Nature Methods：新的成像平台以前所未有的深度追踪数百个神经元

大脑是一个巨大的、紧密相连的并行计算神经元网络。实时观察这些计算过程可以揭示大脑是如何处理感觉和指导行为的。

　　

但是控制神经网络的电信号又快又弱，而且在活体组织中很难捕捉到。

现在，发表在《自然方法》（Nature Methods）杂志上的一项新研究描述了一种双光子成像平台，该平台可以同时捕获近200个神经元的电活动，跨越皮质层，以前所未有的深度和速度，打开了一扇窗口，了解信息如何在活体大脑回路中移动。通过最大限度地减少可靠检测单个神经元活动所需的能量，并设计一种可扩展的策略，以每秒1.5亿个样本的速度对样品进行光学扫描激光脉冲，该平台被称为FlatMux，在该领域树立了新的基准，可以同时记录一个或多个平面内近200个神经元，深度可达500微米，帧率可达每秒2000帧。凭借该工具提供的灵敏度和速度，研究人员现在可以开始绘制功能上相互连接和因果关系相互作用的神经元，从而对大脑的连接和功能如何提高大脑的认知能力有了新的认识。此外，与使用电极探针的方法不同，通过荧光直接成像的电活动允许同时推断所记录神经元的位置和细胞类型。

“长期以来，该领域一直致力于从单个神经元的反应特性来理解大脑。我们的成像平台使我们有可能研究不同的大脑功能是如何通过一个高度互联的系统进行信息处理的结果，在这个系统中，计算分布在大型神经元网络上。”阿利帕夏·瓦齐里说。

密集的相互联系

现有的成像工具受到各种限制的阻碍。就光学工具而言，当试图捕捉紧密相连的脑细胞系统时，科学家们长期依赖于钙成像，它使用荧光传感器来跟踪与神经元放电相关的钙激增。但是钙信号只是电活动的间接测量。此外，它们比脑细胞用来交流的毫秒级电脉冲慢得多，因此这些技术将错过神经计算的关键特征，包括在神经元放电之前形成活动的信号（所谓的次阈值反应）。

近年来，研究人员转而使用基因编码电压指示器，即嵌入细胞膜的荧光传感器，直接报告电压。但是gevi也有自己的挑战。它们的信号很微弱，大约比钙信号快100倍，而且很难在活体脑组织深处捕捉到。对它们进行深度成像需要双光子显微镜，这是一种基于激光的技术，可以窥视到散射的组织，但它有自己的硬物理限制：激光功率过低会产生不可用的信号，而过大则会加热组织或破坏传感器。传统的双光子系统在传递光的方式上也非常低效，限制了可以记录的神经元数量和持续的时间。

瓦齐里着手克服这些限制，设计了一种工具，可以更好地捕捉大脑活动的复杂本质。瓦齐里说：“我们需要想出一个系统，使激发尽可能有效。”“通过最大化我们得到的荧光光子和我们输入的激发光子，我们能够观察到尽可能多的神经元。”

反思光

为了实现这一目标，Vaziri和他的同事需要重新思考光传输本身。他们建立了一个定制的双光子成像平台，称为FlatMux，它利用了一个光学腔。新平台将激光束分成许多精确定时的脉冲，这些脉冲以高度协调的方式传递到组织中一系列不同的、不重叠的点。这与传统方法相反，传统方法依赖于机械扫描，导致激光脉冲在扫描期间对每个样本区域进行过采样。他们的方法不仅允许更快的扫描，而且使系统更高效，用更少的光产生更强的信号，同时还减少了组织加热和不受欢迎的伪影。有了FlatMux，研究人员可以对大脑深处更大的神经元群进行成像，并且速度足够快，可以捕捉到神经元用于交流的毫秒级电事件。此外，该系统的设计是可扩展的，即随着gevi的不断改进，FlatMux将能够重新分配能量资源的实现收益，以记录更大的神经元群，同时保持相同的速度，而无需进一步增加功率。

然后，研究小组将FlatMux与定制的计算工具配对，这些计算工具旨在区分真实的神经活动和背景噪音。硬件和软件一起作为一个平台工作：一个最大限度地从发送到大脑的每个光子中提取信息，而另一个重建隐藏在数据中的转瞬即逝的电信号。然后，为了在现实条件下进行测试，该团队将该系统应用于在跑步机上跑步的清醒小鼠，这些小鼠暴露在须刺激下，结果表明该系统可以在这种刺激和自发行为期间捕获微弱的电压信号。

其结果是，这个系统不仅可以为更多的神经元成像，还可以捕捉神经计算的活动。回报是惊人的。FlatMux同时记录了近200个神经元，深度达到500微米，以每秒2000帧的速度捕获活动，甚至同时对两个皮质层进行成像，使研究人员能够实时观察信号在分层皮质电路中的移动。在高灵敏度模式下，该系统还检测到信号太弱而无法触发放电，但对于揭示突触相互耦合的神经元至关重要，这提高了以光学和高通量方式绘制功能连接的可能性，而不是一次一个细胞对。

有了FlatMux，最终有可能超越孤立神经元的快照，实时捕捉分布网络上展开的计算。这可以帮助研究人员追踪信号如何在电路中移动，研究各种行为（如决策）背后的协调活动，甚至有可能改变新兴的连接组学领域。它的毫秒精度还可以帮助研究人员通过电信号特征区分不同类型的脑细胞，开辟了一种根据功能分类细胞类型的新方法。

“为了理解模式生物的大脑接线图，已经付出了很多努力，”瓦齐里说。FlatMux平台可以用来推断神经元是如何突触连接的。

更广泛地说，FlatMux指出了神经科学的转变，从采样活动片段到捕捉活的大脑回路是如何实时计算的。“大脑不仅是一个生物器官，也是一个信息处理系统，我一直对弄清其潜在的计算原理感到兴奋，”瓦齐里说。

当我们构建这类工具时，不仅仅是为了克服工程上的挑战。它使神经科学能够提出关于大脑如何进行计算的更深层次的问题。”