Science | 图谱数据集成绘制大脑连接结构
原创 风不止步 图灵基因 2022-11-14 11:11 发表于江苏
收录于合集#前沿生物大数据分析
撰文：风不止步
IF=63.714
推荐度：⭐⭐⭐⭐⭐
亮点：
文章回顾了在啮齿动物脑图谱中整合描述神经连接和其他模式的数据的方法，并讨论了基于图谱的工作流程如何促进全脑分析神经网络组织与神经结构的其他方面的关系。
2022年11月3日，挪威奥斯陆大学的Trygve Leergaard博士等人在《 Science》上发表了一篇“Atlas-based data integration for mapping the connections and architecture of the brain”的文章，文章以啮齿类动物的大脑作为基础神经科学的模型系统，回顾绘制神经连接图的方法和基于图集的数据整合和分析方案，并讨论推动该领域发展的未来方向。
大脑由大量的神经元、胶质细胞和血管组成，被包裹在坚实的头骨中。它处理和储存信息；产生记忆、思想和想法；执行计划；并实现广泛的行为。树突和轴突使神经元能够在较短或较长的距离内传递信号，轴突大量分支为终端区域，与其他神经元有多个突触接触。神经元执行的功能在很大程度上由它们与脑区内和跨脑区的其他神经元的联系决定。
图1：大脑中的接线模式。
广泛分布的神经元的大集合构成了复杂的神经网络。这些网络是高度有组织的，通常有不同的细胞类型分布在各层或各群。在网络内，神经元群对网络的其他部分施加特定的兴奋性、抑制性或调节性影响，而连接的强度和空间分布的变化，包括特定的发散和收敛模式，影响着网络如何承担其功能。总的来说，有关网络组织的知识--大脑的布线模式--对于理解正常的大脑功能至关重要，并且通常被嵌入旨在阐明和研究各种大脑功能的网络模型中。洞察布线模式的详细组织也是理解和治疗大脑疾病的关键。一个例子是利用有关深层大脑结构（图1A-B）的布线知识来治疗神经系统疾病--例如，使用针对丘脑下核或丘脑特定部位的电刺激来改善帕金森病和耐药性震颤的症状。
图２：数据整合和基于图集的分析的工作流程。
虽然神经线路的模式指导神经信号如何在网络中分布，但网络的功能特征也取决于神经元的生理和神经化学特性，包括它们与其他神经元（微循环）和具有维持或调节功能的支持细胞的详细局部细胞关系。因此，关于大脑如何发挥其功能的全面知识需要整合关于所有这些特征的知识。最近推出的三维（3D）数字脑图谱为广泛的数据整合提供了新的机会，旨在改善我们对大脑组织的理解。通过使用工具将不同类型的数据登记到图谱上，并结合计算机化的工作流程对大型数据集进行后续自动分析，这些整合工作得以加速。
图３:空间综合连接数据的三维分析。
含有大量实验数据集合的在线资源库被整合在一个开放性的体积参考图谱中，这在小鼠脑研究中已被证明是成功的。在适当的解剖学背景下开放共享标准化的数据，使得寻找和有效使用新的数据组合成为可能，适合于描述和研究大脑连接的许多方面。然而，尽管提出了令人印象深刻的数据量，但尝试使用这些慷慨的资源也可能会发现，数据的覆盖面可能不足以回答具有挑战性的问题，例如Tocco等人最近的研究表明，对大脑皮层投影的地形组织的研究需要精确对应的示踪剂注射来检测转基因动物中发生的细微变化（图３E－F）。
同样，尝试将桥脑核的单个轴突形态（使用Janelia研究校园的MouseLight项目的数据）与追踪实验中可视化的末端区域（使用Allen小鼠脑连接图谱的数据）进行比较，发现映射到同一图谱的数据可以进行有趣的观察（图３G－H），但完成神经网络的映射，还需要更多数据。寻找、可视化和比较这些数据的尝试也受到了与缺乏工具互操作性有关的技术挑战的阻碍。在老鼠身上，没有关于神经连接的大型数据集，而且，到目前为止，很少有人尝试系统地绘制全脑连接图。因此，增加更多的数据和工具对于获得一个越来越完整的大脑连接组织和啮齿动物大脑结构的其他特征的概述至关重要。
图４:WHS大鼠脑图谱与综合显微镜数据。
图谱提供一个标准化的解剖位置，并嵌入到软件工具中进行整合和分析。数据共享服务，如EBRAINS提供的服务，组织数据并帮助标准化元数据，包括关于大脑研究数据位置的元数据。通过图谱框架，来自研究文章中发表的数据和集成在图谱中的数据可以与大规模绘图工作的数据直接比较，如艾伦小鼠脑连接性图谱和MouseLight项目。大脑连接和大脑结构研究的新模式是将研究数据带入同一参考空间，分享数据，并为系统地重新分析和重新解释我们对大脑的理解做准备。随着这些新方法被引入到神经科学中，文献挖掘可以通过对出版物中包含的解释的基础数据进行强有力的挖掘来补充。
教授介绍
Trygve B. Leergaard博士
Trygve Leergaard是挪威奥斯陆大学基础医学科学研究所的解剖学教授。他于1996年获得医学博士学位（荷兰莱顿大学），2000年获得神经解剖学博士学位（挪威奥斯陆大学）。他的研究重点是解决连接大脑皮层和几个脑干核的主要感觉运动投射系统中脑图转换的基本架构原则。研究方法包括基本的脑电生理图谱、轴突追踪技术、三维重建的计算机方法、可视化和定量分析、免疫组织化学、用于脑图谱的组织学和显微镜技术，以及用于脑结构图谱和神经束图谱的高分辨率磁共振成像。
重要的科学进展包括解决了大鼠大脑皮层系统的3D架构组织原则，以及猫的上升听觉通路的音调组织。其他活动包括转基因大鼠亨廷顿氏病模型中神经网络变化的多学科调查，三维数字脑图绘制工作（结合组织学和断层成像方法），使用Mn2+增强型MRI和扩散张量成像（DTI）对大脑连接进行体内追踪，转基因动物模型中分子分布模式的神经解剖学绘图，以及大鼠大脑的高分辨率解剖学调查和大鼠小脑网络的高分辨率解剖研究（单轴突追踪技术）。
参考文献
Trygve B. Leergaard* and Jan G. Bjaalie Atlas-based data integration for mapping the connections and architecture of the brain.(2022)