新工具帮助神经科学家分析“大数据”

一个时代的“大数据”,一台计算机总是不能找到用户想要的解决方案。计算任务而必须分布在集群的计算机分析大量数据集在一起。这就是我Facebook和谷歌网页历史给你针对性的广告,以及亚马逊和Netflix推荐你的下一个最喜欢的书或电影。但大数据不仅仅是营销。

监测新技术大脑活动产生前所未有的大量的信息。这些数据可能举行新的见解大脑是如何工作的——但只有在人员可以解释它。帮助理解数据,神经科学家现在可以利用分布式计算与雷霆的力量,一个库的工具开发的霍华德•休斯医学研究所Janelia研究校园。

雷声速度的分析数据集太大而复杂的他们需要几天或几周分析在一个工作站,如果一个工作站可以做到。Janelia集团领导人杰里米·弗里曼、米和其他同事在Janelia和加州大学伯克利分校的报告在7月27日,2014年,《华尔街日报》的问题自然方法他们利用雷来快速找到高分辨率图像中的模式从活跃的斑马鱼和小鼠的大脑收集多个成像技术。

重要的是,他们用雷分析成像数据从一个新的显微镜Ahrens和他的同事开发的监控活动的几乎每一个单个细胞在斑马鱼的大脑行为对视觉刺激的回应。技术是描述在一个同伴在同一期发表的论文自然方法。

雷霆可以运行在一个私有集群或在亚马逊的云计算服务。研究人员可以找到他们需要的一切开始使用工具的开源库http://freeman-lab.github.io/thunder

新显微镜捕获图像的大脑更快、更好的空间分辨率,在更广阔的区域的大脑比以往任何时候都。然而,所有这些细节都在gb甚至tb的数据加密。在一个工作站,简单的计算可以花费几个小时的时间。“很多这些数据集,一台机器只是不会削减它,”弗里曼说。

不仅仅是大量的数据,超过一台计算机的局限性,弗里曼和Ahrens表示,而且它的复杂性。“当你从大脑记录信息,你不知道最好的方法,你需要的信息。每个数据集都是不同的。你有什么好的想法,但他们是否产生见解实际上是一个悬而未决的问题,直到你应用它们,”Ahrens表示。

神经科学家很少到达新见解关于大脑的第一次他们认为他们的数据,他解释说。相反,初步分析可能暗示一个更有前途的方法,和一些调整和新的计算分析,数据可能会更有意义。“能够运用这些分析后很快就是重要的。速度给研究者更多的灵活性来探索和获得新的想法。”

这就是为什么试图用缓慢的计算工具分析神经科学数据可以如此令人沮丧。“对于一些分析,你可以加载数据,开始跑步,然后回来第二天,”弗里曼说。“但是如果你需要再次调整分析和运行它,然后你必须等到下一个夜晚。”For larger data sets, the lag time might be weeks or months.

分布式计算是一个显而易见的解决方案加速分析而探索一个数据集的完整丰富,但许多方法可供选择。弗里曼选择建立在一个新的平台称为火花。开发了加州大学伯克利分校的AMPLab火花正迅速成为一个理想的工具在工业大规模计算,弗里曼说。引发的数据缓存功能消除了瓶颈加载一个完整的数据集的第一步,使它适合于交互式、探索性分析,对于复杂的算法需要重复操作相同的数据。和火花的优雅和通用的应用程序编程接口(api)帮助简化开发。雷声使用Python API,弗里曼希望为他人将使它特别容易采用,由于Python的增加使用神经科学和科学数据。

使火花适合广泛的神经科学分析数据——连接和活动信息收集来自不同有机体和不同技术-弗里曼首次开发标准化的数据表示适合分布式计算。然后他致力于表达典型的神经科学工作流的计算语言火花。

生物的问题,从那里,他说,他和他的同事们好奇驱使发展。“我们开始关于生物学的问题,然后提出了分析和开发工具,”他说。

结果是一套模块化的工具,将扩大Janelia所率领的神经科学community-add新组件。“我们开发的分析是构建块,Ahrens表示。“开发新的分析解释大型记录是一个活跃的领域,与大规模计算资源的发展和成像。我们的论文的算法是一个起点。”

使用雷电、弗里曼阿伦斯和他们的同事分析了大脑的图像在几分钟内,相互作用和修改分析没有相关联的长时间延迟与先前的方法。在老鼠大脑的双光子显微镜拍摄的图像,例如,研究小组发现在大脑细胞的活动随运行速度。

更大的数据集,分析工具,如雷声不仅仅是有用的,他们是必不可少的,科学家们说。这是正确的信息收集的新显微镜Ahrens和他的同事们为监控全脑开发活动对视觉刺激的反应。

去年,Ahrens和Janelia组长菲利普·凯勒用高速纸张成像工程师显微镜捕获细胞,细胞在神经元活动几乎整个大脑的不成熟的斑马鱼。显微镜产生令人惊叹的图像斑马鱼大脑中的神经元发射而鱼是不活跃的。但Ahrens想使用更复杂的技术来研究大脑的活动情况。现在,团队结合原有技术与虚拟现实模拟器,Ahrens游泳之前开发的为鱼类提供视觉反馈,模拟运动。

在一张光显微镜,一张激光扫描样品,照亮一个薄片。让鱼在显微镜下看到和应对它的虚拟现实环境,阿伦斯团队需要保护自己的眼睛。所以他们编程激光快速关闭时其光负债表方法眼睛面积清除并重新启动一次。然后介绍第二个激光扫描样品从不同的角度,以确保该地区的眼睛背后的大脑成像。在一起,这两个激光图像大脑几乎完全覆盖没有干扰动物的视力。

结合这两种技术让Ahrens监视大脑活动在整个作为一个鱼调整其行为基于感官接收到的信息。技术生成对tb的数据在一个小时内,提供一个数据分析的挑战,帮助激励发展的风头。当弗里曼和Ahrens应用他们的新工具的数据,模式迅速出现。为例,他们发现了细胞的活动是与特定的方向和运动有关的细胞发射特别鱼静止时,和能够描述动力学这些细胞的活动。这样的例子分析,和示例数据集,可在网站上http://research.janelia.org/zebrafish/。

Ahrens现在计划使用新技术,探索更复杂的问题,他和弗里曼预见扩张的风头。“在每一个层面,这只是开始,”弗里曼说。