Functional imaging of nine distinct neuronal populations under a miniscope in freely behaving animals

本研究では、既存のミニスコープ技術のスペクトル制限を克服し、同一の GRIN レンズを通じて 9 種類の異なる神経集団の活動と行動を同時に解読するための「Neuroplex」と呼ばれる新しいイメージングパイプラインを開発しました。

要約

この論文は、**「自由に動き回る動物の脳の中で、たった一つのレンズを通して、9 種類もの異なる神経細胞を同時に区別して観察できる新しい技術」**を紹介する画期的な研究です。

難しい専門用語を避け、日常の例えを使ってわかりやすく解説します。

🧠 従来の課題：「色あざやかな絵」が見えない

これまで、自由に動き回るネズミの脳を調べるには「ミニスコープ」という小さな顕微鏡を頭に装着していました。これは素晴らしい技術ですが、**「同時に見られる色が 2 色まで」**という大きな限界がありました。

• 例え話：
  Imagine 想像してください。あなたは混雑した駅で、人々の動きをカメラで撮影しています。しかし、カメラが**「赤い服」と「青い服」しか区別できない**とします。
  • 「赤い服」＝ 特定の役割を持つ神経細胞
  • 「青い服」＝ もう一つの役割を持つ神経細胞
  • 問題点： もし「黄色」「緑」「紫」など、もっと多くの種類の細胞（役割）を同時に観察したい場合、従来のカメラではすべてが「茶色」や「灰色」に見えてしまい、誰が誰なのか判別できません。そのため、研究者は「赤い服の人」を調べる実験と「青い服の人」を調べる実験を別々のネズミで行う必要があり、同じ脳の中でどう連携しているかを知ることは難しかったのです。

💡 新技術「Neuroplex（ニューロプレックス）」：「スペクトル・指紋」で識別する

この論文で紹介されている**「Neuroplex」**という新しい方法は、この限界を突破します。

1. 9 色の「蛍光ペン」を脳に注入

研究者は、脳内の神経細胞に、9 種類の異なる色（蛍光タンパク質）を光らせるウイルスを注入しました。これにより、それぞれの神経細胞が異なる色で光るようになります。

2. 「指紋」で区別する

ここで重要なのが、単に「赤」や「緑」という色名で区別するのではなく、**「光の指紋（スペクトル）」**で区別する点です。

• 例え話：
  9 人の人がそれぞれ異なる色のペンを持っていますが、そのペンが放つ光は微妙に「波長（音のトーンのようなもの）」が違います。
  • 従来の方法：「赤い光」か「青い光」か、大まかにしか見れない。
  • Neuroplex の方法： 各ペンの光をプリズムのように細かく分解し、「この光は A さんの指紋、あの光は B さんの指紋」と、光の微妙な癖（指紋）まで読み取ることができます。これにより、9 色すべてを一度に区別できるのです。

3. 頭の中の「GRIN レンズ」を通した撮影

脳には「GRIN レンズ」という特殊なガラス棒が埋め込まれています。これを通して、頭につけたミニスコープで行動中のネズミの脳を撮影します。

• 課題： このガラス棒は、色によって焦点の位置がズレる（色収差）という欠点がありました。
• 解決策： 研究者は、このズレを数学的に計算して補正するプログラムを開発しました。まるで、歪んだ鏡をデジタルで補正して、くっきりとした画像を作るようなものです。

🚀 どのように使われるのか？（具体的な手順）

1. 行動観察（ミニスコープ）：
   ネズミに社会性のテスト（他のネズミとの交流など）をさせながら、頭につけたミニスコープで「どの神経細胞が活発に動いているか」を記録します。

   • 「あ、この細胞は攻撃的な行動の時に光ったな！」とわかります。

2. 指紋採取（コンフォーカル顕微鏡）：
   行動が終わった後、ネズミを麻酔にかけて、同じレンズを通して高解像度の顕微鏡で撮影します。ここで、先ほど記録した「光った細胞」が、「どの色の指紋（9 色のどれ）」を持っているかを調べます。

3. データ結合：
   「行動中の活動データ」と「細胞の色（指紋）データ」をコンピュータで重ね合わせます。

   • 結果： 「攻撃的な行動をしたのは、『青い指紋』を持つ細胞だった！」「『緑の指紋』を持つ細胞は、新しい友達に会う時に反応していた！」といった、細胞ごとの役割と行動の関係を、たった一匹のネズミの中で解明できます。

🌟 この技術のすごいところ

• 一人のネズミで全部わかる： これまでは「赤い細胞」を調べるネズミと「青い細胞」を調べるネズミを別々に用意して比較していましたが、今は一匹のネズミの中で 9 種類の細胞を同時に比較できます。これにより、より正確で信頼性の高いデータが得られます。
• 長期的な観察が可能： 動物を殺さずに（生きたまま）何度も同じ細胞を調べるので、学習や記憶がどう変化するのかを、時間軸を追って観察できます。
• 複雑な回路の解明： 脳は複雑なネットワークですが、この技術を使えば「どの細胞が、どこへつながっていて、どんな行動をしているか」という、脳内の「交通網」を詳しく地図化できるようになります。

まとめ

この研究は、**「頭につけた小さなカメラで、動き回る動物の脳の中で、9 種類の異なる神経細胞を、光の『指紋』で区別しながら観察する」という、まるで「混雑した駅で、9 種類の異なる制服を着た人々を、一人ひとり識別して動きを追跡する」**ような画期的な技術を開発したものです。

これにより、脳がどのように行動を生み出しているのか、これまで以上に深く、詳細に理解できるようになるでしょう。

技術概要

Phillips et al.「Miniscope 内でのマルチカラーニューロン同定」技術サマリー

本論文は、自由行動中の動物における頭部装着型ミニスコープ（miniscope）を用いた機能性イメージングの限界を克服し、単一の動物内で最大 9 種類の異なる神経細胞集団を同時に識別・追跡できる新しいパイプライン「Neuroplex」を開発したことを報告しています。

以下に、問題意識、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 背景と課題（Problem）

システム神経科学の重要な目標は、細胞種特異的な活動がどのように行動を生み出すかを理解することです。頭部装着型ミニスコープは自由行動中の動物でのカルシウムイメージングを可能にしましたが、以下の技術的制約により、一度の実験で識別できる細胞種の数が限られていました。

• スペクトル容量の限界: 現在のミニスコープは、光学系やフィルタセットの物理的制約により、通常 1〜2 種類の蛍光色素（主に GCaMP と 1 種類の赤色蛍光色素）のみを区別できます。
• GRIN レンズの収差: 体内に埋め込まれる GRIN レンズ（勾配屈折率レンズ）は、波長によって焦点面がずれる「軸方向の色差収差」を引き起こします。これにより、異なる波長の蛍光が異なる深さで焦点を結ぶため、マルチカラーイメージングが困難になります。
• 既存手法の限界: 複数の細胞種を解析するには、異なる動物群で実験を繰り返す必要があり、同じ回路内の異なる細胞種を同時に比較することができませんでした。また、事後の免疫組織化学による同定は労力がかかり、経時的な追跡（ロングitudinal study）には不向きです。

2. 手法（Methodology: Neuroplex）

著者らは、ミニスコープによる機能記録と、同じ GRIN レンズを通じたマルチスペクトル共焦点イメージングを組み合わせる「Neuroplex」と呼ばれるパイプラインを開発しました。

• 3 ステップのプロセス:

  1. 機能イメージング: 行動中の動物で、GRIN レンズ搭載のミニスコープを用いて GCaMP6s のカルシウム活性を記録し、関心領域（ROI）を特定します。
  2. マルチスペクトル共焦点イメージング: 同じ動物を麻酔下で固定し、同じ GRIN レンズを通じて共焦点顕微鏡（ZEISS LSM 980）でスペクトルイメージングを行います。6 種類の励起レーザー（405nm〜639nm）を順次使用し、34 のスペクトルバンドで発光スペクトルを収集します。
  3. 画像登録と線形アンミキシング:
     • 画像登録: 血管パターンなどの解剖学的マーカーを用いて、ミニスコープ画像と共焦点画像を Python ベースのアルゴリズムで高精度に位置合わせ（co-registration）します。
     • 色差収差の補正: GRIN レンズによる軸方向の焦点シフトを測定し、Z スタックの平坦化やピンホールの拡大（350µm）により補正します。また、波長依存性の透過率をモデル化し、レーザー出力を調整します。
     • スペクトルアンミキシング: 事前に HEK293T 細胞で取得した各蛍光タンパク質の「スペクトル指紋」を基準とし、線形アンミキシングアルゴリズムを用いて、各 ROI のスペクトルデータからどの蛍光色素が含まれているかを算出します（β値の算出）。

• 二重パス（Dual-Pass）識別戦略:

  • 特定の蛍光色素が過剰に発現している場合、基準値との差が小さくなり検出されにくくなる（偽陰性）問題を解決するため、閾値を超えなかった ROI に対して、分布に基づいて動的に閾値を調整した「第 2 パス」の解析を実施し、検出率を向上させました。

3. 主要な貢献（Key Contributions）

• 9 種類の細胞種同時識別: 従来の 2 色から、9 種類の異なる蛍光色素（mTagBFP2, mTurquoise2, T-Sapphire, mVenus, mOrange2, mScarlet, FusionRed, mCyRFP1, mNeptune2.5）と GCaMP を同時に識別可能にしました。
• 経時的・同一動物内での解析: 組織固定を必要とせず、生きた動物の同じ GRIN レンズを通じて構造（細胞種）と機能（活動）をリンクさせることで、学習や疾患進行などの経時的な変化を追跡可能にしました。
• GRIN レンズ収差の体系的な補正: 銀ドープおよびリチウムドープの GRIN レンズにおける色差収差を定量的に評価し、Z 軸シフトや透過率の波長依存性を補正する具体的な手法を確立しました。
• 投影定義ニューロンの同定: 内側前頭前野（mPFC）から 9 つの異なる脳領域（BLA, NAc, VTA など）へ投射するニューロンを、逆行性 AAV によりラベルし、その投射先ごとの活動パターンを解析可能にしました。

4. 結果（Results）

• 識別精度: シミュレーションおよび実験データにより、9 種類の蛍光色素を区別する精度が確認されました。
  • 単一色素の識別精度は約 90% 以上、偽陽性率は 5% 未満でした。
  • 二重ラベル（1 つのニューロンが 2 つのターゲットへ投射）の解析では、少なくとも 1 つの色素を 91% の ROI で正しく識別し、両方の色素を 25% のケースで識別できました。
• 行動との関連付け: 社会的記憶タスクにおいて、投射先ごとに異なる行動選択性を示すことが確認されました。
  • 例：側坐核（NAc）へ投射するニューロンは、既知の個体と未知の個体への反応で選択的でした。
  • 例：外側視床下部（lHyp）へ投射するニューロンは特定の行動にのみ選択的でしたが、線条体（Str）へ投射するニューロンは最大 6 つの異なる行動に対して活動が変化しました。
• ロバスト性: 背景蛍光やノイズ、GCaMP の信号強度が変動する条件下でも、アルゴリズムは高い識別能力を維持しました。

5. 意義（Significance）

• 回路レベルの行動解析の革新: 単一の動物内で複数の神経細胞集団の活動を同時に追跡することで、異なる細胞種間の相互作用や、行動に対する細胞種特異的な寄与をより直接的に解明できます。
• 実験効率の向上: 異なる動物群間での比較に依存する必要がなくなり、個体差の影響を排除した統計的検出力の高い実験が可能になります。
• 将来の応用: この手法は、学習、適応、疾患モデルにおける神経回路の動的変化を、細胞種レベルで長期的に追跡するための強力な基盤を提供します。また、核局在型リポーターやより高度な確率論的クラスификаторとの組み合わせにより、さらに精度を高める余地があります。

総じて、Neuroplex は、ミニスコープイメージングのスペクトル制限を打破し、自由行動中の動物における高次元の細胞種分解能を持つ機能イメージングを実現した画期的な技術です。