标准化框架解析神经退行性疾病中运动神经元丢失的模糊性

《Acta Neuropathologica Communications》：A standardized framework resolves ambiguity in motor neuron loss across neurodegenerative diseases

　　

运动神经元（MN）丢失是神经退行性疾病的重要标志，然而其评估仍存在变异性，混淆了机制与治疗学解释。为此，研究人员对脊髓肌萎缩症（SMA）小鼠研究进行了系统综述与荟萃分析，揭示所报道的MN丢失存在60%的变异性，其中脊髓采样是主要贡献因素。研究人员采用整段（whole-segment）方法结合组织透明化、MN示踪与多模态成像，确认了MN计数存在节段依赖性差异。常用MN标记物（SMI-32、Nissl）缺乏特异性，而胆碱乙酰转移酶（ChAT）在小鼠与人类脊髓中提供了稳健标记。基于深度学习的全 mounts 分割实现了无偏MN定量并验证了人工计数。将分析与计算建模相整合确立节段采样为变异性的关键驱动因素，并揭示退化模式：肌萎缩侧索硬化（ALS）中广泛MN丢失，重度SMA中选择性MN丢失，轻度SMA模型中得以保留。这些发现建立了可重复的MN定量框架。

研究背景与立项依据：运动神经元（MN）丢失是脊髓性肌萎缩症（SMA）、肌萎缩侧索硬化（ALS）等神经退行性疾病的核心表型，但既有文献中同一小鼠模型报道的MN丢失率差异可达60%，严重干扰机制阐释与药物疗效评判。研究人员指出，变异性主要来自三方面：脊髓节段采样不一致（如腰段L1–L2与L3–L6易混用）、分子标记物特异性不足（Nissl与SMI-32会标记腹角中间神经元）、以及手工/立体学计数的人为偏差。为解决该可重复性危机，研究人员在《Acta Neuropathologica Communications》发表了此项研究，旨在建立一套节段特异、标记特异、可机器学习赋能的标准化MN定量框架。

主要关键技术方法：研究基于PubMed系统综述（PICOS准则）筛选75篇SMA小鼠文献做荟萃分析与贝叶斯多层建模；实验端使用P4–P180 C57BL/6、FVB、ChAT-eGFP小鼠及SMNΔ7、Smn^2B/?、台湾型、4拷贝SMN2 III型样SMA模型与SOD1-G93A ALS模型，以脊神经根地标法分离L1–L6整段，经灌注固定、振动切片（75 μm）或冷冻切片（20 μm）、ChAT/HB9/NeuN/SMI-32/Nissl四标免疫荧光，配合离体脊神经前根Fluorescein Dextran与Texas Red逆行示踪、组织透明化全 mounts 共聚焦成像，以及Cellpose深度学习训练模型做无偏分割，并以Abercrombie公式校正核重叠。

研究结果（保留原文小标题）：

Meta-analysis identifies spinal segment sampling as a major contributor to variability in reported motor neuron loss in SMA：对SMNΔ7模型腰椎文献亚组分析显示，按L1–L2、L3–L6、L5内侧运动柱（MMC）分层后异质性I²降至0，L1–L2池易感性最高，证明节段采样是报道变异的主因。

Divergent motor neuron distribution across the lumbar spinal cord revealed by segment-specific analysis：逆行示踪结合ChAT全 mounts 计数表明，P4小鼠腰段MN数从L1约300升至L5约700再降至L6约300，LMC与MMC沿罗尾轴消长；振动切片与全 mounts 手工计数无差异，确立神经根地标法为常规可用方案；P4至P180总MN数稳定，仅密度随节段延长下降。

Spinal interneurons undermine the specificity of SMI-32 and Nissl as motor neuron markers：在L1/L5四标中HB9与ChAT共标90–95%，SMI-32仅80%且额外标记160%（L1）/75%（L5）中间神经元，Nissl额外标记280%/120%；人尸检胸髓中SMI-32/Nissl脱靶降至25–40%；沉浸固定成年鼠ChAT信号丢失，提示灌注必要性；HB9与ChAT被定为高特异标记。

Deep learning–based segmentation enables unbiased motor neuron quantification within the intact spinal cord：Cellpose模型在清除后全 mounts L1段分割精度0.86，与手工振动切片计数一致；薄冷冻切片需35% Abercrombie校正而厚振动切片仅10%，相对丢失率判定不受切片法影响。

Random sampling masks spinal column-specific variability of MN loss in SMA：R模拟显示，全腰段随机抽5片或每2/10片抽样4轮中仅少数检出SMNΔ7差异，而锁定L1抽5片则轮轮显著，证实随机采样掩盖池特异性退化。

Column-specific MN vulnerability differs among mouse models of MN disease：SMNΔ7终末P10颈C6、胸T9、腰各段均见α-MN（ChAT⁺NeuN⁺）选择性丢失约30–50%，γ-MN（ChAT⁺NeuN^?）基本保留；III型样SMA至P270全节段α/γ-MN数正常、p53通路未激活、NMJ完整；SOD1-G93A终末P130各段α-MN丢失>50%且L5 LMC最重，γ-MN留存。提示重度SMA近端正中、ALS远端广泛、轻型SMA无丢失。

讨论与结论翻译：MN退化是多种神经退行病标志，但可重复定量仍具技术挑战。研究人员识别出相同SMA模型间>60%的丢失率变异，脊髓节段采样为主因，组织处理与标记选译为辅因。研究证明节段特异ChAT手工切片策略经机器学习全 mounts 验证具最优准确性，应用于SMA与ALS模型揭示了疾病特异的空间选择性MN易感性，表明既往变异源于方法学而非生物学差异，所提供的框架可提升跨研究可重复性。结论：节段采样、ChAT/HB9标记与深度学习分割三位一体的标准化框架，能消除MN定量模糊性，正确区分SMA近端选择性丢失与ALS远端广泛性丢失，并纠正轻型SMA模型中被高估的退化率。