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

Deze studie introduceert Neuroplex, een nieuwe pipeline die miniscope-opnames combineert met multiplexed confocale spectrale beeldvorming om negen verschillende neuronale populaties via één GRIN-lens te onderscheiden, waardoor de beperkingen van de huidige kleurenspectra voor het bestuderen van circuit-gerelateerd gedrag worden opgeheven.

De kern

Titel: De "Kleurrijke Camera" voor de Hersenen: Hoe Wetenschappers Nu 9 Soorten Neuronen Tegelijk Kijken

Stel je voor dat je hersenen een enorme, drukke stad zijn vol met verschillende soorten werknemers: postbodes, brandweerlieden, politieagenten en bakkers. Tot nu toe konden wetenschappers met hun kleine, op het hoofd gedragen camera's (miniscopes) alleen maar zien dat er iets gebeurde in deze stad, maar ze konden de werknemers niet goed uit elkaar houden. Ze zagen alleen een groene gloed (als een groene uniform) en misschien één rode gloed. Dat is alsof je probeert te begrijpen hoe een stad werkt door alleen naar de postbodes en brandweerlieden te kijken, terwijl de politieagenten en bakkers onzichtbaar blijven.

Dit nieuwe onderzoek, genaamd Neuroplex, is als het vinden van een magische bril die alle kleuren van de regenboog kan onderscheiden, zelfs in een kleine camera. Hier is hoe het werkt, vertaald in simpele taal:

1. Het Probleem: De "Kleurverwarring"

De kleine camera's die op muizen worden geplaatst om hun gedrag te filmen, hebben een groot nadeel: ze kunnen maar twee kleuren tegelijk goed zien. Bovendien is het glas in de lens (het GRIN-lensje) niet perfect. Het werkt een beetje als een slechte bril die de kleuren verspreidt, waardoor het beeld wazig wordt en de kleuren door elkaar lopen.

2. De Oplossing: Een Tweestaps-Detectivewerk

De onderzoekers hebben een slimme methode bedacht, Neuroplex, die werkt als een tweestaps-detectivewerk:

• Stap 1: De Actie (De Miniscope): Eerst kijken ze naar de muizen terwijl ze vrij rondlopen en sociale interacties hebben. De camera ziet welke cellen "aan" gaan (ze licht op in het groen). Dit vertelt ons wat de cellen doen.
• Stap 2: De Identiteit (De Confocale Microscoop): Vervolgens nemen ze de muizen even mee naar een grote, superkrachtige microscoop (terwijl ze slapen van verdoving). Hier scannen ze dezelfde cellen met een regenboog van laserlicht. Omdat elke cel een unieke "spectrale vingerafdruk" heeft (een specifieke manier waarop het licht terugkaatst), kan de computer precies zien welke kleur elke cel heeft.

3. De Creatieve Analogie: De "Kleurrijke Postbodes"

Stel je voor dat je 9 verschillende soorten postbodes hebt, maar ze dragen allemaal bijna hetzelfde uniform.

• De oude manier: Je kon alleen zien wie er een brief bezorgde (groen licht), maar je wist niet of het een postbode naar de bank, het ziekenhuis of de school was.
• De nieuwe manier (Neuroplex): De onderzoekers hebben elke groep postbodes een heel specifiek, uniek gekleurd jasje laten dragen (9 verschillende kleuren!).
  • De camera ziet ze bewegen (groen licht van activiteit).
  • De computer kijkt daarna heel precies naar de kleur van het jasje (de spectrale vingerafdruk).
  • Door de beweging en de kleur te combineren, kunnen ze zeggen: "Ah, die specifieke postbode die zojuist een brief bezorgde, is een postbode naar het ziekenhuis!"

4. De Magische "Rekenmachine" (Linear Unmixing)

Omdat de kleuren soms door elkaar lopen (net als wanneer je rood en geel mengt krijg je oranje), gebruiken ze een slimme rekenmethode. Ze hebben eerst in een laboratorium (met cellen in een petrischaaltje) precies gemeten hoe elke kleur eruitziet. Vervolgens gebruiken ze die gegevens als een "recept" om in de levende muizen te berekenen: "Dit stukje licht is 60% blauw en 40% geel, dus dit is een cel die naar de blauwe bestemming gaat."

5. Waarom is dit geweldig?

• Meer dan ooit tevoren: Ze kunnen nu negen verschillende soorten neuronen tegelijk onderscheiden in één dier.
• Hetzelfde dier: Je hoeft niet 9 verschillende muizen te gebruiken (waarbij je nooit zeker weet of ze precies hetzelfde zijn). Je kijkt naar één muizen, met één camera, en ziet direct hoe al die verschillende groepen samenwerken.
• Toekomstgericht: Omdat je de muizen niet hoeft te doden om de kleuren te zien, kun je dezelfde muizen weken of maanden later weer bekijken. Zo kun je zien hoe hun hersenen veranderen terwijl ze leren of ziek worden.

Kortom:
Dit onderzoek is alsof we van een zwart-wit televisie zijn gegaan naar een 4K-kleurenbeeldscherm met 9 extra kanalen. We kunnen nu niet alleen zien dat de hersenen werken, maar we kunnen precies zien wie er aan het werk is en wat ze doen, allemaal terwijl het dier vrij rondloopt. Dit helpt ons om te begrijpen hoe gedrag, zoals sociale interacties, precies in elkaar zit.

Technische samenvatting

Titel: Multicolor neuronidentificatie binnen een miniscope: Functionele imaging van negen distincte neurale populaties in vrij bewegende dieren

1. Het Probleem

Hoewel head-mounted miniscopes (miniaturiseerde microscopen) revolutionair zijn geweest voor functionele calciumimaging in vrij bewegende dieren, stuiten ze op een fundamentele beperking: spectrale capaciteit.

• Beperkte kleurendiscriminatie: De meeste miniscopes kunnen maximaal twee spectrally distincte fluoroforen (meestal GCaMP in het groen en één rode marker) tegelijkertijd onderscheiden.
• Optische beperkingen: De gebruikte gradient-index (GRIN) lenzen veroorzaken ernstige chromatische aberraties (kleurafwijkingen) langs de optische z-as. Dit zorgt ervoor dat het brandpunt verschuift afhankelijk van de golflengte, wat het onmogelijk maakt om meerdere kleuren scherp in beeld te brengen binnen het beperkte focusbereik van de miniscope.
• Gevolg: Onderzoekers zijn vaak beperkt tot het bestuderen van één of twee celtypen per dier, of moeten verschillende dieren gebruiken voor verschillende celtypen, wat directe vergelijkingen binnen dezelfde neurale circuiten verhindert. Post-hoc immunohistochemie is arbeidsintensief en niet geschikt voor longitudinale studies.

2. Methodologie: De Neuroplex-pijplijn

De auteurs introduceren Neuroplex, een geïntegreerde pipeline die miniscope-opnames combineert met in vivo multiplexed confocale spectrale imaging door dezelfde GRIN-lens. De aanpak bestaat uit drie hoofdstappen:

1. Functionele Imaging (Miniscope):

   • Calciumactiviteit (GCaMP6s) wordt opgenomen tijdens gedragsexperimenten met een head-mounted miniscope.
   • Neuronen die actief zijn tijdens het gedrag worden geïdentificeerd als Regions of Interest (ROIs) met behulp van het CNMF-algoritme (Constrained Non-negative Matrix Factorization).

2. Spectrale Fingerprinting (Confocale Microscopie):

   • Na het gedragsexperiment wordt het dier onder narcose gebracht om beweging en GCaMP-fluctuaties te onderdrukken.
   • Via dezelfde GRIN-lens wordt er multiplexed spectrale imaging uitgevoerd met een confocale microscoop (ZEISS LSM 980).
   • Er worden zes excitatielasers (405–639 nm) achtereenvolgens gebruikt, en de emissie wordt gedetecteerd in 34 spectrale bins (350–750 nm). Dit levert een uniek "spectraal vingerafdruk" op voor elke pixel.
   • Correctie voor GRIN-aberraties: De auteurs karakteriseerden de chromatische aberraties van de GRIN-lens en pasten een correctiestrategie toe: het nemen van volledige z-stacks over het zichtbare spectrum en het gebruik van een grotere pinhole (350 µm) om emissie op langere golflengten (die anders uit het brandpunt zouden vallen) toch te detecteren. Laservermogens werden aangepast op basis van de golflengte-afhankelijke transmissie van de lens.

3. Co-registratie en Lineaire Unmixing:

   • Een Python-gebaseerd algoritme registreert de functionele ROIs (van de miniscope) op de confocale spectrale data. Dit gebeurt door anatomische landmarks (voornamelijk bloedvaten) te matchen via een twee-staps proces (ruwe en fijne afstelling van verschuiving en rotatie).
   • Lineaire Unmixing: Een algoritme past een lineaire regressie toe om de bijdrage van bekende spectrale vingerafdrukken (verkregen uit HEK293T-cellen) te bepalen voor elke ROI.
   • Dual-Pass Strategie: Om false negatives te minimaliseren bij oververtegenwoordigde fluoroforen, wordt een tweede pass uitgevoerd met dynamisch aangepaste drempelwaarden.

3. Belangrijkste Bijdragen

• Negen Fluoroforen: Het succesvol onderscheiden van negen verschillende retrograde AAV-gedragen fluoroforen (plus GCaMP) in dezelfde in vivo experimenten, wat een record is voor head-mounted imaging.
• In Vivo Identificatie: Het koppelen van projectie-gedefinieerde identiteit (waar het neuron naartoe projecteert) aan functionele activiteit in hetzelfde levende dier, zonder post-mortem weefselverwerking.
• Robuuste Correctie: Een gedetailleerde karakterisering en correctie van GRIN-lens-aberraties (axiale chromatische verschuiving en laterale astigmatisme) die toepasbaar is op bestaande miniscope-opstellingen.
• Scalabiliteit: De pipeline is flexibel en werkt zowel voor complexe setups (9 kleuren) als voor eenvoudigere setups (4 kleuren), met hoge nauwkeurigheid.

4. Resultaten

• Detectie: In experimenten met muizen die GCaMP6s expresseren en retrograad gelabeld zijn met negen fluoroforen (gericht op gebieden zoals BLA, NAc, VTA, etc.), kon Neuroplex 58% tot 100% van de functioneel gedefinieerde ROIs een fluorofore-identiteit toewijzen.
• Nauwkeurigheid: Simulaties toonden aan dat het algoritme bij gelijke verdeling bijna 100% nauwkeurig is. Bij realistische condities (met ruis, achtergrond en GCaMP-overlaping) bleef de nauwkeurigheid boven de 80-90%, met een lage rate van false positives (<5%).
• Dubbel-labeling: Het systeem kon ook neuronen identificeren die twee fluoroforen expresseren (collaterale projecties). In simulaties werden bij 91% van de ROIs minstens één fluorofore correct geïdentificeerd, en bij 25% beide.
• Gedragscorrelatie: De methode werd toegepast in een sociaal geheugentest. Het bleek mogelijk om te onderscheiden dat neuronen die projecteren naar de nucleus accumbens (NAc) selectief reageerden op sociale interacties, terwijl neuronen naar de locus coeruleus (LC) selectief waren voor agressie versus onderzoek. Verschillende projectiepopulaties toonden verschillende gradaties van gedragsselectiviteit.

5. Significantie en Toekomstperspectief

Deze studie opent nieuwe deuren voor circuitspecifiek onderzoek in de neurowetenschappen:

• Circuitontleding: Het stelt onderzoekers in staat om de activiteit van meerdere, projectie-gedefinieerde subtypen van neuronen gelijktijdig in één dier te bestuderen tijdens complex gedrag. Dit elimineert variabiliteit tussen dieren.
• Longitudinale Studies: Omdat de imaging in vivo plaatsvindt via dezelfde lens, kunnen dezelfde populaties over tijd worden gevolgd tijdens leerprocessen of ziekteprogressie.
• Efficiëntie: Het vermijdt de noodzaak van tijdrovende post-hoc co-registratie tussen in vivo video en gefixeerd weefsel.
• Toekomst: Hoewel de huidige studie een "proof-of-principle" is, biedt Neuroplex een schaalbaar raamwerk. Toekomstige verbeteringen kunnen bestaan uit probabilistische classifiers voor onzekerheidskwantificatie en het gebruik van kern-gelocaliseerde reporters om segmentatieproblemen in dicht bevolkte gebieden te verminderen.

Kortom, Neuroplex overwint de spectrale beperkingen van miniscopes en stelt onderzoekers in staat om de functionele architectuur van hersencircuits met ongekende resolutie en complexiteit te ontrafelen.