Cell Rep：3D打印大腦結(jié)構(gòu)揭示神經(jīng)回路結(jié)構(gòu)

來(lái)源：生物谷

據(jù)南極熊了解，在最近一項(xiàng)研究中，作者通過(guò)開(kāi)發(fā)自動(dòng)化的3D腦成像數(shù)據(jù)分析技術(shù)提供了對(duì)復(fù)雜神經(jīng)回路的空間組織的更可靠和標(biāo)準(zhǔn)化的分析。KAIST研究人員開(kāi)發(fā)了一種用于大腦成像數(shù)據(jù)分析的新算法，該算法能夠?qū)��?fù)雜的神經(jīng)回路精確定量地映射到標(biāo)準(zhǔn)化的3D模型上。

腦成像數(shù)據(jù)分析在神經(jīng)科學(xué)研究中必不可少。但是，獲得的大腦成像數(shù)據(jù)的分析在很大程度上取決于手動(dòng)處理，這不能保證結(jié)果的準(zhǔn)確性，一致性和可靠性。

（圖片來(lái)源：Www.pixabay.com）

常規(guī)的腦成像數(shù)據(jù)分析通常從發(fā)現(xiàn)二維的腦圖像開(kāi)始，該圖像在視覺(jué)上與實(shí)驗(yàn)獲得的腦圖像相似。然后，將圖集圖像的感興趣區(qū)域（ROI）與獲得的圖像手動(dòng)匹配，并計(jì)算ROI中標(biāo)記的神經(jīng)元的數(shù)量。

實(shí)驗(yàn)獲得的大腦圖像和二維大腦圖譜圖像之間的這種視覺(jué)匹配過(guò)程已成為大腦成像數(shù)據(jù)分析中錯(cuò)誤的主要來(lái)源之一，因?yàn)樵撨^(guò)程具有很高的主觀性，特定于樣品且易受人為錯(cuò)誤的影響。手動(dòng)分析大腦圖像的過(guò)程也很費(fèi)力，因此要在全腦范圍內(nèi)研究完整的3-D神經(jīng)元組織是一項(xiàng)艱巨的任務(wù)。

為了解決這些問(wèn)題，由生物和腦工程學(xué)系Se-Bum Paik教授領(lǐng)導(dǎo)的KAIST研究小組開(kāi)發(fā)了名為“ AMaSiNe（單神經(jīng)元自動(dòng)3-D映射）的新型大腦成像數(shù)據(jù)分析軟件”，相關(guān)結(jié)果發(fā)表在最近的《Cell Reports》雜志上。

AMaSiNe自動(dòng)從多個(gè)大腦圖像中檢測(cè)單個(gè)神經(jīng)元的位置，并將所有數(shù)據(jù)準(zhǔn)確地映射到一個(gè)通用的標(biāo)準(zhǔn)3-D參考空間。該算法通過(guò)自動(dòng)匹配圖像中的相似特征并計(jì)算圖像相似性評(píng)分，從而可以直接比較來(lái)自不同動(dòng)物的大腦數(shù)據(jù)。

這種基于功能的定量圖像間比較技術(shù)僅使用少量的腦切片圖像樣本即可提高分析結(jié)果的準(zhǔn)確性，一致性和可靠性，并有助于標(biāo)準(zhǔn)化腦成像數(shù)據(jù)分析。

與其他現(xiàn)有的大腦成像數(shù)據(jù)分析方法不同，AMaSiNe還可以從未對(duì)準(zhǔn)和變形的大腦圖像中自動(dòng)找到對(duì)準(zhǔn)條件，并繪制準(zhǔn)確的ROI，而無(wú)需任何麻煩的手動(dòng)驗(yàn)證過(guò)程。

進(jìn)一步，作者證明AMaSiNe與使用各種方法（包括DAPI，Nissl和自發(fā)熒光）染色的腦切片圖像產(chǎn)生一致的結(jié)果。（生物谷 Bioon.com）

資訊出處：Automated 3D brain imaging data analysis enables precise mapping of complex neural circuits