自动神经元重建使用超多颜色的Tetbow标签和基于值的色调聚类

科学领域:

• 神经科学是一个神经科学.
• 生物技术是生物技术.
• 计算生物学 计算生物学

背景情况:

• 光成像对于在中视层测绘神经元连接的绘制至关重要.
• 在密集标记的神经回路中重建神经细胞是一个重大挑战.
• 现有的方法在高密度神经元标记方面扎,限制了电路分析.

研究的目的:

• 开发一种全自动化策略,用于重建密集标记的神经回路.
• 在复杂的神经组织中克服当前神经细胞重建技术的局限性.
• 为了实现大规模的神经元连接的映射.

主要方法:

• 使用Tetbow方法的随机超多色标签,最多有7种光蛋白.
• 图像采集和光信号的分离通过线性不混合.
• 自动神经元重建管道 (QDyeFinder) 使用多种染料的定量分析.
• 无监督集群算法 (dCrawler) 用于根据距离值对独特的颜色组合进行分类.

主要成果:

• 成功实施了用于单个神经元识别的随机超多色标签.
• 基于颜色组合的自动管道开发,用于识别和重建基于颜色组合的神经质碎片.
• 证明了在毫米尺度上重建数百个神经元的神经元的能力.
• 在不依赖神经元的物理连续性的情况下实现了重建.

结论:

• 开发的策略使密集标记的神经元电路的完全自动化重建成为可能.
• 这种方法显著提升了中视镜神经元连接映射的规模和准确性.
• 这种方法为分析神经科学研究中复杂的神经电路提供了一个强大的工具.