小鼠脑立体定位图谱_三维成像成就空间组学 致力人类脑图谱数据更新

本文主要是介绍小鼠脑立体定位图谱_三维成像成就空间组学 致力人类脑图谱数据更新,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

近日,由多国遗传学家和神经科学家组成的团队,通过多组学数据库资源整合并结合三维组织器官成像技术,获得了更进一步的人全脑区蛋白编码转录组分析图谱。文献发表于3月6日的Science上,同时相关数据已被Human Protein Atlas (HPA) Brain Atlas数据库收录。该研究令人类脑图谱数据更加完善的同时,通过比对多种属的脑部转录组数据,对神经系统研究模型建立提出了新思考。

73bfe70b87cbf13fde5f765e7387530f.png

人类脑图谱计划及相关数据库

对脑的研究不仅仅因其生理功能、分子结构和基因表达的的复杂性,深入探究分子、蛋白及细胞水平的结构、功能将对了解脑高级功能和疾病发生具有重要意义,这也就是人类脑图谱计划Human Brain Atlas (part of Human Protein Atlas, HPA) 的目的所在。

现有的可用于哺乳动物大脑基因图谱数据库包括Genotype-Tissue Expression (GTEx), Functional Annotation of Mammalian Genomes 5 (FANTOM5)和Allen Mouse Brain Atlas。HPA和GTEx数据库是基于基因3‘端Poly-A尾富集后扩增的方法得到的转录组信息,经典组蛋白mRNA信息将无法获得;只有FANTOM5数据库内包含基于5’端cap的逆转录扩增数据。因此,多数据库的整合比对的好处,在于充分减轻转录组分析的3’端偏好(3’ bias)问题。基于这三大数据库,产生更全面的不同脑区内编码蛋白的基因组学数据。

通过对人、小鼠和猪的不同脑区内蛋白编码基因组比对,种属差异性和研究模型的可靠性再次受到关注。研究显示,与脑基础结构和功能相关的基因在不同哺乳动物物种的进化过程中得到保留,然而神经递质传导相关的受体则在不同物种间存在极大的表达水平差异,以人和小鼠为最。这提示:当采用小鼠用于人类脑疾病研究模型,特别是开发治疗方案和药物时,需格外谨慎看待数据和结论。就连某些神经科学研究领域中被广泛采用的细胞类型标记物,在外周器官中的表达水平往往还更高。

一个与帕金森症治疗药物开发密切相关的基因:络氨酸羟化酶(Tyrosine Hydroxylae, TH)在不同种属间的表达水平和脑区截然不同。

a0a64d90519146781e01cd9ee9a7702c.png

这些结果都提示,在神经生物学研究中,需要选择更符合生理病理意义的模型,且基于整体器官的分析方法更加重要。

成年啮齿动物脑解离更有利于从事神经退行性疾病的细胞模型建立:

✦成年后神经网络发育完善,神经元数量稳定,药理学和电生理学反应成熟;

✦成体动物各种细胞类型发育完全,小胶质细胞、少突胶质细胞比例达到顶峰且稳定,具备完善的功能性;

✦血脑屏障组成细胞均发育成熟,屏障功能完备。

c466fc55b53e205b11d127499e6cf824.png

独创且革命性的Adult Brain Dissociation Kit, mouse and rat(成年脑解离试剂盒)以最优化的酶组合,gentleMACS Octo八通道全自动组织解离器充分高效解离成年脑组织细胞外基质成分,保证细胞活力的同时保留细胞表位信息,满足多种下游应用需求。

629fd4c527cc8bd1495a41dd5f9d800e.png

三维整体成像揭示神经系统内RNA和蛋白分布不一致

 本研究应用了基于有机试剂的透明化方法制备透明化小鼠脑,实现了三维空间内转录组和蛋白表达定位的分析,观察神经环路结构的同时,首次观察到了RNA和蛋白分布的不一致性。一个实例:去甲肾上腺素摄取转运体SLC6A2 的转录RNA可于脑桥蓝斑核区域的胞体内检测到,这也与通常认知的去甲肾上腺素能神经元的分布一致;然而,SLC6A2蛋白却检测不到,因为蛋白被迅速转运到广泛的轴突网络结构中。相似的实例还有孤儿受体GPR151,其转录RNA可通过原位杂交的方法检测于小鼠下丘脑外侧缰核的神经元胞体内,但蛋白却于投射到脚尖核的轴突内通过免疫标记得到检测。对于这种广泛范围内的蛋白分布检测,只能依赖基于完整组织的三维成像方法。

be4fac60658136fae6e4f243362d715a.png

iDISCO+ 透明化后的小鼠全脑进行GRP151受体的免疫染色标记。内侧缰核 (mhb), 中脑切面后屈束(fr), 脚尖核 (ip) 得到较强的染色标记。圈出区域为局部放大。采用UltraMicroscope II, Miltenyi Biotec进行图像采集。比例尺250 μm.

组织器官整体三维成像无疑成为影像分析的新宠,该方法基于透明化的组织块进行光片扫描后的图像数据三维重建。与传统光学显微成像和共聚焦扫描成像等方法相比,避免了切片后染色带来的伪信号、光漂白效应剧烈等缺陷,最重要的是,在器官整体层面进行研究,探究如神经环路、淋巴管分布、血管支配等连续系统中具有绝对的优势。

3d0defb37ed7b2dad10d48c56c11a359.png

网络讲座

3684208ca7b62cbe2f1c3b8eefbe7f40.png

想更进一步了解三维整体成像技术的最新应用吗?!

时间:5月28日

主题:Finding the needle in the haystack - identifying tumor burden in sentinel lymph nodes by advanced 3D imaging

主讲人:Matthias Gunzer, PhD

Director of the Institute for Experimental Immunology and Imaging and the Imaging Center Essen (IMCES), University Hospital, University Duisburg-Essen, Germany

点击文章左下角“阅读原文”,即可注册观看!

美天旎中国

3c379ded714584c66bfe7a5a82a17497.png

20568a53e7ee9bb49511eba9b930079a.png

2f2e6c265993a0b8bac8f2701c792175.png

在看点这里

0d7ac6730f0effa8dcbd88174ffa5ffc.gif

这篇关于小鼠脑立体定位图谱_三维成像成就空间组学 致力人类脑图谱数据更新的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/515738

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

hdu1240、hdu1253(三维搜索题)

1、从后往前输入,(x,y,z); 2、从下往上输入,(y , z, x); 3、从左往右输入,(z,x,y); hdu1240代码如下: #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#inc

hdu4826(三维DP)

这是一个百度之星的资格赛第四题 题目链接:http://acm.hdu.edu.cn/contests/contest_showproblem.php?pid=1004&cid=500 题意:从左上角的点到右上角的点,每个点只能走一遍,走的方向有三个:向上,向下,向右,求最大值。 咋一看像搜索题,先暴搜,TLE,然后剪枝,还是TLE.然后我就改方法,用DP来做,这题和普通dp相比,多个个向上

poj3468(线段树成段更新模板题)

题意:包括两个操作:1、将[a.b]上的数字加上v;2、查询区间[a,b]上的和 下面的介绍是下解题思路: 首先介绍  lazy-tag思想:用一个变量记录每一个线段树节点的变化值,当这部分线段的一致性被破坏我们就将这个变化值传递给子区间,大大增加了线段树的效率。 比如现在需要对[a,b]区间值进行加c操作,那么就从根节点[1,n]开始调用update函数进行操作,如果刚好执行到一个子节点,