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

來源：生物谷

據(jù)南極熊了解，在最近一項(xiàng)研究中，作者通過開發(fā)自動化的3D腦成像數(shù)據(jù)分析技術(shù)提供了對復(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)二維的腦圖像開始，該圖像在視覺上與實(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匹配過程已成為大腦成像數(shù)據(jù)分析中錯誤的主要來源之一，因?yàn)樵撨^程具有很高的主觀性，特定于樣品且易受人為錯誤的影響。手動分析大腦圖像的過程也很費(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研究小組開發(fā)了名為“ AMaSiNe（單神經(jīng)元自動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自動從多個大腦圖像中檢測單個神經(jīng)元的位置，并將所有數(shù)據(jù)準(zhǔn)確地映射到一個通用的標(biāo)準(zhǔn)3-D參考空間。該算法通過自動匹配圖像中的相似特征并計(jì)算圖像相似性評分，從而可以直接比較來自不同動物的大腦數(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還可以從未對準(zhǔn)和變形的大腦圖像中自動找到對準(zhǔn)條件，并繪制準(zhǔn)確的ROI，而無需任何麻煩的手動驗(yàn)證過程。

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