摘要
对人类皮层神经元进行定量的纳米尺度描述仍然有限，尤其是当在统一的连接组框架下同时考察神经元形态、突触几何结构以及分层输入组织时。本研究利用公开可用的H01人类颞叶皮层数据和开源工具，开发了一条可重复的流水线，用于解码分片数据、重建神经元和突触网格模型，并将基于网格的形态测量与基于注释的分层输入分析相结合。相关的自定义脚本将在发表后发布至公共仓库。形态测量分析聚焦于一个第5层锥体神经元，而分层输入谱分析则在四个第5层锥体神经元和四个第5层中间神经元中展开。重建的锥体神经元包含一个胞体、七条主干分支和207个分支级骨架片段，骨架总长度为10.13 mm，胞体体积为9191.33 μm3。分支参数呈现右偏的异质性分布，分支长度与表面积之间存在强相关性（r = 0.864，p < 0.001）。传入突触亚区室呈现不规则的扁平形态，其边界框分布呈连续右偏，无二态性证据。突触亚区室的体积与表面积之间存在强相关性（r = 0.952，p < 0.001），表明存在协调的几何缩放关系。在所选队列中，逐层输入注释主要集中在第III至第V层，所选锥体神经元表现为第V层主导的输入模式，而所选中间神经元的输入分布则更为广泛。总体而言，该基于H01的框架将神经元形态、突触亚区室几何结构和分层输入估计联系起来，但更广泛的结论需要在更多神经元和供体中进行验证。
利益冲突声明
作者声明无利益冲突。
数据可用性声明
H01的技术工具和数据来源可通过在线资源网站https://h01-release.storage.googleapis.com/landing.html获取。神经元和突触数据以分片格式存储在Google Cloud H01存储桶中：https://console.cloud.google.com/storage/browser/h01-release。与突触连接相关的分片格式、网格格式和注释格式的规范可在GitHub开源项目https://github.com/google/neuroglancer/tree/master中找到。我们用于提取神经元和突触模型的代码可以基于相关数据结构用Python编译实现；其中，神经元形态特征提取使用了NEURD库的内置函数，该库可在以下地址获取：https://github.com/reimerlab/NEURD。
重建与分析工作流程使用基于公开可用的H01数据和开源软件开发的自定义Python脚本实现。用于分片解码、神经元和突触网格重建、突触亚区室处理、分层校正以及统计分析的脚本将在发表后存入公共仓库。该仓库还将包含所分析的片段ID、软件包版本以及复现主要分析所需的示例命令。在公开发布之前，脚本可通过合理请求向通讯作者获取。
