رونمایی رسمی از نخستین نقشه کامل سیم‌کشی مغز یک موجود بالغ در پروژه FlyWire؛ شاهکار تاریخی کانکتومیکس با ۱۳۹,۲۵۵ نورون، ۵۴.۵ میلیون سیناپس و هوش مصنوعی در ژورنال Nature
کالبدشکافی تاریخی نخستین کانکتوم کامل مغز در پروژه FlyWire؛ بررسی ۱۳۹,۲۵۵ نورون، ۵۴.۵ میلیون سیناپس، کشف ۸,۴۰۰ نوع سلول و نقش هوش مصنوعی در Nature.
- کنسرسیوم بین‌المللی FlyWire با هدایت دانشمندان دانشگاه پرینستون، آزمایشگاه زیست‌شناسی مولکولی MRC کمبریج و دانشگاه‌های معتبر جهان، پس از سال‌ها پژوهش و توسعه متمرکز، موفق به انتشار نخستین نقشه کامل سیم‌کشی مدارهای عصبی (کانکتوم کامل) یک موجود زنده بالغ در تاریخ علم شدند. این شاهکار علمی که در قالب بسته‌ای متشکل از ۹ مقاله پژوهشی در ژورنال معتبر Nature منتشر شده است، تمامی ۱۳۹,۲۵۵ نورون و ۵۴.۵ میلیون اتصال سیناپسی را در مغز مگس سرکه (Drosophila melanogaster) با تفکیک بی‌سابقه نانومتری و ردیابی بیش از ۱۴۰ متر سیم‌کشی آکسونی بازسازی کرده است. پروژه FlyWire با پیوند دادن بیش از ۱۰۰ ترابایت داده خام میکروسکوپ الکترونی عبوری مقطعی (ssTEM)، الگوریتم‌های بینایی ماشین و شبکه‌های عصبی عمیق با اعتبارسنجی جمع‌سپاری صدها دانشمند در سراسر جهان تحقق یافت. این اطلس جامع موفق به طبقه‌بندی ۸,۴۵۳ نوع سلول عصبی متمایز و پیش‌بینی شیمیایی انتقال‌دهنده‌های عصبی شده و مدارهای کنترل ناوبری، بینایی، بویایی، راه رفتن و تصمیم‌گیری را به طور کامل شفاف ساخته است؛ دستاوردی که افق‌های بنیادین هوش زیستی و توسعه شبکه‌های عصبی مصنوعی الهام‌گرفته از مغز را بازتعریف می‌کند.
- بررسی جامع ابعاد فنی و کاربردی توسط تحریریه ماگ بیت.
- پیش‌بینی اثرات کوتاه‌مدت و بلندمدت بر اکوسیستم فناوری.
خیزش تاریخی در علوم اعصاب؛ عبور از مرزهای ناممکن با نخستین کانکتوم کامل مغز یک جاندار بالغ
در طول بیش از یک قرن گذشته، بزرگ‌ترین معمای علم زیست‌شناسی و علوم شناختی در یک پرسش بنیادین خلاصه می‌شد: چگونه الگوهای برهم‌کنش میلیاردها سلول میکروسکوپی به پیدایش ادراک حسی، حافظه، تصمیم‌گیری و رفتارهای هدفمند منجر می‌شوند؟ تا پیش از این، تنها سیستم عصبی کاملاً نقشه‌برداری‌شده در جهان، کرم نماتود رابیدیتید C. elegans با تنها ۳۰۲ نورون بود؛ ارگانیسمی بسیار ساده که فاقد چشم، سیستم بینایی پیچیده، توانایی پرواز یا مغز متمرکز است. تلاش‌های متعددی در طول دهه‌های اخیر برای نقشه‌برداری ساختار مغز مهره‌داران صورت گرفت، اما تراکم میلیونی اتصالات و قطر چند ده نانومتری آکسون‌ها همواره سدی تسخیرناپذیر به نظر می‌رسید. سرانجام با انتشار بسته مقالات انقلابی پروژه بین‌المللی FlyWire در ژورنال معتبر Nature، جامعه علمی به نقطه عطفی دست یافت که از آن به عنوان «پروژه ژنوم انسانی در حوزه علوم اعصاب» یاد می‌شود.
کنسرسیوم FlyWire با تکیه بر هم‌افزایی صدها عصب‌پژوه، متخصص علوم کامپیوتر و بیوفیزیک‌دان از مؤسسات پیشگامی چون دانشگاه پرینستون، آزمایشگاه MRC LMB کمبریج و مؤسسه پزشکی هاوارد هیوز، موفق شد برای نخستین بار در تاریخ، نقشه کامل تمامی اتصالات سیناپسی و فیبرهای عصبی مغز یک موجود زنده بالغ یعنی مگس سرکه (Drosophila melanogaster) را با دقتی نانومتری استخراج کند. مگس سرکه بر خلاف ارگانیسم‌های تک‌سلولی یا نماتودها، رفتارهای غنی و خیره‌کننده‌ای نظیر جهت‌یابی در فضای سه‌بعدی، پرواز آکروباتیک با پردازش سریع بینایی، رفتارهای پیچیده جفت‌یابی، یادگیری مبتنی بر پاداش و تنبیه و حافظه کوتاه‌مدت و بلندمدت بروز می‌دهد؛ رفتارهایی که اکنون به برکت این نقشه مداری جامع، ریشه مکانیکی تک‌تک آن‌ها در شبکه‌ای متراکم و منظم قابل ردیابی است. این پیشرفت بنیادین در درک بیولوژیکی ارگانیسم‌ها، همانند دستاوردهای شاخصی نظیر تحلیل جامع جایزه نوبل پزشکی ۲۰۲۴ در کشف مکانیسم میکروRNAها، نشان‌دهنده توانایی بشر در حل پیچیده‌ترین اسرار حیات سلولی است.
مهندسی تصویربرداری در مقیاس نانومتر؛ کالبدشکافی میکروسکوپی ۷,۰۰۰ برش ۴۰ نانومتری و ۱۰۰ ترابایت کلان‌داده
پایه‌ریزی فیزیکی این اطلس شگفت‌انگیز حاصل یک شاهکار مهندسی در آزمایشگاه Janelia Research Campus بود. برای تصویربرداری از کل مغز حشره بدون تخریب ساختارهای مویرگی و غشای نازک سلول‌ها، مغز یک مگس سرکه ماده بالغ پس از تثبیت شیمیایی و رنگ‌آمیزی با فلزات سنگین (اوسمیوم و اورانیل استات برای ایجاد کنتراست الکترونی)، در یک بلوک رزین پلاستیکی بسیار سخت قالب‌گیری شد. سپس یک اولترامیکروتوم با تیغه الماسی بی‌نقص و با دقتی خیره‌کننده، این بافت مینیاتوری را به ۷,۰۵۰ مقطع فوق‌العاده باریک متوالی، هر یک با ضخامت تنها ۴۰ نانومتر (۴۰ میلیاردم متر) برش داد؛ ضخامتی هزار برابر نازک‌تر از یک تار موی انسان که کوچک‌ترین لرزش محیطی می‌توانست کل بافت را متلاشی کند.
سپس هر یک از این ۷,۰۵۰ ورقه با استفاده از میکروسکوپ الکترونی عبوری روبشی سریالی (ssTEM) با وضوح افقی ۴ نانومتر در هر پیکسل اسکن شد. این فرایند طاقت‌فرسا، به تولید میلیون‌ها تصویر دیجیتالی با رزولوشن فوق‌العاده بالا و مجموع حجم داده خام فراتر از ۱۰۰ ترابایت انجامید. چالش ریاضی بعدی، هم‌راستاسازی و رجیستری سه‌بعدی (3D Elastic Alignment) این برش‌ها بود؛ چرا که هر مقطع در حین برش و جابجایی دستخوش اعوجاج‌های الاستیک میکروسکوپی، انقباض و تغییر شکل می‌شد. دانشمندان با استفاده از الگوریتم‌های پیچیده بهینه‌سازی میدان‌های برداری، این هزاران لایه را با خطای کمتر از چند نانومتر بر روی هم منطبق کردند تا پیوستگی کالبد فیزیکی سیم‌های عصبی در طول بافت به طور کامل حفظ شود؛ مهارتی در مدیریت داده که زیربنای مطالعات فضایی پیشرفته نظیر ماموریت اطلس سه‌بعدی کیهان با تلسکوپ فضایی اقلیدس را یادآوری می‌کند.
پایه‌گذاری انقلاب با هوش مصنوعی و یادگیری عمیق؛ نقش شبکه‌های FFN و اعتبارسنجی جمع‌سپاری جهانی
اگر قرار بود ردیابی و بخش‌بندی (Segmentation) این حجم از داده‌های الکترونی به صورت دستی توسط انسان انجام شود، بر اساس محاسبات پژوهشگران، این پروژه به صدها سال کار مداوم تیمی بزرگ از نوروآناتومیست‌ها نیاز داشت. گره کور این بن‌بست محاسباتی تنها به لطف جهش الگوریتم‌های هوش مصنوعی و یادگیری عمیق گشوده شد. تیم تحقیقاتی پرینستون با هدایت پروفسور سباستین سئونگ و آزمایشگاه گوگل، از خانواده پیشرفته‌ای از شبکه‌های عصبی پیچشی موسوم به «شبکه‌های پرکننده سیل‌آسا» یا Flood-Filling Networks (FFN) بهره گرفتند. این مدل‌ها با حرکت پویا در فضای سه‌بعدی وکسل‌ها، مرز غشاهای تیره سلولی را شناسایی کرده و هر یک از شاخه‌های درهم‌تنیده دندریت‌ها و آکسون‌ها را به صورت یک هویت مجزا بازسازی کردند.
با وجود دقت حیرت‌انگیز مدل‌های هوش مصنوعی، تداخل‌های شدید فیبرهای عصبی در گره‌های باریک همواره می‌توانست به خطاهای ادغام (Merge Error) یا قطع اتصال (Split Error) منجر شود. اینجاست که نوآوری پلتفرم تعاملی برخط FlyWire پدیدار شد: سامانه‌ای مبتنی بر وب که به صدها دانشمند و داوطلب آموزش‌دیده در سراسر جهان اجازه می‌داد پیش‌بینی‌های مدل هوش مصنوعی را به صورت بلادرنگ بررسی و تصحیح کنند (Proofreading). این شبکه جهانی موفق به اصلاح بیش از ۳ میلیون پیوند عصبی شد و صحت هندسی اتصالات را به ۹۹.۲ درصد رساند. این هم‌افزایی بی‌نظیر نشان داد که چگونه الگوریتم‌های شناختی، هم‌راستا با آنچه در تحلیل جامع جایزه نوبل فیزیک ۲۰۲۴ در پایه‌گذاری شبکه‌های عصبی مصنوعی مشاهده کردیم، بار دیگر به منبع الهام بیولوژیکی خود ادای دین می‌کنند.
کالبدشکافی ساختار و تنوع سلولی؛ ردیابی ۱۳۹ هزار نورون، ۵۴.۵ میلیون سیناپس و کشف ۸,۴۵۳ تیپ سلولی
نتایج نهایی حاصل از پردازش کل داده‌های مغز مگس سرکه، اعدادی بهت‌آور و بسیار غنی‌تر از هر پیش‌بینی قبلی را به جامعه زیست‌شناسی عرضه کرد. این نقشه حاوی ۱۳۹,۲۵۵ نورون منفرد با ساختار ریخت‌شناسی سه‌بعدی کامل است که در صورت قرار گرفتن سیم‌کشی آن‌ها در امتداد یک خط مستقیم، طولی بالغ بر ۱۴۰ متر فیبر عصبی میکروسکوپی را تشکیل می‌دهند. این مجموعه سلولی از طریق ۵۴,۴۶۰,۸۸۲ نقطه تماس سیناپسی شیمیایی با یکدیگر ارتباط برقرار می‌کنند؛ تراکمی خارق‌العاده که نشان می‌دهد در فضایی کوچکتر از یک دانه شکر، چه شبکه پرپیچ‌وخم و شگفت‌انگیزی پنهان شده است.
یکی از شگفت‌انگیزترین دستاوردهای این پژوهش، کشف و فهرست‌بندی ۸,۴۵۳ نوع سلول عصبی متمایز (Cell Types) بر پایه ریخت‌شناسی و الگوی اتصال سیناپسی است؛ رقمی که بیش از دو برابر تنوع سلولی پیش‌بینی‌شده در متون درسی گذشته بود. علاوه بر این، دانشمندان با آموزش یک مدل یادگیری ماشین تخصصی بر روی ویژگی‌های بیوشیمیایی حباب‌های سیناپسی و وزیکول‌ها، توانستند نوع انتقال‌دهنده عصبی (Neurotransmitter) را برای تک‌تک نورون‌ها با دقت بالای ۹۴ درصد پیش‌بینی کنند؛ تفکیکی حیاتی که نشان می‌دهد کدام مدارها پیام‌های تحریکی بر پایه استیل‌کولین ارسال می‌کنند و کدام مسیرها از طریق ترشح GABA یا گلوتامات وظیفه مهار و خاموش‌سازی سیگنال‌های الکتریکی را بر عهده دارند. درک این ریزمعماری بیولوژیکی، گامی بنیادین در پیوند با درمان‌های نوینی نظیر ربات‌های دی‌ان‌ای برای دارورسانی هدفمند در سد خونی-مغزی خواهد بود.
رمزگشایی مدارهای رفتار، ناوبری فضایی و تصمیم‌گیری؛ قطب‌نمای درونی مغز و کلیدهای توقف و حرکت
در اختیار داشتن نقشه کامل سیم‌کشی، امکان کالبدشکافی مدارهای عملکردی را فراهم آورد که پیش از این صرفاً به صورت فرضیه‌های انتزاعی مورد بحث قرار می‌گرفتند. یکی از بارزترین نمونه‌ها، رمزگشایی کامل «کمپلکس مرکزی» (Central Complex) است که به عنوان مغز متفکر ناوبری و جهت‌یابی حشره عمل می‌کند. در ساختار پل پروتوسربرا (Protocerebral Bridge) و جسم بیضوی (Ellipsoid Body)، یک شبکه حلقوی از نورون‌ها با الگوی اتصالات متقارن شناسایی شد که دقیقاً همانند یک قطب‌نمای دیجیتال زاویه چرخش سر و جهت حرکت حشره نسبت به نور خورشید و نشانه‌های محیطی را با فعالیت برداری یک توده فاز عصبی (Ring Attractor) در لحظه ثبت و به‌روزرسانی می‌کند.
فراتر از قطب‌نما، این کانکتوم پرده از مکانیسم‌های تصمیم‌گیری حسی-حرکتی برداشت. پژوهشگران موفق شدند مدارهای بینایی متصل به شاخک‌ها را تا عضلات حرکتی پاها و بال‌ها از طریق نورون‌های فرمان نزولی (Descending Neurons) ردیابی کنند. این تحلیل، کشف مدار مهار متقابل شگفت‌انگیزی موسوم به «کلید توقف» (Stop Circuit) را به همراه داشت؛ سازوکاری که در آن تحریک چند نورون بازدارنده خاص در مغز، تمامی مدارهای تحرک‌پذیری را در کمتر از ۱۰ میلی‌ثانیه قفل می‌کند تا حشره در مواجهه با خطر ناگهانی بیارامد. این مدارها نشان می‌دهند که چگونه ترکیب ساده‌ای از گیت‌های منطقی بیولوژیکی، ادراک دیداری را به اقدامات حرکتی بقامحور تبدیل می‌سازند؛ الگویی که در فناوری‌های نوین نظیر رابط‌های مغز و رایانه BCI پوشیدنی برای بازخوانی سیگنال‌های مغزی انسان به کار گرفته می‌شود.
از مگس تا مغز انسان و تراشه‌های نورومورفیک؛ چشم‌انداز پیوند کانکتومیکس با آینده هوش مصنوعی شناختی
اگرچه مغز انسان با دارا بودن نزدیک به ۸۶ میلیارد نورون و ۱۰۰ تریلیون سیناپس، مقیاسی میلیون‌ها برابر عظیم‌تر از مغز مگس سرکه دارد، اما اصول معماری محاسبه، سازمان‌دهی شبکه‌ای با دنیای کوچک (Small-World Network) و توزیع اتصالات با بهره‌وری فوق‌العاده انرژی در میان تمامی موجودات زنده مشترک است. کنسرسیوم FlyWire با اثبات امکان‌پذیری فنی و محاسباتی نقشه‌برداری در سطح کل یک ارگانیسم، اکنون مسیر را برای پروژه‌های بعدی نظیر کانکتوم کامل مغز لارو گورخرماهی و مغز موش هموار کرده است. داده‌های این پروژه به صورت کاملاً منبع‌باز در اختیار هزاران آزمایشگاه تحقیقاتی جهان قرار گرفته تا شبیه‌سازی‌های کامپیوترهای زیستی در سطح سلولی محقق شود.
علاوه بر پزشکی و علوم اعصاب بالینی، بزرگ‌ترین برنده این شاهکار علمی، مهندسی هوش مصنوعی است. شبکه‌های عصبی مصنوعی فعلی (نظیر ترنسفورمرها و LLMها) با ساختارهای کاملاً متراکم آموزش می‌بینند و هزینه‌های سرسام‌آور انرژی و محاسبات را به همراه دارند. در مقابل، مغز مگس با مصرف توانی در حد کسری از یک میلی‌وات، محاسبات پیچیده بینایی، یادگیری مداوم و ناوبری بلادرنگ را به سرانجام می‌رساند؛ ویژگی‌هایی که مدل‌های مدرن در راهنمای جامع مدل‌های بینایی-زبانی VLM به دنبال دستیابی به آن هستند. با مهندسی معکوس الگوهای سیم‌کشی FlyWire و تزریق توپولوژی اتصالات طبیعی به تراشه‌های نورومورفیک (Neuromorphic Computing)، می‌توان هوش مصنوعی نسل بعد را با مصرف انرژی مینیاتوری و استدلال سریع بر روی سخت‌افزارهای خودران پیاده‌سازی کرد؛ آغازی بر پیوند حقیقی هوش سیلیکونی با خرد ۴۰۰ میلیون ساله تکامل بیولوژیکی.
بیشتر از علم و فضا
