摘要：我们的大脑是一个复杂的器官。数十亿个神经细胞在复杂的网络中连接，不断处理信号，使我们能够回忆记忆或移动身体。理解这个复杂的网络需要精确研究这些神经细胞的布置和连接方式。一种新方法利用现成的光显微镜，水凝胶和深度学习。...

我们的大脑是一个复杂的器官。数十亿个神经细胞在复杂的网络中连接，不断处理信号，使我们能够回忆记忆或移动身体。理解这个复杂的网络需要精确研究这些神经细胞的布置和连接方式。奥地利科学技术研究所（ISTA）和Google Research的科学家开发了一种新的显微镜方法“ Liconn”，现在有助于将这个难题拼凑在一起。

光学显微镜已经发展了几个世纪。科学家使用光学显微镜（从字面上和形象上）照亮了最复杂的生物结构。但是，考虑到数十亿个密集的神经元，揭开大脑的复杂细节和结构仍然是一个不可能的挑战，每个神经元都通过数千个突触链接到其他细胞。奥地利科学技术研究所（ISTA）开发的一种新的显微镜管道称为“ Liconn”（基于光微镜的连接组），现在提供了突破。

Liconn是能够通过神经元之间所有突触连接重建脑组织的电子显微镜以外的第一条技术。它还开辟了与神经元结构一起可视化复杂分子机械的可能性，同时利用标准光显微镜进行测量。

这项新技术是由Mojtaba R. Tavakoli，Julia Lyudchik，Johann Danzl及其同事来自ISTA生物学研究小组的高分辨率光学成像。他们与Google Research的Ista和Michal Januszewski和Viren Jain与Novarino Group合作。该方法现在发表在自然。

liconn的新可能性

Mojtaba R. Tavakoli打开了一个窗帘，露出带有无尽的电线将光学仪器连接到计算机的光学显微镜。屏幕的灯光闪闪发光 - 绿色和粉红色的阴影淡淡的阴影照亮了几乎漆黑的房间。塔瓦科利说：“那是海马 - 一个负责记忆形成的大脑区域。” “您看到的荧光点是与突触传播有关的分子。” ISTA研究生移动框架并调整设置。

Liconn是Danzl集团的最新显微镜技术。它的作用像是细致的拼图求解器，通过将最优质的神经元过程拼凑在一起，并将每个突触连接与其各自的神经元链接在一起来组装复杂的大脑网络。训练有素的医生兼物理学家约翰·丹兹（Johann Danzl）说：“到目前为止，还没有光学显微镜技术可以做到这一点。” “我们小组的长期目标是建立这样的管道来重建脑组织。Liconn可以在将特定的分子放置在结构重建的背景下。”引人注目的是，图像采集是在标准的现成显微镜上完成的，该显微镜非常快，并且提供了多色功能。该技术可以在世界任何地方复制，因为科学家不需要高端，昂贵的设备，而这些设备对于当前的脑组织重建方法需要。为了获得这一细节，分辨率必须非常高，大约几十纳米，比人头发的宽度小10,000倍。但是如何实现呢？化学方面的专业知识派上用场。

用凝胶变焦

对于Liconn，该团队利用了三维聚合物网络水凝胶的化学和物理性能。水凝胶具有与婴儿尿布相似的特征：它可以吸收水和膨胀，但以高度控制的方式进行。

感兴趣的脑组织嵌入该水凝胶中。 Danzl解释说：“细胞成分与水凝胶有关，这意味着细胞的细胞超微结构被刻在凝胶上并保存用于显微镜。”在成像之前，通过向材料添加水来扩展结构。结果，凝胶在各个方向上的大小伸长，但以极高的忠诚度保持了组织结构的相对空间排列。

为了进行比较，传统的光显微镜在其分辨能力上经典限制为250-300纳米。尽管这足以可视化较大的细胞结构，但不足以重建密集的脑组织。 Tavakoli解释说：“水凝胶膨胀将脑组织的特征非常远，我们可以使用标准的光显微镜解决它们。该方法将有效分辨率提高了16次，实现了比20 nm更好的分辨率。”

学科交集的研究

神经科学和化学不是唯一进入该项目的领域。计算机科学的方法在管道开发中起着至关重要的作用。这是因为捕获微观图像会导致收集众多数据点。因此，数据集的复杂性反映了大脑的复杂性。

因此，手动解释和重建所有神经元结构的规模将太努力了。因此，对Google Research的深入学习技术进行了训练，以分割组织中的单个细胞。 Google Research中的Viren Jain解释说：“使用人工智能自动化神经元及其精心制作的结构，使其在重建所有细胞组件的艰巨任务中实际上可以处理。” “同时可视化特定分子的能力增加了新的信息质量。”

Danzl组的博士生和计算机科学家Julia Lyudchik在解释复杂数据集方面发挥了重要作用。 Lyudchik解释说：“由于数据的异常高分辨率，可以自动检测神经元之间的突触连接并将原始脑成像数据转换为详细的连接图。这是一个复杂的图像处理挑战。” “此外，鉴于一小块脑组织也可以包含数万个突触连接，因此这些方法必须既有效又可扩展。”

Liconn使得可以将特定分子的位置映射到神经元重建上，例如参与突触处神经元之间信号传输的位置。 Lyudchik的艺术静脉帮助她创建了大脑网络的惊人3D渲染，因为可视化是使复杂的科学数据更容易访问和可解释的强大工具。

解锁大脑建筑中的新细节

通过遵循这种全面的管道，科学家可以精心重建脑组织并可视化神经元的连接和网络。跨学科的实验与分析之间的相互作用 - 从ISTA的成像和实验到Google Research的先进深度学习技术的应用与ISTA的计算分析 - 导致在新的复杂性水平上对大脑体系结构的3D可视化。 Danzl总结说：“ Liconn使我们更加接近组装哺乳动物大脑的拼图，并更好地了解其在健康和疾病中的功能。”