神经科学的一项重大任务是建立精确的大脑图，绘制出其所有神经元及其之间的联系的图表。这样的接线图称为连接组，有望帮助阐明一组细胞如何共同产生思想，记忆，行为和无数其他功能。

现在，哈佛医学院，波士顿儿童医院和欧洲同步加速器辐射设施(ESRF)的研究人员已经证明，一种新的X射线显微镜技术可以帮助加速绘制神经回路以及最终绘制大脑本身的图。

该小组在9月14日的《自然神经科学》(Nature Neuroscience)中进行了报道，描述了如何使用X射线全息纳米断层扫描(XNH)对高分辨率的相对较大数量的小鼠大脑和果蝇神经组织进行成像。

结合人工智能驱动的图像分析，他们重建了3-D密集的神经回路，对神经元进行了全面分类，甚至在果蝇中从肌肉到中枢神经系统都追踪了单个神经元。

“我们认为这将为理解大脑开辟新途径，包括了解大脑的组织方式以及构成其功能的电路，”波士顿通讯社HMS的神经系统学助理教授，作者Wei-Chung Allen Lee说。“这种知识可以使我们对神经系统疾病，影响大脑结构的疾病以及其他方面有基本的了解。”

这组作者说，对于诸如神经回路发现之类的生物学问题，X射线显微术比基于电子显微术(EM)的当前方法具有多个优势。

“我们认为XNH可以为神经科学带来很多价值，因为我们现在可以在更短的时间内访问大得多的内容，” ESRF的科学家之一亚历山德拉·帕库里亚努(Alexandra Pacureanu)说。“这是尝试绘制神经回路的新方法的开始。”

近光速度

研究连接组是一个巨大的挑战。例如，人脑包含约1000亿个神经元，它们具有100万亿个神经连接，大约相当于1000个星系中的恒星数。

在动物模型中，科学家取得了举世瞩目的进步，例如对整个果蝇的大脑进行成像，主要是通过截取比人的头发细一千倍的连续的大脑切片，用电磁成像对切片进行成像并将图像拼接在一起进行分析。

这种方法的成本在时间和资源上可能令人望而却步，需要大量的EM图像，这些图像具有狭窄的视野，并且需要大量的精力来重建甚至很小的神经回路。研究作者说，需要新的成像方法来加速这种努力。

为此，Lee的实验室研究神经回路的组织和功能，与专门从事X射线显微镜和神经成像的Pacureanu合作。HMS神经生物学研究员亚伦·关(Aaron Kuan)和哈佛大学神经科学计划研究生Jasper Phelps共同领导了该团队，他们致力于将XNH应用于神经组织。

该技术的作用类似于CT扫描，后者使用旋转X射线创建人体的连续横截面图像。相比之下，XNH在ESRF的同步加速器中将旋转的组织样本暴露于高能X射线，从而将电子加速到844米环附近的近光速度。

与标准X射线成像不同，标准X射线成像依赖于光束穿过组织时X射线衰减的差异，XNH根据样品引起的光束细微相移的变化来创建图像。后一种方法提高了灵敏度，并与低温条件下的成像相结合，有助于保护和保护标本免受X射线能量的损坏。

XNH生成的图像必须进行解释，以识别哪些结构是神经元。该团队通过应用深度学习解决了这一问题，深度学习是一种人工智能技术，越来越多地用于诸如人脸或物体识别等应用。

作为原理证明，研究人员扫描了毫米大小的鼠标和果蝇神经组织，并重建了3D图像，实现了约87纳米的分辨率。这足以全面可视化神经元并追踪单个神经突，这些神经突来自形成神经回路连线的神经元投影。

重要的是，与使用串行EM截面重建相似体积所需的几个月甚至几年相比，这些重建需要几天的时间。

形式发挥作用

在老鼠的大脑中，研究小组研究了整合感觉刺激和知觉决策的皮质区域。先前的EM研究已经注意到了该区域所谓的锥体神经元的有趣结构特征，但是由于视野限制，每个数据集的样本量仅限于约20个神经元。

研究人员使用XNH扫描了该区域的3200多个细胞。结合对齐的EM数据，该小组对数百个锥体神经元的结构和连通性进行了表征，揭示了独特的结构特性-例如某些神经突区域的强力和空间压缩抑制性输入-暗示了独特的和先前未描述的功能特性。

波士顿儿童基金会柯比神经生物学中心的研究人员李说：“能够可视化神经元有助于我们理解大脑的组织原理，以及不同的电路或网络如何执行行为所需的计算。” “然后我们可以做进一步的实验，将结构数据与功能实验联系起来，以尝试直接解决这个问题。”

他们还对果蝇腿中包含的神经元进行了成像，这种结构很难通过EM进行切片和研究。借助XNH，他们能够绘制从相当于苍蝇的脊髓延伸到腿部的所有运动神经元，以及将信号传递至中枢神经系统的感觉神经元。

HMS Blavatnik研究所神经生物学系的前访问科学家Pacureanu说：“该技术以前曾应用于神经组织，但从未达到如此高的质量和分辨率。” “我们已经证明，我们可以获得足够的分辨率来追踪神经突并使研究朝着连接体的方向发展。”

研究人员现在正在努力改善和进一步优化XNH以成像生物组织。

通过该技术实现的当前分辨率还不足以可视化突触，这目前需要对齐的EM数据进行研究。然而，作者们说，这项技术的物理极限还远远没有达到，而提高分辨率的努力将得到最近在ESRF运行的下一代X射线源的帮助。

Lee说：“ X射线显微镜技术具有特殊的优势，我们的目标之一是将其应用到更高分辨率的大型神经连接网络中。” “希望我们有朝一日能够解决一些问题，例如我们是否能够理解构成决策等复杂行为的神经回路?我们能否获得更高效的计算机算法和人工智能的启发?我们可以对大脑的算法进行逆向工程吗?”

该研究的其他作者包括Logan Thomas，Tri Nguyen，Julie Han，Chiao-Lin Chen，Anthony Azevedo，John Tuthill，Jan Funke和Peter Cloetens。