Pemetaan otak lalat buah dewasa telah selesai

 (economist.com)
1 poin oleh GN⁺ 2024-10-03 | 1 komentar | Bagikan ke WhatsApp
  • Peta koneksi otak lalat buah dewasa telah diselesaikan, menjadi tolok ukur bagi riset connectome untuk membaca otak hewan yang kompleks secara terperinci
  • Lalat buah memiliki repertoar perilaku yang mencakup bukan hanya terbang, tetapi juga merayu, berkelahi, hingga membentuk memori jangka panjang tentang lingkungan sekitarnya
  • Mereka dapat memperingatkan lalat buah lain tentang bahaya yang tidak terlihat langsung, seperti tawon parasit, sehingga sulit dilihat hanya sebagai perilaku refleks sederhana
  • Peta ini menjadi contoh penting bagi riset yang berupaya memahami koneksi otak hewan kecil bersama perilaku kompleksnya
  • Pemetaan otak lalat buah dewasa juga membuka kemungkinan bahwa pemetaan otak manusia dapat menyusul di masa depan

Connectome otak lalat buah dewasa

  • Otak lalat buah dewasa telah dipetakan dan diperkenalkan sebagai connectome paling canggih yang pernah dibuat sejauh ini
  • Connectome digunakan dalam konteks peta koneksi otak

Kompleksitas perilaku yang ditunjukkan lalat buah

  • Lalat buah menunjukkan beragam kemampuan perilaku hingga sulit dipandang hanya sebagai serangga sederhana
    • Dapat terbang
    • Dapat merayu
    • Dapat berkelahi
    • Dapat membentuk memori jangka panjang yang kompleks tentang lingkungan sekitarnya
    • Dapat memperingatkan lalat buah lain tentang keberadaan bahaya yang tidak terlihat, seperti tawon parasit
  • Pemetaan otak lalat buah dewasa dibahas bersama kemungkinan bahwa hal ini kelak dapat berlanjut ke pemetaan otak manusia

Bacaan terkait

1 komentar

 
GN⁺ 2024-10-03
Komentar Hacker News

  • Makalah akses terbuka yang terbit di Nature bisa dilihat di sini: https://www.nature.com/articles/s41586-024-07558-y

  • https://archive.is/vBUjt

  • Terkait ini, ada komentar HN favorit saya dari tulisan serupa setahun lalu: sebuah lelucon tentang banyaknya riset menarik yang sedang berlangsung seiring seluruh connectome lalat buah dipetakan sepenuhnya
    Misalnya, dengan premis seorang CTO startup stealth yang mengatakan akan melakukan untuk utilitarianisme apa yang dilakukan kredit karbon untuk lingkungan, yaitu menjual “kredit utilitas” yang mengimbangi kerusakan kebahagiaan dan kesejahteraan oleh perusahaan dengan menyimulasikan triliunan otak lalat buah dalam keadaan ekstase terus-menerus
    https://news.ycombinator.com/item?id=36584130

    • Jika ingin tahu kritik utilitarianisme yang sebenarnya di balik lelucon itu, namanya utility monster: https://en.wikipedia.org/wiki/Utility_monster
    • Kedengarannya sama bergunanya dengan kredit karbon sungguhan
    • Ada peluang branding. Misalnya Karma Kredits, atau mungkin co-branding dengan donat Krispy Kreme
      Beli donat untuk mendapatkan kegembiraan, lalu dapatkan juga Karma Kredits untuk mengimbangi kegembiraan itu
      Nikmati KK bersama KK
    • Sepertinya pelintiran dari sesuatu dalam Venomous Lumpsucker karya Ned Beauman. Tidak akan memberi spoiler, tapi bukunya sangat saya rekomendasikan
    • Apakah benar-benar perlu menyimulasikannya? Korespondensi antara keadaan komputer dan keadaan simulasi yang diwakilinya hanya ada di kepala kita
      Kalau begitu, kita juga bisa mengatakan semua realitas yang samar-samar bisa dibayangkan itu ada dan punya bobot moral

  • Saya selama ini memahami riset berbasis connectome pada umumnya sebagai jalan buntu. Karena ia tidak menangkap dinamika maupun banyak sekali interaksi
    Jika pernah melihat neuron tumbuh, Anda tahu struktur raksasa seperti jeli itu sangat plastis dan dinamis. Bahkan pada otak paling sederhana, misalnya C. elegans, jumlah neuron dan koneksi bertambah secara eksponensial pada orde 10^x seiring pertumbuhan

    • Sebagai ilmuwan saraf di bidang yang berdekatan dengan connectome, saya bisa bilang ini sama sekali bukan jalan buntu. Namun ini juga jelas bukan gambaran utuh
      Salah satu pertanyaan besar yang belum terjawab dalam neurosains saat ini adalah bagaimana struktur jaringan, dinamika, dan fungsi saling terhubung di otak. Connectome memberi wawasan luar biasa tentang struktur, tetapi sendirian biasanya tidak menyelesaikan masalah dinamika atau fungsi
      Misalnya, untuk banyak neuron kita belum memahami dengan baik hubungan input-outputnya, dan hubungan ini bisa sangat memengaruhi dinamika yang muncul dalam jaringan yang sangat terkoneksi. Perbedaan connectome antarindividu dan bagaimana connectome berubah selama perkembangan juga merupakan masalah penting, tetapi setidaknya pada lalat buah, banyak struktur dasar dianggap terjaga di antara individu dewasa
      Terlepas dari keterbatasan ini, mengetahui struktur jaringan fisik otak bisa memberi batasan besar pada model apa yang perlu dipakai untuk memahami dinamika dan fungsi. Misalnya ada wilayah yang sudah dikenal seperti “mushroom body” yang memiliki pola koneksi feedforward spesifik, sangat berbeda dari jaringan rekuren acak
      Ada juga wilayah seperti central complex pada otak lalat buah yang hubungan struktur-fungsinya dianggap cukup rapi. Di sana terdapat cincin neuron fisik, yang diyakini mendukung “bump” aktivitas sebagai kompas untuk membantu navigasi lalat melalui sistem dinamis seperti ring attractor
      Jadi meski masih banyak potongan yang hilang, diagram pengkabelan seperti ini sangat berguna untuk membuat hipotesis yang dapat mengarahkan eksperimen dan riset teoretis yang lebih tertarget
    • Pekerjaan ini dilakukan pada individu dewasa, jadi neuronnya sudah tumbuh
      Connectome bukan jalan buntu, tetapi juga tidak menyelesaikan semua masalah yang diketahui. Ini lebih seperti membuat peta statis lalu mengamati mobil-mobil bergerak di atasnya, yaitu dinamika dan interaksi seperti tabrakan
      Sebagai tambahan, neurogenesis pada individu dewasa masih menjadi topik yang diperdebatkan pada berbagai spesies. Untuk ulasan tentang kesulitannya pada lalat buah, lihat https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7554932/, dan untuk masalah yang lebih luas lihat https://en.wikipedia.org/wiki/Adult_neurogenesis
    • Sangat menarik bahwa para ilmuwan kini bisa mengakses bahkan sekadar snapshot connectome. Langkah pertama untuk memahami mengapa sesuatu seperti itu, dan bagaimana ia menjadi seperti itu, adalah melihat apa sebenarnya benda itu
      Ada sistem-sistem yang membentuk otak menjadi seperti sekarang, dan kita belum memahaminya dengan baik. Neuron individual lebih kita pahami, tetapi sistem yang bersifat emergen tidak demikian
      Kini, ketika lebih banyak ilmuwan mengetahui target dari sistem-sistem ini, yaitu seperti apa otak yang mereka hasilkan, kita bisa mulai memahami loop kontrol dan umpan balik yang mengarah ke keadaan snapshot ini
      Jadi ini bukan jalan buntu. Tidak bisa langsung menghasilkan produk konsumen bukan berarti bukan kemajuan
    • Dinamika tidak bisa diperoleh hanya dari connectome, tetapi connectome tetap diperlukan. Alih-alih jalan buntu, dinamika saja juga tidak cukup dan connectome saja juga tidak cukup, jadi keduanya dibutuhkan
      Lebih jauh lagi, jika Anda membutuhkan sesuatu yang menjadi tempat dinamika itu benar-benar dipasang, Anda membutuhkan anatomi sel, sehingga connectome menjadi esensial. Fakta bahwa connectome bukan syarat cukup bukan berarti riset ini jalan buntu, melainkan berarti prasyarat untuk memahami sistem saraf jauh lebih kompleks dan menantang daripada yang diperkirakan
    • Berguna. Mirip mendapatkan peta statis jalan di negara tanpa mobil
      Peta itu tidak bisa membuatnya hidup dengan aktivitas mobil, tetapi kita bisa menyimpulkan ke mana orang seharusnya mengemudi. Meski tidak tahu kapan dan mengapa mereka mengemudi atau apa yang mereka lakukan, itu tetap petunjuk besar

  • Untuk memetakan otak manusia, perangkat lunaknya harus jauh lebih baik. Lalat buah memiliki 140 ribu neuron dan 54,5 juta sinapsis, dan AI yang memetakannya pun harus diperiksa seluruhnya oleh manusia dalam pascapemrosesan dan dikoreksi 3 juta kali, sementara belum semua jenis neuron juga teridentifikasi
    Otak manusia memiliki sekitar 86 miliar neuron dan mungkin lebih dari triliunan sinapsis, dan angka ini pun kemungkinan merupakan perkiraan yang terlalu rendah. 3 juta koreksi setidaknya akan meningkat menjadi 3 juta * 10^6 koreksi manual, yang tampaknya tidak realistis
    Agar tingkat kesalahan pada lalat buah bisa digunakan untuk pemetaan otak manusia, angkanya harus turun hingga level satu digit. Dari sekitar 6% berdasarkan sinapsis menjadi 0,000006%, jadi ini merupakan lompatan yang sangat besar dalam peningkatan AI

    • Seolah-olah para pembuat peta telah memetakan Skotlandia, jadi sekarang seluruh dunia mungkin menjadi berikutnya
    • Sepertinya “fruit fly” dua kali ditulis sebagai “fruit flu”; apakah itu salah ketik, atau memang maksudnya flu, bukan lalat?

  • Saat riset sarjana, saya mengerjakan identifikasi kekuatan sinapsis berdasarkan perilaku firing dari jaringan model neuron integrate-and-fire sederhana
    Dibandingkan neuron nyata, ini memang model mainan, tetapi merupakan titik awal yang bagus dan hasilnya juga lumayan. Bahkan dengan adanya noise, kami bisa mengidentifikasi solusi yang paling kuat mereproduksi pola firing
    Saya penasaran seberapa baik connectome mendokumentasikan bukan hanya jalur koneksi, tetapi juga geometri koneksi, dendrit, dan akson. Karena itu bisa membantu mengungkap perilaku seperti kekuatan koneksi, timing, dan sensitivitas firing neuron
    Sekalipun itu adalah model non-pembelajaran yang stabil yang tertangkap pada saat pemindaian, untuk meneliti tujuan dan perilaku adaptasi, hal tersebut membantu memahami perilaku operasional apa yang telah dipelajari

  • Ada juga tulisan menarik yang pernah diposting sebelumnya: Whole-brain connectome of the fruit fly (2023)
    https://news.ycombinator.com/item?id=36568609

  • Mungkin ini pertanyaan yang sangat awam, tetapi dengan connectome ini, apakah kita bisa “menjalankan” simulasi lalat buah virtual seperti MMAcevedo?

    • Ini jaringan saraf tanpa bobot, dan juga tanpa tubuh
      Mungkin butuh puluhan tahun untuk memahami perilaku neuron. Saya rasa suatu saat itu akan tercapai, tetapi mensimulasikan seluruh tubuh lalat buah tampaknya masih akan berada di luar jangkauan untuk waktu yang sangat lama
    • Microsoft Fly Simulator (tm)
    • MMAcevedo merujuk pada cerita pendek ini. Karya ini berbentuk artikel wiki dari masa depan, dan kalau belum membacanya, sangat layak dibaca
      https://qntm.org/mmacevedo
      Dalam latarnya, Miguel Acevedo yang diemulasikan, tidak seperti kebanyakan manusia emulasi, booting dengan sikap bersemangat dan ceria. Ia ingin tahu sudah berapa lama waktu berlalu sejak diunggah, dalam konteks apa ia sedang diemulasikan, serta tugas atau eksperimen apa yang harus ia ikuti
      Sikap MMAcevedo sangat kontras dengan sebagian besar unggahan manusia dewasa modern. Kebanyakan booting dalam keadaan disorientasi, lalu segera berubah menjadi ketakutan dan kepanikan ekstrem
      Karena tidak memerlukan prosedur untuk memperoleh kerja sama seperti red-washing, blue-washing, dan Objective Statement Protocols, beban komputasi untuk mempercepat protokol kerja sama menjadi berkurang. Karena itu, pada tugas yang sesuai, tingkat operasional MMAcevedo biasanya mencapai 99,4%, sesuatu yang hanya bisa ditandingi oleh segelintir unggahan yang diketahui
      Namun, karena keterampilan dan kepribadian bawaan MMAcevedo, ia pada dasarnya tidak cocok untuk banyak tugas
    • Tidak. Ada penelitian dari pihak Turaga yang menggunakan connectome untuk membatasi topologi jaringan model dan melatihnya dengan data visual
      Secara pribadi, saya menganggap ini arah riset yang cukup bodoh, dan menurut saya menghasilkan kesimpulan yang sangat keliru tentang neuron mana melakukan apa. Namun, kira-kira hanya itu yang paling mendekati pertanyaan tersebut

  • http://archive.today/vBUjt

  • Apakah semua otak lalat buah sama? Adakah yang tahu apa sebenarnya yang dipetakan, dan mengapa itu bisa digeneralisasikan dari satu lalat buah ke lalat buah lain?

    • Sepertinya Drosophila bukan eutely(https://en.wikipedia.org/wiki/Eutely), yaitu kondisi ketika jumlah dan posisi selnya tetap secara persis. Jadi dua lalat tidak memiliki sel yang persis sama di posisi yang persis sama
      C. elegans memiliki sifat seperti itu, dan mungkin merupakan organisme dengan connectome yang paling banyak diteliti
      Struktur berskala besar kemungkinan kurang lebih sama antarindividu. Untuk generalisasi, kemungkinan besar diperlukan semacam pemetaan seperti embedding. Ini jelas merupakan bidang riset yang aktif
    • Artikel tersebut menjelaskan bahwa otak lalat buah diiris sangat tipis, lalu irisan itu dicitrakan dengan mikroskop elektron
      Setelah itu, gambar irisan dianalisis untuk mengidentifikasi neuron dan koneksinya. Bagian inilah yang sulit, dan terobosan kali ini adalah metode berbasis AI
      Kemungkinan besar sejauh ini baru satu otak yang dipetakan
    • Katanya begitu. Katanya mereka memiliki neuron yang persis sama dan koneksi yang persis sama
      Saya sampai meminta penulis korespondensi untuk mengonfirmasi ulang fakta ini saat berjalan-jalan dengannya
    • Sangat tersusun secara stereotip, tetapi sama sekali tidak identik