突触分辨率的连接组学旨在绘制大脑中所有神经元及其突触连接的完整图谱，是理解大脑信息处理机制的根本途径。近年来，该领域正从针对小型模式生物（如线虫、果蝇幼虫）的“里程碑式”完整图谱绘制，向更复杂的哺乳动物大脑乃至人类大脑的“大规模”研究迈进。这一转变的核心驱动力是多项革命性技术的突破，它们正在克服传统方法的局限，使大规模、高通量且兼具分子信息的连接组学筛查成为可能。

一、技术瓶颈与范式转变：从电子显微镜到集成光镜

传统上，实现突触分辨率连接组重建主要依赖电子显微镜（EM）。EM具有纳米级分辨率，是绘制果蝇幼虫等小型生物完整连接组的基石。然而，将其应用于哺乳动物大脑时面临巨大挑战：样本制备复杂、成像速度慢、数据量极其庞大（1立方毫米脑组织可产生超过1000TB数据），且最关键的是，EM难以直接获取成像结构的分子信息，无法区分神经元和突触的分子类型。

因此，领域的发展迫切需要一种能兼顾高分辨率、分子信息获取能力和可扩展性的新范式。2025年发表在《自然》杂志上的LICONN技术正是这一范式转变的代表。它通过优化“膨胀显微镜”技术，将脑组织嵌入特制水凝胶并使其物理膨胀约16倍，从而让标准光学显微镜（LM）达到约20-50纳米的有效分辨率，足以分辨单个突触。LICONN的核心优势在于，它无缝整合了结构重建与分子标记：在获得精细神经结构的同时，可利用免疫荧光技术可视化特定蛋白质（如突触前/后蛋白、神经递质受体），从而直接区分兴奋性、抑制性突触以及不同细胞类型。这使研究人员能在结构连接的背景下，直接读取其分子功能属性，为大规模筛查神经环路的分子多样性奠定了基础。

二、实现大规模筛查的关键技术支柱

走向大规模大脑连接组学筛查，依赖于以下几个并行发展的技术支柱的协同进步：

1. 高通量成像与样本处理技术

• LICONN的成像通量：经过优化的LICONN样本可在标准转盘共聚焦显微镜上实现每秒1700万体素的成像通量，这比单光束扫描电子显微镜更快，为大规模数据采集提供了可能。

• 体积扩展方案：为了处理更大的脑组织，LICONN采用了“块面成像”方法，即将膨胀后的组织切片、成像，再通过计算进行三维拼接，实现了成像体积的无损轴向扩展，为分析更大范围的神经连接性提供了途径。

2. 自动化重建与人工智能分析手动追踪和校对神经元是连接组学的主要瓶颈。无论是EM数据还是新的LICONN数据，都高度依赖基于深度学习的自动化分析。

• 洪水填充网络（FFN）：谷歌研究院等机构开发的FFN是一种递归神经网络，能在大规模3D图像中高效、高精度地自动分割和追踪神经元轴突，其“预期运行长度”指标显著提升了自动重建的可靠性。该技术已成功应用于LICONN数据，实现了与最先进EM结果相媲美的自动分割精度。

• 突触的自动识别与预测：LICONN研究不仅建立了基于分子标记的自动突触识别管道，还进一步利用深度学习，直接从结构数据中预测突触分子的位置，从而能在无需免疫标记的数据集上映射突触输入场，这极大地提升了大规模筛查的效率。

3. 高性能计算与算法优化处理连接组学产生的海量数据需要强大的计算能力。例如，为加速基于扩散磁共振成像（dMRI）的宏观连接组评估，研究人员提出了GPU加速的ReAl-LiFE算法，相比原有CPU实现获得了超过100倍的加速，并能生成更稀疏、更准确的连接组，为大规模人脑连接组分析提供了工具。

4. 多模态整合：连接“功能”与“结构”真正的突破在于将动态神经活动与其静态的物理连接对应起来。一项发表于《自然》的研究通过“功能-结构”联用策略，率先在小鼠视觉皮层实现了这一目标：先利用双光子钙成像记录数万个神经元在观看视觉刺激时的活动，再对同一脑组织进行电子显微镜成像重建突触级结构，最后通过复杂算法将两者精确配准。这标志着连接组学从单纯的结构解析迈入了“功能-结构”一体化分析的新纪元，为大规模筛查特定功能背后的环路机制提供了模板。

三、前景、挑战与意义

LICONN等技术的出现，使得在标准光学显微镜平台上进行突触分辨率、分子注释的连接组学研究成为可能，这大幅降低了技术门槛和成本，有望让更多实验室参与到大规模筛查中来。其应用前景广阔，包括研究神经发育疾病的基因型-表型关系、解析学习记忆的环路基础，乃至推广到其他器官的高分辨率组织分析。

然而，挑战依然存在：

• 尺度问题：将整个小鼠大脑膨胀16倍会产生难以物理处理的巨大样本，如何可靠地整合分块成像数据仍需改进。

• 自动化瓶颈：尽管AI分割取得进展，但最终的人工校对仍是耗时瓶颈，这在EM和LICONN中都是共性问题。

• 数据整合与解读：如何整合来自不同尺度（微观突触连接、宏观影像连接组）、不同模态（结构、分子、功能）的超大规模数据，并从中提取生物学洞见，是未来的核心计算与理论挑战。

总之，突触分辨率连接组学正站在一个新时代的起点。通过融合物理样本处理（如组织膨胀）、多模态成像、人工智能和高性能计算，我们正在构建一套强大的工具集，以实现对哺乳动物大脑乃至人脑特定环路进行大规模、高通量的筛查和解析。这不仅将深化我们对大脑工作原理的基础认识，也将为神经系统疾病的机制研究与治疗靶点发现提供前所未有的精细图谱。

转载本文请联系原作者获取授权，同时请注明本文来自李升伟科学网博客。
链接地址：https://blog.sciencenet.cn/blog-2636671-1523041.html

上一篇：环境决策神经科学：将大脑与气候行动连接起来！
下一篇：生命最初1000天内心理健康的跨代传递！