多篇 Nature 论文：神经科学家完成第一个全面脑细胞图谱
此主题相关图片如下：1.jpg
大量新研究表明，大脑中负责发起这一动作的区域——控制动作的初级运动皮层——拥有多达 116 种不同类型的细胞，它们共同协作使这一动作发生。
10 月 6 日 Nature 杂志公布了 17 项相关研究，这些工作由一个巨大的研究联盟组成，这是一个长期项目的第一步，该项目旨在生成整个大脑的图谱，帮助理解我们大脑中的神经网络是如何控制我们的身体和心理的，以及它们在出现心理和生理问题时是如何被破坏的。
加州大学伯克利分校的细胞神经科学家海伦 · 贝塔普问道:“如果你认为大脑是一台极其复杂的机器，在不先分解它、不知道它的各个部分的情况下，我们怎么能理解它呢? 任何关于大脑如何工作的手册的第一页都应该这样写: 这里是所有的细胞成分，这是它们的数量，这是它们位于哪里，它们与谁相连。”
此前，个别研究人员已经根据细胞的形状、大小、电特性以及其中表达的基因确定了几十种细胞类型。新的研究发现了五倍多的细胞类型，尽管许多是已知细胞类型的亚型。例如，释放特定神经递质的细胞，如γ - 氨基丁酸 (GABA) 或谷氨酸，每一种细胞都有十多个亚型，通过基因表达和电刺激模式相互区分。
虽然目前的论文只涉及运动皮层，但 BRAIN Initiative Cell Census Network（BICCN)——创建于 2017 年——试图绘制整个大脑的所有不同细胞类型，其中包括超过 1600 亿单个细胞，包括神经元和被称为胶质细胞的支持细胞。“大脑计划” 是由时任美国总统奥巴马于 2013 年发起的。
贝提普说:“一旦我们定义了所有这些部分，我们就可以进一步了解这些部分是如何一起工作的，它们是如何形成一个功能电路的，如何最终产生感知和行为，以及更复杂的东西。”
贝提普和加州大学伯克利分校的同事德克 · 霍克迈耶已经利用 CRISPR-Cas9 技术，在小鼠体内用荧光标记标记一种特定的细胞类型，使他们能够追踪这些细胞在整个大脑中的连接。她说，在这篇旗舰期刊论文中，伯克利团队创造了两种 “敲入” 报告小鼠，为阐明新识别的细胞类型之间的联系提供了新颖的工具。
“在开发人类大脑疾病的有效疗法方面，我们面临的诸多限制之一是，我们对哪些细胞和连接受到特定疾病的影响知之甚少，因此无法精确地确定我们需要针对的目标和位置。有关组成大脑的细胞类型及其特性的详细信息，最终将有助于开发神经和神经精神疾病的新疗法。”
其他研究人员在一项更早的研究中合作，分析了小鼠中脑中单个产生多巴胺的细胞中的所有活性基因。小鼠中脑的结构与人类大脑相似。同样的分析技术，包括识别所有特定的信使 RNA 分子及其在每个细胞中的水平，被其他 BICCN 研究人员使用来分析运动皮层中的细胞。这种类型的分析，使用的技术称为单细胞 RNA 测序，或 scRNA-seq，被称为转录组学。
scRNA-seq 技术是 BICCN 团队使用的近 12 种不同的实验方法之一，用于描述三种不同哺乳动物的不同细胞类型: 小鼠、狨猴和人类。其中四种方法涉及识别基因表达水平、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学膜片钳记录，通过细胞如何激发动作电位来区分细胞，根据形状对细胞进行分类，确定它们的连通性，以及观察细胞在大脑中的空间位置。其中一些使用了机器学习或人工智能来区分细胞类型。
“这是对这些细胞类型的最全面的描述，具有高分辨率和不同的方法，这篇论文的结论是，用这些不同的方法确定细胞类型有显著的重叠和一致性。”
一组统计学家结合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集成不同的类型，并根据这些细胞之间观察到的表达和表观遗传特征的差异，推测出不同的功能。加州大学伯克利分校教授、统计学主任 Sandrine Dudoit 说，虽然有许多统计算法来分析这类数据和识别集群，但挑战在于确定哪些集群真正不同于其他集群——真正不同的细胞类型。她和生物统计学家、加州大学伯克利分校的统计学副教授伊丽莎白 · 普多姆 (Elizabeth Purdom) 是统计团队的关键成员，也是这篇旗舰论文的共同作者。
Dudoit 说:“这个想法不是要创造另一种新的聚类方法，而是要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和你得到的聚类的可重复性。”“这是所有这些寻找新细胞类型或新细胞类别的研究的一个关键信息: 无论你尝试什么算法，你都会得到集群，所以对你的结果有信心是关键。”
Bateup 指出，在这项新研究中发现的单个细胞类型的数量取决于所使用的技术，从几十到 116 不等。例如，一项研究发现，在大脑的这个区域，人类的不同类型的抑制性神经元大约是兴奋性神经元的两倍，而老鼠的这一数字是五倍。
” 之前, 我们有 10 个或 20 个不同的细胞类型, 定义, 但我们不知道细胞是由他们的基因表达模式的定义是相同的那些定义基于电生理属性, 或一样的神经元类型定义为他们的形态,“Bateup 说。
Hockemeyer 说:“BICCN 的重大进展是，我们结合了许多定义细胞类型的不同方法，并将它们整合起来，提出了一种共识的分类方法，这种分类方法不仅基于基因表达、生理或形态学，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，并位于大脑皮层的这个特定区域。所以，你对这种细胞类型及其基本属性有了更深入、更细粒度的了解。”
杜多伊特警告说，未来的研究可能会表明，在运动皮层中识别出的细胞类型的数量被高估了，但目前的研究是组装整个大脑细胞图谱的良好开端。
她说:“即使在生物学家当中，对于这些系统应该有多大的分辨率，是否有这种非常、非常精细的集群结构，或者是否真的有更稳定的更高水平的细胞类型，也有很大的不同意见。”“尽管如此，这些结果显示了不同群体协作和共同努力的力量。我们从一个生物学问题开始，但单靠生物学家是解决不了这个问题的。为了解决这样一个具有挑战性的大问题，你需要一个由不同学科的专家组成的团队，他们能够很好地沟通和合作。”
