Combining brain-wide activity imaging with electron microscopy reveals a distributed nociceptive network in the brain

Diese Studie stellt eine neuartige Methodik vor, die Ganzhirn-Aktivitätsbildgebung mit volumetrischer Elektronenmikroskopie kombiniert, um in der Drosophila-Larve ein verteiltes nozizeptives Netzwerk zu identifizieren, das 25 verschiedene neuronale Linien umfasst und Einblicke in die zentrale Verarbeitung von Nozizeptoren bietet.

Das Wesentliche

Stellen Sie sich vor, das Gehirn eines kleinen Insekts (einer Drosophila-Larve) ist eine riesige, dunkle Bibliothek. Die Wissenschaftler wollten herausfinden, welche Bücher (Neuronen) in dieser Bibliothek aufschlagen, wenn das Tier Schmerz empfindet.

Das Problem: In einer normalen Bibliothek sind die Bücher nur nach ihrer Position im Regal sortiert. Aber im Gehirn ist die Position eines Neurons (sein Zellkern) nicht genug, um es zu identifizieren. Ein Neuron ist wie ein Buch, dessen Titel man nicht am Regal lesen kann, sondern nur, wenn man die einzelnen Seiten (die Verbindungen und Fortsätze des Neurons) genau betrachtet.

Hier ist die Geschichte der Studie, einfach erklärt:

1. Das Problem: Die "Blurry"-Kamera

Früher hatten die Forscher zwei Werkzeuge, die nicht zusammenpassten:

• Das Licht-Mikroskop (LSM): Das war wie eine Kamera mit Weitwinkelobjektiv. Sie konnte das ganze Gehirn auf einmal filmen und sehen, welche Bereiche hell aufleuchten (aktiv werden), wenn das Tier Schmerz hat. Aber das Bild war zu unscharf, um zu erkennen, welches genau das leuchtende Neuron ist. Man sah nur einen Lichtfleck, aber nicht den Namen des Buches.
• Das Elektronen-Mikroskop (EM): Das war wie ein extrem scharfer Mikroskop-Makro-Objektiv. Es konnte jeden einzelnen Nervenfaser-Zweig (die "Seiten" des Buches) so detailliert abbilden, dass man das Neuron eindeutig identifizieren konnte. Aber dieses Mikroskop war zu langsam, um das ganze Gehirn in Aktion zu filmen. Es war wie ein Fotoapparat, der nur ein einziges Buchblatt pro Stunde scharf abbilden konnte.

2. Die geniale Lösung: Ein Gehirn, zwei Fotos

Die Forscher haben einen cleveren Trick angewendet, den man sich wie eine Zeit-Reise-Methode vorstellen kann:

1. Der erste Shot (Das Live-Video): Zuerst haben sie das lebende Gehirn der Larve unter dem Licht-Mikroskop beobachtet. Sie haben dem Tier einen leichten "Schmerzreiz" gegeben (durch Licht aktiviert) und gefilmt, welche Neuronen aufleuchteten. Sie wussten also: "Aha, diese 119 Lichtfleckchen reagieren auf Schmerz!"
2. Der zweite Shot (Der scharfe Scan): Sofort danach haben sie dasselbe Gehirn eingefroren und unter dem extrem scharfen Elektronen-Mikroskop gescannt. Jetzt hatten sie eine hochauflösende Landkarte aller Nervenbahnen.
3. Der Match (Das Puzzle): Das Schwierigste war, die beiden Bilder zusammenzubringen. Die Forscher haben wie Detektive gemeinsame "Landmarken" (wie bestimmte Ecken im Gehirn) gesucht und die beiden Datensätze wie zwei transparente Folien übereinandergelegt.
   • Die Analogie: Stellen Sie sich vor, Sie haben ein unscharfes Foto von einem Menschen, der winkt (das Licht-Mikroskop). Dann machen Sie ein extrem scharfes Porträt desselben Menschen (das Elektronen-Mikroskop). Wenn Sie das unscharfe Foto auf das scharfe legen, können Sie genau sehen: "Oh, der Mann, der winkt, ist der mit dem blauen Hut und dem Schnurrbart!"

3. Was sie entdeckt haben: Ein verstreutes Netzwerk

Als sie die "Schmerz-Neuronen" identifiziert hatten, kamen sie zu einigen überraschenden Ergebnissen:

• Es ist kein einzelner Raum, sondern ein ganzes Gebäude: Schmerz wird nicht nur in einem kleinen "Schmerz-Zentrum" verarbeitet. Stattdessen ist es wie ein Orchester, bei dem Musiker aus 25 verschiedenen Abteilungen (Linien) im ganzen Gehirn zusammenarbeiten.
• Die Überraschung: Manche Neuronen, die sie gefunden haben, kannte man eigentlich nur aus anderen Zusammenhängen.
  • Die "Lern-Neuronen" (Mushroom Body): Es gab Neuronen, die normalerweise für das Lernen und Gedächtnis zuständig sind (wie Schüler, die sich Dinge merken). Die Forscher fanden heraus, dass diese auch auf Schmerz reagieren! Das ist, als ob ein Schüler, der gerade eine Mathe-Formel lernt, plötzlich auch auf einen lauten Knall reagiert. Es bedeutet, dass das Gehirn Schmerz und Lernen enger verknüpft hat als gedacht.
  • Die "Duft-Neuronen": Auch Neuronen, die normalerweise nur Gerüche verarbeiten, schauten bei Schmerz mit. Das Gehirn mischt also die Sinne: Schmerz ist nicht nur Schmerz, sondern wird mit anderen Eindrücken verknüpft.
• Die "Boten": Sie fanden auch Neuronen, die wie Boten funktionieren. Sie nehmen den Schmerz im Gehirn auf und schicken eine Nachricht zurück an den Körper, damit das Tier wegrollt (die Fluchtreaktion).

4. Der Beweis: Der Einzeltest

Um sicherzugehen, dass ihre Methode funktioniert, haben sie drei der gefundenen Neuronen ausgesucht und mit einem speziellen Werkzeug (Genetik) markiert. Sie haben diese einzelnen Neuronen isoliert betrachtet und gesehen: "Ja, genau diese drei leuchten wirklich auf, wenn Schmerz kommt." Das war der Beweis, dass ihre "Zwei-Foto-Methode" funktioniert.

Fazit

Diese Studie ist wie der Bau einer vollständigen Landkarte, auf der nicht nur die Straßen (die Verbindungen) eingezeichnet sind, sondern auch, wo der Verkehr (die Aktivität) hinfährt, wenn es brennt.

Die Forscher haben gezeigt, dass man, um zu verstehen, wie das Gehirn funktioniert, nicht nur die Struktur (die Straßenkarte) oder nur die Aktivität (den Verkehr) betrachten darf. Man muss beides kombinieren. Und das Ergebnis war eine Überraschung: Das Gehirn verarbeitet Schmerz viel breiter und vernetzter, als wir dachten – es nutzt dabei sogar Bereiche, die wir eigentlich nur für Lernen und Gerüche kannten.

Kurz gesagt: Sie haben den "Schmerz-Code" im Gehirn entschlüsselt, indem sie ein unscharfes Live-Video mit einer hochauflösenden Landkarte kombiniert haben, und dabei herausgefunden, dass das Gehirn Schmerz viel kreativer und vernetzter verarbeitet als bisher angenommen.

Technische Zusammenfassung

Technische Zusammenfassung: Kombination von Gehirn-weiter Aktivitätsbildgebung und Elektronenmikroskopie zur Aufdeckung eines verteilten nozizeptiven Netzwerks

1. Problemstellung

Ein fundamentales Hindernis im Verständnis neuronaler Schaltkreise besteht darin, funktionelle Aktivitätsmuster (was ein Neuron tut) mit der synaptischen Auflösung der Schaltkreisarchitektur (wie es verbunden ist) zu verknüpfen.

• Limitierung der Lichtmikroskopie (LSM): Fortschritte in der Lichtblattmikroskopie (LSM) ermöglichen zwar die bildgebende Erfassung der Aktivität aller Neuronen im gesamten Gehirn mit zellulärer Auflösung, jedoch ist die Position der Zellkörper (Somas) in Organismen wie der Drosophila-Larve oft nicht ausreichend, um spezifische Neuronentypen zu identifizieren. Neuronen werden primär über ihre Projektionsmuster (Axone/Dendriten) identifiziert, die in LSM-Datensätzen aufgrund der begrenzten Auflösung in dicht gepackten Neuropil-Bereichen nicht aufgelöst werden können.
• Limitierung der Elektronenmikroskopie (EM): Vollständige Connectome (z. B. das Drosophila-Larven-Connectome) bieten zwar synaptische Auflösung und Identifizierung durch Projektionsmuster, liefern aber keine Informationen über die Aktivität dieser Neuronen während spezifischer Verhaltensaufgaben.
• Herausforderung: Es fehlte eine Methode, um die Aktivität spezifischer Neuronen aus LSM-Daten mit deren struktureller Identität und Konnektivität aus EM-Daten desselben Individuums zu korrelieren.

2. Methodik

Die Autoren entwickelten einen neuartigen Workflow, der funktionelle Bildgebung und volumetrische Elektronenmikroskopie (vEM) desselben Gehirns kombiniert:

• Experimentelles Setup:

  • Modellorganismus: Drosophila melanogaster Larven (1. Instar).
  • Genetische Manipulation: Pan-neuronale Expression des Calcium-Indikators RGECO1a zur Aktivitätsmessung. Selektive optogenetische Aktivierung der primären nozizeptiven Interneuronen im Nervenstrang (sogenannte Basins) mittels Chronos.
  • Stimulierung: Gezielte optogenetische Stimulation der Basins im vierten abdominalen Segment während der Bildgebung.

• Bildgebungsprozess:

  1. Funktionelle Bildgebung (LSM): Multi-View-Lichtblattmikroskopie (SiMView) des gesamten Nervensystems mit einer Volumenfrequenz von 2,87 Hz. Erfassung von 18 Stimulationszyklen.
  2. Elektronenmikroskopie (EM): Unmittelbar nach der LSM-Bildgebung wurde dasselbe Präparat chemisch fixiert, gefärbt (OTO-Protokoll mit Bleiaspartat zur Kontraststeigerung) und mit einem enhanced Focused Ion Beam Scanning Electron Microscope (eFIB-SEM) abgebildet.
  3. Auflösung: Die EM-Auflösung betrug 12 x 12 x 12 nm/Voxel. Dies ist etwas geringer als die 8 nm-Auflösung für adulte Fliegen, wurde jedoch gewählt, um die Bildgeschwindigkeit zu erhöhen und dennoch die Verfolgung mittelgroßer neuronaler Projektionen zu ermöglichen.

• Datenintegration und Analyse:

  • Registrierung: Die LSM- und EM-Volumen wurden mittels 51 gemeinsamen Landmarken im Gehirn unter Verwendung einer Thin-Plate-Spline-Transformation (TPS) zueinander registriert.
  • Segmentierung & Projektion: Zellkerne wurden im EM-Volumen segmentiert (Stardist) und in den LSM-Raum projiziert, um die Calcium-Signale einzelner Zellen zu extrahieren.
  • Statistische Analyse: Stimulus-antwortende Neuronen wurden durch t-Tests mit False-Discovery-Rate-Korrektur (Benjamini-Hochberg) identifiziert.
  • Rekonstruktion & Identifikation: Die Axone der signifikant reagierenden Neuronen wurden manuell im EM-Volumen rekonstruiert (CATMAID). Durch Vergleich der Projektionsmuster mit dem Referenz-Connectome (Winding et al., 2023) wurden die Neuronen-Linien (Lineage) und individuelle Identitäten bestimmt.
  • Validierung: Für eine Subgruppe identifizierter Neuronen wurden spezifische GAL4-Linien genutzt, um GCaMP8s selektiv zu exprimieren und die Reaktion auf Basin-Stimulation mittels Zwei-Photonen-Mikroskopie in unabhängigen Tieren zu validieren.

3. Wichtige Ergebnisse

• Identifikation nozizeptiver Neuronen: Von ca. 3.000 Gehirnneuronen reagierten 119 Neuronen (~4%) signifikant auf die Aktivierung der nozizeptiven Basins.
• Verteiltes Netzwerk: Die reagierenden Neuronen stammen aus 25 verschiedenen neuronalen Linien und verteilen sich auf viele verschiedene Gehirnareale.
• Konnektivität und Hop-Distanz:
  • Neuronen aus Linien, die direkten Input (2-Hop-Pfad über ascendierende Projektionsneuronen) von den Basins erhalten, reagierten signifikant häufiger (67%) als solche mit indirekterem Input (22%).
  • Vier Hauptlinien (BLAv1/2, BLVa3/4, BLVp1/p2, BLD2-4) trugen 57% aller reagierenden Neuronen bei.
• Neuartige Entdeckungen:
  • Sensorische Integration: Neuronen, die olfaktorische (laterale Horn-Neuronen, LHNs) und gustatorische Informationen verarbeiten, reagierten auf nozizeptive Reize.
  • Mushroom Body (MB): Überraschenderweise reagierten auch Kenyon-Zellen (KCs) (intrinsische Neuronen des Lernzentrums) und ein MB-Ausgangsneuron (MBON-q1) auf nozizeptive Stimulation. Dies war zuvor nicht bekannt, da KCs meist nur mit konditionierten Reizen assoziiert wurden.
  • Absteigende Neuronen (DNs): Ein Drittel der identifizierten Neuronen waren absteigende Neuronen (DNs), die Signale vom Gehirn zum Nervenstrang (VNC) oder zum subösophagealen Zentrum (SEZ) leiten.
  • Schaltkreise: Es wurden "Hub"-Neuronen identifiziert, die als Integratoren fungieren, sowie rekurrente Feedback-Schleifen zu den Basins. Ein direkter Pfad von Basins zu den KCs (5 Hops) und zu dem Kommandoneuron für die Roll-Fluchtreaktion (Gorogoro) wurde aufgezeigt.
• Validierung: Die durch den LSM/EM-Workflow identifizierten Neuronen (z. B. DNsez-1, CSD, KCs) zeigten in der gezielten Zwei-Photonen-Validierung reproduzierbar die gleichen Aktivierungsmuster wie im gesamten Gehirn.
• Funktionelle Rolle der KCs: Die optogenetische Inaktivierung von KCs während der nozizeptiven Stimulation führte zu einer signifikanten Reduktion der angeborenen Roll-Fluchtreaktion. Dies deutet darauf hin, dass KCs nicht nur beim Lernen, sondern auch bei der Angeborenen Verhaltenssteuerung eine Rolle spielen.

4. Bedeutung und Beitrag

• Methodologischer Durchbruch: Die Studie demonstriert erfolgreich einen Workflow, um funktionelle Aktivitätskarten (LSM) direkt auf hochauflösende Konnektom-Daten (EM) desselben Individuums zu projizieren. Dies überwindet das Problem der Identifizierung von Neuronen basierend auf Zellkörperpositionen allein.
• Erweiterung des nozizeptiven Netzwerks: Es wird gezeigt, dass die Verarbeitung von Nozizeption im Insektenhirn nicht auf wenige spezifische Regionen beschränkt ist, sondern ein hochverteiltes Netzwerk umfasst, das sensorische Modalitäten integriert und angeborene sowie lernbasierte Verhaltenswege beeinflusst.
• Ressource für die Zukunft: Die identifizierten Neuronen und Linien bieten eine wertvolle Ressource für zukünftige Studien. Der Ansatz ermöglicht es, Aktivitätsmuster für eine Vielzahl von Verhaltensaufgaben auf das Connectome zu legen, was für ein umfassendes Verständnis der Schaltkreisfunktion essenziell ist.
• Skalierbarkeit: Obwohl die manuelle Rekonstruktion bei 12 nm-Auflösung limitiert war, zeigt die Studie, dass diese Auflösung für die Identifikation von Neuronen ausreicht. Mit steigender Geschwindigkeit der EM-Bildgebung und automatisierter Segmentierung (bei 8 nm) könnte dieser Ansatz auf größere Gehirne und größere Stichprobengrößen angewendet werden.

Zusammenfassend liefert diese Arbeit einen neuen Rahmen, um die Lücke zwischen Struktur und Funktion im Gehirn zu schließen, und offenbart überraschende Verbindungen zwischen nozizeptiven Reizen und Lernzentren im Drosophila-Gehirn.