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

Dit onderzoek presenteert een nieuwe methode die licht-sheet microscopie en volume-elektronenmicroscopie combineert om een gedistribueerd netwerk van 25 neuronale lijnen in de Drosophila-larve te identificeren dat betrokken is bij de verwerking van nociceptieve prikkels.

De kern

De Grote Uitdaging: Een Stad Zonder Straatnamen

Stel je het brein voor als een enorme, drukke stad met miljoenen straten en gebouwen. Om te begrijpen hoe deze stad werkt, moeten we twee dingen weten:

1. Wie doet er wat? (Welke gebouwen zijn op dat moment verlicht?)
2. Hoe zijn ze verbonden? (Welke wegen leiden naar welk gebouw?)

Tot nu toe hadden wetenschappers twee verschillende kaarten van deze stad:

• Kaart A (Activiteit): Een foto van de stad 's nachts. Je ziet precies welke gebouwen licht geven (welke neuronen actief zijn), maar je weet niet welke straat het is of hoe het gebouw eruitziet. Het is alsof je een lichtpuntje ziet, maar niet weet of het een school, een ziekenhuis of een winkel is.
• Kaart B (Structuur): Een supergedetailleerde plattegrond van alle straten en gebouwen (de connectoom). Je ziet elke hoek en richel, maar je ziet niet welke lichten branden tijdens een specifieke gebeurtenis.

Het probleem? Je kon deze twee kaarten niet makkelijk op elkaar leggen. Je zag een lichtje op Kaart A, maar kon het niet vinden op Kaart B om te zeggen: "Ah, dat is de bibliotheek!"

De Oplossing: Een Dubbel-Foto Methode

De onderzoekers uit dit artikel hebben een slimme truc bedacht om deze twee werelden te verenigen. Ze hebben een methode ontwikkeld die werkt als volgt:

1. De Actie-Foto: Ze nemen eerst een film van het hele brein van een fruitvlieg-larve (een heel klein diertje) terwijl ze een pijnlijke prikkel geven. Ze zien precies welke neuronen "oplichten" (actief worden).
2. De Detail-Foto: Vervolgens nemen ze exact hetzelfde brein en maken ze er een microscopische foto van met een elektronenmicroscoop. Dit is zo gedetailleerd dat je elke zenuwvezel kunt zien, alsof je van een gebouw niet alleen de verlichting ziet, maar ook de exacte vorm van de muren en de dakgoten.
3. Het Puzzelen: Ze leggen deze twee foto's over elkaar heen (zoals een transparante laag over een kaart). Nu kunnen ze zeggen: "Dat lichtje dat we zagen, komt van dit specifieke gebouw met deze specifieke vorm."

Wat Vonden Ze? De Pijn-Netwerk

Ze keken specifiek naar hoe het brein omgaat met pijn (nociceptie). Stel je voor dat je je vinger op een hete plaat legt. Je lichaam moet snel reageren.

De verrassende ontdekkingen:

• Het is niet één centrum: Je zou denken dat pijn alleen in één klein deel van het brein wordt verwerkt. Maar de onderzoekers ontdekten dat het een verspreid netwerk is. Het signaal gaat naar 25 verschillende "buurten" (lijnen van neuronen) in het brein.
• De "Postbodes" en "Commandanten": Ze vonden neuronen die het pijnsignaal direct van de zenuwstreng naar het brein brengen, en andere neuronen die het signaal weer terugsturen naar het lichaam om te bewegen (zoals rollen weg van de pijn).
• De Grote Verrassing (De Leermeesters): Het meest opvallende was dat neuronen die normaal gesproken alleen worden geassocieerd met leren en geheugen (de Kenyon-cellen, die je brein gebruikt om geuren te onthouden) ook reageerden op pijn.
  • De analogie: Het is alsof je schoolboeken (leren) plotseling ook worden gebruikt om te reageren als je je brandt aan de oven. Het betekent dat het brein pijn niet alleen als een reflex ziet, maar dat het ook invloed heeft op hoe we dingen leren en onthouden.
• De "Multitaskers": Sommige neuronen die normaal geuren ruiken, reageerden ook op pijn. Het brein lijkt deze signalen te mengen: "Dit ruikt naar iets, en het doet ook pijn."

Waarom is dit belangrijk?

Voorheen moesten wetenschappers één voor één neuronen bestuderen. Dat was als het zoeken naar een naald in een hooiberg, waarbij je eerst de hele berg moet doorzoeken om te weten waar je moet graven.

Met deze nieuwe methode kunnen ze nu:

1. Het hele brein scannen op activiteit.
2. Direct zien welke neuronen dat zijn.
3. Hun connecties en functies begrijpen.

Dit helpt ons niet alleen te begrijpen hoe vliegen omgaan met pijn, maar legt ook de basis om te begrijpen hoe complexe hersenen (ook die van mensen) pijn, angst en gedrag verwerken. Het toont aan dat ons brein veel flexibeler en verbonden is dan we dachten: zelfs de delen die we gebruiken om te leren, zijn direct betrokken bij het reageren op gevaar.

Kortom: Ze hebben een nieuwe manier bedacht om de "verlichting" van het brein te koppelen aan de "straatnamen", en ontdekten daarbij dat de stad van het brein veel meer samenwerkt dan ooit gedacht, vooral als het gaat om het verwerken van pijn.

Technische samenvatting

Probleemstelling

Om te begrijpen hoe hersenen werken, is het essentieel om neurale activiteit te koppelen aan de synaptische circuitarchitectuur. Bestaande methoden hebben beperkingen:

• Light-sheet microscopy (LSM): Hiermee kan de activiteit van alle neurale cellichamen in het hele brein met celresolutie worden afgebeeld. Echter, in organismen groter dan C. elegans (zoals Drosophila larven) is de positie van een cellichaam onvoldoende om neuronen te identificeren. Neuronen worden uniek geïdentificeerd op basis van hun projecties (axonen en dendrieten), maar LSM heeft niet genoeg resolutie om deze dicht opeengepakte projecties in het neuropil op te lossen.
• Elektronenmicroscopie (EM): EM biedt de nodige resolutie om connectiviteit en projecties in kaart te brengen (connectomics), maar kan geen functionele activiteit meten.
• Het gat: Er ontbreekt een methode om functionele activiteit (wie reageert?) direct te koppelen aan de anatomische identiteit en connectiviteit (wie is het en met wie is het verbonden?) in hetzelfde individu.

Methodologie

De auteurs hebben een nieuwe workflow ontwikkeld om functionele imaging en volume-elektronenmicroscopie te combineren op hetzelfde brein:

1. Functionele Imaging (LSM):
   • Model: Drosophila larven.
   • Genetische aanpak: Pan-neuronale expressie van de calciumindicator RGECO1a (voor activiteitsmonitoring) en selectieve expressie van de optogenetische activator Chronos in primaire nociceptieve interneuronen (de "Basins") in het zenuwstelsel.
   • Stimulatie: Optogenetische stimulatie van de Basins met een multi-view light-sheet microscoop (SiMView) terwijl de calciumresponsen van ~3.000 hersenneuronen werden opgenomen.
2. Voorbereiding voor EM:
   • Direct na de functionele imaging werd het preparaat chemisch gefixeerd en behandeld met een aangepast OTO-protocol (met lood-aspartaat) om het contrast te verhogen.
3. Volume Electron Microscopy (eFIB-SEM):
   • Hetzelfde brein werd afgebeeld met een enhanced Focused Ion Beam Scanning Electron Microscope (eFIB-SEM).
   • Resolutie: 12 x 12 x 12 nm/voxel (iets lager dan de 8 nm die nodig is voor synapsen, maar voldoende voor het traceren van grotere axonale en dendritische takken).
4. Registratie en Segmentatie:
   • De LSM- en EM-volumes werden op elkaar afgestemd (ge-registerd) aan de hand van 51 gedeelde landmarks in de hersenlobben.
   • Celdelen (kernen) werden gesegmenteerd in de EM-data en geprojecteerd naar de LSM-data om de calciumresponsen per cellichaam te koppelen.
5. Identificatie en Reconstructie:
   • Neuronen met significante responsen werden handmatig gereconstrueerd in het EM-volume.
   • Op basis van de projectiepatronen (neuropil-ingangspunten) werd de ontwikkelingslijn (lineage) bepaald.
   • Fijnere takken werden getraceerd om unieke neuronidentiteiten te bepalen door vergelijking met een reeds gepubliceerd referentie-connectoom van de Drosophila larve.
6. Validatie:
   • Geïdentificeerde neuronen werden gevalideerd door specifieke GAL4-lijnen te gebruiken om GCaMP8s tot expressie te brengen in die specifieke neurontypes, gevolgd door twee-foton imaging om de respons op Basin-stimulatie te bevestigen.

Belangrijkste Bijdragen

• Integratie van Activiteit en Structuur: De eerste methode die het mogelijk maakt om activiteitspatronen van het hele brein direct te overlappen met een synaptisch-resolutie connectoom in hetzelfde individu.
• Onbevooroordeelde Benadering: In plaats van te focussen op vooraf geselecteerde neurontypes, werden alle hersenneuronen gescreend op responsiviteit, wat leidde tot het ontdekken van onverwachte neuronpopulaties.
• Validatie van Workflow: Het succesvol koppelen van "blind" gevonden actieve neuronen aan hun specifieke anatomische identiteit en het bevestigen hiervan met genetische tools.

Resultaten

• Gedistribueerd Nociceptief Netwerk: Ongeveer 4% van de hersenneuronen (119 van de ~3.000) reageerde significant op de stimulatie van nociceptieve interneuronen.
• Lineage Identificatie: Deze 119 neuronen behoorden tot 25 verschillende ontwikkelingslijnen (lineages).
• Unieke Identificatie: Van een willekeurige steekproef van 50 responsieve neuronen konden er 26 voldoende worden gereconstrueerd om hun identiteit te bepalen. Dit omvatte:
  • Descendende Neuronen (DN's): Neuronen die signalen van het brein naar het ventrale zenuwstelsel (VNC) of suboesofageale zone (SEZ) sturen, waarschijnlijk betrokken bij actiekeuze.
  • Multisensorische Integratie: Neuronen die nociceptieve informatie combineren met andere zintuiglijke modaliteiten (zoals reuk en smaak).
  • Verrassende Bevindingen:
    • Mushroom Body (MB) Neuronen: Intrinsic Kenyon-cellen (KC's), die normaal gesproken geassocieerd worden met geconditioneerde stimuli (leren) en niet met onvoorwaardelijke stimuli (pijn), reageerden op nociceptieve stimulatie. Ook een MB-output neuron (MBON-q1) was actief.
    • Lateral Horn Neuronen (LHN's): Neuronen die bekend staan om verwerking van reukstimuli, reageerden ook op pijn.
• Circuit Analyse:
  • De geïdentificeerde neuronen vormen hubs in het netwerk en ontvangen input via korte paden (2 tot 5 hops) vanaf de Basins.
  • Er werden terugkoppelingssignalen gevonden van hersenneuronen naar de Basins.
  • Een kortste pad van Basins naar de commandoneuronen voor de rol-ontsnappingsrespons (Gorogoro) werd in kaart gebracht (4 hops via het brein).
• Functie van Kenyon-cellen: Experimenten waarbij KC's werden uitgeschakeld tijdens pijnstimulatie toonden een significante, zij het milde, afname in de onvoorwaardelijke ontsnappingsrespons (rollen). Dit suggereert dat het leercentrum (MB) ook een rol speelt in aangeboren gedrag.

Betekenis en Conclusie

De studie onthult dat de verwerking van pijnstimuli in het insectenbrein veel meer gedistribueerd is dan eerder gedacht, en niet beperkt tot specifieke pijncentra. Het omvat een complex netwerk dat zintuiglijke informatie integreert, terugkoppeling mogelijk maakt en zelfs het leercentrum (mushroom body) betrekt bij aangeboren reacties.

De ontwikkelde methodologie vormt een krachtig raamwerk voor toekomstig onderzoek:

1. Het stelt onderzoekers in staat om activiteitspatronen tijdens verschillende gedragsopdrachten direct te koppelen aan de connectiviteit van het hele brein.
2. Het overbrugt de kloof tussen functionele imaging en anatomische identificatie, zelfs voor neurontypes waarvoor geen genetische drivers (GAL4-lijnen) beschikbaar zijn.
3. Het biedt een blauwdruk voor het begrijpen van neurale circuits in grotere hersenen naarmate EM-imaging en segmentatie sneller worden.

Kortom, deze studie levert een fundamentele stap voorwaarts in het ontrafelen van de mechanismen van sensorische verwerking en gedragsselectie in het brein.