编辑推荐：
在神经科学研究中，组织透明化结合光片显微镜技术虽受关注，但数据分析困难，现有工具缺乏用户界面。研究人员开展 “ClearFinder: a Python GUI for annotating cells in cleared mouse brain” 的研究，开发出 ClearFinder，揭示了不同细胞计数工具差异，为细胞检测等分析提供便利。
在神经科学的探索之路上，研究人员一直致力于深入了解大脑的奥秘。以往，为了观察神经元的活动，科学家们常利用立即早期基因（IEGs）表达或转基因报告小鼠品系来标记神经元。然而，传统的检测方法需要对组织进行切片，这不仅会产生偏差，还容易引入人为假象，就像是给探索大脑的道路设置了重重障碍。
随着科技的发展，组织透明化结合光片荧光显微镜技术应运而生，为神经科学家们打开了新的大门，让他们能够在 3D 体积中对样本进行无偏评估，仿佛为大脑研究开启了上帝视角。但新的问题接踵而至，获取的成年小鼠透明化全脑数据量巨大，分析这些数据成为了一个棘手的挑战。目前，ClearMap 和 CellFinder 虽能用于细胞检测和注释，但它们基于命令行，依赖第三方包且缺乏统计分析和数据可视化功能，使用门槛较高，只有精通高级 Python 编程的科学家才能驾驭，这无疑限制了该技术在更广泛科研群体中的应用。
为了突破这些困境，来自德国美因茨约翰内斯?古腾堡大学医学中心人类遗传学研究所、生理学化学研究所等多个机构的研究人员，包括 Stefan Pastore、Philipp Hillenbrand、Nils Molnar 等，开展了一项旨在开发更易用工具的研究。他们成功开发出 ClearFinder，这是一个统一了 ClearMap 和 CellFinder 功能的图形用户界面（GUI），并将研究成果发表在《BMC Bioinformatics》上 。
研究人员为开展此项研究，主要运用了以下关键技术方法：首先，对实验动物进行处理，选用特定的转基因小鼠品系，在慢性社会挫败应激范式下注射他莫昔芬，诱导神经元核的永久 GFP 标记。然后进行样本制备，包括固定、清洗、iDISCO + 组织透明化、染色等一系列步骤。接着，使用光片显微镜对透明化样本进行成像，并利用商业软件进行图像拼接。最后，运用 ClearFinder GUI 进行数据分析，包括细胞检测、图谱对齐、统计分析等 。
下面来看看具体的研究结果：
- ClearFinder GUI 助力神经元活动映射：ClearFinder 提供了统一且直观的界面，简化了基于 Ubuntu 系统的设置流程，可轻松重命名图像、设置工作区、调整处理参数。它将 ClearMap 和 CellFinder 集成在一个工具盒中，用户通过单个 bash 命令就能启动这两个工具，处理后的结果还能在 Napari 中可视化和比较，为深入的统计分析提供了便利。
- 揭示 ClearMap 和 CellFinder 在总细胞计数上的差异：研究人员用 ClearFinder 分析了一组数据集（n=3），对不同大小阈值下的细胞进行检测并分配到小鼠艾伦脑图谱。主成分分析（PCA）显示，不同子包和阈值下的总细胞数存在显著差异，且不同方法交叉分析的样本间变异性较高。双向方差分析表明，检测方法对总细胞数有显著影响，而阈值影响不显著。最终选择 5μm 的阈值进行后续分析。
- 发现细胞检测效率的差异：通过对海马体区域（本体水平 6）的细胞检测进行可视化比较，发现 ClearMap 和 CellFinder 在细胞检测上存在明显差异。CellFinder 的性能不稳定，在不同样本中检测到的细胞数量不一致。进一步对海马体、皮质和皮质下区域的细胞计数进行可视化，发现 ClearMap 检测到的细胞数在所有样本中均高于 CellFinder。
- 与人工注释对比验证细胞检测效率：研究人员将全脑图像随机抽样成 18 个 60μm3 的立方体，由两位人类专家进行细胞计数，并与 ClearFinder 子包的检测结果对比。结果显示，ClearMap 的检测性能达到 80.40%±21.49%，Cellfinder 的检测性能仅为 38.32%±40.39%，且不同样本间的检测准确性存在差异。
综合来看，ClearFinder 为多学科科学家提供了一个全面且用户友好的解决方案，可高效处理全脑光片显微镜成像数据。它具有直观的界面、稳健的安装过程和增强的功能，如热图可视化、基本统计分析工具、细胞计数归一化选项等。同时，通过对数据集的交叉分析，揭示了不同细胞检测算法的差异，提高了研究的可靠性和生物学有效性。这一工具的出现，有望推动神经元映射工具的广泛应用，促进神经科学领域的进一步发展，为深入探究大脑的奥秘提供有力支持。
