Predicting Macroscopic Axon Topology from Microscopic Kinematics: An Interactive Tracking and Random Walk Pipeline for Substrate-Dependent Cortical Neurospheres
本研究引入了一种交互式追踪与随机游走流水线，利用尺寸可控的皮层神经球来量化底物依赖性的轴突运动学，成功地将微观生长动力学与宏观网络拓扑结构联系起来，用于预测体外电路架构。
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
大脑是一个庞大的连接网络，是一个由细胞组成的繁华城市，信息沿着被称为轴突的长而细的电缆进行传输。为了让大脑发挥作用，这些电缆必须从一个细胞生长到另一个细胞，在微观距离中寻找路径，从而构建出让我们能够思考、移动和感受的电路。科学家们早已知道，轴突行进的路径并非随机，而是受到化学信号和其生长的物理表面纹理的引导。然而，在实验室培养皿中观察这些微小的电缆生长过程一直是一个令人沮丧的难题。在标准的实验中，锚定这些轴突的细胞体一直在移动，就像一个人试图在倒退行走时测量绳子的长度一样。这种移动使得人们几乎无法判断是绳子本身变长了，还是拿着绳子的人在漂移。此外，由于这些细胞需要密集生长才能生存，它们生长的末端经常会相互缠绕，导致很难追踪单一的路径。由于缺乏一种清晰的方法来精确测量轴ों如何移动和转向，研究人员一直难以预测特定的一组细胞将如何组织成一个工作的电路。
为了解决这个问题，卡内基梅隆大学的一个研究小组转向了一种不同的实验室设置。他们没有将单个细胞分散在培养皿中，而是将它们培养成紧密的球形集群，称为神经球。想象一个大约只有一粒沙子大小的、致密的细胞小球，其中每一个轴突都有一个位于中心的固定起点。这一简单的改变消除了细胞体移动带来的困惑，使团队能够清晰地观察轴突向外生长的情况。他们将这些球体放置在两种不同类型的表面上：一种涂有名为聚赖氨酸（poly-D-lysine）的基础粘性蛋白质，另一种则是在该蛋白质的基础上添加了层粘连蛋白（laminin）——这是一种存在于人体内的、能帮助细胞抓握的物质。通过连续几天拍摄生长过程，研究人员可以高精度地追踪单个轴突的旅程，精确测量它们移动了多远以及转弯有多剧烈。
团队发现，轴突生长的表面确实非常重要，但这种差异仅在经过一定时间后才会显现。在将神经球放置在表面后的第一天左右，两种涂层的轴突表现得几乎完全相同，生长速度和转弯频率也相似。然而，随着培养物的成熟，明显的差异出现了。在含有层粘连蛋白的表面上，轴突开始生长得更快，且行进路线更直。在实验的第二阶段，层粘连蛋白表面的轴突平均推进速度为每分钟0.436微米，明显快于基础粘性表面的每分钟0.339微米。更重要的是，层粘连蛋白表面的轴突转弯频率较低，这表明它们在方向感上更加“自信”。研究人员将这种运动分解为三种截然不同的行为：前进、后退和侧向游走。他们发现，虽然所有轴突大部分时间都在向前移动，但层粘连蛋白表面的轴突在侧向探索方面花费了更多时间，这表明它们在确定路径之前正在积极地测试周围环境。
为了理解这些微观层面的运动是否能解释宏观层面的现象，研究人员建立了一个计算机模型，模拟了数千个轴突如何根据他们在实验室中收集到的真实数据进行生长。他们并非仅仅凭空猜测规则，而是编写程序让计算机模仿他们在实验室中测得的关于速度和转弯的精确统计模式。当他们运行模拟时，结果令人震惊。虚拟轴突从中心球体向外生长，形成了一个与实验室培养皿中观察到的真实网络几乎完全一致的网络。该模型成功预测了层粘连蛋白表面会导致比基础表面更宽、更广泛的轴突扩散。这证实了单个轴突所采取的小规模随机步骤——即移动的速度和转弯的频率——直接决定了整个神经网络的大尺度形状。
这项工作为我们观察大脑电路是如何构建提供了一种全新的视角。通过将严谨受控的实验与详细的计算机模型相结合，研究人员展示了仅通过理解个体生长的规则，就能够预测神经网络的结构。研究表明，物理环境在塑造大脑布线过程中起着至关重要的作用，但这种影响需要时间才能变得可见。这些发现提供了一个强大的工具，用于未来的研究，使科学家能够设计具有特定形状和连接的人工神经电路，或者测试疾病如何改变脑细胞的生长方式。研究人员不再需要猜测网络将如何形成，现在他们可以使用这些测量数据来预报结果，将大脑发育这一复杂的谜团转变为一个可预测的、面向工程化的过程。
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。