撰文 | Qi
責編 | Yan
哺乳動物的大腦包含數百萬,甚至數十億的神經元,正如「世界上沒有兩片樹葉是完全相同的」,任何神經元都是獨一無二的存在。然而,神經元會根據特定框架劃分為不同類型,用於了解細胞和環路如何支配大腦行使功能。繼單細胞測序(single cell RNA sequencing, scRNA-seq)之後,諸如Patch-seq的新方法能夠直接將特定神經元的轉錄組特徵與它的其他識別特徵相關聯,例如神經元的精確定位、形態和固有電生理特徵,這將有助於揭示細胞多樣性的本質和基本規則,並增進我們對神經元和環路功能的理解【1,2】。
2020年11月12日,來自美國艾倫腦科學研究所的Gabe J. Murphy課題組在Cell雜誌上發表了一篇題為Integrated Morphoelectric and Transcriptomic Classification of Cortical GABAergic Cells 的文章,這項研究共表徵了超過4200個小鼠視覺皮層GABA能中間神經元的轉錄組和內在生理特性,並重建517個中間神經元的局部形態。通過多模式綜合分析,共定義28種MET-types(morphological/electrophysiological/transcriptomic types),它們具有一致的形態學,電生理學和轉錄組學的特性,並且具有強大的相互可預測性。這些MET-types代表了皮質GABA能中間神經元類型的統一定義,並提供了一個系統的框架以跨不同形式捕獲現有知識並橋接未來分析。
為了建立小鼠皮質神經元的電生理學,形態學和轉錄組學特徵之間的直接對應關係,作者建立了標準化流水線以從單個細胞的所有三種模式中提取高質量數據(見圖1)。首先,給定轉錄組類型(transcriptomic types, t-types)的電生理特性的同質和異質性如何?作者分析了所有4270個神經元對由矩形脈衝電流注入組成的標準化電流協議的電生理反應。根據這些測量,作者計算了12個「特徵向量」,捕獲了諸如動作電位形狀,對表示凹陷電勢的超極化電流的歸一化響應等屬性。對每個特徵向量進行稀疏主成分分析(sparse principal-component analysis, sPCA),鑑定出一組44個sPCs以表徵細胞的電生理特性。緊接著,作者對來自GABA能神經元Sst,Pvalb,Vip,Sncg和Lamp5子集的已完成轉錄組學和電生理學表徵的517個細胞進行形態分析,觀察到具有明顯樹突和軸突分布模式的轉錄組類型。
圖1. Patch-seq數據收集和處理流水線示意圖
通過對轉錄組學,形態學和電生理學的關聯分析,作者發現某些給定t-types神經元具有一致的電生理和形態學特徵,而某些則表現出異質性。因此,作者對517個細胞進行無監督的聚類分析,定義並分組了具有上述三種相似特性的28種形態/電生理/轉錄組細胞類型(MET-type)。那麼是否可以根據電生理和形態學特徵來預測t-type或MET-type呢?為此,作者通過訓練監督分類器發現使用電生理和形態學相結合的MET-type預測(78%)比t-type預測(62%)具有更高的準確度。
接下來,作者分析了這些MET-types的特徵,在Pvalb子集和Lamp5子集中分別確定了5種和2種MET-types,在Sst子集中共確定了13種MET-types等,其數量遠遠超過先前單純通過形態學或電生理學鑑定出的細胞類型。出乎意料的是,每個子集中幾乎所有MET-types都沿著皮層深度排列,每種類型的胞體和軸突位置通常集中在特定層,這是MET-types之間的標誌性區別。例如,Sst-MET-3和Sst-MET-4分別主要包含映射到在L2/3皮質層或L5皮質層的Sst Calb2 Pdlim5細胞;Pvalb-MET-4包含同時映射到Pvalb Reln Itm2a和Pvalb Tpbg的細胞,主要由L4和L2/3快閃細胞組成等。這些發現揭示了皮質GABA能神經元多樣性的複雜模式和一些基本規則,這可能會推廣到其他腦細胞類型的研究。
總的來說,通過這項研究我們可以得出這樣一個結論,即多模式綜合分析是區分神經元類型的一種有效方法。除了形態學,轉錄組學和電生理學之外,有關細胞和環路特性的其他信息將繼續完善中間神經元基團的識別,例如蛋白質組學信息的添加,局部和遠程突觸連通性以及體內功能表徵等。隨著大規模電子顯微圖像的可用性,很快將能夠跨數據集映射形態表型,以了解轉錄組、形態和電生理表型與連通性譜之間的關係。
原文連結:
https://doi.org/10.1016/j.cell.2020.09.057
製版人:十一
參考文獻
1, Fuzik, J., Zeisel, A., Ma ´ te ´ , Z., Calvigioni, D., Yanagawa, Y., Szabo ´ , G., Linnarsson, S., and Harkany, T. (2016). Integration of electrophysiological recordings with single-cell RNA-seq data identifies neuronal subtypes. Nat. Biotechnol. 34, 175–183.
2, Cadwell, C.R., Palasantza, A., Jiang, X., Berens, P., Deng, Q., Yilmaz, M., Reimer, J., Shen, S., Bethge, M., Tolias, K.F., et al. (2016). Electrophysiological, transcriptomic and morphologic profiling of single neurons using Patch-seq. Nat. Biotechnol. 34, 199–203.