MDPHARMA_banner
Neuroscienze Robotica e IA

Morfologie neurali: Google e Harvard realizzano una mappa 3D di una porzione del cervello umano

neuroglancer connettomica google
monsterid
Scritto da Daniele Morcone

Da un team congiunto di ricercatori di Google e neuroscienziati dell’Università di Harvard nasce quella che è una mappa 3D interattiva di una porzione di 1 mm3 di volume del cervello umano. Tale mappa consente una visione senza precedenti e con dettagli mai ottenuti prima, combinando tecniche di imaging con l’elaborazione e l’analisi di immagini tramite IA. La mappa è disponibile su una piattaforma open source, a favore della comunità scientifica per la ricerca neurologica.

Connettomica: la nuova frontiera delle neuroscienze

La connettomica è una branca delle neuroscienze che si pone l’obiettivo ambizioso di studiare e visualizzare le connessioni neurali che rendono possibile il funzionamento del cervello.

L’obiettivo ancora più grande è arrivare a comprendere i meccanismi più complessi dietro questa intricatissima rete attraverso cui viaggiano le informazioni tra le diverse aree del cervello umano. Proprio il cervello, ovvero l’entità computazionalmente più complessa esistente, è costituito da reti di milioni di cellule in grado di svolgere innumerevoli compiti, la maggior parte dei quali, tutt’oggi, rimane incomprensibile anche ai più grandi sistemi di calcolo artificiale.

Per questi motivi, la ricostruzione connettomica dei circuiti neurali si basa sulla microscopia a risoluzione nanometrica, che produce immagini multiple e di dimensioni digitali dell’ordine dei petabyte (milioni di gigabyte) per ogni millimetro cubo di tessuto cerebrale. Questo permette di mappare digitalmente e con precisione le connessioni intracellulari e agevolare sempre più la comprensione dei ricercatori sui vari disturbi neurologici.

Dalla biopsia cerebrale a un database 3D di cellule nervose

Durante un intervento chirurgico effettuato su una donna affetta da epilessia, i chirurghi del Massachusetts General Hospital hanno dovuto asportare una piccola porzione di corteccia cerebrale sana dal lobo temporale anteriore – ovvero quella parte del cervello nel quale vengono svolti compiti di apprendimento, problem solving e vengono processati segnali sensoriali – per raggiungere il sito, più profondo, dove si innesca la causa delle crisi epilettiche.

Il tessuto rimosso è stato conservato ed è poi diventato materiale di ricerca per Google e i neuroscienziati dell’Università di Harvard.

Combinando l’imaging cerebrale con l’elaborazione e l’analisi delle immagini basate sull’intelligenza artificiale (IA), i ricercatori hanno ricostruito digitalmente ogni cellula con annesse connessioni e ottenuto un campione di cervello umano, lungo circa 3 mm e con un volume di 1 mm3, nel quale sono contenute circa 57 mila cellule e 150 milioni di sinapsi.

Microscopia elettronica e intelligenza artificiale: cosa si cela dietro al modello tridimensionale

I ricercatori di Harvard hanno iniziato raccogliendo migliaia di immagini, utilizzando il microscopio elettronico ad alta velocità Zeiss MultiSEM, il quale impiega più fasci di elettroni che lavorano in parallelo e garantendo quindi una velocità di imaging senza precedenti (Figura 1).

microscopio sem multizeiss cervello google harvard
Figura 1. Principio di funzionamento del microscopio ZEISS MultiSEM: l’impiego di 91 fasci di elettroni, paralleli fra loro e paralleli a svariati rilevatori, permette di visualizzare campioni di tessuti con risoluzione nanometrica. Questo microscopio elettronico a scansione è progettato per un funzionamento continuo 24 ore su 24. Credits: Zeiss

Da questo campione di cervello prelvato dalla donna affetta da epilessia sono quindi state generate 5000 immagini di sezioni trasversali da 34 nanometri di spessore l’una. Parallelamente, il team di ricerca di Google, ha sviluppato strumenti avanzati di intelligenza artificiale per elaborare ed analizzare le immagini raccolte da Harvard: le immagini sono state in seguito utilizzate per istruire modelli di apprendimento automatico, che hanno ricostruito digitalmente le informazioni (Figura 2). Il modello digitale realizzato evidenzia l’estrema complessità del cervello umano, infatti, per descrivere questo campione così piccolo di tessuto sono richiesti più di un milione di gigabyte (1,4 petabyte) di dati ottenendo così il più grande e preciso dataset mai realizzato del cervello umano che riproducesse dettagli dell’ordine del millesimo di millimetro.

rete neurale profonda supervised learning
Figura 2. Esempio di rete neurale profonda che elimina il rumore dalle scansioni dei tessuti attraverso una tecnica di “supervised learning” (i.e., algoritmi che prevedono una fase di addestramento del modello e una fase in cui viene testato). In maniera supervisionata, il modello impara le regole d’interesse. Credits: CSH bioRxiv

Ricostruzione digitale del tessuto cerebrale umano

Per gestire questa quantità elevatissima di dati (petabyte), i ricercatori di Google hanno sviluppato le “flood filling networks“, ovvero reti di riempimento basate sul principio delle “recurrent neural networks” – reti neurali utilizzate per il riconoscimento delle immagini quando è richiesto l’utilizzo delle informazioni temporalmente precedenti. Ciò significa che l’output al tempo “t-1” viene utilizzato per calcolare l’output al tempo t, operazione che permette alla rete di avere memoria dei dati precedenti. Con questa tecnica di ricostruzione digitale a risoluzione sinaptica sono state prodotte segmentazioni 3D di ogni singola cellula del tessuto e ulteriori tecniche di machine learning sono state successivamente applicate per identificare e caratterizzare 130 milioni di sinapsi. Inoltre sono state classificati altri componenti cellulari come assoni, dendriti e corpo cellulare (i.e., soma) in subcompartienti. Infine sono state rilevate altre strutture d’interesse come mielina e ciglia.

La mappa è disponibile su una piattaforma chamata Neuroglancer, open source, a favore della comunità scientifica per la ricerca neurologica.

Cosa svelano le immagini ricavate dalla mappa realizzata da Google

Inizialmente i ricercatori, colorando i neuroni in base alle differenti dimensioni e al tipo, hanno reso visibili ed estremamente distinguibili i sei strati in cui è organizzata la corteccia cerebrale:

  • 1o strato: ricco di fibre, con poche cellule;
  • 2o strato: cellule piccole e addesante, alcune piramidali, altre rotondeggianti o stellate;
  • 3o strato: cellule piramidali di medie dimensioni;
  • 4o strato: cellule piccole e fittamente addensate;
  • 5o strato: cellule piramidali con ampie arborizzazioni dendritiche e dendriti apicali che ascendono; verso il primo strato
  • 6o strato: cellule di varie forme.

Il bordo superiore dell immagine rappresenta la superficie del cervello (Figura 3). A seguito di un esame dettagliato del modello sono state scoperte coppie di neuroni fortemente connesse attraverso ben 50 sinapsi, quando invece circa il 97% delle coppie di neuroni fa una sola sinapsi. Una spiegazone statistica suggerisce che queste potenti connessioni non sono frutto di un errore ma rappresentano intense attività di comunicazione tra neuroni, che evidentemente svolgono funzioni neurali intense (Figura 4). Un altro aspetto interessante è la possibilità di osservare singoli neuroni con una rete costituita da più di 5000 assoni provenienti da altri neuroni, per portare segnali attraverso svariate sinapsi (Figura 5).

corteccia cerebrale neuroglancer google harvard
Figura 3. Diverse tipologie di neuroni e stratificazione della corteccia cerebrale. Credits: Google Research & Lichtman Lab (Harvard University). Renderings by D. Berger (Harvard University)
neurone bersaglio assone connessioni neuroglancer
Figura 4. In casi molto rari, un singolo assone (blu) effettua ripetute sinapsi (giallo) su un singolo neurone bersaglio (verde). Lo scopo di tali connessioni multiple non è ancora noto. Credits: Google Research & Lichtman Lab (Harvard University). Renderings by D. Berger (Harvard University)
neurone neuroglancer
Figura 5. Un singolo neurone (bianco) con più di 5000 assoni che arrivano da altri neuroni, per portare segnali attraverso altrettante, se non maggiori, sinapsi. Credits: Google Research & Lichtman Lab (Harvard University). Renderings by D. Berger (Harvard University)

È stato notato, in alcuni rari casi, che gli assoni creano stutture intrecciate a volte adese ad altri neuroni (Figura 6). Attualmente la funzione di questa configurazione unica rimane sconosciuta.

assoni intrecciati neuroglancer
Figura 6. Gli assoni, la parte filamentosa delle ellule nervose che trasporta segnale lontano dalla cellula stessa, forma “vortici” (in blu), mai visti prima, a volte anche sulla superficie di altre cellule nervose. Credits: Google Research & Lichtman Lab (Harvard University). Renderings by D. Berger (Harvard University)

Conclusioni e prospettive future

I ricercatori di Google e Harvard stanno studiando l’ippocampo dei topi basandosi sulla connettomica, mentre in un ulteriore collaborazione con l’Institute of Science and Technology (Austria) propongono una nuova metodologia per la mappatura digitale del cervello attraverso l’utilizzo di microscopi ottici. Infine, è stato altresì avviato uno studio più intensivo dei tessuti associati a malattie neurodegenerative come il morbo di Alzheimer, al fine di comprendere i cambiamenti strutturali associati a queste condizioni patologiche.

In conclusione, la connettomica rappresenta un campo di ricerca in continua ascesa, essenziale per la comprensione dei meccanismi alla base delle malattie neurodegenerative. La possibilità di osservare strutture cerebrali tramite mappe digitali 3D offre una finestra senza precedenti sui processi neurali, permettendo ai ricercatori di esplorare dettagli finora sconosciuti e aprendo nuove strade e interpretazioni per diagnosi e trattamenti di disturbi neurobiologici. Il futuro delle neuroscienze sembra quindi sempre più promettente.


Fonti e approfondimenti
MDPHARMA_banner

Informazioni autore

monsterid

Daniele Morcone

Appassionato di nuove soluzioni e tecnologie all'avanguardia nel campo dell'ingegneria biomedica. Laureato triennale in ingegneria biomedica e futuro studente del Politecnico di Milano, coltiva un profondo interesse per le neuroscienze, la bioinformatica e le tecniche innovative di imaging, oltre che per l'ingegneria per cellule e tessuti, compreso l'editing genomico e i sistemi di drug e cell delivery.

Registrati alla nostra newsletter

Commenta l'argomento nel forum