EASI-PASS: An accessible pipeline for linking functional imaging and mRNA profiling

Das Gehirn ist ein riesiges, komplexes Netzwerk, in dem jede Zelle eine spezifische Aufgabe und eine einzigartige Identität hat. Um zu verstehen, wie das Gehirn funktioniert, müssen Wissenschaftler oft zwei Fragen gleichzeitig beantworten: Was macht eine Zelle gerade, und was für eine Art von Zelle ist sie? Stellen Sie sich vor, Sie versuchen, eine Stadt zu verstehen, indem Sie Menschen beobachten, die sich durch die Straßen bewegen, aber ohne deren Namen oder Berufe zu kennen. Sie sehen vielleicht jemanden, der rennt, um einen Bus zu erwachen, oder jemanden, der still in einem Park steht, aber Sie können nicht wissen, ob es ein Arzt, ein Lehrer oder ein Student ist, es sei denn, Sie haben eine Möglichkeit, diesen Moment des Handelns mit seiner persönlichen Geschichte zu verknüpfen. In der Neurowissenschaft ist diese Verknüpfung schwierig, da die Werkzeuge, die verwendet werden, um die Bewegung und das Feuern von Zellen zu beobachten, oft andere sind als die Werkzeuge, die dazu dienen, die genetischen Anweisungen zu lesen, die sie definieren. Eine Methode erfasst die lebendige, bewegliche Aktivität der Zellen, während eine andere den molekularen Code in Zellen liest, die konserviert und an Ort und Stelle eingefroren wurden. Bis jetzt war die Verbindung dieser beiden Ansichten derselben Zelle ein langsamer und unvollkommener Prozess, der oft erforderte, dass Wissenschaftler das Gewebe so dünn schnitten, dass der dreidimensionale Kontext verloren ging, oder dass sie raten mussten, welche Zelle in einem Live-Bild mit welcher Zelle in einer konservierten Probe übereinstimmte.

Forscher haben eine neue Methode namens EASI-PASS entwickelt, um dieses Problem zu lösen, indem sie einen zuverlässigen Weg schaffen, Live-Bildgebung mit molekularer Profilierung zu verschmelzen. Der Prozess beginnt damit, tausende von Zellen in einem lebenden Stück Hirngewebe zu beobachten und dabei deren Formen und Positionen aufzuzeichnen, während sie auf spezifische Signale reagieren. Sobald diese Live-Aufzeichnung abgeschlossen ist, wird dasselbe Gewebe einem speziellen chemischen Prozess unterzogen, der es expandiert, wodurch die Zellen größer und leichter sichtbar werden, und es anschließend klärt, damit Licht durch die gesamte Dicke der Probe dringen kann. Dies ermöglicht es Wissenschaftern, Standardmikroskope zu verwenden, um detaillierte Bilder des Inneren des Gewebes aufzunehmen und nach den spezifischen genetischen Markern zu suchen, die jede Zellart identifizieren. Die Kernleistung der neuen Methode ist ein Computersystem, das die Formen und Positionen der Zellen, die in der Live-Aufzeichnung gesehen wurden, mit den Zellen abgleichen kann, die im expandierten, geklärten Gewebe zu sehen sind. Es ist, als würde man ein Foto einer Menge aus der Vogelperspektive machen und dann jede Person in diesem Foto mit einem detaillierten Ausweis abgleichen, der in einem separaten, dicken Buch gefunden wurde, ohne das Buch in dünne Seiten schneiden zu müssen. Das System stellt erfolgreich die molekulare Identität von etwa 78 Prozent der verfolgten Zellen wieder her, was eine signifikante Verbesserung gegenüber bisherigen Techniken darstellt, die auf der Ausrichtung dünner Gewebeschnitte basierten.

Die Leistungsfähigkeit dieses Ansatzes wurde in zwei verschiedenen Teilen des Mäusegehirns getestet, um zu sehen, wie er neue Details über die Gehirnfunktion offenlegen kann. In einem Experiment konzentrierten sich die Forscher auf eine kleine Region namens Nucleus parabrachialis, der Signale vom Rückenmark empfängt. Indem sie diese weitreichenden Verbindungen mit Licht stimulierten, während sie die Zellen beobachteten, konnten sie genau identifizieren, welche molekularen Typen von Neuronen die Signale empfangen. Die Ergebnisse zeigten eine hohe Spezifität, was bedeutet, dass nur bestimmte Arten von Zellen auf den Input reagierten, anstatt einer zufälligen Mischung aller verfügbaren Zellen. In einem zweiten Experiment untersuchte das Team den visuellen Kortex wacher Mäuse und beobachtete, wie verschiedene Gruppen von Zellen ihre Aktivität veränderten, während die Tiere wachsamer wurden. Sie fanden heraus, dass die Art und Weise, wie diese Zellen miteinander kommunizieren, von ihrer Lage und ihrer spezifischen Klasse abhängt, wobei einige Gruppen starke Verbindungen zeigten, die mit zunehmender Distanz zwischen ihnen schwächer wurden. Diese Erkenntnisse zeigen, dass die neue Methode die zelluläre Aktivität zuverlässig mit der molekularen Identität in Einklang bringen kann und somit einen klareren Blick darauf bietet, wie die vielfältigen Zelltypen des Gehirns zusammenarbeiten, um Informationen zu verarbeiten.