清大腦科學研究中心掌握超過全球半數的單一神經元影像
清華腦科學研究中心掌握超過全球半數的單一神經元影像
大腦被視為是人類未知知識的最後疆域，為爭奪這個商機各國卯足全力，清華大學早在十餘年前就預見了神經元影像的重要性而捷足先登，在這個「資料為王」的大數據時代，擁有超過全球半數的單一神經元影像的清大腦科學研究中心，是台灣團隊的第一優勢！
文：施奇廷（東海大學應用物理系）
為何研究大腦？
「大腦」被視為是人類知識最後的未知疆域，美國前總統歐巴馬於2013年公告開始推動「BRAIN Initiative」的大型計畫時說到：
「我們可以瞭解距離我們數萬光年以外的銀河，也能研究比奈米還小的粒子，但是我們卻對在我們的兩個耳朵之間，三磅重的大腦所知甚少。」
在人類基因組已經完成定序，個人化醫療、精準醫療也因此有了飛躍性的進展，甚至連長久以來人類健康的大敵癌症，也因為生醫技術的進步，不斷有新的藥物以及治療方法被開發出來。然而大腦相關的疾病例如帕金森氏症、阿茲海默症等神經退化性疾病、以及自閉症、各種精神疾病，我們對其成因所知十分有限，更不用說是預防與治療了。因此可以預見，大腦相關的疾病勢必變成全球生醫研究的主要對象。
在研究大腦的「疾病」這種大腦的構造或功能出了問題的「失常狀態」之前，我們當然得要先瞭解大腦的「正常狀態」是什麼，這也就是「大腦連結體」（connectome）這個新興領域在近十年來受到極大重視的原因，除了前述的美國「BRAIN Initiative」計畫外，歐洲、中國、日本也紛紛開始推動大型腦科學研究計畫，投入經費動輒數十億美元，為的就是在這個研究領域中搶得頭籌，除了增進人類健康福祉這個大義名分之外，爭奪這個領域巨大的潛在商機，也是各國投入大量資源進行軍備競賽的另一個主要原因吧。
什麼是連結體？
「連結體」是在2005年時，美國印第安那大學的Olaf Sporns教授所提出的概念，所謂連結體，就是對構成大腦的各個神經單元之間的連結，所做的完整的描述。
上面所說的「神經單元」可以是不同的尺度：組成大腦最基本的單位是神經細胞，或稱為「神經元」（neuron），神經元之間以突觸（synapse）互相連結以傳遞訊息，若所描述的是大腦內的神經元如何連結，則為最詳細的「微觀連結體」；若是以一群型態、功能相似，且聚集成群的一組神經元為單位，例如大腦皮質中的「微皮質柱」（cortical minicolumn），稱為「介觀連結體」；若是以大腦解剖型態所分出來的腦區為單位，則為「巨觀連結體」。
神經單元之間的連結又是如何決定的呢？如果神經單元之間存在實體的連結，可以用螢光顯微鏡、X光、磁振造影或是電子顯微鏡等影像技術直接看到，稱為「結構連結」，結構連結的資料特性是靜態而解析度高；也可以從神經單元的活動狀態，利用神經電生理或是功能造影等實驗方法來探測神經單元的活動狀態，再透過分析這些神經單元活動的關聯性，找出它們之間的上下游以及因果關係，推估其「功能連結」，功能連結的資料特性是活體動態但解析度低，雜訊也較多。結構連結與功能連結通常有很強的相關性，二者由於上述特性，可以互補不足，建立更完整的連結體圖譜。
那麼，我們想瞭解大腦的結構與功能，應該從哪個尺度著手呢？這也沒有一定的答案，巨觀連結體可以看到大腦整體的結構，無法呈現個別神經元與神經迴路所有的細節，可說是「見林不見樹」；微觀連結體可以對神經系統的細部精細呈現，但視野有限，只能針對局部區域，是「見樹不見林」。
為何我們不用「微觀」的方式，把整個「巨觀」的腦的連結都作出來分析呢？因為光是要把大腦約一千億個神經元互相的連結存起來，最低限度需要大約1022Byte，或是十兆GB的記憶體，是目前全世界最大的超級電腦 （中國的「太湖之光」）一百萬GB記憶體的一千萬倍，所以要做到「見樹又見林」的話，得先克服這道高聳的「技術之壁」，因此要破解大腦連結體，還有很長的路要走。
目前採取的策略，是從比較簡單的動物著手，稱為「模式生物」。長度約1mm的「秀麗隱桿線蟲」是第一個被徹底研究的神經系統，不過它只有302個神經細胞，而且散佈於全身，並沒有像大腦一樣的中樞神經系統，所以對我們想要瞭解大腦幫助有限。2011年，第一個全腦連結體圖譜被測繪出來：擁有十三萬個神經元的果蠅大腦，完成這個腦科學研究里程碑的，正是來自台灣的研究團隊。
台灣的優勢在哪裡？
早在一百多年前，西班牙神經科學家卡哈，利用高爾基發明的細胞染色法將大腦細胞染色，繪製了大量精細的神經細胞結構型態，高爾基與卡哈因此在1906年同獲諾貝爾生理醫學獎。從卡哈的貢獻以降，現在全世界許多大型腦科學研究機構，仍然是以取得個別神經元影像來作為建立大腦連結體的基礎，都在開發新的取像技術與分析方法，為的就是能夠以更快的速度，取得大量、高解析度的神經元影像。
圖片來源：作者提供
圖一、卡哈所繪製的大腦皮質聽覺區（auditory cortex）的神經元圖像，展現了神經元型態的多樣性。
在這場全球的神經影像競賽中，台灣居於領先的地位。國立清華大學生命科學院由江安世院士所領導的腦科學研究中心，是一個跨領域、跨機構的研究團隊，早在十餘年前就就看到了神經元影像的重要性，甚至在「連結體」這個名詞還未出現時，就開始了果蠅大腦的「逆向工程」：結合基因工程以及顯微影像技術，逐一取得果蠅大腦內的神經元影像，經過「切割、追跡、對位」等一連串的影像處理之後，將數以萬計、來自不同果蠅個體的神經元重新拼接成一個「果蠅標準腦」，並建立「FlyCircuit」資料庫（圖二，http://www.flycircuit.tw），讓全世界的腦科學研究者皆能自由取用。這是全球第一個大腦連結體圖譜，發表於頂尖期刊《當代生物學》（Current Biology），成為當期的封面故事，《紐約時報》也大幅報導了這個成果（圖三）。
圖片來源：作者提供
圖二：FlyCircuit資料庫。
圖片來源：作者提供
（上）第一版的FlyCircuit果蠅大腦神經影像資料庫，於2011年一月發表於頂尖期刊《Current Biology》，並登上當期封面。（下）《紐約時報》大幅報導了這個腦科學研究的重要里程碑。
到目前為止，清大腦科學中心生產了超過全球半數的單一神經元影像，在這個「資料為王」的大數據時代，擁有最多的第一手資料，是台灣團隊最大的優勢。同時整合了包含物理、化學、電機、機械、資工等各領域專家，持續研發產能更快、解析度更高的取像與分析方法，使得台灣的腦科學研究，在資金、人力資源遠不如歐美日中等大國的不利條件下，仍然佔有極重要的地位。
理論物理學家做了什麼？
腦科學的研究，從取像儀器、影像處理、資料分析、網路結構、神經動力學、一直到腦部疾病的成因、預防與治療，都需要高度的跨領域人才合作，而誠如破解了「小世界之謎」的複雜網路理論奠基者鄧肯．華茲所說：「物理學家似乎是最適合侵入別人研究領域的族群……一旦物理學家踏入本來不干其事的領域，經常都預告了一段值得興奮的重大發現。」最擅長跨領域研究的物理學家，當然也不會在大腦連結體的研究中缺席。前面說過，影像是大腦連結體的基礎，而幾乎所有的影像技術的開發，從光學顯微鏡、X光、斷層掃描、磁振造影、電子顯微鏡、到近年的超解析光學顯微鏡，都少不了物理學家的活躍。
取像儀器與技術，大部分是實驗物理學家的貢獻，那麼理論物理學家又能在這個領域作什麼呢？
雖然取得影像的技術近年來有長足的進步，實驗所得的影像資料，雜訊是免不了的，生物體實驗的雜訊，又比通常的物理實驗大了好幾個數量級，所以不管從什麼儀器取得的神經影像，都需要相當繁複的處理過程，特別是神經元的樹狀結構非常複雜，往往需要耗費龐大的人力與時間，這時候就是理論物理學家大顯身手的時候了。
影像處理的第一個步驟是把目標的神經元影像從原始影像中切出來，但是由於雜訊很多，而且會跟其他的神經元糾纏在一起，所以標準的處理方式是利用人工加上軟體輔助的方式，把原始的三維影像堆疊，逐層標記出屬於目標神經元的立體畫素，再重新拼接成一個乾淨、完整的神經元影像。這種作業方式雖然精準，但是實在太耗費人力，成本高昂之外，速度也太慢，而且不免有偏見以及犯錯的可能。處理果蠅十三萬個神經元的大腦，用這種方法努力個幾年是有機會完成，但是別說人腦神經元有一千億個，光是老鼠的七千萬個神經元，就不可能用這種方式完成。因此，想要建構出大腦連結體，非得有全自動的神經影像處理方法不可。
本文筆者與國家高速網路與計算中心的陳南佑博士以及中央研究院物理所的李定國所長，與清大腦科學中心合作，開發了一套全自動的神經影像處理演算法稱為「神經獵犬」（NeuroRetriever），可以從圖四左上圖，充滿雜訊、而且明顯有數個神經細胞糾纏在一起的原始影像中，精確地「撈」出一個乾淨的神經元影像（圖四左下），原始影像中的雜訊完全被濾除，而且原本糾纏在一起的其他神經元也成功分離了。
圖片來源：作者提供
圖四：左上圖為使用共軛焦螢光顯微鏡所取得的果蠅大腦原始神經影像。圖中看起來像是灰色的背景是雜訊，其綠色螢光蛋白的亮度較真正訊號弱一些，弱的訊號以亮度較低、透明度較高的顏色呈現。左下為「神經獵犬」從原始影像中分離出來的單一神經元影像。右圖對神經元追後所得的向量化「骨架」，其中藍球為細胞本體，紅球為分支點（branching point），黃球為末端點（terminal）。
由理論物理學家們所開發出來的「神經獵犬」，可以進行大量、而且不帶偏見的神經影像處理，一個計算核心處理一個神經元影像平均需十分鐘，聽起來並不是很快（跟人工處理所需之時間相仿），因為演算法相當複雜，但現代電腦都具有大量的計算核心，例如國家高速網路中心即將啟用的最新超級電腦具有27,200個計算核心，理論上每分鐘可以處理2720個神經元，即使是挑戰人腦，如果只看影像處理這塊，需要70年，雖然還是非常久，但已經不是「天長地久」，更何況台灣這部超級電腦全球排名第95，排名第一的「太湖之光」比我們快了約70倍，也就是可以在一年內完成。這個數據代表「神經獵犬」的開發，為大腦連結體移除了「影像處理」這個技術之牆。
能夠快速取像、快速自動完成影像處理後，就可以把大量的神經元重組成一個完整的腦袋，進行對大腦結構與功能的分析了。筆者對FlyCircuit資料庫中的神經元所重組的果蠅大腦進行了複雜網路理論的介觀尺度分析，基本的神經單元是神經元之間突觸連結所聚集而成的「局域運算單元」（local processing unit，LPU），找出了果蠅大腦的五個基本功能模組，並且建立了如圖五的果蠅大腦資訊流動的模型。
圖片來源：作者提供
圖五：根據果蠅大腦連結體圖譜的結構所預測的大腦內部資訊流動模型。黃、紫、粉紅、紅色分別代表嗅覺、視覺、機械感覺（包含聽覺與觸覺）與行動前訊息整合模組，小橢圓形標註之AL、MB等為腦內各局域運算單元（LPU）之代號。收到氣味、光線、聲音、風等刺激後，循箭頭在各LPU傳遞（本圖僅列出主要LPU），有些訊號會在來回傳遞形成迴圈。黑色虛線框為最後下達反應指令之複合腦區，指令透過DMP與SOG這兩個LPU從大腦送到身體，做出反應。
這是第一個基於真實資料，在細胞等級的解析度所重建的大腦連結體的訊息傳輸模型，也是腦科學研究的重要里程碑，出版於頂尖期刊《當代生物學》。
有了全腦網路結構分析之後，下一步即為研究大腦網路更細部的結構的動力學行為。筆者與清華大學系統神經科學所，也是理論物理學博士的羅中泉教授合作，以FlyCircuit之單一神經元資料，建構了果蠅大腦中央複合區（central complex）的神經網路，發現這個區域的神經連結具有高度的規則性，但是又有少數的神經細胞「不按牌理出牌」，造成了少許的不規則。有趣的是，這種對稱破缺可以大幅提升訊息傳遞的效率。羅教授更進一步在此網路上以神經放電模型模擬神經的活動情形，解釋了果蠅如何以視覺辨識環境空間的方向，讓我們由靜態的結構出發，更進一步瞭解大腦的神經活動以及生理功能。
結語
腦科學的研究目前發展十分蓬勃，俯拾皆是重要又有趣的題目。當然在世界各國無不傾力投資此領域的情況下，競爭壓力也是非常巨大。不過這個領域的現狀其實非常適合我們物理學家投入，因為我們善於傾聽、吸收並統合其他領域的專業知識，而且因為物理是最基礎的科學，做什麼問題往往是從零開始，比較不會受到一些固定的思考模式的桎梏，經常能從全新的角度來看問題並找到解決的方法，期待未來還有更多的物理學者以及年輕學子投入這個領域。
資料來源：關鍵評論
