[논문 리뷰] Annotating Synapses in Large EM Datasets

Stephen M. Plaza, Toufiq Parag외 4명|arXiv (Cornell University)|2014. 09. 05.

Computational Physics and Python Applications참고 문헌 10인용 수 14

한 줄 요약

이 논문은 대규모 전자현미경(EM) 데이터셋에서 고속도로의 시냅스 주석을 위한 반자동화되고 확장 가능한 워크플로우를 제시한다. T-bar 예측과 집중적인 수작업 검증을 활용하여 Drosophila의 medulla에서 56,621개의 T-bar와 336,735개의 시냅스후 밀도(PSD)를 주석 처리하였다. 이 방법은 이전에 보고된 바가 없는 규모와 효율성을 달성하여 검토자 부담을 감소시키고, 높은 정확도와 일관성으로 대규모 연결망 재구성 가능성을 제시한다.

ABSTRACT

Reconstructing neuronal circuits at the level of synapses is a central problem in neuroscience and becoming a focus of the emerging field of connectomics. To date, electron microscopy (EM) is the most proven technique for identifying and quantifying synaptic connections. As advances in EM make acquiring larger datasets possible, subsequent manual synapse identification ({\em i.e.}, proofreading) for deciphering a connectome becomes a major time bottleneck. Here we introduce a large-scale, high-throughput, and semi-automated methodology to efficiently identify synapses. We successfully applied our methodology to the Drosophila medulla optic lobe, annotating many more synapses than previous connectome efforts. Our approaches are extensible and will make the often complicated process of synapse identification accessible to a wider-community of potential proofreaders.

연구 동기 및 목표

• 대규모 EM 데이터셋에서 연결망 재구성에 있어 수작업 시냅스 주석 처리의 주요 난제를 해결하기 위해.
• 검토자 작업 부담과 오류율을 감소시키며, 확장 가능하고 일관성 있고 접근 가능한 시냅스 주석 처리 방법론을 개발하기 위해.
• 등방성 FIB-SEM 이미징과 자동화된 T-bar 예측을 활용하여 시냅스 탐지의 정확도와 재현율을 향상시키기 위해.
• 시냅스 주석을 활용하여 이미지 분할을 이끌고 개선함으로써 후속 신경세포 재구성 가능하게 하기 위해.
• 향후 대규모 연결망 프로젝트에서의 커뮤니티 기반 및 자동화된 시냅스 주석 처리의 기초를 마련하기 위해.

제안 방법

• 근접 등방성 EM 데이터셋(10 nm/voxel)을 생성하기 위해 FIB-SEM 이미징을 활용하여, 수직 평면 전역에서 T-bar의 가시성을 향상시켰다.
• 딥 러닝 기반의 T-bar 예측 알고리즘을 사용하여 자동으로 가능성이 있는 전시냅스 부위를 탐지함으로써 수작업 스캔 노력 감소.
• 이중 단계 주석 워크플로우를 구현: 먼저 T-bar 예측을 검증하고, 그 다음 각 T-bar에 대한 시냅스후 파트너(PSD)를 식별.
• 집중적인 프rotocols와 시각화 도구(예: Raveler, Ilastik)를 적용하여 탐색을 단순화하고 검토 중 인지적 부담 감소.
• 신경세포 재구성을 위해 시냅스 주석을 활용하여 후속 이미지 분할을 이끌고 개선.
• 시냅스 주석이 분할 정확도를 향상시켜 신경세포 형태의 반복적 개선이 가능한 피드백 루프 통합.

실험 결과

연구 질문

• RQ1 자동화된 T-bar 예측이 대규모 EM 데이터셋에서 수작업 시냅스 주석 처리에 소요되는 시간과 노력을 상당히 줄일 수 있는가?
• RQ2 등방성 FIB-SEM 이미징은 이방성 순차 섹션 TEM에 비해 시냅스 탐지 및 주석 처리에 어떻게 향상되는가?
• RQ3 집중적인 주석 처리 프rotocols와 시각화 도구가 검토자의 효율성과 일관성에 어느 정도 향상되는가?
• RQ4 시냅스 주석이 후속 이미지 분할 및 신경세포 재구성의 정확도를 향상시키는 효과적인 제약 조건으로 기능할 수 있는가?
• RQ5 다양한 뇌 영역과 데이터셋 간에 반자동화된 시냅스 주석 처리 워크플로우의 확장성과 재현 가능성은 어떠한가?

주요 결과

• 팀은 7열 Drosophila medulla 데이터셋에서 56,621개의 T-bar와 336,735개의 시냅스후 파트너를 성공적으로 주석 처리하였으며, 이는 이전의 1열 연결망 연구 대비 4배의 규모 증가를 나타낸다.
• T-bar 밀도는 1 제곱미크론당 평균 2.1개로, 이전 1열 연구에서 보고된 1.4보다 높은 수준이었으며, 이는 등방성 FIB-SEM 데이터에서의 가시성 향상 덕분으로 여겨진다.
• T-bar당 평균 PSD 수는 5.9개였으며, 이는 이전에 보고된 바보다 더 높은 다극성 연결성을 나타내며, 기울어진 구조나 작은 과정의 탐지가 향상되었기 때문으로 여겨진다.
• 검토자들은 T-bar 주석 처리에 대해 88%의 효율성, PSD 추적에 대해 76%의 효율성 달성하였으며, 하루 평균 T-bar 주석 처리 613 미크론, PSD 추적 84 미크론의 출력을 기록하였다.
• 이 워크플로우를 통해 일관되고 높은 정확도의 주석 처리가 가능했으며, 기존에 발표된 데이터와 강한 일치를 보여 생물학적 타당성을 시사한다.
• 모든 시냅스의 시각화 결과에서 구조적 패턴이 드러났으며, 예를 들어 근위성 medulla 층에서의 높은 시냅스 밀도와 X/Y 투영에서의 명확한 열 조직 구조가 관찰되었다.