基于深度学习的图像分析确定了侧面黑色物质中多巴胺基神经元的DAT负子群
Nicole Burkert1, Shoumik Roy2, Max Häusler1
1Institute of Applied Physiology, Medical Faculty, Ulm University, 89081, Ulm, Germany.
Communications biology
|November 10, 2023
概括
一个新的深度学习平台 (DLAP) 精确地量化了大脑组织中的细胞. 它发现了多巴胺神经元的新型亚群缺乏多巴胺转运体 (DAT) 标记物,这对于理解大脑疾病至关重要.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- 多巴胺基中脑神经元,特别是氨酸氧酶 (TH) 阳性神经元,对于调节复杂行为至关重要.
- 这些神经元群体在神经退行性疾病 (如帕金森病) 中受到显著影响.
- 精确量化神经元亚型及其标记物对于疾病研究至关重要.
研究的目的:
- 引入基于深度学习的图像分析平台 (DLAP) 来自动量化细胞数量和光信号.
- 利用DLAP进行对小鼠和人类大脑部分TH阳性多巴胺基神经元亚型的详细分析.
- 在多巴胺基系统内识别和描述新的神经元子群.
主要方法:
- 开发和应用基于深度学习的图像分析平台 (DLAP).
- 分析RNAscope和免疫组织化学染色的小鼠和人类大脑部分.
- 细胞数量的量化,光信号,以及特定的神经元标记物的共同表达 (TH,DAT,ALDH1A1,D2自身受体,Calbindin-d28k).
主要成果:
- DLAP成功量化了大量的细胞数量,并确定了小型细胞亚群.
- 在横向黑色基质 (SN) 中发现了一种新的TH阳性神经元子群 (~5%).
- 这些神经元对多巴胺载体 (DAT) 具有免疫光阴性,具有较小的细胞体,并表现出明显的标记者联合表达模式 (较低的ALDH1A1和D2自身受体,较高的Calbindin-d28k).
结论:
- DLAP提供了一种强大的工具,用于对神经元群体进行高通量,自动化分析.
- 对DAT阴性TH阳性神经元的鉴定挑战了对多巴胺类SN神经元的传统标记.
- 这些发现对理解多巴胺信号和开发相关疾病的诊断或治疗策略有重大影响.
