Mảnh não người 1 mm³ được lập bản đồ ở độ phân giải nano

 (nature.com)
2 điểm bởi GN⁺ 2024-05-11 | 1 bình luận | Chia sẻ qua WhatsApp
  • Các nhà nghiên cứu đã lập bản đồ một mảnh cực nhỏ của não người với độ chi tiết cực cao, tạo ra một atlas tế bào cho phép quan sát cấu trúc kết nối của não
  • Atlas tế bào này đã được đăng trên Science và cũng được công bố dưới dạng dữ liệu trực tuyến để phục vụ các phân tích tiếp theo
  • Atlas này hé lộ các kiểu kết nối mới giữa các neuron, đồng thời cho thấy những cấu trúc ở cấp độ tế bào vốn trước đây khó quan sát
  • Một số tế bào tự quấn quanh chính mình để tạo thành cấu trúc giống nút thắt, và cũng xác nhận được các cặp neuron gần như là ảnh gương của nhau
  • Ngay cả trong mô nhỏ chỉ 1 mm³, các kết nối và hình thái phức tạp vẫn xuất hiện, cho thấy quy mô dữ liệu cần thiết để hiểu cấu trúc não người

Atlas tế bào của một mảnh não người

  • Các nhà nghiên cứu đã lập bản đồ rất chi tiết một mảnh nhỏ của não người
  • Kết quả là một atlas tế bào bao gồm các neuron, tức tế bào não
  • Atlas này đã được công bố trong bài báo trên Science và cũng có thể truy cập trực tuyến

Những cấu trúc được hé lộ từ atlas

  • Các kiểu kết nối mới giữa các neuron đã được xác nhận
  • Một số tế bào tự quấn quanh chính mình, tạo thành cấu trúc giống nút thắt
  • Cũng xuất hiện các cặp neuron gần như là ảnh gương của nhau

Bài viết liên quan

1 bình luận

 
GN⁺ 2024-05-11
Các ý kiến trên Hacker News

  • Tính đến ngày 11/05/2024, tôi đã đọc hết các bình luận, và khá ngạc nhiên là từ góc nhìn của một giáo sư ở trường đại học lớn, không có lấy một câu hỏi hiển nhiên nào được nêu ra
    Thay vì chỉ liệt kê kiến thức kiểu giáo khoa về chức năng não, khác biệt giữa thú có vú và chim, AI và LLM, chẳng phải ta nên hỏi những cấu trúc và vật thể kỳ lạ kia, những thứ chúng ta hoàn toàn chưa biết, đang làm gì sao: https://h01-release.storage.googleapis.com/gallery.html
    Tôi đếm được 7 cái

    • Bị choáng ngợp trước độ phức tạp và sự khó hiểu của toàn bộ thứ này, nhưng nghĩ rằng một phần trong đó có thể là cơ quan thoái hóa thì cũng buồn cười
      Tôi đặc biệt thích “vật thể hình quả trứng không có nhánh lồi nối liền”
    • Là người hoàn toàn ngoài ngành nên tôi cũng không biết phải nhìn gì, nhưng sợi nhánh bên trong thân tế bào là thứ khiến tôi kinh ngạc nhất
      Một cấu trúc mà sợi nhánh của một tế bào xuyên qua thân tế bào của tế bào khác ư
    • Thật đáng kinh ngạc khi toàn bộ sự phức tạp này tạo ra những điều đẹp đẽ như nụ cười hay tình yêu
    • Dữ liệu này không có nhóm đối chứng là mẫu mô khỏe mạnh tương tự, nên không thể phản chứng và khó có thể xem là hợp lệ 100% về mặt khoa học

  • Trực quan hóa tương tác thật sự xuất sắc
    Rất đáng phóng to các lát cắt rồi cuộn qua các lớp lên xuống, và mô hình 3D cũng đáng để phóng to xem
    Cũng có thể thấy khi đưa chuột lên một phần nào đó của neuron thì toàn bộ neuron đó được tô nổi bật: http://h01-dot-neuroglancer-demo.appspot.com/#!gs://h01-release/assets/neuroglancer_states/20210601/c2_library.json

    • Thật sự choáng ngợp
      Chỉ là 1 milimét khối trong não chúng ta mà đã có ngần ấy kết nối, nên tôi hiểu vì sao quạ có thể thông minh đến thế dù bộ não chỉ to cỡ quả óc chó
      Não có lẽ là thứ phức tạp nhất trong vũ trụ, và tôi tự hỏi liệu nó có thể đủ phức tạp để hiểu chính mình hay không, và về mặt logic điều đó có khả thi không
    • Trang web đó không tôn trọng bố cục bàn phím của tôi
      Không hiểu họ làm kiểu gì mà ra vậy

  • “Bản đồ 3D bao phủ một thể tích khoảng 1 milimét khối, tức một phần triệu của toàn bộ não, và chứa khoảng 57.000 tế bào cùng 150 triệu synapse, là các kết nối giữa neuron”
    Đây là một mốc đo thực nghiệm tốt để ước tính sơ bộ mô hình mạng neural cần lớn đến đâu nếu muốn mô phỏng não người
    150 triệu synapse / 57.000 neuron tức trung bình 2.632 synapse trên mỗi neuron; nếu não người trưởng thành có khoảng 100 tỷ neuron thì tổng cộng là 2,6e14 synapse
    Ngay cả khi chỉ tính 1 tham số cho mỗi synapse, mô hình tối thiểu đã lớn hơn hàng trăm lần so với con số 1,8e12 tham số được đồn đoán của GPT-4
    Mức này vẫn còn quá thô; nếu tính 10–100 kênh ion trên mỗi synapse, và tối thiểu 10 tham số cho mỗi kênh ion, thì sẽ là từ 2,6e16 trở lên, tức lớn hơn GPT-4 hơn 4 bậc độ lớn
    Tất nhiên còn các vấn đề khác như triển khai tính dẻo thần kinh, nhưng đây là một phép tính xấp xỉ thú vị
    Năng lực tính toán có thể đạt tới mức đó vào khoảng năm 2048: https://news.ycombinator.com/item?id=38919548

    • Như góc nhìn của Geoffrey Hinton, mạng neural nhân tạo có thể hiệu quả hơn mạng neural thật rất nhiều
      Điều này gần như ngược lại với niềm tin suốt nhiều thập kỷ rằng neuron nhân tạo là mô hình nghèo nàn của neuron thật
      Có một trích dẫn rằng: “Não chúng ta có 100 nghìn tỷ kết nối. Các mô hình ngôn ngữ lớn nhiều nhất là 500 tỷ, tối đa 1 nghìn tỷ. Vậy mà GPT-4 biết nhiều hơn bất kỳ một người nào hàng trăm lần. Có lẽ nó có thuật toán học tốt hơn chúng ta rất nhiều”
      Với mật độ của mẫu não này, các kết nối của GPT-4 sẽ chiếm 5 centimét khối, tức 1% thể tích vỏ não người
      Thế nhưng GPT-4 vẫn có thể nói khá trôi chảy 80 ngôn ngữ, dịch thuật, viết mã, bắt chước văn phong của hàng trăm hay hàng nghìn tác giả, và trò chuyện về mọi thứ từ triết học, nấu ăn, khoa học đến luật
    • Phép tính đó bỏ sót phần rằng neuron không chỉ là một nút có một con số, mà bản thân nó là một hệ thống tính toán
    • Mô hình đó có thể vẫn quá đơn giản
      Bên trong tế bào đầy những bộ máy quy mô nano phức tạp, và một số trong đó có thể tham gia vào các quá trình nhận thức
      Tôi biết ít nhất một nghiên cứu đã xác định các cấu trúc nano trực tiếp liên quan đến cách ký ức vận hành trong neuron
      Hơn nữa, nhiều quá trình còn có một chiều kích khá tương tự
      Tôi nhớ có một nhà thần kinh học nói trong một cuộc phỏng vấn rằng suốt nhiều thế kỷ, loài người đã ví bộ não với công nghệ phức tạp nhất của thời mình
      Ban đầu là máy móc cơ khí, sau đó là ống dẫn và hơi nước, mạch điện, điện tử học, giờ là máy tính; nhưng não không hoạt động giống bất kỳ thứ nào trong số đó, nên chúng ta cần nhận thức được giới hạn của các mô hình của mình
    • Có nhiều độ phức tạp bên trong neuron, và chắc chắn cũng có truyền tín hiệu giữa các synapse
      Không có gì ngăn cản thì làm sao lại không có được
      Tôi không nghĩ có thể mô hình hóa hoạt động của synapse chỉ bằng cách thêm nhiều tín hiệu hơn
    • Ngược lại, có vẻ một phần đáng kể mạch thần kinh được dùng cho các chức năng như bảo trì hoặc đi lại
      Vì vậy, trí tuệ tổng quát có thể chỉ cần ít mô não hơn rất nhiều

  • Dù là một kết quả quan trọng và ấn tượng, nó cũng gợi nhớ đến vấn đề căn bản của khoa học thần kinh
    Nếu gần như không biết gì về một bộ xử lý mà chỉ có thể gắn điện cực lên die, liệu chỉ từ các phép đo ta có thể tìm hiểu chi tiết bộ xử lý đó chạy chương trình như thế nào và chương trình đó làm gì không?
    Thêm vào đó quy mô lớn hơn vài bậc độ lớn, cộng cả độ nhạy với thời điểm tín hiệu đến, thì đó chính là bộ não
    Giờ dù đã có dữ liệu ở mức petabyte, liệu ta có thật sự tiến gần hơn đến việc hiểu, chẳng hạn nhận thức hoạt động như thế nào không?
    Khi học lớp nhập môn thần kinh học tính toán, tôi đã khá sốc khi biết rằng về cơ bản không có toán học nào xử lý được nhiều hơn vài neuron trong miền thời gian
    Neuron thật hoạt động trong miền thời gian, thời điểm là yếu tố quan trọng trong học Hebb, và cũng không có đồng hồ toàn cục
    Mọi thứ bộ não làm đều là một quá trình liên tục

    • Bài toán kỹ nghệ đảo ngược đó được biết đến rộng rãi qua bài này: https://www.cell.com/cancer-cell/fulltext/S1535-6108%2802%2900133-2
      Thứ hai, việc ngay cả khoảng 300 neuron của C. elegans vốn đã được lập bản đồ tốt mà OpenWorm vẫn không mô hình hóa đúng được cũng nói lên rất nhiều điều
    • Đúng vậy
      Một trong những lập luận của nghiên cứu AI từng là “soi lông chim bằng kính hiển vi điện tử sẽ không giúp phát hiện ra nguyên lý bay”
      Dù thú vị, tôi không nghĩ cách này sẽ giúp chúng ta hiểu được trí thông minh
      Hiện tượng nổi lên là một phần của lý thuyết hệ phức tạp, và chúng ta chưa có toán học để dùng cho nó
      Sự thiếu hiểu biết của chúng ta trong lĩnh vực này là rất lớn
      Khi còn nhỏ tôi thường nghe câu “liệu bộ não có thể hiểu chính nó không?”
      Có thể là không, nhưng nỗ lực để hiểu vẫn có giá trị
      Cần một đột phá trong nghiên cứu lý thuyết hệ phức tạp
    • Vật lý hạt cũng vận hành tương tự
      Thay vì gắn điện cực, người ta bắn hạt, rồi phân tích quỹ đạo của các mảnh vỡ
    • Nếu mẫu được ngâm trong dung dịch bảo quản và nhuộm bằng kim loại nặng, thì cứ xử lý não tôi như vậy rồi thử xem nó có thể viết một bình luận tương tự như trên không
      Cũng chẳng ngạc nhiên khi các phương pháp kiểu khỉ cứ tiếp tục hé lộ nhận thức kiểu khỉ

  • Đã đến lúc đọc lại “There's plenty of room at the bottom” của Feynman: https://web.pa.msu.edu/people/yang/RFeynman_plentySpace.pdf
    Hãy xem đoạn các nhà sinh học bảo ông tạo ra kính hiển vi điện tử mạnh hơn 1.000 lần, rồi cũng xem công nghệ nào đã được dùng để quét các hình ảnh này

    • Câu chữ thực tế có vẻ gần với “để chúng ta tiến nhanh hơn, phải làm kính hiển vi điện tử tốt hơn 100 lần”
      Công nghệ tiên tiến nhất lúc đó chỉ phân giải được khoảng 10 angstrom, tức khoảng 1nm, nên cải thiện 100 lần sẽ là 0,1 angstrom / 0,01nm
      Có vẻ cũng đã có tiến bộ ở mức nào đó
      Tìm thử thì thấy kính hiển vi điện tử truyền qua đạt tối đa 0,05nm, còn kính hiển vi điện tử quét xuống dưới 0,1nm: https://www.kentfaith.co.uk/blog/article_which-electron-microscope-has-the-highest-resolution_4737
      Để so sánh, theo tôi biết khoảng cách giữa các hạt nhân hydro trong H2 là khoảng 0,074nm
      Có thể nhìn thấy hình dạng phân tử, nhưng từng nguyên tử riêng lẻ vẫn còn hơi mờ: https://cosmosmagazine.com/science/chemistry/molecular-models-electron-microscopy/

  • Nhìn vào hình ảnh một neuron đơn lẻ, có lẽ những người làm về mô phỏng não sẽ phải tính lại các ước lượng về năng lực tính toán cần thiết

  • Tôi tự hỏi có tên gọi nào cho cảm giác hơi khó chịu khi nhìn những thứ như thế này không
    Muốn diễn tả rõ hơn, nhưng khi đối diện với ảnh hiển vi của mô não, tôi cảm thấy kỳ lạ một cách khó hiểu
    Đây có phải phản ứng bình thường không?

    • Với tôi, nhìn thấy sự hỗn độn đó gây căng thẳng
      Bộ não quản lý cáp quá tệ
      Dù vậy, tôi cũng cảm nhận một khoảng rỗng rợn người trong hình ảnh
      Ý nghĩ đầu tiên là “triển khai” của tôi với tư cách một thực thể có ý thức chính là thứ này, một đống sợi bị nhốt trong bóng tối tuyệt đối của hộp sọ
      Hình ảnh mô não người còn mang cảm giác u ám vì nó từng là một con người có đời sống và trải nghiệm
      Nói cách khác, bộ não sống của tôi đang nhìn một bộ não đã chết
    • https://hitchhikers.fandom.com/wiki/Total_Perspective_Vortex
    • Tôi tự hỏi có phải do hình dạng không
      Không biết nó giống việc các hoa văn lỗ khiến một số người khó chịu, hay là cảm giác trừu tượng hơn kiểu “những mảnh không thể biết của thực tại thầm kín nhất của ai đó đã từng chảy qua nơi kia”
      Dù là hướng nào thì tôi cũng không biết tên gọi, nhưng bản thân hình dạng đó trong ngữ cảnh có thể biểu hiện một khía cạnh của ký ức hay tính cách, ai mà biết được
    • Nó khiến tôi nghĩ rằng con người không đặc biệt, không có linh hồn, và ý thức chỉ là một bó dây như máy tính
      Khi thấy toàn bộ trải nghiệm con người, tình yêu, bi kịch và thành tựu, chỉ là điện thế được truyền qua những tế bào ngoằn ngoèo kia, cảm giác kỳ diệu từng thấy ở con người biến mất
    • Tôi không theo tôn giáo, nhưng với tôi đây gần như là điều gần nhất với một trải nghiệm tâm linh
      Cảm giác như đang đối diện với một thứ rất trực tiếp, nhưng đồng thời cũng là một thứ mênh mông đến mức tôi sẽ không bao giờ hiểu nổi

  • Tiểu thuyết của Neal Stephenson xử lý chủ đề này rất hay: https://en.wikipedia.org/wiki/Fall;_or,_Dodge_in_Hell

  • Trong một fork của Neuroglancer, họ đã phát triển thuật toán dùng học tự giám sát để chú thích dữ liệu thể tích chưa có nhãn
    Có thể kỳ vọng thêm nhiều tiến bộ trong các dự án lập bản đồ não quy mô lớn
    Chi tiết dự án: https://www.ll.mit.edu/sites/default/files/other/doc/2023-02/TVO_Technology_Highlight_45_NeuroTrALE.pdf

  • “Mẫu được cắt thành khoảng 5.000 lát, mỗi lát dày 34 nanomet và có thể được chụp bằng kính hiển vi điện tử”
    Có ai biết làm thế nào để thực hiện việc này mà không làm hỏng mẫu không?