里來(lái)-基礎科研與臨床前研究CRO全覆蓋平臺

我們的腦部是一個(gè)復雜的器官，數十億個(gè)神經(jīng)細胞以錯綜復雜的網(wǎng)絡(luò )連接在一起，持續處理信號，使我們能夠回憶記憶或控制身體的運動(dòng)。要理解這個(gè)復雜的網(wǎng)絡(luò )，需要仔細觀(guān)察神經(jīng)細胞的排列和連接。由奧地利科技學(xué)院（ISTA）和谷歌研究所的科學(xué)家們開(kāi)發(fā)的新型顯微鏡技術(shù)“LICONN”，現在為解開(kāi)這一難題提供了幫助。

光學(xué)顯微鏡經(jīng)歷了數個(gè)世紀的發(fā)展，科學(xué)家們利用光學(xué)顯微鏡揭示生物結構的復雜性。然而，揭示大腦的復雜細節和結構仍然是一個(gè)看似不可能的挑戰，因為大腦中有數十億密集堆積的神經(jīng)元，每個(gè)神經(jīng)元通過(guò)成千上萬(wàn)的突觸與其他細胞相連。LICONN（基于光學(xué)顯微鏡的連通組學(xué)）現在為這一領(lǐng)域帶來(lái)了突破，相關(guān)成果發(fā)表于《Nature》期刊。

LICONN是首個(gè)超越電子顯微鏡的技術(shù)，能夠重建大腦組織中神經(jīng)元之間的所有突觸連接。它還開(kāi)辟了可視化復雜分子結構的可能性，同時(shí)利用標準的光學(xué)顯微鏡進(jìn)行觀(guān)察。

LICONN帶來(lái)的新可能性

Mojtaba R. Tavakoli展示了一臺光學(xué)顯微鏡，眾多電纜將光學(xué)儀器與計算機連接在一起。屏幕上的光芒閃爍，明亮的綠色和粉色在幾乎漆黑的房間里閃耀。“這是海馬體，負責記憶形成的腦區，”Tavakoli指著(zhù)屏幕說(shuō)，“你看到的熒光點(diǎn)是參與突觸傳遞的分子。”

LICONN是最新的顯微技術(shù)，它像一個(gè)細致的拼圖解答者，拼接神經(jīng)元的細微過(guò)程，并準確地連接每個(gè)突觸到其對應的神經(jīng)元。“到目前為止，沒(méi)有任何光學(xué)顯微鏡技術(shù)能夠做到這一點(diǎn)，”受過(guò)醫學(xué)訓練的物理學(xué)家Johann Danzl教授說(shuō)道。 “建立這樣的管道以重建大腦組織一直是我們團隊的目標，而LICONN能夠在特定分子的背景下進(jìn)行結構重建。”

引人注目的是，圖像獲取是在標準的現成顯微鏡上進(jìn)行的，這個(gè)過(guò)程非?？焖偾揖邆涠嗌芰?。該技術(shù)能夠在全球范圍內復現，因為科學(xué)家們不需要為當前大腦組織重構方法所需的高端昂貴設備。為了實(shí)現如此高的細節水平，分辨率必須異常高，約在數十納米，比人類(lèi)頭發(fā)的寬度小10,000倍。但如何實(shí)現這一點(diǎn)呢？化學(xué)專(zhuān)業(yè)知識發(fā)揮了關(guān)鍵作用。

利用水凝膠進(jìn)行放大

在LICONN技術(shù)中，團隊利用了水凝膠的化學(xué)和物理特性，這是一種三維聚合物網(wǎng)絡(luò )，具有類(lèi)似于嬰兒尿布的特性：能夠吸收水分并膨脹，但這種膨脹是高度可控的。

研究中的腦組織被嵌入這種水凝膠。“細胞組分與水凝膠相連，意味著(zhù)細胞的細微結構會(huì )印在凝膠上并在顯微觀(guān)察中得到保留，”Danzl解釋道。在成像之前，通過(guò)向材料中添加水，結構得以擴展。結果，水凝膠在各個(gè)方向上膨脹，但能夠保留組織結構的相對空間排列，并以極高的保真度進(jìn)行保留。

與此相對，傳統光學(xué)顯微鏡的分辨率通常在250-300納米，而這對于可視化較大細胞結構十分有效，但不足以重構密集的腦組織。“水凝膠的膨脹使腦組織的特征遠離，從而允許我們用標準光學(xué)顯微鏡進(jìn)行分辨。這個(gè)方法有效提升了16倍的分辨率，達到20納米以上，”Tavakoli解釋道。

跨學(xué)科的研究

神經(jīng)科學(xué)和化學(xué)不僅是這項研究中的重要學(xué)科，計算機科學(xué)的方法也在管道開(kāi)發(fā)中發(fā)揮了至關(guān)重要的作用。由于捕獲微觀(guān)圖像會(huì )產(chǎn)生大量的數據點(diǎn)，這些復雜的數據集反映了大腦的復雜性。

因此，手動(dòng)解釋和重建大規模的神經(jīng)結構顯得過(guò)于繁重。因此，谷歌研究的深度學(xué)習技術(shù)被用來(lái)分割組織中的單個(gè)細胞。“利用人工智能自動(dòng)識別神經(jīng)元及其復雜結構，使得重構所有細胞組分的任務(wù)變得可行，”谷歌研究所的Viren Jain說(shuō)道。“同時(shí)可視化特定分子的能力為研究增添了新維度。”

Danzl團隊的計算機科學(xué)博士生Julia Lyudchik在解析復雜數據集方面發(fā)揮了重要作用。“多虧了極高的分辨率，能夠自動(dòng)檢測神經(jīng)元之間的突觸連接，并將原始腦成像數據轉化為詳細的連通圖。這是一項復雜的圖像處理挑戰，”Lyudchik解釋道。“此外，由于即使是小段腦組織也可能包含大量突觸連接，因此方法需要既高效又可擴展。”

LICONN使得將特定分子的位置映射到神經(jīng)元重建中成為可能，例如那些參與神經(jīng)元之間信號傳遞的分子。Lyudchik的藝術(shù)才能使她制作出精美的腦網(wǎng)絡(luò )3D渲染，這些可視化工具有助于讓復雜的科學(xué)數據更易于理解。

揭示大腦架構中的新細節

通過(guò)這一綜合管道，科學(xué)家們可以細致地重建腦組織，并可視化神經(jīng)連接和網(wǎng)絡(luò )。實(shí)驗和分析之間的相輔相成，從ISTA的成像和實(shí)驗到谷歌研究應用的先進(jìn)深度學(xué)習技術(shù)，以及ISTA的計算分析，最終實(shí)現了大腦架構的3D可視化，展現出新的復雜性。“LICONN讓我們更接近于拼湊哺乳動(dòng)物大腦的全貌，并更好地理解其在不同狀態(tài)下的功能，”Danzl總結道。