查看原文
其他

十六篇Nature重磅发布大脑运动皮层细胞图谱

十一月、兮 BioArt 2022-04-27

撰文 | 十一月、兮

大脑的结构极为精妙而复杂,现阶段所开发出的工具已经可以对大脑中不同细胞种类组成进行解析。由此,科学家们建立了大脑皮层运动神经元图谱景观以及数据库联盟BICCN(BRAIN Initiative Cell Census Network)

2021年10月6日,BICCN在Nature上同时发表16篇文章,公布了初期研究成功,同时还配发了一篇Johan WinnubstSilvia Arber的观点文章A census of cell types in the brain’s motor cortex。本报道将详细介绍这篇观点文章,简单介绍16篇研究性Nature文章(详细内容见BioArt后续报道)
 

Johan Winnubst:“工欲善其事必先利其器”——皮层神经元组成图谱建立的工具

大脑是由复杂的细胞网络所组成,这些具有不同特性的细胞之间互相连接,促进了大脑以及机体精密活动的完成。如何将特性相似的神经元进行分类以及神经元多样性的全景究竟是怎样的仍是目前神经生物学的重要课题。但是,想要解决这一问题并非易事。为此,科学家们组建了大脑神经元细胞普查网络联盟BICCN,并且建立了大脑皮层初级运动神经元图谱。该图谱中囊括了小鼠、非人灵长类动物以及人类大脑中神经元的分子、功能以及与其物理状态相关的数据(图1)

 图1 大脑皮层运动神经元图谱

单细胞RNA测序技术scRNA-seq是一种用于测量单个细胞中基因表达的技术,可以通过一次生成数千个细胞的基因表达谱来表征神经元的多样性。BICCN联盟中一个关键策略是通过高分辨率的scRNA-seq技术应用于大脑皮层之中进行神经元多样性的分析。比如在此次BICCN联合发表的文章中采用的MERFISH技术可以用来标记小鼠脑组织中的基因,从而确定这些不同的细胞类型在初级运动皮层中的空间位置。另外,BICCN联盟中还建立了Patch-seq,可以对神经元的电特性进行记录,随后可以对这些细胞进行scRNA-seq分析,并与其三维形态学结构重建相结合。除此之外,BICCN还对运动神经元中的表观遗传修饰进行分析,同时将这些细胞的类群根据表观遗传特征进行投射,从而可以对不同细胞群进行分析。
 
另外,哺乳动物大脑在发育和进化过程中神经元多样性的起源是什么呢?为了解决这一问题,BICCN所发表的文章通过研究了跨物种的神经元类型表观遗传修饰,表观遗传修饰是由基因表达的模式所定义的。研究者通过将基因表达数据与单个细胞DNA上甲基化的丰度以及染色质的DNA蛋白质复合物中的DNA可及性进行组合,对不同神经元中基因转录的正调控和负调控的程序进行解析。另外,BICCN联盟中的研究确认了不同细胞类型基因组的潜在调控区域。这些细胞类型特异性的转录因子富集位点和结合位点具有跨物种的高度保守性,可用于生成进一步研究不同神经元多样性的遗传工具,因此BICCN中的工作可以标记广泛的转录亚类型特征。
 
除此之外,BICCN联盟中的工作强调,想要对大脑的细胞多样性进行更深层的理解,需要引入新的概念并建立新的数学框架模型。比如,如何建立新的数学模型描述不同细胞亚型之间细微差异以及空间位置相关的连续梯度。
 
尽管BICCN联盟中的许多技术已有应用,但是这些技术首次被应用在这样一个高度协作、高通量的数据库与图谱的建立之中,提供了前所未有的运动神经元多样性景观。此外,该联盟将数据库向大众开放(https://biccn.org),并构建了可以直接应用的软件,从而确保这些数据能够对神经元多样性的性质和起源的研究大有裨益,真正做到数据库落到科研的实际使用之中。
 
Silvia Arber:运动神经元多样性的“人口普查”——未来研究的福音

大脑中细胞类型的高度多样性和复杂性给神经科学界带来了巨大的挑战。通过构建这样一个庞大的数据库图谱,BICCN联盟对于皮层神经元细胞类型的定义以及细胞如何建立在神经网络上的连接提供新的、更为全面的参考。之所以选择运动神经元皮层,原因有三:其一,该区域的神经元投射延伸到运动系统的许多其他的部分,但是该区域与其他区域之间是如何进行相互作用的还不得而知,是仍然大有可为的“黑匣子”领域;其二,运动皮层控制机体的运动,因此了解不同的神经元细胞类型与功能进行直接联系;其三,从进化的角度上来说,该区域的大小、细胞类型的多样性以及功能在不同物种之中存在较大的差异,因此可以对运动皮层的神经元多样性的进化过程进行探究。
 
由此,神经科学家将可以访问包含不同物种运动皮质中不同类型细胞的许多方面信息的数据库,其中包括细胞基因表达、表观遗传修饰、细胞形态以及电生理特征等。同时,BICCN联盟还构建了多种小鼠品系,可以通过遗传操作标记特定的神经元群体或者是控制部特定运动神经元的活动。这些工具的研发将有助于揭开这些运动神经元与其对应的功能之间的联系。
 
关于皮层神经元的相互作用方式的主流认知主要存在两类,一类是皮层神经元只与皮层神经元进行交流,另一类认为皮层神经元也与其他神经元之间存在交流。BICCN联盟中的工作可以对皮层神经元在大脑神经环路中之间的相互作用进行研究,从而可以确定这些神经元是如何促进运动的学习、控制以及执行以及这些动作如何在神经系统层面进行展开的。
 
BICCN联盟的工作所进行的运动神经元的“人口普查”,给了这些神经元一个明确的身份,并涵盖了皮层神经元的发展历史,包括这些神经元的成熟的发展轨迹、可塑性以及动态变化。在机体发育过程中所运行的遗传程序对于确定神经元细胞类型的基本属性至关重要,比如包括神经递质释放或者放电特性等基本功能属性。BICCN联盟中的工作可以提高研究人员在小鼠中靶向标记不同细胞类型的能力。除此之外,BICCN中的研究也包含对不同物种中细胞类型的比较。这些方法有助于了解关键神经元细胞类型是从什么细胞进化而来的、哪些细胞类型是进化上出现的对大脑皮层精细活动能力的“锦上添花”附加细胞以及促进进化上新功能出现的分子机制。
 
BICCN中的工作是指向未来的真正宝藏。该数据库对于运动神经环路是如何进行的提供了研究数据库和操作平台,同时这些工作对于制定特定细胞类型的大脑疾病治疗方案至关重要,最终将帮助临床医疗手段的研究和药物的开发,真正达到“指哪儿打哪儿”、“药到病除”的个性化医疗目的。回想150年前,神经生物学研究发现大脑皮层中的某一区域进行电刺激便可以诱发运动行为,从那时起,神经科学就翻开了崭新的一页。




以下为16篇Nature简况(详细解读见后期相关内容)


1

第一篇Nature来自于BRAIN Initiative Cell Census Netword(BICCN),题目为A multimodal cell census and atlas of the mammalian primary motor cortex。该文章提纲挈领地介绍了BICCN的工作,即绘制了哺乳动物初始运动皮层多层次、多模式的细胞图谱。该工作包括了:1)利用转录组、染色质可及性组、甲基化组多组学描绘了运动皮层细胞中的分子遗传景观;2)跨物种分析揭示从小鼠到狨猴到人的细胞类型保守性;3)原位单细胞组学揭示运动皮层空间图谱;4)交叉模式分析揭示神经元的生理与解剖特性和基因组基础。总之,BICCN这一工作构建了神经元的类型框架,结合了分子信息、空间信息以及表型信息等多维度信息。

2

第二篇的通讯作者为Eran A. MukamelHongkui Zeng,题目为A transcriptomic and epigenomic cell atlas of the mouse primary motor cortex。在该项工作中,作者们构建了小鼠初级运动皮层中超过50万个细胞的单细胞转录组和甲基化组,刻画出了超过56种神经元类型。

3

第三篇来自于Ed S. LeinTrygve E. Bakken,题目为Comparative cellular analysis of motor cortex in human, marmoset and mouse该工作对小鼠、狨猴以及人类初级运动皮层中共计超过45万个细胞进行了转录组和表观组测序,揭示了不同物种中初级运动皮层中神经元类型之间的保守性,以及各物种之间的独特性。

4

第四篇来自于Ed Lein,题目为Human neocortical expansion involves glutamatergic neuron diversification。该研究利用膜片钳技术、biocytin染色和单细胞测序构成的平台Patch-Seq检测了人的新皮层,展示了五种谷氨酸能神经元在形态、生理、基因表达上的吻合性,揭示了皮层中神经元种类的丰富性。


5

第五篇来自于Joseph R. Ecker,题目为DNA methylation atlas of the mouse brain at single-cell resolution。该工作对小鼠皮层、海马、纹状体、苍白球、嗅觉区上45个区域共计103,982个细胞进行了DNA甲基化测序,构建了不同脑区神经元甲基化图谱与网络,同时将甲基化组与染色质可及性组数据结合,描绘了小鼠大脑神经元多样性与空间组织的表观基础。

6

第六篇来自于任兵,题目为An atlas of gene regulatory elements in adult mouse cerebrum该工作研究了成年小鼠同形皮层、嗅球、海马以及脑核区45个区域共计超过80万个细胞的染色质可及性,构建出了超过160个不同细胞类型的顺式作用元件调控图谱。

7

第七篇来自于庄小威,题目为Spatially resolved cell atlas of the mouse primary motor cortex by MERFISH。该工作利用MERFISH(single-cell transcriptome-imaging method, multiplexed error-robust fluorescence in situ hybridization)剖析了小鼠初级运动皮层以及邻近区域共计约30万个细胞,确定了95个神经元/非神经元细胞群,描绘了初级运动皮层复杂的空间网络。

8

第八篇来自于Hong-Wei DongJulie HarrisPavel OstenZ. Josh HuangGiorgio  Ascoli,题目为Cellular anatomy of the mouse primary motor cortex该工作利用基因标记、测序、全脑成像等技术,构建了小鼠primary motor cortex, upper limb area (MOp-ul)的3D结构图谱,在该区域定义了24个投射神经元类型,并绘制了输入-输出神经元网络。

9


第九篇来自于Hong-Wei Dong,题目为The mouse cortico–basal ganglia–thalamic network。该工作鉴定了六个并行的皮质-基底核-丘脑网络。

10


第十篇来自于Edward CallawayJoseph Ecker,题目为Epigenomic diversity of cortical projection neurons in the mouse brain。该工作利用逆行标记和单个核DNA甲基化测序,检测了63个皮质-皮层、皮质-亚皮层远距离投射的11827个新皮层神经元,将分子特征与神经元的解剖和投射特性联系了起来。

11

第十一篇来自于Hongkui ZengHanchuan Peng,题目为Morphological diversity of single neurons in molecularly defined cell types。该工作重构了皮层、屏状核、丘脑和纹状体上1741个神经元,鉴定了不同形状特征和基因表达特征的11种投射神经元类型,揭示了其细胞多样性。

12

第十二篇来自于Z. Josh Huang,题目为Genetic dissection of the glutamatergic neuron system in cerebral cortex该工作通过构建多种可瞬时诱导的Cre Flp敲入小鼠,详细解析了锥体神经元不同亚群的命运图谱,揭示了锥体神经元的层级分化轨迹。

13

第十三篇来自于Lior Pachter,题目为Isoform cell-type specificity in the mouse primary motor cortex。该研究对小鼠初级运动皮层中6,160个细胞进行了SMART-Seq,280,327个细胞进行了MERFISH,94,162个细胞进行了10x Genomic单细胞测序,揭示了不同细胞类型中的同源异构体(isoform),以及其转变,揭示了同源异构体在鉴定细胞类型中的功能。

14

第十四篇来自于Arnold R. Kriegstein,题目为An atlas of cortical arealization identifies dynamic molecular signatures。该研究利用单细胞测序研究了神经发育和早期胶质生成阶段10个主要的脑区和6个新皮层区域,揭示了不同皮层区域不同细胞纵向发育的分子图谱。

15

第十五篇来自于Tomasz J. Nowakowski,题目为Single-cell epigenomics reveals mechanisms of human cortical development。该工作利用单细胞ATAC-seq,分析了人皮层发育过程中不同细胞类型的基因位点和调控元件图谱,揭示了大脑皮层神经元祖细胞的多样性。

16

第十六篇来自于Evan Macosko,题目为A transcriptomic atlas of mouse cerebellar cortex comprehensively defines cell types。该研究利用高通量测序研究了小鼠小脑不同叶区不同细胞类型的分子图谱,揭示了不同细胞类型独特的分子特征,并将此特征与生理特征进行了联系。

合集链接:
https://www.nature.com/collections/cicghheddj

转载须知

【原创文章】BioArt原创文章,欢迎个人转发分享,未经允许禁止转载,所刊登的所有作品的著作权均为BioArt所拥有。BioArt保留所有法定权利,违者必究。

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存