Nature+Nature Methods：彭汉川团队脑科学成果入围21年“中国生命科学十大进展”

为推动生命科学领域的创新发展，充分展示和宣传我国生命科学领域的重大科技成果，中国科协生命科学学会联合体以“公平、公正、公开”为原则开展2021年度“中国生命科学十大进展”项目评选工作。现将拟入选项目予以公示，接受社会监督，公示期为五个工作日（2021年12月31日至2022年1月7日）。如对入选项目有异议，请于公示期内向中国科协生命科学学会联合体秘书处提出书面意见，并写明真实姓名、工作单位、联系方式和联系地址。

中国科协生命科学学会联合体秘书处
联系人：任燕
电话：[phone]
邮箱：[e-mail]
地址：北京市朝阳区北辰西路1号院2号1号楼325

中国科协生命科学学会联合体
二〇二一年十二月三十一日

2021年度“中国生命科学十大进展”入选项目

来源：中国科协生命科学学会联合体官网

下面，我们通过2篇文章，详细了解一下彭汉川课题组的成果——全脑单神经元多样性研究及信息学大数据平台

1

Nature: 分子定义细胞类型中单个神经元的形态多样性

https://www.nature.com/immersive/d42859-021-00067-2/index.html

神经元-大脑行使功能的基本单位，其3D结构特征不仅揭示神经信号的流动从而反应神经网络连接，而且是鉴定细胞类别的重要参数。全脑神经元的解析是脑科学研究的重要方向。小鼠是研究脑科学的重要模式动物，其大脑拥有上亿个神经元，全脑神经元结构庞大，如某些鼠脑皮层细胞可跨越至另一半球，且分枝繁多，总长度可达40cm左右；神经元分枝间的交错以及标记信号的微弱，综上等因素都使快速准确重建神经元十分困难。如何高通量的重建全脑神经元一直是瓶颈，导致科学家们对其多样性的了解仍是有限的。

2021年10月6日，东南大学脑科学与智能技术研究院（以下简称东大脑智院）与美国艾伦脑科学研究所及华中科技大学、中国温州医科大学、腾讯公司等国内外多家单位合作，在Nature上在线发表题为Morphological diversity of single neurons in molecularly defined cell types的研究论文。该研究建立了一套完整的平台包括神经元的稀疏标记、全脑成像、高通量神经元重建、配准以及分析。并基于此平台生产了目前世界上数目最大的1741单细胞神经元数据集，包含来自小鼠大脑皮层、屏状核、纹状体和丘脑等脑区神经元。该研究鉴定了11种主要的投射神经元类型及更精细的子类型。神经元的多样性符合多水平调控长程投射的规则。

首先，为了实现稀疏且强有力的标记，作者们使用了遗传学标记方法TIGRE2.0 -Cre。作者们使用了两种报告品系:表达GFP的Ai139或Ai140 TIGRE2.0【1】，可以有选择的与Ai82 TIGRE1.0结合【2】，另一种是TIGRE-MORF品系 (也叫Ai166) 【3】。在这项研究中，作者们产生了53个高质量的fMOST成像大脑数据集，其中包括皮质、丘脑、屏状核、纹状体和其他脑区的稀疏标记的细胞（图1）。

图1 多种类型神经元树突和轴突的稀疏、持续标记和可视化

然后，作者们通过fMOST成像系统获得了足够分辨率的全脑图像【4】。为了处理产生的大量图像数据集，东大脑智院与上海大学王宜敏老师合作开发了三维可视化平台Vaa3D-TearVR（一种开源、跨平台的可视化、重建和分析系统）建立标准化图像数据处理和重建工作流程（图2），同时建立了严格的质量控制过程，以确保重建形态的完整性【5,6】；与安徽大学屈磊教授合作开发mBrainAligner算法，将数据集配准到3D Allen小鼠大脑标准脑 (CCFv3) 中【7】；进行大数据的计算分析。作者们建立了完整的大数据管理、计算分析平台。

图2 全脑范围完整神经元形态成像、重建、配准、分析平台和流程

最后，为了提取长程投射神经元形态多样性的规则，作者们系统地分析了代表特定转录组亚类的Cre系标记的神经元的8个亚类【8-10】。作者们发现，在较高水平上，来自8个转录组亚类的神经元表现出高度不同的投射模式，并很好地对应5个投射等级和11个投射类型（图3）。这11种主要的投射神经元类型具有不同的形态学特征和相应的转录组特征；主要类型内部发现丰富的神经元投射类型，可以聚类成更精细的子类型。神经元的多样性符合多水平调控长程投射的规则，包括分子水平、发散或收敛投射模式、轴突末端的模式、脑区特异性、拓扑结构和单细胞差异性。单细胞多样性与转录组谱水平定义的亚型细胞类别没有明确的相关性，突出了单细胞水平交叉模式研究的重要性。单细胞形态多样性的优势揭示了神经细胞类别的丰富，也反映了单个神经元各自在功能环路中的独特功能，因此该研究有力地证明了量化的完整单细胞解剖学分析对神经细胞类型鉴定是至关重要的。

图3 11种长程投射神经元在单细胞水平上的形态和投射特性

综上，该研究揭示了个体神经元的大量形态和投射多样性，这种多样性是由区域特异性和细胞类型特异性的基本原则控制的。该研究表明，在细胞类型分类中，定量描述完整单细胞解剖学分析是至关重要的，单细胞形态多样性揭示了不同细胞类型及其个体成员可能对各自环路的构造和功能做出贡献的多样性。

该研究工作由东南大学脑科学与智能技术研究院教授彭汉川、生命科学与技术学院教授谢维和生物科学与医学工程学院顾忠泽教授团队，联合美国艾伦脑科学研究所及国内外多家单位合作，共同研究脑图谱以及全脑神经元的形态多样性。彭汉川教授团队为第一作者，彭汉川与艾伦脑科学研究所曾红葵教授为共同通讯作者。

原文链接：

https://www.nature.com/articles/s41586-021-03941-1#Abs1

参考文献

1 Daigle, T. L. et al. A suite of transgenic driver and reporter mouse lines with enhanced brain-cell-type targeting and functionality. Cell 174, 465–480.e422 (2018).

2 Madisen, L. et al. Transgenic mice for intersectional targeting of neural sensors and effectors with high specificity and performance. Neuron 85, 942–958 (2015).

3 Veldman, M. B. et al. Brainwide genetic sparse cell labeling to illuminate the morphology of neurons and glia with Cre-dependent MORF mice. Neuron 108, 111–127.e116 (2020).

4 Wang, X. et al. Chemical sectioning fluorescence tomography: high-throughput, high-contrast, multicolor, whole-brain imaging at subcellular resolution. Cell Rep. 34, 108709 (2021).

5 Peng, H., Bria, A., Zhou, Z., Iannello, G. & Long, F. Extensible visualization and analysis for multidimensional images using Vaa3D. Nat. Protoc. 9, 193–208 (2014).

6 Peng, H., Ruan, Z., Long, F., Simpson, J. H. & Myers, E. W. V3D enables real-time 3D visualization and quantitative analysis of large-scale biological image data sets. Nat. Biotechnol. 28, 348–353 (2010).

7 Wang, Q. et al. The Allen Mouse Brain Common Coordinate Framework: a 3D reference atlas. Cell 181, 936–953.e920 (2020).

8 Tasic, B. et al. Shared and distinct transcriptomic cell types across neocortical areas. Nature 563, 72–78 (2018).

9 Matho, K. S. et al. Genetic dissection of the glutamatergic neuron system in cerebral cortex. Nature https://doi.org/10.1038/s41586-021-03955-9 (2021).

10 Yao, Z. et al. A taxonomy of transcriptomic cell types across the isocortex and hippocampal formation. Cell 184, 3222–3241.e3226 (2021).

2

Nature Methods：东南大学/安徽大学研发跨模态脑配准技术

理解大脑的结构和功能是脑科学最具挑战的前沿科学问题。近期高分辨率生物显微成像技术、稀疏标记和神经元数字化重建等技术的发展使得脑图像数据的时空跨度已达到十几个数量级。如何打破数据模态和时空壁垒，在统一的坐标空间下融合不同个体、标记和成像模态等数据信息全景式解析脑联接和功能图谱是当前脑科学包括近期启动的“中国脑计划”的重要研究方向，也是领域内亟待解决的一个关键挑战。

2021年12月9日，东南大学脑科学与智能技术研究院彭汉川教授团队与安徽大学屈磊教授团队，联合美国艾伦脑科学研究所、上海大学、腾讯天衍实验室、华中科技大学/海南大学、中国科学技术大学/深圳先进技术研究院、西奈山伊坎医学院、UCLA等多个国内外团队在Nature Methods（《自然·方法》）在线发表题为“Cross-Modal Coherent Registration of Whole Mouse Brains”的最新研究。该研究提出了相干标记点映射（Coherent Landmark Mapping, CLM）配准框架并建立了跨模态脑数据配准管线——mBrainAligner。基于该管线团队构建了首个fMOST模态鼠脑图谱，完成了1741个小鼠完整形态神经元重建数据的全脑映射，为当前神经细胞普查和脑图谱研究提供重要支撑。

安徽大学教授/东南大学兼职教授屈磊和安徽大学2019级博士研究生李园园为文章的共同第一作者，东南大学脑科学与智能技术研究院彭汉川教授为文章的通讯作者。

鉴于脑结构和功能的复杂性，其系统化解析需要综合来自不同个体、不同发育阶段、不同尺度、不同成像和标记模态甚至不同物种的脑数据信息。得益于多个大型国际脑研究项目（如BRAIN Initiative Cell Census Network - BICCN、MouseLight等）的实施，使用不同分辨率、高通量成像技术（如STPT、fMOST、LSFM、VISoR、MRI）的全脑成像数据正以前所未有的速度产生。将这些不同模态的脑图像和神经元重建数据映射/配准到一个公共坐标空间不仅是后继神经元连接性、脑区投射、基因表达定量、脑结构和功能定量分析等神经生物学研究的前提，相关的跨模态脑配准同时也是构建脑空间定位图谱和神经联接图谱的关键使能技术。然而不同标记方法、样本制备和成像方式导致数据在亮度、纹理和解剖结构上差异巨大，高精度跨模态脑配准仍然是当前的一个瓶颈。

图1. mBrainAligner系统总体示意

针对上述问题，研究团队提出了基于相干标记点映射（Coherent Landmark Mapping, CLM）的图像配准框架。不同于现有“检测-匹配-筛选”策略，CLM采用“检测-映射/形变”策略建立图像间的密集对应关系，突破了跨模态配准中不可靠匹配点鉴定和筛选困难、标记点匹配易受局部极小干扰、有效匹配点数量难以控制以及图谱中脑区形状和相对位置先验利用率低等瓶颈问题。

以CLM为基础，研究团队构建了一套含图像预处理、自动全局配准、自动局部配准和半自动配准的完整跨模态配准管线——mBrainAligner（图1），以系统化应对模式生物跨模态脑配准挑战。作为东南大学脑科学与智能技术研究院全脑神经元重建以及分析平台的关键模块之一，基于mBrainAligner，团队通过逆映射CCFv3构建了首个fMOST模态鼠脑图谱，将CCFv3的应用从神经元群体水平拓展到单细胞水平；首次在单细胞分辨率下进行了小鼠神经元投射的拓扑分析；通过在全脑神经元重建以及分析平台内整合mBrainAligner模块和团队前期提出的高通量神经元的重建模块Vaa3D-TeraVR（Nature Communication, 2019）以及神经元分析模块mBrainAnalyzer（Nature，2021），团队完成了31个高分辨率fMOST脑图像及1741个小鼠全脑神经元形态重建数据到CCFv3图谱的映射，给出了mBrainAligner在脑区划分、体细胞定位和轴突投射预测等任务以及STPT、fMOST、LSFM、VISoR和MRI模态脑图像间的交叉配准应用示例（图2），为大规模全脑单细胞神经元形态分析和类型鉴定提供了重要支撑（相关研究结果于10月6日在《Nature》文章发表）。

图2. 基于mBrainAligner的脑区划分和神经元全脑映射分析

神经元的稀疏标记由艾伦脑科学研究所曾红葵团队完成并交由华中科技大学骆清铭教授（现海南大学）和龚辉教授团队提供fMOST全脑成像，LSFM、VISoR全脑成像数据分别由西奈山伊坎医学院吴朱昊教授团队和中国科学技术大学/深圳先进技术研究院毕国强教授团队提供，东南大学彭汉川教授团队联合上海大学王宜敏博士团队提供了单细胞神经元重建数据集，东南大学和安徽大学负责所有数据的管理和分析，腾讯天衍实验室提供了mBrainAligner的网络端调用处理平台，多家单位都参与了数据大规模生产和质量控制。

在2021年10月Nature（《自然》）主刊同期发表的两篇文章“Morphological Diversity of Single Neurons in Molecularly Defined Cell Types”和“A Multimodal Cell Census and Atlas of the Mammalian Primary Motor Cortex”，研究团队的跨模态脑配准技术都提供了重要支撑。

该研究工作由东南大学脑科学与智能技术研究院牵头，得到国家自然科学基金（61871411、32071367、U20A6005）、安徽省高校协同创新项目（GXXT-2019-008、GXXT-2021-001）的资助，以及安徽大学计算智能与信号处理教育部重点实验室、信息材料与智能感知安徽省实验室、安徽大学超算中心、安徽大学国际脑科学中心和合肥综合性国家科学中心人工智能研究院的支持。

文章链接：

1. Nature Methods. 2021, DOI: 10.1038/s41592-021-01334-w 

1. Nature. 2021, DOI: 10.1038/s41586-021-03941-1

1. Nature. 2021, DOI: 10.1038/s41586-021-03950-0 

相关阅读：