神经科学的一个重大任务是建立一个精确的大脑地图，绘制所有神经元和它们之间的联系。这种被称为连接体的接线图有望帮助我们了解一群细胞是如何共同产生思想、记忆、行为和无数其他功能的。
现在，哈佛医学院、波士顿儿童医院和欧洲同步辐射设施(ESRF)的研究人员已经证明，一种新的x射线显微镜技术可以帮助加快绘制神经回路并最终绘制大脑本身的工作。
在9月14日发表于《自然神经科学》的报告中，该团队描述了如何使用x射线全息纳米断层扫描(XNH)以高分辨率对相对较大体积的小鼠大脑和果蝇神经组织进行成像。
结合人工智能驱动的图像分析，他们在3D中重建了密集的神经回路，对神经元进行了全面的编目，甚至追踪了果蝇从肌肉到中枢神经系统的单个神经元。
根据作者的说法，对于像神经回路发现这样的生物学问题，x射线显微镜比目前基于电子显微镜(EM)的方法有几个优势。
“我们认为XNH可以为神经科学带来很多价值，因为我们现在可以在更短的时间内获得更大的数量，”ESRF的科学家Alexandra Pacureanu说。“这是绘制神经回路的新方法的开始。”
研究连接体是一个巨大的挑战。例如，人类大脑包含大约1000亿个神经元和100万亿个神经连接，大致相当于1000个星系中的恒星数量。
在动物模型方面，科学家们已经取得了显著的进展，比如对整个果蝇的大脑进行成像，主要是通过对大脑进行连续切片，每片比人类头发细一千倍，用电子显微镜对切片进行成像，然后将图像拼接在一起进行分析。
这种方法的成本在时间和资源方面可能令人望而却步，需要大量的EM图像，这些图像具有狭窄的视野，并且需要付出巨大的努力来重建即使是小的神经回路。该研究的作者说，需要新的成像方式来加速这一努力。
为此，李的研究神经回路组织和功能的实验室与专门研究x射线显微镜和神经成像的帕库雷阿努合作。由共同第一作者Aaron Kuan (HMS神经生物学研究员)和Jasper Phelps(哈佛大学神经科学项目研究生)带头，该团队专注于将XNH应用于神经组织。
这项技术的工作原理类似于CT扫描，它使用旋转的x射线来创建身体的连续横截面图像。相比之下，XNH将一个旋转的组织样本暴露在ESRF的同步加速器的高能x射线下，在844米的环周围将电子加速到接近光速。
与标准x射线成像不同，标准x射线成像依赖于光束穿过组织时x射线衰减的差异，XNH基于样品引起的光束微妙相移的变化来生成图像。后一种方法增加了灵敏度，并与低温条件下的成像相结合，有助于保存和保护标本免受x射线能量的破坏。
必须对XNH生成的图像进行解释，以确定哪些结构是神经元。该团队通过应用深度学习解决了这个问题，深度学习是一种人工智能技术，越来越多地用于面部或物体识别等应用。
作为原理证明，研究人员扫描了毫米大小的老鼠和果蝇神经组织，并重建了3D图像，达到了87纳米左右的分辨率。这足以全面地观察神经元和追踪单个神经突，神经突是神经元的投射物，形成神经回路的线路。
重要的是，这些重建只需要几天的时间，而使用连续EM切片重建类似的体积可能需要几个月到几年的时间。
在老鼠的大脑中，研究小组观察了与整合感官刺激和感知决策有关的皮层区域。先前的EM研究已经注意到该领域中所谓的锥体神经元的有趣结构特征，但由于视野的限制，每个数据集的样本量约为20个神经元。
利用XNH，研究人员扫描了该区域的3200多个细胞。结合对齐的EM数据，研究小组描述了数百个锥体神经元的结构和连通性，揭示了不同的结构特性，例如某些神经突区域的强和空间压缩抑制输入，这表明了独特的和以前未描述的功能特性。
“能够可视化神经元有助于我们理解大脑的组织原理，以及不同的电路或网络如何执行行为所需的计算，”李说，他是波士顿儿童医院Kirby神经生物学中心的研究员。“然后我们可以做进一步的实验，将结构数据与功能实验联系起来，试图直接解决这个问题。”
他们还对果蝇腿内的神经元进行了成像，这种结构很难用EM进行切片和研究。利用XNH，他们能够绘制出从果蝇相当于脊髓延伸到腿的所有运动神经元，以及向中枢神经系统传递信号的感觉神经元。
“这项技术以前曾应用于神经组织，但从未达到过这种质量和分辨率的水平，”Pacureanu说，他曾是HMS Blavatnik研究所神经生物系的访问科学家。“我们已经证明，我们可以获得足够的分辨率来追踪神经突，并将研究推向连接体的方向。”
研究人员目前正在努力改进和进一步优化XNH成像生物组织。
该技术目前的分辨率还不足以可视化突触，目前需要对齐的EM数据来研究。然而，该技术的物理极限还远未达到，作者说，推动分辨率的努力将得到ESRF最近运行的下一代x射线源的帮助。
“x射线显微镜具有特殊的优势，我们的目标之一是将其应用于更高分辨率的更大的神经连接网络，”李说。“希望有一天我们能帮助解决一些问题，比如我们能否理解决策等复杂行为背后的神经回路?”我们能从更高效的计算机算法和人工智能中获得灵感吗?我们能对大脑的算法进行逆向工程吗?”
