EASI-PASS: An accessible pipeline for linking functional imaging and mRNA profiling
EASI-PASS 是一个高通量流水线，它通过将活细胞活动与扩增、透明化的组织体积进行对齐，将功能成像数据与 mRNA 图谱高效关联，从而实现对数千个经功能识别的神经元进行高回收率的分子特征化表征。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
大脑是一个庞大而复杂的网络，其中的每个细胞都有特定的职责和独特的身份。为了理解大脑是如何运作的，科学家通常需要同时回答两个问题：一个细胞现在正在做什么，以及它是一种什么样的细胞？想象一下，如果你试图通过观察人们在街道上的移动来了解一座城市，但却不知道他们的姓名或职业。你可能会看到有人在奔跑赶公交，或者在公园里静止不动，但除非你有办法将那一刻的行为与其个人历史联系起来，否则你无法得知他是一名医生、一名教师还是一名学生。在神经科学中，建立这种联系非常困难，因为用于观察细胞移动和放电的工具，往往与用于读取定义它们的遗传指令的工具不同。一种方法捕捉的是细胞实时、动态的活动，而另一种方法则读取那些被保存并固定在原位的细胞内部的分子代码。直到现在，将这两类关于同一细胞的视图进行连接一直是一个缓慢且不完美的过程，通常需要科学家将组织切得极薄，以至于失去了三维空间的上下文，或者必须去猜测实时图像中的哪个细胞与保存样本中的哪个细胞相匹配。
研究人员开发了一种名为 EASI-PASS 的新方法来解决这个问题，创造了一种将实时成像与分子图谱分析相结合的可靠方式。该过程首先是在一段活体脑组织中观察数千个细胞，记录它们在响应特定信号时的形状和位置。一旦完成实时记录，同一块组织会经过一种特殊的化学处理使其膨胀，使细胞变得更大且更容易观察，然后对其进行透明化处理，使光线能够穿透整个样本的厚度。这使得科学家可以使用标准显微镜拍摄组织的内部细节，寻找识别每种细胞类型的特定遗传标记。这一新方法的核心成就在于一个计算机系统，它可以将实时记录中看到的细胞形状和位置，与在膨胀、透明化的组织中看到的细胞进行匹配。这就像是从上方拍摄一张人群的照片，然后将照片中的每一个人与一本单独的厚书里找到的详细身份证进行匹配，而无需将这本书裁成薄页。该系统成功找回了约 78% 被追踪细胞的分子身份，这比以往依赖对齐薄组织切片的技术有了显著改进。
这种方法的效力在小鼠大脑的两个不同部分得到了测试，以观察它如何揭示大脑功能的细节。在其中一个实验中，研究人员专注于一个被称为外侧核（parabrachial nucleus）的小区域，该区域接收来自脊髓的信号。通过在观察细胞的同时用光刺激这些长程连接，他们能够准确识别出哪些分子类型的神经元正在接收信号。结果显示出高度的特异性，这意味着只有特定的细胞类型会对输入做出反应，而不是所有可用细胞的随机混合。在第二个实验中，团队观察了清醒小鼠的视觉皮层，观察不同细胞群如何随着动物变得更加警觉而改变其活动。他们发现，这些细胞相互通信的方式取决于它们的位置和特定的类别，某些群体表现出强烈的连接，而这种连接会随着它们之间距离的增加而减弱。这些发现证明，这种新方法可以可靠地将细胞活动与分子身份对齐，为理解大脑中多样化的细胞类型如何协同工作以处理信息提供了更清晰的视角。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。