Science封面:全球首个脑再生时空图谱

740255194ae78093522af87f26dca799.jpeg

来源:brainnews

报道来源:作者团队

原文链接:https://doi.org/10.1126/science.abp9444

为了深入研究墨西哥钝口螈端脑再生的细胞和分子机制,并探讨其与发育的关系,研究人员收集了不同损伤再生阶段(7个再生阶段)和发育时期(6个发育时期)的端脑样本。然后利用我国自主研发的Stereo-seq技术,获取了能够覆盖整个端脑切片的空间转录组数据。得益于Stereo-seq技术所具有的单细胞分辨率优势,实现了对蝾螈大脑发育、再生过程中单细胞转录组的原位捕获及分析。通过对所获数据的大规模整合分析,获得了一系列端脑发育与再生的空间转录组图谱(交互式数据库网站:https://db.cngb.org/stomics/artista/)。

08c6f05da7ef0887c33f8ff002188fcb.jpeg

首先针对脑发育过程的分子细胞动态变化进行分析,通过无偏差聚类分析及细胞类型鉴定,研究人员在发育时期的样本中共鉴别出33种端脑细胞类型,并阐述了它们在不同发育时期端脑的动态分布特点。其中需要特别指出的是具有干细胞属性的室管膜胶质细胞(EGC),根据其基因表达特征可以分为四个亚型:dEGC, wntEGC, sfrpEGC和ribEGC。dEGC主要存在于发育早期,并随着发育逐渐减少,到juvenile时期基本消失。但分布在室管膜的不同区域的另外三个亚型从stage54开始出现后,持续存在于成体阶段;进一步的GO分析显示它们分别处于不同的状态,可能与其在大脑稳态维持中各自不同的功能直接相关。

1cfc3c681b1b4bb0bafb0c84850c4737.jpeg

为了明确脑再生的分子细胞学机制,进一步对脑再生过程中的细胞及分子动态变化展开研究。在端脑多个再生阶段样本中共鉴别出28种细胞类型。通过与发育及再生时期出现的神经元进行比较分析,发现在损伤早期的创口附近存在一群与发育中神经发生高度相似的非成熟神经元。根据其所处位置及基因表达特点,表明是损伤再生信号诱导了神经元的命运重编程——从成熟的神经元转换为不成熟状态,这一转换可能更加有利于为之后的新生神经元提供良好的神经环路整合条件。更值得注意的是,研究人员在再生阶段的细胞类型中,鉴定出了一种再生特异的室管膜胶质细胞亚型reaEGC。reaEGC与发育过程中所鉴定的其他EGC细胞类型均不同,但是与发育最早期出现的dEGC亚型在基因表达指纹上最为相似。分析表明它们是伤口附近存在的EGC细胞亚型,被损伤再生特异性反应激活并发生命运重编,转换为类似于胚胎发育早期的状态,进一步进行快速增殖并覆盖伤口。利用Stereo-seq的技术优势,在空间原位上对脑再生关键时间点(损伤后15天)进行细胞谱系动态分析,表明reaEGC可能通过生成中间前体细胞,非成熟神经元进而转换为成熟神经元的过程来补充丢失的神经元,实现大脑再生。

3eab68deb9a3a31aa5ce807546d7d702.jpeg

基于以上的发现,最后,研究人员比较了脑发育与脑再生的相关性。通过分析端脑发育及再生过程中相关细胞类型的状态、空间分布,并结合神经发生及再生过程中细胞谱系关系与基因动态表达变化,表明蝾螈端脑再生与发育过程具有高度的相似性,揭示端脑再生在一定程度上是其发育过程的重启。该研究首次获得了单细胞水平上的蝾螈端脑发育和再生的空间转录组数据,鉴定了端脑损伤再生过程中的关键细胞类型和分子特征,并明确了脑再生和发育的本质相关性。基于此研究的进一步工作,可能为改善哺乳动物大脑有限的再生能力提供新的思路。此外,蝾螈作为进化关键节点的脊椎动物,其脑单细胞空间图谱还可为研究脊椎动物脑的发育,再生和进化提供重要的数据。

45b73bb1d53bab5a5d7a454bd97add60.png

费继锋:广东省人民医院研究员、博士生导师。长期从事中枢神经系统的发育与再生机制研究。以模式生物蝾螈为模型,通过比较基因组学、功能基因组学、单细胞测序、遗传模型构建、药物筛选以及成像学等方法研究大脑、脊髓等组织器官再生的细胞及分子生物学机制。为推动研究团队发展,课题组欢迎有志再生生物学研究的博士后以及科研助理加入,具有医学、生物学、显微成像技术、生物信息学、材料、化学及高分子等专业背景的博士/硕士学历人才优先。简历投递:jifengfei@gdph.org.cn

65befdfa147ffc433048662fb0daf8bb.png

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

e16ccc03e7e67d0363aa32b975e0f62b.jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481646.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

国科大prml10-无监督学习

文章目录1.监督学习与无监督学习2. 聚类分析2.1簇的其他区别2.2类型2.2.1 基于中心的簇2.2.2 基于连续性的簇2.2.3 基于密度的簇2.2.4 基于概念的簇2.3 应用2.4 三要素3.距离函数3.1 距离函数的要求3.2标准化3.3其他相似、不相似函数4.评价指标4.1外部指标(有参考模…

英伟达、AMD 高端芯片断供,国产芯片如何迅速崛起

来源:大数据文摘转载自AI科技大本营整理:苏宓出品:CSDN8 月 31 日,据外媒 Protocol、路透社等多家报道,美国开始对出口人工智能相关应用所需的先进芯片施加新的限制,其中 AMD、NVIDIA(英伟达&am…

高文院士:AI将为芯片设计带来革命性改变

来源:中国电子报作者:姬晓婷9月1日,世界人工智能大会在上海举行。在芯片主题论坛上,中国工程院院士、鹏城实验室主任高文发表了题为“人工智能与EDA技术的前瞻性发展”的演讲。在高文看来,AI的应用将使芯片设计所需的时…

国科大prml11-降维

文章目录1.维度、特征与维度灾难维度特征维度灾难降维1 维度选择3.特征抽取3.1 预备知识3.2 线性模型3.2.1 多维缩放MDS3.2.2 线性降维的一般形式3.2.3 PCA主成分分析3.3 非线性模型3.3.1KPCA3.3.2流行学习(欧氏距离不能反映相似性)3.3.3 拉普拉斯特征映…

神经元模型:从离子通道到计算

导语本篇推文来自集智俱乐部的网站集智斑图的一篇路径《神经元模型:从离子通道到计算》,路径基于神经动力学模型读书会第一季臧蕴亮老师的分享整理而成。感兴趣的朋友可以结合本次分享的回放(回放链接https://campus.swarma.org/course/4433&…

国科大prml12-半监督学习

文章目录1.假设2. 自学习算法3.多视角学习3.1 协同训练(co-training)3.2 多视角学习4. 生成模型生成模型的例子4.2 GMM高斯混合模型4.2.1 EM算法用于GMM4.2.2减小风险的启发式4.3 聚类标签法(cluster-and-label)5. S3VMsTSVM5.2 学习算法SVMlightSVM^{li…

我国城市大脑首批三项标准的解读和专家评议

来源:远望智库预见未来我国城市大脑首批三项标准的解读与专家评议2022年9月1日,中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》;《城市大脑数字神经元基本规定》等三项…

谷歌新作:扩散模型背后的数学原理

来源:机器之心扩散模型背后的数学可是难倒了一批人。最近一段时间,AI 作画可谓是火的一塌糊涂。在你惊叹 AI 绘画能力的同时,可能还不知道的是,扩散模型在其中起了大作用。就拿热门模型 OpenAI 的 DALLE 2 来说,只需输…

国科大prml13-概率图(CRF,HMM)

文章目录1. 有向概率图模型(贝叶斯网络)1.1 概率分布1.2 表示1.3 条件独立性1.3.2 检验条件独立算法(贝叶斯球)2. 无向图模型(马尔科夫随机场)2.1 条件独立性2.2 概率分布2.3 表示无向图的条件独立性判断3.…

解读2022城市大脑首批三项标准(新版)

来源:远望智库预见未来解读2022城市大脑首批三项标准(新版)2022年9月1日,中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》;《城市大脑数字神经元…

单个细胞比科学家们以前认为的更聪明

来源:生物通细胞不仅根据生长因子等外部信号做出选择,还根据从细胞内部接收到的信息做出选择。每一天,人类都在为自己做选择。为了确保做出的决定适合当时的情况,这些决定通常需要结合一系列上下文线索。我们的感官为我们提供了做…

国科大prml14-独立于算法的机器学习(boosting/

文章目录1.哲学定理2. 重采样resampling2.1 bagging2.2 boosting2.3 adaboost2.3.2训练误差2.4 active learning3. 估计和比较分类器--交叉检验3.1 交叉验证5.adaboost在人脸检测上的应用5.1肤色模型5.2基于AdaBoost的快速人脸检测如何选择好的模型和评价模型?独立于…

解读2022中国城市大脑首批三项标准(新版)

来源:远望智库预见未来解读2022城市大脑首批三项标准(新版)2022年9月1日,中国指挥与控制学会在京召开《城市大脑首批标准新闻发布会》正式发布《城市大脑 术语》、《城市大脑顶层规划和总体架构》;《城市大脑数字神经元…

国科大prml15-基于浅层模型的计算机视觉--以人脸识别为例

文章目录2. 特征设计与提取过程q2.1 局部特征--SIFT2.2局部特征HOG3. 特征汇聚或变换h3.1BoVW视觉词袋模型3.2PCA4.以人脸识别为例4.1 主动统计模型4.1.1ASM(active shape model)4.1.2 AAM主动表观模型4.2人脸特征提取和比对特征脸Fisherfaces方法--本质(Fisher线性…

DeepMind又放大招!用大型语言模型实现可信推理,距离模型可解释性又近了一步...

来源:AI前线整理:核子可乐、冬梅可解释性,已经成为当今机器学习研究与开发领域最紧迫的难题之一。尽管目前的大规模语言模型(LM)已经展现出令人印象深刻的问答能力,但其固有的不透明性却导致人们无法理解模…

机器智能的未来

来源:混沌巡洋舰今年8月,马斯克发布推文称将会在10月31日,更新有关脑机接口的最新进展。近几年,人工智能方面的发展一直在取得突破和进展,人们对这方面的期待和研究却一直没有停止。比尔盖茨2021年度书单重磅推荐了《千…

国科大prml15-目标检测

改进R-CNN缩放图片SPPNet允许不同大小输入,SPP(pooling)归一化到相同尺寸Fast RCNN1.SPP->Rol pooling;2.改进边框校准Smooth L1 loss;3.全连接加速Truncated SVDFaster RCNNRPN直接生成候选框(共享CNN),anchor boxMask R-CNN实例分割&…

大模型铺天盖地出现后,计算机科学终成「自然科学」

来源:选自Communications of the ACM作者:Subbarao Kambhampati(美国人工智能学会前主席)编译:机器之心编辑:rome rome当部分人工智能正偏离其工程本源,AI 研究的方向变化,超出了我们…

Transformers 如何模仿大脑的某些部分

来源:ScienceAI编译:白菜叶了解大脑如何组织和访问空间信息「我们在哪里」,「拐角处有什么」,「如何到达那里」,这仍然是一项艰巨的挑战。该过程涉及从数百亿个神经元中调用整个记忆网络和存储的空间数据,每…