「了解大腦的所有復(fù)雜性需要從多個(gè)尺度——從基因組學(xué)、細(xì)胞和突觸到整個(gè)器官水平的洞察力。這意味著處理大量數(shù)據(jù)，超級計(jì)算正在成為解決大腦問題的不可或缺的工具。」人類大腦項(xiàng)目 (HBP) 科學(xué)主任、杜塞爾多夫大學(xué)和 Jülich 研究中心神經(jīng)科學(xué)與醫(yī)學(xué)研究所 (INM-1) 主任 Katrin Amunts 說。
Katrin Amunts 和 Thomas Lippert 在《Science》發(fā)表「Brain research challenges supercomputing」為題的觀點(diǎn)論文。人類大腦包含約 860 億個(gè)神經(jīng)元。放大其細(xì)胞和亞細(xì)胞細(xì)節(jié)，揭示神經(jīng)元連接的不同方面，是一個(gè)重要的研究領(lǐng)域。然而，將突觸水平（納米范圍）到單個(gè)神經(jīng)元和神經(jīng)膠質(zhì)細(xì)胞（微米水平）的不同空間尺度連接到整個(gè)器官是最具挑戰(zhàn)性的。最近，秀麗隱桿線蟲的連接組具有 302 個(gè)神經(jīng)元的特征，并提出了完整的結(jié)構(gòu)功能模型。人類大腦連接組的類似細(xì)節(jié)水平還有很長的路要走。因此，解碼人類連接組、信號轉(zhuǎn)導(dǎo)機(jī)制以及與大腦功能的關(guān)系，與先進(jìn)計(jì)算和存儲技術(shù)中呈指數(shù)增長的挑戰(zhàn)有關(guān)，這反過來可能會(huì)導(dǎo)致神經(jīng)科學(xué)之外的創(chuàng)造性解決方案。掃描時(shí)間、存儲技術(shù)和數(shù)據(jù)處理的挑戰(zhàn)并非始于人類大腦的研究，而是研究脊椎動(dòng)物甚至無脊椎動(dòng)物的大腦時(shí)的重要考慮因素（見圖）。例如，重建具有約 100,000 個(gè)神經(jīng)元的成年果蠅大腦的突觸連接，最終生成了約 2100 萬個(gè)相機(jī)圖像和 106 TB 的數(shù)據(jù)集。最近，人類大腦皮層的一個(gè)片段，大約 1 平方毫米的體積，在三個(gè)維度上被重建，對應(yīng)于大約 1.4 PB 的數(shù)據(jù)量。雖然 1 mm^3 是大腦皮層的一小部分，占大腦總體積的 0.00007%，但需要高速多光束電子顯微鏡以 326 天的掃描時(shí)間收集這些數(shù)據(jù)。進(jìn)行此類研究的動(dòng)機(jī)是，深入了解大腦的詳細(xì)結(jié)構(gòu)可能會(huì)揭示對皮層網(wǎng)絡(luò)的新理解，并提供描述組織特性的新定量數(shù)據(jù)，并對大腦活動(dòng)產(chǎn)生影響。來自人腦研究的大數(shù)據(jù)根據(jù)對人腦連接組和組織的研究的分辨率，數(shù)據(jù)的大小呈指數(shù)增長。最大的兩個(gè)條形是估計(jì)大小，因?yàn)槿祟惔竽X不存在此類數(shù)據(jù)。這種對人腦組織的分析是對其他物種大腦研究的重要補(bǔ)充，因?yàn)樗鼈冎g存在相當(dāng)大的差異，尤其是連通性。例如，在哺乳動(dòng)物進(jìn)化過程中，大腦皮層的白質(zhì)體積比灰質(zhì)（含有神經(jīng)元細(xì)胞體）增加得更快，其中包含支持遠(yuǎn)程連接的軸突。長短連接的比例對電生理特性有影響，因此對大腦功能有影響。然而，與嚙齒動(dòng)物或無脊椎動(dòng)物相比，研究人類大腦中軸突及其突觸的全部范圍（可能距離它們的細(xì)胞體幾厘米）代表了一個(gè)更實(shí)質(zhì)的問題。磁共振成像（MRI）能夠解決遠(yuǎn)距離連接并揭示連接模式，包括活人大腦中的功能連接，但圖像體素在毫米范圍內(nèi)。該分辨率遠(yuǎn)低于檢測單個(gè)軸突所需的空間分辨率，因此容易導(dǎo)致束重建中固有的歧義。此外，大腦連通性包括諸如側(cè)支化（一個(gè)軸突可能針對多個(gè)區(qū)域）、收斂、互惠或空間分離的「樹突喬木」等現(xiàn)象，這些現(xiàn)象被認(rèn)為是理解連通性的關(guān)鍵，但無法通過 MRI 獲得。因此，宏觀和微觀連接組尺度之間存在差異。已經(jīng)提出了不同的方法來彌合這兩個(gè)世界：例如，最近在同一組織塊中探索了使用 CLARITY 技術(shù)清除的腦組織中熒光標(biāo)記神經(jīng)絲的擴(kuò)散 MRI 和高分辨率光學(xué)成像的組合，以允許更強(qiáng)大多模態(tài) MRI-CLARITY 比較。在另一項(xiàng)研究中，來自人類海馬的組織塊通過解剖和擴(kuò)散 MRI、三維偏振光成像 [3D-PLI; (11)] 和雙光子熒光顯微鏡將不同空間尺度的海馬纖維結(jié)構(gòu)信息匯總在一起，并將其表示在一個(gè)共同的參考空間 BigBrain 模型 (www.ebrains.eu) 中。這些數(shù)據(jù)顯示了穿孔通路，它不代表一個(gè)統(tǒng)一的管道，而是一個(gè)多組分系統(tǒng)，起源于內(nèi)嗅皮層，具有許多細(xì)軸突纖維束（在 20 毫米的范圍內(nèi)）并投射到角部和下葉。3D-PLI 是一種顯微技術(shù)，可以解碼穿孔通路的精細(xì)結(jié)構(gòu)，該通路在學(xué)習(xí)和記憶以及阿爾茨海默病的發(fā)病機(jī)制中具有核心作用。在方法論上，不同技術(shù)的組合有助于交叉驗(yàn)證結(jié)果。實(shí)際上，它為將高分辨率感興趣區(qū)域分析與全腦研究相結(jié)合鋪平了道路。Atlas 方法可以系統(tǒng)地充當(dāng)宏觀和微觀尺度的橋梁，將來自單細(xì)胞超高分辨率研究的數(shù)據(jù)及其與感興趣的小區(qū)域的聯(lián)系整合到一個(gè)共同的微觀參考空間中。BigBrain 以 20 毫米各向同性分辨率表示這種解剖模型，該分辨率略高于查看細(xì)胞形態(tài)細(xì)節(jié)所需的分辨率。它基于 7404 個(gè)組織學(xué)、細(xì)胞體染色切片；原始數(shù)據(jù)集約為 1 TB。BigBrain 提供了一個(gè)模板，將皮層甚至子層的發(fā)現(xiàn)與全腦結(jié)構(gòu)、連接性和功能的數(shù)據(jù)相結(jié)合。以細(xì)胞分辨率處理和分析整個(gè)人類大腦是一項(xiàng)巨大的挑戰(zhàn)。目前，在全腦水平上深入到單個(gè)軸突還遙不可及。然而，為了簡單起見，假設(shè)一個(gè)軸突連接兩個(gè)神經(jīng)元，在全腦水平跟蹤軸突在計(jì)算上意味著什么？根據(jù)死后大腦的擴(kuò)散 MRI 在毫米范圍內(nèi)計(jì)算全腦水平的纖維路線，意味著優(yōu)化 4 × 10^5 個(gè)旋轉(zhuǎn)方向。這將需要大約 130 兆字節(jié)的存儲空間和 1 天的臺式計(jì)算機(jī)計(jì)算時(shí)間。使用 3D-PLI 對整個(gè)人腦進(jìn)行 60 μm 各向同性分辨率水平的軸突分析將需要 8.3 TB 的存儲空間和現(xiàn)有超級計(jì)算機(jī)上的數(shù)天時(shí)間來優(yōu)化 2 × 10^10 個(gè)自旋。如此大的數(shù)據(jù)集也給數(shù)據(jù)可視化帶來了巨大的挑戰(zhàn)。例如，基于開源軟件 VTK (www.paraview.org) 的 Paraview 可以使用并行圖形處理單元 (GPU)，并已應(yīng)用于渲染和可視化 3D-PLI 數(shù)據(jù)。進(jìn)一步優(yōu)化 3D-PLI 以 1.3 μm 面內(nèi)分辨率（即單軸突）獲得的纖維取向，旋轉(zhuǎn) 10^13 次，將導(dǎo)致 3.2 PB 的存儲需求和多年的計(jì)算。這在目前的千萬億級技術(shù)中是不可能的，但可以通過未來的百億億級計(jì)算能力來實(shí)現(xiàn)，即每秒能夠執(zhí)行 10^18 次浮點(diǎn)運(yùn)算（即 1 億億次浮點(diǎn)運(yùn)算）的計(jì)算機(jī)。然而，處理如此大的數(shù)據(jù)集會(huì)在輸入輸出級別產(chǎn)生大量計(jì)算需求。更高效的輸入輸出程序和算法正在出現(xiàn)，這應(yīng)該會(huì)有所幫助，但計(jì)算挑戰(zhàn)仍然非常高。當(dāng)細(xì)胞和軸突信息與大腦組織的其他維度相關(guān)聯(lián)時(shí)，計(jì)算要求也會(huì)進(jìn)一步增加，例如，分子結(jié)構(gòu)具有區(qū)域特異性，并且是信號轉(zhuǎn)導(dǎo)的關(guān)鍵。同樣，當(dāng)添加時(shí)間變化來模擬細(xì)胞活動(dòng)、可塑性或網(wǎng)絡(luò)功能時(shí)，要求會(huì)進(jìn)一步增加。在開發(fā)更符合生物學(xué)的大腦模型時(shí)，不僅要考慮大腦的區(qū)域隔離，還要考慮層流和亞層流特征及其特定的細(xì)胞數(shù)量、解剖和生理特性以及分布。同樣，基于更現(xiàn)實(shí)的模型的人腦計(jì)算機(jī)模擬必須相應(yīng)地縮放，這些模型解釋了解剖學(xué)和生理學(xué)的限制。這些努力對高性能計(jì)算技術(shù)提出了要求。例如，神經(jīng)科學(xué)用例變得依賴于可擴(kuò)展的工作流程，從提取存儲在數(shù)據(jù)存儲庫中的多模態(tài)數(shù)據(jù)集到預(yù)處理、模擬、可視化和分析，甚至更多地使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。此類工作流組件的計(jì)算將受益于未來超級計(jì)算的模塊化和交互式概念，例如在歐洲深度項(xiàng)目中開發(fā)的那些概念。在模塊化超級計(jì)算架構(gòu)中，專門的計(jì)算模塊被集成以形成深度連接的硬件架構(gòu)，并且可以與最適合工作流特定組件的每個(gè)模塊連貫使用。這包括各種模塊，如中央處理單元 (CPU) 集群、GPU 增強(qiáng)器、用于數(shù)據(jù)分析的現(xiàn)場可編程門陣列模塊、神經(jīng)形態(tài)系統(tǒng)、極限存儲模塊，以及未來的量子計(jì)算機(jī)和退火器。此外，對需要交互式超級計(jì)算的神經(jīng)科學(xué)工作流程的需求不斷增長——例如，在繼續(xù)之前可視化中間結(jié)果和正確的參數(shù)設(shè)置——并且依賴于 Paraview 等軟件的交互式使用。神經(jīng)科學(xué)中的大數(shù)據(jù)挑戰(zhàn)需要技術(shù)解決方案來存儲數(shù)據(jù)（TB 到 PB 范圍內(nèi)），同時(shí)通過云提供給更廣泛的社區(qū)。這需要從面向?qū)ο蟮脑拼鎯ο到y(tǒng)到超級計(jì)算機(jī)的 EB 級并行文件系統(tǒng)的透明數(shù)據(jù)傳輸。艾倫大腦研究所為神經(jīng)科學(xué)家提供了一個(gè)平臺，并提供了大量反映不同物種（包括果蠅、斑馬魚、小鼠和人類）大腦組織多個(gè)方面的圖像堆棧，以及用于可視化、上傳和下載的工具（BigNeuron；www.alleninstitute.org/bigneuron/data/）。人類生物分子圖譜計(jì)劃旨在開發(fā)一個(gè)開放的全球平臺來繪制整個(gè)人體中的健康細(xì)胞，這項(xiàng)努力伴隨著大量的大數(shù)據(jù)和計(jì)算挑戰(zhàn)。在歐洲，人類大腦項(xiàng)目開發(fā)了 EBRAINS 以提供大量研究儀器、數(shù)據(jù)和相關(guān)服務(wù)——重點(diǎn)是人類、大鼠和小鼠的大腦——它們相互關(guān)聯(lián)，并使云訪問交互式超級計(jì)算、基于網(wǎng)絡(luò)的可視化和分析，以及通過 Fenix 的高端模擬和數(shù)據(jù)服務(wù)。該平臺由神經(jīng)科學(xué)家和開發(fā)人員根據(jù)研究需求共同構(gòu)建，例如運(yùn)行大規(guī)模模擬或 3D 重建和分析大腦模型。Fenix 被設(shè)計(jì)為一個(gè)通用的基礎(chǔ)設(shè)施即服務(wù)平臺，包括歐洲范圍的身份驗(yàn)證服務(wù)，以支持許多研究社區(qū)的訪問。在神經(jīng)科學(xué)界共享數(shù)據(jù)、方法和研究工具，并在不同社區(qū)之間聯(lián)合服務(wù)可以利用大量相關(guān)的方法和資源投資，這反過來又是開發(fā)新的腦醫(yī)學(xué)診斷工具和療法的基礎(chǔ)。毫無疑問，基于云的超級計(jì)算和分布式協(xié)作研究平臺，將在神經(jīng)科學(xué)研究中發(fā)揮越來越大的作用，以更好地了解大腦的復(fù)雜性。在未來五年內(nèi)，歐洲的目標(biāo)是部署其前兩臺百億億級超級計(jì)算機(jī)。它們將由歐洲高性能計(jì)算聯(lián)合企業(yè) (EuroHPC JU) 收購，這是歐盟、歐洲國家和私人合作伙伴之間的一項(xiàng)聯(lián)合倡議?！复竽X研究界隨時(shí)準(zhǔn)備使用這些百億億級系統(tǒng)?！笰munts 說。
參考內(nèi)容：
https://www.eurekalert.org/news-releases/935941
https://www.science.org/doi/10.1126/science.abl8519
2021年12月04日
