皮层细胞的综合分类和定量项目原子映射揭示了单细胞水平上大脑全连接体的组织原理

科学领域:

• 神经科学是一个神经科学.
• 细胞生物学 细胞生物学
• 计算生物学 计算生物学

背景情况:

• 皮层细胞类型按分子谱或古典形态分类,但缺乏统一的分类学.
• 整个神经元形态 (WNM) 和树突和轴突等经典特征提供了对神经元结构和功能的互补观点.
• 弥合这些分类对于理解复杂的皮质电路至关重要.

研究的目的:

• 建立一个新的神经元分类学,整合分子身份,整个神经元形态学 (WNM) 和经典形态学分类.
• 用传统方法分析和比较这些新定义的细胞类型的连接体.
• 为高级研究应用提供神经元连接的详细地图.

主要方法:

• 使用tamoxifen诱导的Cre线与GFP记者稀少标记神经元.
• 从大约15个大脑区域使用Vaa3D-TeraVR重建了1419个完整的神经元形态 (WNM).
• 整合新的重建与1455个公共WNM数据集,并应用集群和随机森林分类.

主要成果:

• 定义了十种新的组合分子-WNM-古典形态细胞类型 (例如,L5ET_TPC,L6CT_NPC,L2/3IT_TPC).
• 通过客观聚类和随机森林分析验证了这些类型,揭示了不同的连接组.
• 揭示了单细胞水平上皮层-皮层和皮层-皮层下连接的详细组织原理.

结论:

• 新的分类学为体内记录和神经网络建模提供了一个精确的工具.
• 这种综合方法揭示了绘制预测的传统散装注入方法的局限性.
• 这项研究通过将分子身份与形态学和连接性联系起来,大大提高了我们对皮质电路的理解.