Harvard araştırmacıları, beyinleri daha yakından inceleyebilmek için mikroskopları insan gözüne daha çok benzeyen şekilde tasarlıyorlar.

Yakın zamana kadar, beyinlerin yüksek çözünürlüklü haritalarını (diğer adıyla "konnektomlar") oluşturma arayışı, nöroanatomiyi metrenin milyarda birine kadar sistematik olarak yakalayabilen güçlü elektron mikroskoplarının yavaşlığı ve maliyeti nedeniyle engelleniyordu.

Ancak Harvard ve MIT'deki bir bilim insanı ekibi, bu darboğazı aşmanın bir yolunu buldu: daha basit ve daha ucuz bir mikroskop çeşidini gerçek zamanlı olarak yönlendirmek için makine öğrenimini kullanmak. Amaç, önce önemli ayrıntılara odaklanmak ve daha az ilgi çekici alanlarda harcanan zamanı en aza indirmektir; tıpkı bir sayfadaki kenar boşlukları yerine kelimelere odaklanmamız gibi.

Araştırmacılar, SmartEM olarak bilinen bu yeniliğin tarama hızını yedi kat artıracağını ve bağlantı bilimi alanını daha geniş bir araştırma topluluğuna açarak beyin fonksiyonu ve davranışına dair anlayışımızı artıracağını söylüyor.

Fizik Bölümü ve Beyin Bilimi Merkezi'nde araştırmacı ve Nature Methods'da yayınlanan yeni bir makalenin kıdemli yazarlarından Profesör Aravinthan Samuel , "SmartEM, bağlantı bilimini masaüstü bir araca dönüştürme potansiyeline sahip" dedi. "Amacımız bağlantı bilimini demokratikleştirmek. Nispeten yaygın olan tek ışınlı taramalı elektron mikroskobunu daha akıllı hale getirebilirseniz, bir kat daha hızlı çalışabilir. Öngörülebilir iyileştirmelerle, SmartEM özelliğine sahip tek ışınlı bir mikroskop, çok pahalı ve nadir bir makinenin performansına ulaşabilir."

Bu yöntem, Harvard, MIT, Johns Hopkins Uygulamalı Fizik Laboratuvarı'ndaki araştırmacılar ve mikroskop üreticisi Thermo Fisher Scientific arasında beş yıllık bir işbirliğinin ürünüdür.

Aynı dergi Aralık ayında elektron mikroskobu tabanlı bağlantıbilimi 2025 yılı için " Yılın Yöntemi " ilan etmiş ve SmartEM'i son teknoloji bir yenilik örneği olarak göstermişti.

SmartEM, solucanlardan meyve sineklerine ve insanlara kadar hayvanlar alemindeki canlıların beyinlerinin "bağlantı şemalarını" oluşturma yönündeki onlarca yıllık arayışta yeni bir ilerlemeyi işaret ediyor.

Örneğin, iki yıl önce Harvard araştırmacıları insan beyninin bir milimetre küpünün ilk nano ölçekli haritasını yayınladılar . Haşhaş tohumu büyüklüğündeki bu örnekte 150 milyon sinaps, 57.000 hücre, 230 milimetre kan damarı ve daha önce hiç görülmemiş harika bir yapı çeşitliliği bulunuyordu.

Başka yerlerdeki araştırmacılar meyve sineği ve zebra balığı için bağlantı haritalarını tamamladılar. Bir sonraki büyük zorluk ise fare için olanı.

Bilim insanları bu haritaları oluşturmak için seri kesitli elektron mikroskobu olarak bilinen bir tekniğe başvurdular. Bu teknik, beyin dokusu örneklerinin binlerce ultra ince kesite ayrılmasını ve ardından güçlü elektron mikroskopları ile taranarak görüntülenmesini içerir.

Ardından görüntüler üst üste yığılarak 3 boyutlu dijital kopyalar oluşturulur. Örneğin, 2023'te yayınlanan bir milimetre küp insan beyni dokusu, her biri insan saçının binde birinden daha ince olan 5.000'den fazla dilime ayrılmıştır.

Bu girişimler, hem görüntü yakalama hem de veri işleme açısından devasa teknik engeller ortaya koymaktadır.

Yakın zamana kadar, bağlantı bilimi (connectomics), 91'e kadar ışın demeti içeren yüksek verimli elektron mikroskopları gibi milyonlarca dolarlık donanımları karşılayabilecek az sayıda araştırmacı ve kurumun münhasır alanıydı.

Birçok türün beyin haritasını oluşturmaya yönelik artan talep göz önüne alındığında, bağlantıbilimi alanında ilerlemenin en bariz yollarından biri, özellikle dünyanın dört bir yanındaki araştırma kurumlarında yaygın olarak bulunan tek ışınlı elektron mikroskopları olmak üzere, daha fazla mikroskop temin etmektir.

Hızları büyük ölçüde ışının her piksele ayırdığı "bekleme süresine" bağlıdır. Standart yaklaşımda, numuneler tüm pikseller için aynı yüksek çözünürlükte taranır.

Yeni makalenin ortak yazarlarından, Moleküler ve Hücresel Biyoloji Profesörü ve Sanat ve Bilimler Profesörü Jeremy R. Knowles unvanına sahip Fen Fakültesi Dekanı Jeff Lichtman , “Genellikle önce fotoğrafı çekeriz, sonra nişan alırız,” dedi. “Çektiğiniz verilerden, ilginç bulduğunuz belirli şeylere bakarsınız. Ve gözlerimiz böyle çalışmaz.”

Bunun yerine, insanlar dikkatlerini daha büyük beyaz arka plana değil, diğer yüzlerin gözleri ve ağızları veya duvardaki bir sinek gibi önemli ayrıntılara odaklıyorlar.

SmartEM'in baş mimarı ve yeni makalenin baş yazarı Yaron Meirovitch , "Bu, bizim yaptığımıza benzer bir şey," dedi. "Makine öğrenimi ve mikroskop hızlı bir görüntü alıyor, önemli kısımların nerede olduğunu anlıyor, sonra oraya gidip daha uzun süre kalıyor, ta ki ne gördüğünü anlayana kadar."

Yeni sistem, tek ışınlı makineleri “akıllı” mikroskoplara dönüştürmek için makine öğrenimini kullanıyor.

Öncelikle, mikroskop tüm örneğin hızlı ve düşük kaliteli bir taramasını gerçekleştirir. Ardından bir sinir ağı görüntüyü analiz eder ve beyin dokusundaki sinapslar gibi ilgi çekici temel özellikleri veya hataya yatkın bölgeleri belirler. Sadece bu bölgeler yüksek çözünürlükte ve daha uzun bekleme süreleriyle taranır.

Son olarak, SmartEM, bir algoritma kullanarak birleştirilmiş görüntüleri tek tip görünüme sahip tek bir tarama haline getirir.

Bu yöntem, solucan, fare ve insan beyninden alınan minik doku örnekleri üzerinde test edildiğinde tarama sürelerinde önemli bir iyileşme gösterdi.

Örneğin, SmartEM tekniği, kırk yıl önce ilk kablolama şemasının oluşturulmasında kullanılan bir solucan türü olan Caenorhabditis elegans üzerinde test edildi. Normalde, solucanın beyninin ve vücudunun tek ışınlı mikroskopla taranması yaklaşık 1400 saat sürerken, SmartEM bu işi sadece 200 saatte tamamladı.

Lichtman, "Nihai bağlantı şeması sonucu tamamen aynıdır," dedi, "çünkü bu yavaş tarama işlemini yalnızca gereksiz olmayan ve gerçekten bilgiye ihtiyaç duyduğunuz yerlerde yaptınız."

Bu, beyin haritalama çalışmalarının, milyonlarca dolarlık fiyat etiketine sahip çok ışınlı makineleri karşılayamayan araştırma kurumlarının da erişebileceği bir noktaya gelebileceği anlamına geliyor. Lichtman, "Bu, bağlantı bilimi alanını demokratikleştirme ve bu alanı, büyük paraları olmayan insanlar için biraz daha erişilebilir hale getirme fikrinin bir parçası" diye ekledi.