Nature：大脑是怎么“看见”的？7.5 万神经元连接图谱重构视觉认知

来源：brainnews

编译作者：zouki（brainnews创作团队）

校审：Simon（brainnews编辑部）

在视觉认知的背后，大脑是如何整合和处理来自不同空间的信息？长期以来，神经科学家希望能解开这一“黑箱”，找到功能与结构之间的对应关系。近日，发表在Nature的一项重磅研究为我们打开了这一窗户。

该研究由MICrONS项目团队发布，构建了迄今最庞大的功能连接组学数据库之一，记录了清醒小鼠在观看自然与人工视觉刺激时，超过7.5万个神经元的钙信号活动，涵盖初级视觉皮层（VISp）及多个高级视觉区域（VISrl、VISal、VISlm）。这些功能数据与一份超大规模的**电子显微镜重构图谱（包含20多万个细胞和超过5亿个突触）**精确配准，使得研究者能够从单细胞层面追踪功能、形态、投射路径乃至突触连接。

通过对部分神经元的精细校对和重建，研究者不仅得以描绘完整的树突结构和投射路径，更揭示了多个关键发现：不同视觉区域间信息整合的新计算原则、特定神经元类型的选择性抑制连接模式，以及兴奋性神经元在区域内外的连接规律等，为我们理解大脑处理视觉信息的机制提供了全新的结构-功能整合框架。

结果一：百万突触级图谱如何诞生：首次实现功能与结构的毫米级对齐

研究团队通过将大体积电子显微镜（serial section TEM）与大规模钙成像技术相结合，在活体小鼠视觉皮层中获得了首个立方毫米尺度的功能连接组学数据集。在清醒状态下，小鼠观看自然和人工视觉刺激，研究者记录了来自不同皮层层级的兴奋性神经元对视觉刺激的反应。随后，他们使用自动化卷积神经网络与人工校对结合的方法，对同一立方毫米区域进行了三维重建，精确标定了神经元形态、轴突树突路径、突触连接关系以及细胞类型。通过将功能成像与EM数据精确配准，他们成功实现了神经元功能活动与其解剖连接的对应匹配。这一里程碑式的数据集涵盖了包括锥体细胞、抑制性神经元（如蓝球细胞、篮状细胞、灯笼细胞、Martinotti 细胞）及非神经元细胞（如星形胶质细胞、微胶质细胞和血管网络）在内的完整细胞类型谱系，为后续研究结构与功能如何共同塑造视觉信息处理提供了坚实基础。

图1：资源数据类型与数据产品

结果二：一鼠三地，六个月不停机：构建百万神经连接图谱背后的精密协作

为了获得毫米级精度的功能连接组数据，研究团队构建了一条跨机构、跨学科的高通量数据采集与处理流程。首先，研究人员在贝勒医学院利用双光子钙成像技术（2P calcium imaging），记录了一只清醒小鼠在多种视觉刺激条件下的神经活动。随后，这只小鼠被转运至艾伦脑科学研究所，在此提取了成像区域的脑组织，经过六个月不间断的连续切片与电子显微成像（EM），完成了组织体积的高分辨率图像采集。接着，这批海量EM图像被送往普林斯顿大学，在这里进行了精细配准、三维重建与高密度图像分割。最终，研究团队对部分自动重建结果进行了详尽的人工校对与注释，识别出不同类型的神经元、突触结构以及非神经元细胞特征。这一多中心协作流程不仅保证了数据的完整性和精度，也奠定了高质量大脑连接组学数据库的标准化基础。

图2：数据获取流程中的主要实验步骤

结果三：让神经元‘看电影’：一次超10万细胞的视觉响应大扫描

研究团队利用2P-RAM双光子钙成像技术，在一只表达GCaMP6s的转基因小鼠中，成功记录了来自四个视觉皮层区域（VISp、VISrl、VISal、VISlm）、覆盖皮层2至5层的约75,909个兴奋性神经元对自然与人工视觉刺激的响应。为实现毫米级体积的功能全覆盖，研究者对每只小鼠在多个深度层面进行了14次重叠成像扫描，生成了超过12万的神经元分割掩膜，并通过自动分类提取了功能活跃的神经元。成像过程中，小鼠处于头部固定状态，并同步记录了跑轮运动、眼动和瞳孔大小等行为参数，以辅助解释神经响应的状态依赖性。每次扫描持续约84分钟，视觉刺激涵盖了复杂自然视频片段、第一人称虚拟场景导航、以及参数化图像，以捕捉神经元在高维视觉特征空间中的响应特性。通过结构体积配准与空间重定位，功能数据被成功整合至后续EM数据的三维坐标框架中，为结构-功能一体化分析奠定了基础。该大规模、高分辨率的视觉反应数据库，不仅实现了类自然条件下神经功能的高效采集，也为未来基于深度学习的视觉响应建模提供了理想数据资源。

图3：活体钙成像数据

结果四：千万层切片 × 纳米级解析：构建有史以来最大规模的脑连接EM图谱

研究团队利用自动化透射电子显微镜（autoTEM）对与功能成像区域相匹配的小鼠视觉皮层体积进行了连续切片和超高分辨成像，最终获得了覆盖约800 μm脑区、厚度达27,972层、总数据量高达2 Pb、空间分辨率为4 nm的脑组织EM图谱。为保证切片连续性和数据质量，切片过程由人工24小时轮班监控，最终选取了切片完整率高（丢片率约0.1%）的26,652层进行成像。受限于技术操作，图像被划分为两个子体积，分别经过拼接、粗对齐与细对齐后被统一到同一坐标框架中，以实现神经元结构在跨体积间的追踪与重建。研究团队开发并应用了基于卷积神经网络的像素级位移估计方法，显著提升了图像间的非线性对齐精度，尤其是在应对切片过程中的折叠和裂缝等变形时表现出色。最终生成的对齐图像体积以8 nm分辨率存储，为后续大规模轴突与树突的重建和精确连接性分析提供了坚实基础。

图4：电子显微镜数据集

结果五：5亿突触 × 14万细胞核：自动化重建揭示皮层神经元精细结构与连接图谱

研究团队利用基于卷积神经网络的亲和力预测与聚合算法，在高分辨率对齐的EM图像上对神经元胞突进行了密集自动分割，实现了大规模、高精度的神经元形态重建（图5a）。在对图像对齐质量较高的区域，自动分割能够准确恢复树突结构及其棘突，初步区分兴奋性与抑制性神经元类型，并成功识别出大量星形胶质细胞、小胶质细胞及血管等非神经元结构。两部分子体积虽分别分割，但对齐精度足以支持跨体积追踪（图5b）。此外，团队通过另一套卷积网络自动分割了14.4万个细胞核，并在100 µm²区域内对2,751个细胞核进行了手动分类，结合机器学习建立了准确区分神经元与非神经元（如胶质细胞）的分类模型，为细胞类型注释提供了结构基础。研究还自动识别出5.24亿个突触连接，并准确匹配突触前后神经元身份，自动检测在手动验证中表现出96%的精度和89%的召回率，突触配对的准确率则高达98%，展现出前所未有的自动化重建效率与质量。

图5：自动重建结果

总结

总的来说，本研究结合双光子钙成像与高分辨率电子显微成像，首次在同一小鼠皮层中实现了大规模神经元活动、形态和突触连接的联合图谱构建。通过精确配准与自动化重建，研究团队成功获取了7.6万个功能神经元、14万个细胞核和5亿个突触的数据，系统揭示了视觉皮层中多区域、多层次神经元的功能-结构整合特征。

https://doi.org/10.1038/s41586-025-08790-w

参考文献

MICrONS Consortium. Functional connectomics spanning multiple areas of mouse visual cortex. Nature. 2025 Apr;640(8058):435-447. doi: 10.1038/s41586-025-08790-w. Epub 2025 Apr 9. PMID: 40205214; PMCID: PMC11981939.

阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”

https://wx.zsxq.com/group/454854145828

未来知识库是“ 欧米伽 未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。 欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。

截止到3月31日 ”未来知识库”精选的百部前沿科技趋势报告

（加入未来知识库，全部资料免费阅读和下载）