项新研究提供了从新模型中收集到的 450 多页预测，包括识别以前未知的参与运动检测的细胞，现在可以在活体苍蝇中进行检查。

研究人员表示，该小组的工作提供了一种策略，可以将 Janelia 和其他研究机构产生的大量连接组数据转化为对活体大脑的高级理解。

“连接组的静态快照与活体大脑中实际计算的动态之间存在很大差距，问题是，我们能否在模型中弥合这一差距？本文针对果蝇这一具体例子，展示了一种弥合这一差距的策略，”论文的资深作者、图宾根大学教授Jakob Macke说道。

这项新研究展示了人工智能加速科学发现的潜力。霍华德休斯医学研究所 (HHMI)最近宣布了 AI@HHMI 项目，该项目将在未来 10 年内投资 5 亿美元，用于支持生命科学领域由人工智能驱动的项目。