该算法识别了已知区域以及功能尚不清楚的神秘区域。
20世纪初，科尔比尼安·布罗德曼（Korbinian Brodmann）发布了迄今为止最重要的脑图谱之一。通过研究大脑皮层（大脑最外层）的隆起、沟壑、层层和细胞，他将这片皱巴巴的组织划分为52个不同的区域。
布罗德曼的大脑图谱完全基于大脑的微观图像。此后，神经科学家添加了各种其他类型的数据，包括高分辨率脑扫描、神经元连接和基因表达。2016年，人类大脑皮层图谱进行了一次开创性的更新，包含多个数据集。它定义了人类大脑皮层中180个“通用”区域——远远超过布罗德曼的大脑图谱——其中许多区域与特定的大脑功能相关。
大脑细分可以推动神经科学的发现。通过将健康和疾病状态下的特定大脑功能与更小、更精确的解剖区域联系起来，科学家可以更好地研究大脑如何随着年龄和疾病而变化，或对治疗方法进行微调。
以前的大脑地图绘制严重依赖人类专家敏锐的眼光来划分区域。但随着涵盖整个大脑的多个尺度（基因、细胞、神经网络）的数据集越来越详细，科学家们越来越依赖机器思维的帮助。
如今，得益于类似 ChatGPT 的 AI 技术，机器或许可以完全接管大脑分区。加州大学旧金山分校和艾伦研究所最近合作，将 AI 与神经解剖学相结合，构建了迄今为止最详细的小鼠脑图谱之一。这款名为 CellTransformer 的 AI 利用海量数据集（详细记录了大脑中哪些基因处于开启或关闭状态），了解了细胞之间的相互关联。
该人工智能系统处理了超过200个小鼠脑切片和900万个细胞，勾勒出多只小鼠的1300个脑区和亚区。它轻松识别出一些定义明确的区域，例如海马体（大脑的记忆枢纽）。但该算法也发现了运动皮层中一个难以捉摸的层级，以及一些功能尚不明确的神秘区域。
“这就像从一张只显示大洲和国家的地图，变成了一张显示州和城市的地图，”研究作者博西莉卡·塔西奇在一份新闻稿中说道。“基于数十年的神经科学研究，新的区域对应着有待发现的大脑特殊功能。”
脑图谱
得益于日益复杂的显微镜和价格实惠的基因工具，大规模脑图谱现已涵盖了大脑组织的一系列复杂性。
你可以把大脑的结构想象成一座塔。基因是其基础。所有类型的脑细胞都拥有相同的基因组合，但基因突变可能导致多种脑部疾病。这一层结构启发了基因疗法的发展，其中一些疗法正在蓬勃发展。
更高层次的是转录组学，即哪些基因被开启或关闭。不同的脑细胞具有独特的基因表达特征，这些特征暗示着它们的健康和功能。一种名为空间转录组学的强大工具可以在脑切片图谱中捕捉单细胞层面的这些信号。这张图谱可以精确定位时间和空间上的基因图谱。
更上一层楼的是连接组学——神经元如何在局部和全局尺度上功能性地连接在一起——以及行为。皮层网络机器智能（MICrONS）联盟正是在这个尺度上开展工作的。该团队精心绘制了小鼠大脑一立方毫米的影像和地图，并将神经连接与行为联系起来。最后，脑部扫描，例如功能性磁共振成像（MRI），可以更全面地展现大脑的运作。
每个层面都为我们提供了关于大脑区域及其运作方式的独特视角。但过多的数据可能会适得其反。“将如此丰富的数据转化为有用的表征可能非常困难，即使对于神经解剖学等拥有丰富先验知识的领域也是如此，”作者写道。
你好，邻居
这项新研究集中于一个层面：空间转录组学。
CellTransformer 的核心与 ChatGPT 和其他热门聊天机器人所采用的 AI 类型相同。该算法被称为 Transformer，它使用人工神经网络来处理数据。Transformer于 2017 年首次推出，是构建其他 AI 模型（例如大型语言模型）的基础。可以将它们想象成建造房屋的脚手架。最终的建筑设计可能看起来截然不同，但它们都依赖于相同的初始框架。
Transformer 尤其擅长“理解”语境。例如，它们可以模拟句子中单词之间的关系，从而使聊天机器人能够提供类似人类的响应。作者没有使用从互联网上抓取的数据来训练人工智能，而是向其输入了从小鼠大脑中收集的多个现有数据集。这些数据集包括用于获取结构信息的 Allen 脑细胞全鼠脑图谱、名为 MERFISH 的空间转录组图谱，以及一个包含数百万个细胞的单细胞 RNA 测序数据集（该数据集也包含活性基因）。
然后，他们要求人工智能在无需额外指导的情况下，根据任意给定细胞寻找“局部邻域”。类似于在单词中寻找模式，CellTransformer 学习了细胞周围空间转录组学的模式。每个邻域都被标记上一组“标记”（供人工智能分析的构建块），这些标记可以准确预测基因表达，并将结果与细胞类型和组织信息关联起来。
“Transformer 通常用于分析句子中单词之间的关系，而我们使用 CellTransformer 来分析空间中相邻细胞之间的关系，”研究作者 Reza Abbasi-Asl 说道。“它学习根据细胞的局部邻域来预测其分子特征，从而构建出整体组织结构的详细图谱。”
该团队首先使用人工智能分析复杂但众所周知的大脑区域，包括海马体，使用艾伦研究所的通用坐标框架（神经解剖学的黄金标准）。
海马体是一个海马形状的结构，深藏于大脑内部，对学习和记忆至关重要。它由多个区域组成，每个区域都有各自独特但又相互交织的功能，并拥有独特的基因表达谱。CellTransformer 的表现令人钦佩，其细分结果与之前的结果相似。它还擅长描绘皮层中的区域，例如与感知和运动相关的区域，而 Brodmann 在一个多世纪前就粗略地勾勒出了这些区域。
或许更令人兴奋的是，AI 绘制了一系列此前未知的区域。其中一些区域以中脑的一个枢纽为中心，该枢纽以启动运动、情绪和其他行为而闻名。帕金森病患者通常会破坏该区域，而该区域或许可以成为治疗的目标。CellTransformer 还发现了几个以网格状图案混合的细胞邻域，这表明它们可能形成一个此前未被发现的局部神经网络。
人工智能总共识别出了1300个脑区。需要明确的是，这些结果尚未得到实验证实。作者还强调，这些发现不应被解读为“大脑由离散的脑区组成”，而应被解读为基因表达差异的梯度。尽管如此，这张图谱或许能帮助科学家揭示一些小而独特的脑区中尚未知晓的功能，或将特定脑区与疾病联系起来。
人工智能并非只适合分析大脑。它还可以以数字化方式解剖其他组织（包括癌变组织）和器官，并将其分解成多个部分。与大脑类似，人工智能或许可以发现细微的结构和功能，从而启发新的靶点和治疗方法。
ChatGPT 类人工智能揭示小鼠大脑中的 1,300 个区域——一些未知区域最先出现在SingularityHub上。