用自动三维神经映射揭示复杂的大脑网络

韩国科学技术研究院的研究人员开发了一种新的大脑成像数据分析算法，能够将复杂的神经回路精确定量地映射到标准化的3-D参考图谱上。

脑成像数据分析在神经科学研究中是必不可少的。但是，获得的分析大脑成像数据严重依赖于手动处理，这不能保证结果的准确性，一致性和可靠性。

传统的脑成像数据分析通常从寻找一个视觉上与实验获得的脑图像相似的二维脑图谱开始。然后，手工匹配图谱图像的感兴趣区域(region of- of- ROI)，并统计感兴趣区域内标记神经元的数量;

这样的视觉匹配过程在实验中得到大脑图像以及二维脑图谱图片脑成像数据分析中的主要误差来源之一，因为该过程是高度主观的，特定于样本的，并且易受人为错误的影响。脑图像的手动分析过程也是艰苦的，从而研究完整的3-D神经元组织全脑区是一个强大的任务。

为了解决这些问题，由生物和大脑工程学系的Se-Bum Paik教授领导的KAIST研究团队开发了新的大脑成像数据分析软件，名为“AMaSiNe(单个神经元的自动三维映射)”，并在5月26日的《细胞报告》(Cell Reports)上介绍了该算法。

AMaSiNe自动从多个大脑图像中检测单个神经元的位置，并准确地将所有数据映射到一个通用的标准3-D参考空间。该算法通过自动匹配图像中的相似特征，并计算图像相似度评分，可以直接比较来自不同动物的大脑数据。

这种基于特征的定量图像对图像比较技术提高了仅使用少量脑切片图像样本的分析结果的准确性、一致性和可靠性，有助于标准化脑成像数据分析。

与其他现有的脑成像数据分析方法不同，AMaSiNe还可以从错位和扭曲的脑图像中自动找到对齐条件，并绘制出准确的ROI，无需任何繁琐的人工验证过程。

AMaSiNe已被进一步证明与使用DAPI、Nissl和自体荧光等多种方法染色的大脑切片图像产生一致的结果。

这项研究的两位共同作者Jun Ho Song和Woochul Choi利用AMaSiNe的这些好处来研究不同roi中投射到主要视觉区域(VISp)的神经元的地形组织，例如背外侧膝状核(LGd)，如果没有对脑切片图像样本进行适当的校准和标准化，就很难解决这个问题。

在与生物科学系Seung-Hee教授的团队合作下，研究人员成功地观察到LGd对VISp的三维地形神经投影，同时也证明了当切割角度未被正确修正时，这些投影无法被观察到。结果表明，精确的切片角度的校正对于研究复杂和重要的大脑结构是必不可少的。

AMaSiNe被广泛应用于研究各种脑区和其他实验条件。例如，在该研究团队之前与加州大学伯克利分校杨丹教授的团队共同进行的研究中，该算法能够准确分析黑质的神经元亚群及其对整个大脑的投射。他们的研究结果发表在科学1月24日。

AMaSiNe引起了韩国和国外许多神经科学家的极大兴趣，并被韩国科学技术学院、麻省理工学院、哈佛大学、加州理工学院和加州大学圣地亚哥分校的一些其他研究小组积极使用。

白教授说:“我们的新算法允许空间组织的复杂神经回路可以在全脑范围的标准3d参考图谱中找到。这将把大脑成像数据分析带到一个新的水平。”

他继续说道:“通过促进更可靠和标准化的研究，可以更深入地了解大脑回路的功能分析大脑不同区域的神经回路的空间组织

---

---