Science:首次構建出人腦細胞結構數字圖譜---Julich-Brain

2020-12-11 生物谷

2020年8月1日訊/

生物谷

BIOON/---Julich-Brain是第一個人腦三維圖譜的名稱,它以微觀解析度反映了大腦結構的變化。該圖譜有近250個結構不同的區域,每個區域都是基於對10個大腦的分析。24000多張極薄的大腦切片由專家們進行數位化處理、三維組裝和繪製圖譜。作為歐洲人腦計劃(European Human Brain Project)的EBRAINS研究基礎設施的一部分,該圖譜作為一個接口,以空間精確的方式連接關於大腦的信息。由Katrin Amunts博士領導的一個研究小組在Science期刊上發表了這個新型大腦圖譜,論文標題為「Julich-Brain: A 3D probabilistic atlas of the human brain’s cytoarchitecture」。

圖片來自 Forschungszentrum Juelich / Katrin Amunts。

在顯微鏡下,可以看到人腦的結構並不統一,而是被劃分為清晰可辨的區域。這些區域在神經細胞的分布和密度以及功能上都有所不同。藉助於Julich-Brain,這個研究小組如今提出了最全面的大腦細胞結構數字圖譜,並通過EBRAINS研究基礎設施向全世界提供。

Amunts說,「一方面,這個數字大腦圖譜將有助於更準確地解讀神經影像學研究的結果,比如對患者的神經影像學研究。另一方面,它正在成為大腦'谷歌地球'的基礎--這是因為細胞水平是連接關於大腦非常不同方面的數據的最佳接口。」

大腦「谷歌地球」

通過這種方式,這些研究人員為這個人腦計劃做出了重大貢獻。Amunts 說,「我們和這個項目的許多合作夥伴一起,正在把EBRAINS建設成新的、高科技的神經科學研究基礎設施。」

對這個三維圖譜的研究工作已經進行了25多年。數十名專家多年來利用圖像分析和數學算法對大腦組織切片進行評估,並確定了大腦不同區域之間的邊界,這些區域的長度加起來有近2000米。

大腦各個區域的差異

這個大腦圖譜顯示,大腦不同區域之間存在差異,比如,在大小和位置方面就存在不同。因此,Julich-Brain將各個區域的位置和形狀以概率圖的形式顯示出來。這些研究人員發現,與語言有關的布羅卡區(Broca region)存在著特別大的差異。相比之下,初級視覺區域則顯得更加統一。

作為EBRAINS的一部分,Julich-Brain人腦圖譜是將結構和功能結合起來的起點。該圖譜已經在幫助將基因表達、連接性和功能活動的數據聯繫起來,以更好地理解大腦功能和疾病發生機制。「EBRAINS還使得我們能夠利用這些圖譜進行模擬,或者應用人工智慧來探索大腦區域之間的分工。由此產生的海量數據利用EBRAINS計算平臺進行處理。」這種計算能力來自新的歐洲超級計算網絡FENIX,該網絡由五個領先的高性能計算中心組成,其中包括Julich超級計算中心(JSC)。

數字腦科學

Amunts說,「看到大腦研究和數位技術的結合取得了如此大的進展,真是令人興奮。這些研究成果中的大多數匯集在Julich-Brain人腦圖譜和EBRAINS中。它們幫助我們和世界各地越來越多的科學家們更好地理解大腦的複雜結構,並共同揭示事物之間的聯繫。」(生物谷 Bioon.com)

參考資料:1.Katrin Amunts et al. Julich-Brain: A 3D probabilistic atlas of the human brain’s cytoarchitecture. Science, 2020, doi:10.1126/science.abb4588.
https://science.sciencemag.org/content/early/2020/07/29/science.abb4588

2.A centerpiece of the 3-D human brain atlas published
https://medicalxpress.com/news/2020-07-centerpiece-d-human-brain-atlas.html

3.EBRAINS
https://ebrains.eu/

4.The Human Brain Project
https://www.humanbrainproject.eu/en/

相關焦點

  • 科學家揭示人腦細胞結構的三維概率圖集
    科學家揭示人腦細胞結構的三維概率圖集 作者:小柯機器人 發布時間:2020/8/2 23:43:44 德國於利希研究中心Hartmut Mohlberg課題組在研究中取得進展。
  • Science重磅發布:人類大腦細胞結構的三維概率圖譜
    細胞結構是腦微結構劃分的基本參照。在這裡我們介紹Julich-Brain,一個包含皮層區域和皮層下核團的細胞結構3D圖譜。該圖譜以概率的方式研究了個體大腦之間的差異。
  • Science|遺傳相互作用圖譜可確定蛋白質複合物的整合結構
    大家好, 今天分享的是發表在science上的一篇關於遺傳相互作用圖譜輔助蛋白複合物整合結構確定的文章,題目是Genetic interaction mapping informs integrative structure determination of protein complexes
  • Science亮點 | 遺傳互作圖譜新應用:蛋白複合體結構鑑定
    相對於結構生物學家,遺傳生物學家青睞於研究遺傳互作解析基因間的功能,並利用酵母為生物模型,繪製了大量基因互作圖譜。E-MAP通過對酵母細胞克隆大小等表型進行定量分析,可以相對預測出基因互作的強度。在2013年的Cell上,Nevan J.
  • Science:新研究繪製出大腦皮層中的抑制性神經元迴路的發育圖譜
    2020年12月7日訊/生物谷BIOON/---如何構建比目前已知的任何事物都要複雜的神經元網絡?在一項新的研究中,來自德國馬克斯-普朗克大腦研究所的研究人員繪製了抑制性神經元迴路的發育圖譜,並報告發現了獨特的迴路形成原理。他們的發現使得科學家們能夠監測神經元網絡結構隨時間的變化,從而捕捉到個體成長和適應環境的時刻。
  • Science:構建首個人類胸腺細胞圖譜,揭示人類免疫系統起源,為開發...
    在未來,這些信息可能有助於科學家們構建出人造胸腺和設計改進的治療性T細胞。相關研究結果發表在2020年2月21日的Science期刊上,論文標題為「A cell atlas of human thymic development defines T cell repertoire formation」。
  • Science:利用基因相互作用圖譜確定蛋白複合物的整體結構
    但蛋白並不是單獨行動的,科學家們還需要知道蛋白在一起工作時形成的複合物的形狀和組成--他們稱之為結構。有了關於蛋白複合物結構的精確信息,科學家們就有更大的機會設計出高效的藥物來阻斷或提高這種複合物的活性,從而達到治療目的。他們還可以更好地預測突變如何可能破壞一種複合物並導致疾病。但確定蛋白複合物的結構是一項艱苦的工作。
  • 遺傳相互作用圖譜可確定蛋白質複合物的整合結構
    遺傳相互作用圖譜可確定蛋白質複合物的整合結構 作者:小柯機器人 發布時間:2020/12/12 20:55:40 美國加州大學舊金山分校Nevan J.
  • Nature:首次構建出線蟲神經系統的完整連接圖譜
    該研究包括這種動物的雌性和雄性個體,並揭示出它們之間的實質性差異。相關研究結果發表在2019年7月4日的Nature期刊上,論文標題為「Whole-animal connectomes of both Caenorhabditis elegans sexes」。秀麗隱杆線蟲,圖片來自Nature, 2019, doi:10.1038/s41586-019-1352-7。
  • 如何構建知識圖譜?
    二、知識圖譜構建目前的知識圖譜分為兩類。一類是開放域的知識圖譜,另一類是垂直領域的知識圖譜。比如谷歌為搜尋引擎所建立的知識圖譜就屬於開放域的。垂直領域的知識圖譜,比如說金融的,電商的。首先就是要先處理數據。網際網路上的數據基本上都是結構化的,非結構化的和半結構化的。結構數據一般就是公司的業務數據。
  • 知識圖譜發展的難點&構建行業知識圖譜的重要性
    知識圖譜又稱為科學知識圖譜,在圖書情報界稱為知識域可視化,或知識領域映射地圖,用來顯示知識發展進程與結構關係的一系列各種不同的圖形,用可視化技術描述知識資源及載體,挖掘、分析、構建、繪製和顯示知識及他們互相之間的關係。
  • 知識圖譜實戰系列六:Lucene在知識圖譜上構建索引
    這篇文章講講如何在知識圖譜數據集上構建索引進行查詢。倒排索引是一種數據結構,它表示了這樣一種映射,以字或詞或數字為關鍵字進行索引,映射到出現這個字或詞的所有文檔或者資料庫文件。它大概由三部分組成term index、term dictionary 和posting list(倒排表)。索引過程,首要需要找到term(關鍵詞)索引的位置。
  • 中國兒童標準腦結構發育圖譜
    該文章採用328例6至12歲中國兒童的高質量磁共振腦影像數據,繪製出精細年齡分段下的「中國兒童標準腦結構發育圖譜」,為研究我國兒童群體的正常腦發育和異常腦發育(如自閉症、兒童多動症等)提供了重要基礎性工具(Zhao, et al., 2019)。人類的腦結構形態千差萬別。
  • 如何構建知識圖譜
    形式:網鏈結構,有核心節點,是大數據的價值載體。應用:知識圖譜的使用較為靈活,一方面,可以單獨進行使用,作為數據的加工方,直接對接原始數據,從源頭進行數據清洗和知識數據圖譜關聯呈現;另一方面,還可與其他系統進行對接,在有數據沉澱一方,進行實體抽離,在知識圖譜端進行知識加工,最終將知識網絡和潛在關係,提供到知識使用人員。
  • 媒體知識圖譜的構建簡析
    現有代表性的知識網絡有Wordnet、DBpedia、Freebase、NELL(Never Ending Language Learning,永不結束語言學習)、YAGO和谷歌知識圖譜等。其共同點是均基於單一文本進行構建。根據知識來源與頂層概念設計理念,現有數據驅動的知識圖譜構建的研究工作大致分為如下幾類。
  • Science:發布首個全解析度的人類基因組遺傳圖譜
    2019年1月27日/生物谷BIOON/---在一項新的研究中,來自冰島基因解碼公司(deCODE genetics)、冰島大學和雷克雅未克大學的研究人員發布了首個使用全基因組序列數據開發出來的全解析度人類基因組遺傳圖譜。
  • Science:首次在體內繪製tRNA基因適應度景觀圖
    擁有一種準確地告訴你多種流感病毒毒株如何進化的詳細圖譜將是非常有益的。構建這種類型的圖譜是研究一種被稱作適應度景觀(fitness landscape)的概念工具的進化生物學家的目標,其中適應度景觀提供一種可視化觀察和預測進化的方法。自從20時間30年代群體遺傳學家Sewall Wright首次提出以來,適應度景觀的觀點就已非常流行。
  • Nature:構建出SARS-CoV-2編碼容量圖譜
    與SARS-CoV一樣,SARS-CoV-2的S蛋白通過受體結合結構域(RBD)與它們共同的受體血管緊張素轉換酶2(ACE2)結合,介導病毒進入宿主細胞。S蛋白包含兩個功能性亞基S1和S2,其中S1負責與宿主細胞受體結合,S2亞基負責病毒膜和細胞膜融合。在感染過程中,S蛋白被宿主蛋白酶(比如TMPRSS2)切割成N端的S1亞基和C端的S2亞基,並從融合前狀態轉變為融合後狀態。
  • 自底向上——知識圖譜構建技術初探
    而自底向上構建,則是藉助一定的技術手段,從公開採集的數據中提取出資源模式,選擇其中置信度較高的信息,加入到知識庫中在知識圖譜技術發展初期,多數參與企業和科研機構主要採用自頂向下的方式構建基礎知識庫,如Freebase。
  • Science封面文章:確定核孔對稱性核心三維結構圖
    去年,Hoelz團隊在Science期刊上發表了兩篇論文(doi:10.1126/science.aac7420; doi: 10.1126/science.aac9176),詳細了描述了NPC內環和外環關鍵組分的結構,其中這些組分是NPC對稱性核心中的兩種主要的組分。