Allen Institute for Brain Sciencen tutkijaryhmä asettaa julkisesti saataville käsin rakennetun, 3D-solutason kartaston hiiren täydellisistä aivoista. Tämä kolmas iteraatio Allen Mouse Brain Common Coordinate Frameworkista eli CCFv3 on tulosta kolmen vuoden intensiivisestä tiedonkeruusta ja piirtämisestä.
”toivomme laajemman neurotieteen yhteisön käyttävän sitä uutena standardina referenssiatlaksena”, sanoi tohtori Lydia Ng, joka on teknologiajohtaja Allen Institute for Brain Sciencessa ja yksi vanhemmista kirjoittajista Atlaksen paperissa, joka julkaistaan Cell-lehdessä. ”Tekemällä atlas-työkaluistamme ja niihin liittyvistä työkaluistamme avoimia, yhteisössämme syntyviä uusia tietoja ja tietotyyppejä voidaan helpommin integroida ja vertailla samassa tilayhteydessä, ja Atlasta puolestaan voidaan muokata sitä mukaa kuin tietämyksemme aivojen rakenteesta kehittyy.”
Lisätty toinen vanhempi kirjoittaja, Julie Harris, PhD, neuroanatomian apulaisjohtaja Allen Institute for Brain Sciencessa, ”Reference atlases ovat todella monikäyttöisiä työkaluja, joita käytetään neuroanatomian opettamiseen, tarjoamalla yhteistä nimikkeistöä aivoalueiden tunnistamiseen, tukemalla analyysejä, joissa kuvataan, mistä tiedot kerättiin, ja edustaen kollektiivista nykytietämystämme aivojen rakenteen järjestämisestä.”Tutkijat raportoivat CCFv3-kartasta raportissa, joka on otsikoitu” The Allen Mouse Brain Common Coordinate Framework: a 3D Reference Atlas.”
tämä video kuvaa datan yhteensulautumista CCF-kehyksessä taustan harmaasävykuva edustaa 1 675 yksilön keskimääräistä anatomiaa, joka muodostaa perustan yhteiselle koordinaatistolle. Värilliset kaarevat viivat edustivat samplattuja virtaviivaisia. Hiiren aivokuori on kerroksiksi järjestäytynyt 3D-arkki, jossa kerrosten välinen yhteys on tyypillisesti kohtisuorassa pintaan nähden, mikä viittaa hypoteettiseen pylväsorganisaatioon. Aivokuoren kaarevuus vaikeuttaa tämän teoreettisen ulottuvuuden havainnollistamista. Streamlines on kaarigeometriaan perustuva arvio näistä ”vertikaaleista”. Nähdäksemme, heijastavatko virtaviivaisuudet todellista kaarevuutta, vertasimme niitä todelliseen dataan. Hotmetal värillinen kuva on yhdistelmä useita tietokokonaisuuksia visualisoida muoto paksu-tufted dendriitti L5 pyramidi neuronien, jotka oli selektiivisesti merkitty Cre-riippuvainen virus tracer injection SIM1-Cre_KJ18 tai A930038C07Rik-Tg1-Cre ajurilinjaan. Jokainen tietokokonaisuus rekisteröitiin CCF: ään, jotta tiedot voidaan peittää ~100 näytteestä.
hiiren aivoissa on noin 100 miljoonaa solua sadoilla eri alueilla. Tieto hiiren aivojen neuroanatomiasta on kehittynyt dramaattisesti viimeisen vuosikymmenen aikana, jolloin kokoaivojen kartoitushankkeet ovat lisänneet uusia tietotyyppejä ja paljastaneet soluarkkitehtuuria runsain uusin yksityiskohdin.
laajamittainen kansainvälinen yhteistyö tuottaa suuria tutkimuksia solutyypeistä ja yhteyksistä hiiren aivoissa, keräten suuria määriä tietoa eri modaliteeteista, avaruudellisista asteikoista ja aivoalueista, kirjoittajat selittivät. Ja kun neurotieteen tietokokonaisuudet kasvavat suuremmiksi ja monimutkaisemmiksi, aivojen yhteinen tilakartta muuttuu kriittisemmäksi, samoin kuin kyky tarkasti yhdistää monia erilaisia tietoja yhteiseen 3D-tilaan vertailemaan ja korreloimaan.
”Viimeaikaiset laajamittaiset Kansainväliset yhteistyötoimet ovat tuottaneet suuria tutkimuksia solutyypeistä ja yhteyksistä hiiren aivoissa, keräten suuria määriä tietoa eri modaliteeteista, avaruudellisista asteikoista ja aivoalueista”, ryhmä kommentoi. ”Näiden tietojen onnistunut integrointi edellyttää vakiomuotoista 3D-referenssikartastoa.”Tämä tarkoittaa, että nykyaikaisten digitaalisten viitekartastojen on kehityttävä pysyäkseen ajan tasalla, Harris kommentoi. ”Silti klassiset standardikartastot eivät täytä näiden soluresoluution datajoukkojen vaatimuksia 3D: ssä. tuotimme siis aidon 3D-Atlaksen, joka toimii normaalina anatomisena kehyksenä koko aivojen datajoukoille.”
kokoaivojen CCFv3 perustuu vuonna 2016 julkaistuun osittaiseen versioon, joka kartoitti koko hiiren aivokuoren, aivojen uloimman kuoren. Aiemmat versiot atlasista olivat matalamman resoluution 3D-karttoja, kun taas CCFv3: n resoluutio on sen verran hieno, että se pystyy paikantamaan yksittäisten solujen sijainnit. Eri tyyppisten tietokokonaisuuksien sovittaminen CCFv3: een antoi tutkijoille mahdollisuuden merkitä yli 800 aivorakennetta. Näin he tunnistivat useita aivorakenteita, joita ei ole aiemmin kuvattu tavallisissa hiirten aivo-kartastoissa, ja useita uusia hermokuiturakenteita, joita ei ole kuvattu muissa kartastoissa.
”CCFv3 on parcellated osaksi 43 isokortikaalista aluetta ja niiden kerroksia, 329 subkortikaalista harmaata ainerakennetta, 81 kuiturakennetta ja 8 kammiorakennetta (per pallonpuolisko)”, tutkijat selittivät. ”Koska jokainen tietokokonaisuus paljastaa ainutlaatuisen merkintämallin tietyille hiiren aivoalueille, kaikkien näiden tietotyyppien yhdistämisen pitäisi täydentää tai vahvistaa toisiaan, mikä osoittaa valtavan metodologisen edun aivojen rakenteiden täsmälliseen määrittelyyn”, ng totesi.
kirjoittajien mukaan CCFv3: lla on suurempi avaruudellinen erottelukyky kuin millään nykyisellä 3D-hiiren aivojen magneettikuvaukseen perustuvalla vertailuavaruudella. Koska CCFv3 on keskiarvo suuresta hiiripopulaatiosta, sen avulla voidaan tutkia yksilöiden välistä vaihtelua 3D-aivorakenteiden määrissä eri tautitilojen yhteydessä. Lisäksi keskivertoaivoissa näkyi monia anatomisia yksityiskohtia, joita ei ollut helppo havaita yhdessäkään hiiren aivoissa.
sitä voidaan pitää neurotieteellisenä vastineena puhelimen GPS: lle, Allen-instituutti ehdottaa. Sen sijaan, että etsisit sijaintisi käsin paperikartalta sen perusteella, mitä näet ympärilläsi, GPS (ja uusi aivokartasto) kertoo, missä olet. Kun tietoaineistoja on tuhansissa tai miljoonissa eri tiedonmuruissa, tämä yhteinen koordinaattijoukko-ja näiden koordinaattien aivojen vastaavien kiintopisteiden paikantaminen-on ratkaisevan tärkeää.
”ennen vanhaan ihmiset määrittelivät aivojen eri alueet silmän perusteella. Kun saamme yhä enemmän tietoa, tuo manuaalinen kuratointi ei enää laajene”, Ng sanoi. ”Aivan kuten meillä on referenssigenomisekvenssi, tarvitset referenssianatomian.”
historiallisesti aivokartastot on piirretty 2D: nä, ja niissä on otettu levymäisiä näkymiä aivoista eri syvyyksissä ja vuorattu ne riviin. Tietyntyyppisille tiedoille tämä aivojen kartoituksen muoto toimii hyvin. Mutta nykyaikaisissa neurotieteellisissä tutkimuksissa, joissa tarkastellaan neuronien toimintaa tai solujen ominaisuuksia koko aivoissa, 3D-atlas antaa paremman kontekstin. Atlaksen tekoa varten tutkijat jakoivat aivot pieniin virtuaalisiin 3D-lohkoihin, joita kutsutaan vokseleiksi, ja määrittivät jokaiselle lohkolle ainutlaatuisen koordinaatin. 3D-rakentamiseen syötetyt tiedot tulivat 1 675 eri eläimen aivoanatomiasta. Sitten ryhmä määräsi jokaisen vokselin yhdelle sadoista tunnetuista hiiren aivojen alueista, piirtäen tarkkoja rajoja eri alueiden välille.
aineistot, jotka ruokkivat näitä kahta atlas-osaa, ovat peräisin useista erilaisista kokeista, joita on tehty Allen-instituutissa useiden viime vuosien aikana. ”Tarkkojen aluerajausten auttamiseksi kokosimme ja kuratoimme multimodaalisia viiteaineistoja, jotka on muodollisesti rekisteröity keskimääräiseen mallinaivoon”, kirjoittajat selittivät. ”Referenssitietoja olivat histologia tahrat, immunohistokemia, transgeeni expression, in situ hybridization (Ish), ja anterogradi merkkiaineiden connectivity kokeet.”Tämä selkäranka erityyppisten tietojen tekee atlas ainutlaatuinen joukossa viite aivojen kartastot, tutkijat sanoivat.
”käytämme tätä kartastoa nyt yhteisenä anatomisena viiteavaruutena monissa laajamittaisissa projekteissa, mukaan lukien kokoaivopiirin kartoitus, yksisoluisen rekonstruktiot ja kattavan aivosolutyyppisen väestönlaskennan luominen”, Harris totesi. ”Kaikki nämä tiedot ja se, mitä opimme aivojen arkkitehtuurista, edellyttävät jossain vaiheessa päivitettyä, seuraavan sukupolven 3D-Atlasta, vaikka se todennäköisesti rakennetaan erilaisilla, automatisoidummilla, datalähtöisillä menetelmillä.”
Atlaksen tulevat iteroinnit nojaavat siis todennäköisesti koneoppimiseen tai muuhun automaatioon nykyisen version työlään manuaalisen kuratoinnin sijaan. ”Kuten tiedämme nyt, kartastojen pitäisi kehittyä ja elää resursseja, koska kun opimme lisää siitä, miten aivot on järjestetty, meidän täytyy tehdä päivityksiä”, Harris sanoi. ”Kartastojen rakentaminen automaattisella, puolueettomalla tavalla on paikka, jossa kenttä todennäköisesti liikkuu.”
Allen CCF on open access, ja saatavilla siihen liittyvillä työkaluilla osoitteessa https://portal.brain-map.org/