这项技术照亮了大脑神经网络结构的整个“黑暗森林”

来源：苏州生物医学工程技术研究院2022-01-02 20336044

人脑的神经回路是一个极其复杂和庞大的网络，包含数百亿个神经细胞，这些神经细胞由数十亿个连接点(突触)交织而成，构成了我们思考、记忆和感受的基础。如果只知道神经回路中单个分子或单个神经细胞的工作机制，而不知道多个神经细胞连接形成的整体网络结构和集体行为模式，就无法理解大脑复杂而高级的功能和活动，也就无法解释许多脑部疾病的发病机制和发展过程。跟随

人脑的神经回路是一个极其复杂和庞大的网络，包含数百亿个神经细胞，这些神经细胞由数十亿个连接点(突触)交织而成，构成了我们思考、记忆和感受的基础。如果只知道神经回路中单个分子或单个神经细胞的工作机制，而不知道多个神经细胞连接形成的整体网络结构和集体行为模式，就无法理解大脑复杂而高级的功能和活动，也就无法解释许多脑部疾病的发病机制和发展过程。

随着科学技术的发展，神经网络结构的奥秘正在逐渐被揭开。在这个过程中，各种成像方法是不可或缺的手段。利用磁共振成像(MRI)、正电子发射断层成像(PET)等技术，我们可以在宏观分辨率(亚毫米)下看到大脑中各个脑区的连通性特征。以荧光成像为主要手段的各种光学显微技术层出不穷，使科学家能够以介观分辨率(亚微米级)观察单个神经细胞的投射模式和神经活动。然而，最近十年发展起来的连续断层扫描电子显微镜(SEM)使得在微观分辨率(水平)上获得具有突触连接细节的三维神经连接图成为可能。

但是，如果把动物的大脑比作一片广阔的森林，没有任何技术可以同时看到整片森林中的每一棵树(神经细胞)，并区分树上的每一片叶子(神经突触)。

核磁共振和正电子发射断层扫描的分辨率太低，只能看到树木的群落，无法识别单棵树。虽然很多荧光显微成像技术可以区分单棵树，但是需要对森林进行稀疏的荧光标记，让极小比例的树木发光，这样就可以观察到这些“亮”的树木，而剩下的未亮的树木只能是无法观察到的“暗森林”。此外，由于分辨率的限制，荧光显微成像无法区分叶片的形状、数量和分布。虽然连续电子显微镜可以在很小的范围内看到所有的树木和树叶，但由于成像速度和难以想象的大小，很难扩展到观察整个森林。

为了解决这一具有挑战性的问题，中国科学院苏州生物医学工程技术研究所课题组张若冰提出了一种创新的光学成像方法——光学多层干涉层析成像(OMLIT)，可以获得脑组织中所有细胞的介观分辨率的光学图像。同时可以与连续扫描电子显微镜(SEM)无缝连接，进一步以更精细的显微分辨率对样品局部区域进行成像，从而结合光、电显微成像技术的优势，达到“既能看到森林，又能看到树木树叶”的目的。

研究团队设计、构建并仔细测试了一系列多层结构，包括不同的基底材料、涂层材料、涂层厚度、超薄脑组织样本厚度等条件，找出了几种最能优化成像结果的多层结构模式。在此条件下，可以清晰拍摄小鼠大脑皮层组织样本中的所有细胞，识别神经细胞和胶质细胞的形态和空间分布，重建轴突、树突和毛细血管形成的复杂交织网络结构。令人惊讶的是，不同的多层条件可以使神经组织显示出完全相反对比度的图像(图4)，这表明它们不是由简单的吸收或散射形成的。

研究人员建立了一个理论模型(图4)，光波在不同薄层介质中多次反射和干涉，形成了超薄切片样品中所有细胞的高对比度图像，很好地解释和模拟了这种成像现象。样品层中神经细胞的结构和包埋树脂的光学性质之间存在差异。光波被多层膜反射后，各层反射光重叠干涉，改善了生物组织与树脂之间的明暗差异(图5)，巧妙地达到了增加对比度的效果。

OMLIT使在介观分辨率下快速重建所有神经细胞的形态、分布和投影图成为可能，并可与连续断层扫描电子显微镜(sSEM)无缝连接，实现对同一动物脑组织样本的全细胞光学成像和电子显微镜成像。通过对OMLIT图像中局部区域的样本进行分层分辨率sSEM成像，研究人员验证了两种不同模态成像技术之间的兼容性，以及重建的3D结构之间的融合性和互补性(图6)。同时，OMLIT还为sSEM提供了成像区域(ROI)的精确圈定和导航。

本研究首次实现了同一脑组织样本中所有细胞的介观分辨光学成像和显微分辨电镜成像。随着OMLIT方法的进一步发展和应用，我们将能够分析包含同一动物大脑中所有细胞的完整神经网络的介观长程投影图(Projectome)，并通过连接sSEM在选定的关键区域绘制完整的微观局部连接图(Connectome)，并将其嵌入到介观长程投影图的背景中。而且OMLIT的大脑样本库可以方便的长期保存，可以随时绘制其他区域的显微神经连接组图。

在当前成像技术和图像处理能力的限制下，仅使用SEM绘制具有全局微分辨率的神经连接组图，耗时和数据量太大，是不现实的。用OMLIT连接SEM绘制同一动物的脑图谱是一条非常可行的路线。全细胞中微融合脑图谱将能够提供不同尺度下脑神经回路的空间和结构特征，有助于分析不同层次神经网络的结构要素和交联规律，有望推动构建基于自然智能的新一代人工智能的进程。(100yiyao.com)

版权声明

本网站标注“来源：百医网”或“来源：bioon”的文字、图片、音视频资料均属于百医网网站版权所有。未经授权，任何媒体、网站或个人不得转载，否则将承担责任。获得书面授权转载时，必须注明“来源：百医网”。其他来源的文章均为转载。本网站所有转载都是为了传递更多信息。转载不代表本网站的立场。不想被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户在随时阅读、评论、分享百医网APP。请扫描二维码下载-