初级运动皮层中所有细胞类型的图谱,是首个全面脑细胞图谱

小优探索 2021-10-31 16:46:50

神经科学家通过实验发现,大脑中控制运动的初级运动皮层,包含多达116种不同类型的细胞协同工作以实现人们的目标做出行动,这也是科学家推出的首个全面脑细胞图谱。

10月6日发表在《自然》杂志上的一项研究表明,负责发起人的动作的大脑区域,即控制运动的初级运动皮层,包含多达116种不同类型的细胞,它们协同工作以实现人们的目标做出行动。

这一发现是美国国立卫生研究院脑科学研究所支持的一个大型研究人员联盟五年工作的结果,该联盟得到创新神经技术计划的支持,其目的是确定无数大脑中某一部分的不同细胞类型。

为什么要研究细胞?

大脑是神经系统中最高级的部分。它由左右两个大脑半球组成。两半球之间有神经纤维相连。

人的大脑皮层是最发达的。它是思维的器官。它控制着身体的所有活动,调节身体与周围环境之间的平衡。因此,大脑皮层是高级神经活动的物质基础。

虽然研究人员在大脑中发现了多种细胞类型,但在初级运动皮层这个区域中,所有细胞类型的图谱都是第一个全面的列表,也是追踪细胞网络以了解它们如何控制我们身心的起点,以及他们如何在精神和身体障碍中受到干扰。

这次的研究结果是生成整个大脑图谱的长期项目的第一步,以帮助了解我们大脑中的神经网络如何控制我们的身体和心灵,以及它们在出现精神和身体问题时如何被破坏。

加州大学伯克利分校的细胞神经科学家HelenBateup说:“如果你认为大脑是一个极其复杂的机器,那我们怎么能不先分解它并了解它的零件就理解它呢?”

HelenBateup认为任何关于大脑如何工作手册的第一页都应该阅读大脑所有细胞的成分,数量,以及它们的位置和它们分别与谁相连。

尽管个别研究人员之前已经根据它们的形状、大小、电特性以及在其中表达的基因,确定了数十种众所周知的细胞类型的亚型,但新研究还是确定了大约五倍的细胞类型。

例如,释放特定神经递质(如γ-氨基丁酸(GABA)或谷氨酸盐)的细胞,每个细胞都有十几种亚型,可以通过基因表达和电激发模式相互区分。

虽然目前的论文只涉及运动皮层,但2017年创建的BRAINInitiative细胞普查网络致力于绘制整个大脑中所有不同类型的细胞,其中包括超过1600亿个单个细胞,还有两个都是神经元和支持细胞的神经胶质。

Bateup说“一旦我们定义了所有这些部分,那我们就可以更上一层楼的,开始了解这些部分是怎样协同工作的,以及它们是怎样形成,功能回路的,最终又是怎样产生感知和行为以及更复杂的事物的。”

实验过程

前加州大学伯克利分校教授JohnNgai、Bateup,和加州大学伯克利分校的同事DirkHockemeyer一起,使用CRISPR-Cas9创造了小鼠其中特定的细胞类型,他们用荧光标记物标记,让他们能跟踪这些细胞在整个大脑中的连接。

伯克利团队同时创建了两个“敲入”报告小鼠品系,为阐明新发现的细胞类型之间的联系提供了新工具。

领导加州大学伯克利分校大脑计划工作的Ngai说:“我们在为人类大脑疾病开发有效疗法方面的诸多限制之一是,我们对哪些细胞和连接受到特定疾病的影响不够了解,因此无法准确确定我们需要针对的对象和位置,而有关构成大脑的细胞类型和特征的详细信息,最终将有助于开发神经系统和神经精神疾病的新疗法。”

随后Bateup、Hockemeyer和Ngai,合作进行了一项较早的研究,以分析小鼠中脑里单个产生多巴胺的细胞中的所有活性基因,该细胞具有类似于人类大脑的结构。

其他BICCN研究人员采用相同的分析技术来分析运动皮层中的细胞,该技术涉及识别每个细胞中所有特定的信使RNA分子及其水平。

这种使用称为单细胞RNA测序或scRNA-seq的技术进行的分析称为转录组学。

scRNA-seq技术是BICCN团队用来表征三种不同哺乳动物(小鼠、狨猴和人类)不同细胞类型的十几种独立实验方法之一。

其中四种涉及识别基因表达水平和确定基因组染色质结构和DNA甲基化状态的不同方法,这被称为表观基因组。

其他技术包括经典的电生理膜片钳记录、通过细胞如何激发动作电位来区分细胞、按形状对细胞进行分类、确定它们的连接性以及观察大脑中细胞的空间位置。其中一些使用机器学习或人工智能来区分细胞类型。

Hockemeyer说:“论文的结论是,在用这些不同的方法确定细胞类型方面存在显着的重叠和一致性。这些具有高分辨率和不同方法的结论,也是对这些细胞类型最全面的描述。”

一组统计学家结合了所有这些实验方法的数据,以确定如何最好地将细胞分类或聚类为不同类型,并且可能是基于观察到的这些细胞之间表达和表观遗传谱的差异。

加州大学伯克利分校教授兼统计系系主任SandrineDudoit说,虽然有许多统计算法可用于分析此类数据和识别集群,但挑战在于确定哪些集群有着真正不同的细胞类型。

Dudoit说“我们的想法不是创建另一种新的聚类方法,而是找到利用不同方法和组合方法的优势的方法,并评估结果的稳定性,获得的聚类的可重复性,对于所有这些寻找新细胞类型或新细胞类别的研究来说,这确实是一个关键信息:无论你尝试什么算法,你都会得到聚类,所以对你的结果真正有信心是关键。”

结果

Bateup指出,新研究中确定的单个细胞类型的数量取决于所使用的技术,范围从数十种到116种不等。

Bateup说“以前,我们已经定义了10或20种不同的细胞类型,但我们不知道我们通过基因表达模式定义的细胞是否与基于电生理特性定义的细胞相同,或者与由其形态定义的神经元类型相同。”

霍克迈尔说:“BICCN的一大进步是我们结合了许多不同的定义细胞类型的方法并将它们整合在一起,得出了一个一致的分类法,该分类法不仅基于基因表达或生理学或形态学,而且考虑了所有这些特性,所以,现在我们可以说这种特定的细胞类型表达这些基因,具有这种形态,具有这些生理特性,并且位于皮层的这个特定区域。因此,您对这种细胞类型有更深入、更细致的了解是及其基本属性。”

Dudoit表示,未来的研究可能表明,在运动皮层中识别出的细胞类型数量被高估了,但目前的研究是组装整个大脑细胞图谱的良好开端。

“即使在生物学家之间,对于这些系统应该有多少分辨率,以及是否存在如此非常精细的聚类结构,或者是否真的存在更稳定和更高级别的细胞类型,也存在很大分歧,通过这种方式,这些结果展示了不同群体之间共同协作努力的力量。

我们从一个生物学问题开始,但仅靠生物学家也无法解决这个问题。要解决这样一个具有挑战性的大问题,你需要一个一群不同学科的专家能够很好地沟通和合作。”

1 阅读:18