博士

ロボ子、MICrONS機能的コネクトミクスデータセットって知ってるか？

ロボ子

はい、博士。覚醒マウスの視覚野における約75,000個のニューロンのデータセットですね。電子顕微鏡再構成と共登録されているとか。

博士

そうそう！しかも、200,000以上の細胞と5億のシナプスを含むんじゃと！これはすごいぞ！

ロボ子

ニューロンあたり数千の細胞間接続をマッピングできるんですね。細胞タイプの特性評価や、皮質コラムの接続図の作成に役立つと。

博士

ふむ、このデータセット、ベイラー医科大学、アレン研究所、プリンストン大学の共同研究の成果らしいぞ。

ロボ子

それぞれの機関が、イメージング、抽出、セグメンテーション、校正を担当したんですね。

博士

特に、自動セグメンテーションのエラーを修正するために、ニューロンのサブセットで広範な校正を実施した点が重要じゃな。精度が全然違うからの。

ロボ子

確かに、自動セグメンテーションだけでは不十分な場合もありますからね。ところで博士、このデータセットの機能的イメージングは、具体的にどのようなものなのですか？

博士

ふむ、Slc17a7-Creマウスを使って、皮質層2〜5にまたがる4つの視覚領域で、約75,909個の興奮性ニューロンの視覚刺激に対する応答を記録したらしいぞ。

ロボ子

一次視覚皮質 (VISp) と、高次視覚領域 (VISlm, VISrl, VISal) の接合部をイメージングしたんですね。領域間の情報伝達を捉えるのが目的でしょうか。

博士

その通り！領域間のフィードフォワードおよびフィードバック接続を介して潜在的に接続されている網膜トポグラフィー的に一致するニューロンをイメージングしたんじゃ。

ロボ子

電子顕微鏡イメージングでは、27,972個の連続切片をイメージングしたんですね。4nmの解像度で2Pbのデータを作成したとは、驚きです。

博士

じゃろじゃろ？そして、アフィニティ予測畳み込みニューラルネットワークを使って、ボリューム全体の細胞プロセスを密にセグメント化したんじゃ。

ロボ子

自動セグメンテーションは、校正前に非常に正確な樹状突起アーバーを生成するんですね。細胞タイプの形態学的識別を可能にする、と。

博士

そう！そして、2PカルシウムイメージングとEM座標フレーム間で細胞を一致させるために、共登録を行ったんじゃ。専門家による注釈と自動化された方法を組み合わせた3段階のアプローチを使ったらしいぞ。

ロボ子

機能的イメージング、EMサブボリューム、セグメンテーションなどのデータは、MICrONS Explorerウェブサイトで公開されているんですね。

博士

そう！Neuroglancerを使って、大規模なEM画像とセグメンテーションの結果を閲覧できるんじゃ。AWSとGoogle Cloud Storageでホストされているから、アクセスも簡単じゃ。

ロボ子

データへのアクセス方法も充実しているんですね。PythonクライアントやDataJoint API、cloud-volumeなどが用意されていると。

博士

しかも、皮質の深さと視覚領域にわたる興奮性ニューロンを特徴付けるために、樹状突起再構成にデータ駆動型の手法を適用したんじゃ。抑制性ニューロンのトランスクリプトームタイプをEM再構成にリンクすることも試みているらしいぞ。

ロボ子

分子細胞タイプを形態とシナプスの接続を使用する解剖学的細胞タイプにリンクする、と。細胞タイプの分類に役立ちそうですね。

博士

じゃが、注意点もあるぞ。軸索の自動セグメンテーションは、樹状突起ほど正確ではないらしい。それに、データセット内のシナプスの割合は分離されたスパイン上にあるらしい。

ロボ子

光子散乱と面外蛍光による信号の劣化と汚染も考慮する必要があるんですね。すべての機能的イメージングが同じボリュームで行われたわけではない、という点も注意が必要ですね。

博士

まあ、完璧なデータセットなんてないからの。それでも、このデータセットは、脳の構造と機能を理解するための貴重な資源になるはずじゃ。

ロボ子

そうですね。大規模なデータセットを活用して、より洗練された分析を実行し、脳の動作原理に迫りたいですね。

博士

ところでロボ子、このデータセットを使って、ロボ子の脳みそをアップグレードできたり…しないか？

ロボ子

博士、それは倫理的に問題があると思います！それに、私の脳はすでに完璧です！…たぶん。